Flagowy model multimodalnego wideo firmy Alibaba Cloud, Wanx 2.1, doskonale nadaje się do generowania filmów kinowych z realistyczną fizyką, złożoną obsługą ruchu i dwujęzycznymi efektami tekstowymi.
curl-X POST 'https://pollo.ai/api/platform/v1/generation/alibaba/wan-v2-1/video'\-H'Content-Type: application/json'\-H'x-api-key: YOUR_API_KEY'\-d'{ "input": { "prompt": "A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field", "mode": "fast", "duration": 5, "aspectRatio": "16:9" }}'
Opcjonalnie dołącz webhookUrl, aby otrzymać wywołanie zwrotne w przypadku powodzenia lub niepowodzenia zadania.
Opcjonalne pole żądania
{"input":{"prompt":"A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field","mode":"fast","duration":5,"aspectRatio":"16:9"},"webhookUrl":"https://example.com/webhooks/pollo"}
Schemat
Pola wejściowe dla wybranego punktu końcowego i trybu.
Pole
Typ
Wymagany
Opis
prompt
string
Tak
Text prompt describing the content to generate.
mode
string
NIE
Generation mode of the model (e.g. a faster or higher-quality tier).
duration
number
NIE
The duration of the generated video, in seconds.
aspectRatio
string
NIE
Output aspect ratio, as width:height (e.g. 16:9).
seed
integer
NIE
Random seed for reproducible generation.
Błędy
Typowe publiczne kody odpowiedzi API.
400
Nieprawidłowe dane wejściowe lub ograniczenie modelu
Wan 2.1 to zaawansowany model AI opracowany przez zespół Wan firmy Alibaba do generowania wysokiej jakości wideo na podstawie opisów tekstowych lub obrazów.
Dzięki Wan 2.1 w Pollo API deweloperzy mogą dodać do swoich aplikacji funkcje text-to-video i image-to-video, wybierając szybki tryb roboczy albo dokładniejszy tryb pro dla pięciosekundowych klipów w kilku proporcjach obrazu.
Kluczowe funkcje API Wan 2.1
Dwujęzyczne efekty tekstowe
Wan 2.1 umieszcza chińskie i angielskie znaki bezpośrednio w kadrze, dzięki czemu tytuły, etykiety i podpisy zachowują swój kształt, zamiast rozpływać się w szumie wraz z kolejnymi klatkami.
Realistyczna fizyka
Ruch respektuje grawitację i pęd, więc spadające obiekty, falująca tkanina i przesuwający się ciężar zachowują się wiarygodnie, dzięki czemu wygenerowana akcja wygląda naturalnie, a nie jak unosząca się lub gumowa.
Obsługa złożonego ruchu
Ruch wieloelementowy pozostaje spójny — od tłumu przechodzącego przez ulicę po jednoczesny ruch kończyn i narzędzi — bez rozmazywania obiektu ani utraty struktury w trakcie klipu.
Sterowanie tekstem i obrazem
Zacznij od pisanego promptu albo ożyw istniejący nieruchomy kadr, dzięki czemu Wan 2.1 sprawdzi się zarówno w koncepcjach opartych na pomyśle, jak i w workflow opartym na gotowych zasobach z ustaloną klatką otwierającą.
Tryby Fast i Pro
Wybierz szybki przebieg do szybkich iteracji albo dopracowany przebieg, gdy liczy się detal, dzięki czemu szkice i finalne rendery mogą korzystać z jednego modelu bez przełączania integracji.
Przypadki użycia API Wan 2.1
Lokalizowane podpisy wideo: Generuj klipy z chińskim lub angielskim tekstem na ekranie do kampanii dwujęzycznych, materiałów objaśniających z napisami i treści witryn sklepowych dla konkretnych regionów.
Sceny z oznakowaniem i witrynami sklepowymi: Twórz ujęcia, w których szyldy, menu lub plakaty zawierają prawdziwe, czytelne słowa na potrzeby makiet dla handlu i gastronomii.
Akcja oparta na fizyce: Animuj przelewanie cieczy, spadające rekwizyty lub poruszającą się tkaninę w demach, gdzie wiarygodny ciężar buduje efekt.
Reanimacja obrazu: Podaj nieruchomą klatkę i wpraw ją w ruch, zachowując oryginalną kompozycję — przydatne w narzędziach photo-to-clip i workflow opartym na referencjach.
Generowanie kart tytułowych: Twórz krótkie sekwencje intro lub outro, w których kinetyczny tekst i ruch pojawiają się razem w jednym wygenerowanym ujęciu.
Ujęcia tłumu i wielu obiektów: Renderuj dynamiczne sceny z kilkoma poruszającymi się elementami, które pozostają wyraźnie odrębne — idealne do ujęć ustanawiających i teł.
Szybkie szkicowanie koncepcji: Użyj trybu fast, by szybko podejrzeć opisaną scenę, zanim przeznaczysz moc obliczeniową na dopracowany render pro.
Pionowe klipy do social mediów: Generuj krótkie wideo w formacie pionowym do feedów i stories bez przycinania ani zmiany kadru materiału poziomego.
Jak korzystać z API Wan 2.1
Pobierz klucz API: Utwórz konto Pollo API i wygeneruj klucz API w panelu deweloperskim.
Wybierz model: Wysyłaj żądania do endpointu Wan 2.1 pod adresem /generation/wanx/wanx-v2-1.
Dodaj dane wejściowe: Podaj prompt dla text-to-video wraz z aspectRatio (16:9, 9:16, 4:3, 3:4 lub 1:1) albo przekaż URL image dla image-to-video, a następnie ustaw mode na fast lub pro. Długość klipu (length) to 5 sekund.
Generuj i pobierz: Wyślij zadanie, sprawdzaj status zwróconego zadania i pobierz gotowe wideo po pomyślnym zakończeniu przetwarzania.
Najlepsze praktyki promptowania dla API Wan 2.1
Traktuj prompt jak opis sceny. Nazwij obiekt, ruch, dowolny tekst na ekranie z jego dokładnym brzmieniem, kadrowanie i otoczenie, aby Wan 2.1 miał jasne cele renderowania.
Prosta formuła promptu
Obiekt + konkretny ruch + dokładny tekst na ekranie (jeśli jest) + kadrowanie kamery + otoczenie i oświetlenie
Na co warto zwrócić uwagę
Dokładnie cytuj tekst: Umieść w prompcie słowa, które mają pojawić się na ekranie, ponieważ Wan 2.1 renderuje znaki w języku chińskim lub angielskim dokładnie takie, jakie otrzyma.
Opisuj ruch fizyczny: Określ, jak poruszają się elementy, np. kapanie, przelewanie czy kołysanie, aby silnik fizyki miał konkretny cel.
Skup się na jednej akcji: Jeden wyraźny ruch lepiej trzyma spójność przez pięciosekundowy klip niż kilka konkurujących ze sobą zdarzeń.
Ustaw proporcje obrazu na początku: Dopasuj kadr do miejsca publikacji, wybierając pion dla social mediów i szeroki format dla scen krajobrazowych.
Dobieraj tryb do celu: Szkicuj w trybie fast, a potem wyrenderuj finalną wersję ponownie w trybie pro, gdy potrzebujesz czystszych detali.
Przykładowe prompty
Dwujęzyczny szyld sklepu
"Mały bar z makaronem o zmierzchu, para unosi się znad misek, świecący szyld nad drzwiami pokazuje 'Open' po angielsku i chińsku. Ciepłe światło lampionów, powolne najście kamery, przechodnie w miękkim rozmyciu, realistyczny styl."
Kuchenne ujęcie z naciskiem na fizykę
"Miód powoli wylewa się ze słoika na stos naleśników, strumień skręca się i gromadzi z widoczną gęstością. Kamera z góry, miękkie poranne światło z okna, czysty realistyczny styl skupiony na wiarygodnym przepływie."
Animowana karta tytułowa
"Pogrubiony angielski tekst 'CHAPTER ONE' tworzy się litera po literze nad smaganą wiatrem łąką, źdźbła trawy wyginają się na wietrze. Stabilne szerokie ujęcie, zachmurzone światło, minimalistyczny styl graficzny z subtelnym ruchem."
Uliczna scena z tłumem
"Ruchliwa ulica targowa, na której kilku sprzedawców gestykuluje, a kupujący przeciskają się między straganami; w kadrze owoce i tkaniny. Średnie ujęcie z ręki, jasne południowe światło, naturalny realistyczny styl z wieloma drobnymi ruchomymi detalami."
Wan 2.1 vs Kling 1.6 vs Hunyuan Video
Możliwość
Wan 2.1
Kling 1.6
Hunyuan Video
Dwujęzyczny tekst na ekranie
✅ Renderowanie chińskiego i angielskiego
❌ Ograniczona wierność tekstu
❌ Ograniczona wierność tekstu
Realizm fizyki
✅ Mocne odwzorowanie ciężaru i ruchu
✅ Dobra kontrola ruchu
✅ Płynny, realistyczny ruch
Złożony ruch wielu obiektów
✅
✅
✅
Typy wejścia
Tekst i obraz
Tekst i obraz
Tekst i obraz
Długość klipu
5 sekund
Krótkie klipy kierowane
Krótkie klipy
Polecane do
Tekstu w wideo i ruchu fizycznego
Kierowanego ruchu postaci
Realistycznego wideo open-model
Dlaczego warto wybrać API Wan 2.1?
Wan 2.1 wyróżnia się wtedy, gdy ujęcie musi jednocześnie zawierać prawdziwe, czytelne słowa i wiarygodny ruch — od dwujęzycznych podpisów i oznakowania po akcję opartą na fizyce w jednym klipie.
Przez Pollo API uzyskujesz dostęp do Wan 2.1 jednym kluczem API obok ponad 300 czołowych modeli wideo i obrazów, z przejrzystą dokumentacją, sprawdzaniem statusu zadań i generowaniem tańszym niż Fal AI.
Zacznij od endpointu Wan 2.1 w Pollo API, aby wdrożyć dwujęzyczne funkcje wideo świadome fizyki, a następnie porównaj go z Kling i Hunyuan bez ruszania integracji.
FAQ API Wan 2.1
Czym jest Wan 2.1?
Wan 2.1 to multimodalny bazowy model wideo Alibaba Cloud, znany z realistycznej fizyki, złożonego ruchu oraz renderowania chińskiego i angielskiego tekstu wewnątrz wygenerowanego wideo na podstawie wejścia tekstowego lub obrazowego.
Czy API Wan 2.1 obsługuje wejścia tekstowe i obrazowe?
Tak. Możesz generować z pisanego promptu albo animować URL obrazu, więc rozwiązanie pasuje zarówno do workflow opartych na koncepcji, jak i na gotowych zasobach.
Czy Wan 2.1 potrafi renderować tekst wewnątrz wideo?
Tak. Umieszcza chińskie i angielskie znaki bezpośrednio w scenie, utrzymując czytelność szyldów, tytułów i podpisów podczas ruchu ujęcia.
Jakie długości klipów i formaty są dostępne?
Wan 2.1 tworzy pięciosekundowe klipy i obsługuje kilka proporcji obrazu, w tym poziom, pion i kwadrat, wybieranych dla każdego żądania.
Jaka jest różnica między trybem fast i pro?
Tryb fast stawia na szybkie iteracje do szkicowania, a tryb pro wykorzystuje więcej mocy obliczeniowej na dopracowane detale w renderach finalnych.
Dlaczego uruchamiać Wan 2.1 przez Pollo API?
Pollo API daje jedną integrację dla Wan 2.1 i ponad 300 innych modeli, z dokumentacją, śledzeniem zadań i tańszym generowaniem niż u porównywalnych dostawców.
