Texto para vídeo com IATransformar foto em vídeo com IADe $ 0,30 / vídeo
O principal modelo de base de vídeo multimodal do Alibaba Cloud, o Wanx 2.1, se destaca na geração de vídeos cinematográficos com física realista, tratamento de movimento complexo e efeitos de texto bilíngues.
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" }}'
Opcionalmente, inclua o webhookUrl para receber uma notificação quando a tarefa for concluída com sucesso ou falhar.
Campo de solicitação opcional
{"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"}
Esquema
Campos de entrada para o ponto de extremidade e o modo selecionados.
Campo
Tipo
Obrigatório
Descrição
prompt
string
Sim
Text prompt describing the content to generate.
mode
string
Não
Generation mode of the model (e.g. a faster or higher-quality tier).
Wan 2.1 é um modelo de IA avançado desenvolvido pela equipe Wan da Alibaba para gerar vídeos de alta qualidade a partir de descrições em texto ou imagens.
Com o Wan 2.1 na Pollo API, desenvolvedores podem adicionar text-to-video e image-to-video aos seus apps, escolhendo um modo de rascunho rápido ou um modo pro de maior fidelidade para clipes de cinco segundos em várias proporções.
Principais recursos da API Wan 2.1
Efeitos de texto bilíngue
O Wan 2.1 insere caracteres em chinês e inglês diretamente na cena, então títulos, rótulos e legendas mantêm sua forma em vez de se dissolverem em ruído conforme os frames avançam.
Física realista
O movimento respeita gravidade e momento, então objetos caindo, tecido fluindo e mudança de peso se comportam de forma crível, mantendo a ação gerada bem ancorada em vez de parecer flutuante ou elástica.
Tratamento de movimentos complexos
Movimentos com várias partes permanecem coerentes, de uma multidão atravessando a rua a membros e ferramentas se movendo ao mesmo tempo, sem borrar o sujeito principal nem perder estrutura no meio do clipe.
Orientação por texto e imagem
Comece com um prompt escrito ou anime um frame estático existente, permitindo que o Wan 2.1 atenda tanto conceitos guiados por ideia quanto fluxos de trabalho guiados por ativos com base em um quadro inicial fixo.
Modos Fast e Pro
Escolha uma passagem rápida para iteração ágil ou uma passagem refinada quando o detalhe importar, para que rascunhos e renders finais compartilhem o mesmo modelo sem trocar integrações.
Casos de uso da API Wan 2.1
Legendas de vídeo localizadas: Gere clipes com texto em chinês ou inglês na tela para campanhas bilíngues, explicativos com legendas e conteúdo de vitrines específico por região.
Cenas de sinalização e vitrines: Produza tomadas em que placas, menus ou pôsteres exibem palavras reais e legíveis para mockups de varejo e hospitalidade.
Ação guiada por física: Anime líquidos sendo despejados, objetos tombando ou tecido em movimento para demos em que peso crível vende o momento.
Reanimação de imagem: Envie um frame estático e coloque-o em movimento preservando a composição original, útil para ferramentas de photo-to-clip e guiadas por referência.
Geração de title cards: Crie sequências curtas de abertura ou encerramento em que texto cinético e movimento aparecem juntos em uma única tomada gerada.
Tomadas com multidão e múltiplos assuntos: Renderize cenas movimentadas com vários elementos em movimento que permanecem distintos, ideal para planos gerais e plates de fundo.
Rascunho rápido de conceitos: Use o modo fast para pré-visualizar rapidamente uma cena descrita antes de comprometer compute em um render pro refinado.
Clipes sociais verticais: Gere vídeo curto em formato retrato para feeds e stories sem cortar ou reenquadrar uma fonte horizontal.
Como usar a API Wan 2.1
Obtenha uma chave de API: Crie uma conta na Pollo API e gere sua chave de API no painel do desenvolvedor.
Escolha o modelo: Envie requisições para o endpoint Wan 2.1 em /generation/wanx/wanx-v2-1.
Adicione suas entradas: Forneça um prompt para text-to-video junto com um aspectRatio (16:9, 9:16, 4:3, 3:4 ou 1:1), ou envie uma URL de image para image-to-video e depois defina mode como fast ou pro. O length do clipe é de 5 segundos.
Gere e recupere: Envie a tarefa, consulte o status da tarefa retornada e baixe o vídeo finalizado quando o processamento for concluído com sucesso.
Boas práticas de prompting para a API Wan 2.1
Trate o prompt como um briefing de cena. Nomeie o assunto, o movimento, qualquer texto na tela com a redação exata, o enquadramento e o cenário para que o Wan 2.1 tenha alvos claros para renderizar.
Uma fórmula simples de prompt
Assunto + movimento específico + texto exato na tela (se houver) + enquadramento de câmera + cenário e iluminação
O que você deve observar
Coloque seu texto exatamente: Inclua no prompt as palavras que você quer na tela, já que o Wan 2.1 renderiza os caracteres que recebe em chinês ou inglês.
Descreva o movimento físico: Diga como as coisas se movem, como pingar, despejar ou balançar, para que o mecanismo de física tenha um objetivo concreto.
Mantenha uma ação focada: Um único movimento claro se sustenta melhor ao longo do clipe de cinco segundos do que vários eventos competindo.
Defina a proporção no início: Combine o enquadramento com o destino, escolhendo vertical para social e amplo para cenas de paisagem.
Use o modo com intenção: Faça rascunhos no modo fast e depois renderize novamente o take escolhido no modo pro quando precisar de detalhe mais limpo.
Exemplos de prompts
Placa de loja bilíngue
"Uma pequena loja de macarrão ao entardecer, vapor subindo das tigelas, uma placa luminosa acima da porta exibe 'Open' em inglês e chinês. Luz quente de lanternas, leve avanço de câmera, pessoas passando em foco suave, estilo realista."
Tomada de cozinha guiada por física
"Mel sendo derramado lentamente de um pote sobre uma pilha de panquecas, o fio se torcendo e acumulando com espessura visível. Câmera de cima, luz suave da janela pela manhã, estilo realista limpo com foco em fluxo crível."
Title card animado
"Texto em inglês em negrito 'CHAPTER ONE' se forma letra por letra sobre um campo gramado varrido pelo vento, lâminas de grama se curvando na brisa. Tomada ampla e estável, luz nublada, estilo gráfico minimalista com movimento sutil."
Cena de rua com multidão
"Uma rua de mercado movimentada onde vários vendedores gesticulam e compradores circulam entre as barracas, com frutas e tecidos à vista. Tomada média com câmera na mão, luz forte de meio-dia, estilo natural realista com muitos pequenos detalhes em movimento."
Wan 2.1 vs Kling 1.6 vs Hunyuan Video
Capacidade
Wan 2.1
Kling 1.6
Hunyuan Video
Texto bilíngue na tela
✅ Renderização em chinês e inglês
❌ Fidelidade de texto limitada
❌ Fidelidade de texto limitada
Realismo físico
✅ Peso e movimento fortes
✅ Bom controle de movimento
✅ Movimento suave e realista
Movimento complexo com múltiplos assuntos
✅
✅
✅
Tipos de entrada
Texto e imagem
Texto e imagem
Texto e imagem
Duração do clipe
5 segundos
Clipes curtos dirigidos
Clipes curtos
Recomendado para
Texto em vídeo e movimento físico
Movimento dirigido de personagem
Vídeo realista em modelo aberto
Por que escolher a API Wan 2.1?
O Wan 2.1 se destaca quando uma tomada precisa trazer palavras reais e legíveis e movimento crível ao mesmo tempo, de legendas e sinalizações bilíngues a ação guiada por física em um único clipe.
Pela Pollo API, você acessa o Wan 2.1 com uma única chave de API junto com mais de 300 modelos líderes de vídeo e imagem, com documentação clara, consulta de status de tarefa e geração que custa menos que Fal AI.
Comece pelo endpoint Wan 2.1 na Pollo API para lançar recursos de vídeo bilíngues com consciência física e depois compare com Kling e Hunyuan sem mexer na sua integração.
FAQs da API Wan 2.1
O que é Wan 2.1?
Wan 2.1 é o modelo fundacional multimodal de vídeo da Alibaba Cloud, conhecido por física realista, movimento complexo e renderização de texto em chinês e inglês dentro de vídeo gerado a partir de entradas de texto ou imagem.
A API Wan 2.1 oferece suporte a entradas de texto e imagem?
Sim. Você pode gerar a partir de um prompt escrito ou animar uma URL de imagem, então ela atende tanto fluxos de vídeo guiados por conceito quanto por ativos.
O Wan 2.1 pode renderizar texto dentro de um vídeo?
Sim. Ele desenha caracteres em chinês e inglês diretamente na cena, mantendo placas, títulos e legendas legíveis conforme a tomada se move.
Quais durações de clipe e formatos estão disponíveis?
O Wan 2.1 produz clipes de cinco segundos e oferece suporte a várias proporções, incluindo paisagem, retrato e quadrado, selecionadas por requisição.
Qual é a diferença entre os modos fast e pro?
O modo fast favorece iteração rápida para rascunho, enquanto o modo pro usa mais compute para detalhe refinado em renders finais.
Por que executar o Wan 2.1 pela Pollo API?
A Pollo API oferece uma integração única para o Wan 2.1 e mais de 300 outros modelos, com documentação, rastreamento de tarefas e geração de menor custo que provedores comparáveis.
