
Modèle vidéo multimodal supportant T2V, I2V, le montage vidéo et reference-to-video, avec une sortie haute fidélité provenant de texte, d’image ou d’entrées vidéo.
Modèle vidéo multimodal supportant T2V, I2V, le montage vidéo et reference-to-video, avec une sortie haute fidélité provenant de texte, d’image ou d’entrées vidéo.
Aussi connu sous le nom Alibaba Cloud Wan 2.7
wan-2-7/v1/videos/generationsalibaba/wan-2.7wan-2.7Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
Wan 2.7 fonctionne via POST /v1/videos/generations. La requête renvoie immédiatement un job_id ; interrogez GET /v1/jobs/{job_id} jusqu'à la fin du job et lisez les URLs de sortie dans le résultat. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/videos/generations \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "wan-2-7",
"prompt": "Describe what you want Wan 2.7 to generate."
}'curl https://api.empiriolabs.ai/v1/jobs/JOB_ID \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY"import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/videos/generations",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={
"model": "wan-2-7",
"prompt": "Describe what you want Wan 2.7 to generate.",
},
)
job = response.json()
# Generation runs as an async job. Poll until it completes.
import time
while True:
status = requests.get(
f"https://api.empiriolabs.ai/v1/jobs/{job['job_id']}",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
).json()
if status.get("status") in ("completed", "failed"):
print(status)
break
time.sleep(5)Paramètres de requête pris en charge par l'API Wan 2.7 sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| prompt | string | - | - | Description de la scène. |
| mode | enum | auto | auto, t2v, i2v, videoedit, r2v | T2V: text-to-video. i2v: animez l’image jointe. Édition vidéo: Édition de la vidéo jointe. R2V: reference-to-video. |
| resolution | enum | 1080p | 720p, 1080p | Résolution de sortie. Plus grand = plus haute fidélité mais plus lent / plus cher. |
| duration | number | 5 | 2 à 15 | Durée du clip en secondes. Le montage vidéo et reference-to-video sont limités à 10 secondes, et le montage vidéo ne dépasse jamais le clip d’entrée. L’image à vidéo... |
| aspect_ratio | enum | - | 16:9, 9:16, 1:1, 4:3, 3:4 | Optionnel. Si elle est omise, le modèle choisit en fonction de l’entrée. |
| image | string | - | - | URL de référence de l’image. Indispensable pour i2v / r2v / vidéomontage. |
| video | string | - | - | Référence à l’URL de la vidéo. Nécessaire pour le montage vidéo / r2v. |
| negative_prompt | string | - | - | Quoi éviter. |
| seed | number | - | - | Graine de reproductibilité. |
| audio_setting | enum | auto | auto, origin | Auto: générer un audio natif. Origine: conserver l’audio de la vidéo source (montage vidéo uniquement). |
| prompt_extend | boolean | true | - | Développez et affinez automatiquement l’invite pour obtenir de meilleurs résultats. |
La génération peut prendre 30+ minutes. Les modes sont détectés automatiquement à partir des pièces jointes, ou surpassent avec le paramètre mode.
Sur EmpirioLabs, Wan 2.7 est facturé à l'usage : Tous les modes 720P $0.10 par seconde; Tous les modes 1080P $0.150 par seconde. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Wan 2.7 est servi via POST /v1/videos/generations sur api.empiriolabs.ai avec une authentification standard par token Bearer.
Oui. Le playground EmpirioLabs exécute Wan 2.7 dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.