atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video

صورة إلى فيديو

TURBO

Wan 2.2 Turbo Spicy Infinite Image-to-Video API by Atlas Cloud

atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video

Infinite-image-to-video

Image-to-video model for segmented prompt video generation with stable motion and 30fps workflow post-processing.

الإدخال

جارٍ تحميل إعدادات المعاملات...

الإخراج

في انتظار التنفيذ

سيظهر الفيديو المُنشأ هنا

قم بتعيين المعاملات وانقر فوق تشغيل لبدء الإنشاء

كل مرة ستكلف $0.02 مع $10 يمكنك التشغيل حوالي 500 مرة

يمكنك المتابعة بـ:

Seedance 2.0 Kling v3 Vidu Wan2.7

المعلمات

مثال الكود
import requests
import time

# Step 1: Start video generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video",
    "prompt": "A beautiful sunset over the ocean with gentle waves",
    "width": 512,
    "height": 512,
    "duration": 3,
    "fps": 24,
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] in ["completed", "succeeded"]:
            print("Generated video:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

video_url = check_status()

التثبيت

قم بتثبيت الحزمة المطلوبة للغة البرمجة الخاصة بك.

bash

pip install requests

المصادقة

تتطلب جميع طلبات API المصادقة عبر مفتاح API. يمكنك الحصول على مفتاح API الخاص بك من لوحة تحكم Atlas Cloud.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

ترويسات HTTP

python

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

حافظ على أمان مفتاح API الخاص بك

لا تكشف أبدًا مفتاح API الخاص بك في الكود من جانب العميل أو المستودعات العامة. استخدم متغيرات البيئة أو وكيل الخادم الخلفي بدلاً من ذلك.

إرسال طلب

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

إرسال طلب

أرسل طلب توليد غير متزامن. تُرجع API معرّف التنبؤ الذي يمكنك استخدامه للتحقق من الحالة واسترداد النتيجة.

POST/api/v1/model/generateVideo

نص الطلب

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video",
    "input": {
        "prompt": "A beautiful sunset over the ocean with gentle waves"
    }
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")

الاستجابة

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

التحقق من الحالة

استعلم عن نقطة نهاية التنبؤ للتحقق من الحالة الحالية لطلبك.

GET/api/v1/model/prediction/{prediction_id}

مثال الاستعلام

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

قيم الحالة

processingلا يزال الطلب قيد المعالجة.

completedاكتمل التوليد. المخرجات متاحة.

succeededنجح التوليد. المخرجات متاحة.

failedفشل التوليد. تحقق من حقل الخطأ.

استجابة مكتملة

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.mp4"
    ],
    "metrics": {
      "predict_time": 45.2
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

رفع الملفات

ارفع الملفات إلى تخزين Atlas Cloud واحصل على URL يمكنك استخدامه في طلبات API الخاصة بك. استخدم multipart/form-data للرفع.

POST/api/v1/model/uploadMedia

مثال الرفع

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

الاستجابة

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Input Schema

المعاملات التالية مقبولة في نص الطلب.

الإجمالي: 0مطلوب: 0اختياري: 0

لا توجد معاملات متاحة.

مثال على نص الطلب

json

{
  "model": "atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video"
}

Output Schema

تُرجع API استجابة تنبؤ تحتوي على عناوين URL للمخرجات المولّدة.

idstringrequired

Unique identifier for the prediction.

statusstringrequired

Current status of the prediction.

processingcompletedsucceededfailed

modelstringrequired

The model used for generation.

outputsarray[string]

Array of output URLs. Available when status is "completed".

errorstring

Error message if status is "failed".

metricsobject

Performance metrics.

predict_timenumber

Time taken for video generation in seconds.

created_atstringrequired

ISO 8601 timestamp when the prediction was created.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

مثال على الاستجابة

json

{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.mp4"
  ],
  "metrics": {
    "predict_time": 45.2
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

يدمج Atlas Cloud Skills أكثر من 300 نموذج ذكاء اصطناعي مباشرة في مساعد البرمجة بالذكاء الاصطناعي الخاص بك. أمر واحد للتثبيت، ثم استخدم اللغة الطبيعية لتوليد الصور ومقاطع الفيديو والدردشة مع LLM.

العملاء المدعومون

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ العملاء المدعومون

التثبيت

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

إعداد مفتاح API

احصل على مفتاح API الخاص بك من لوحة تحكم Atlas Cloud وعيّنه كمتغير بيئة.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

الإمكانيات

بمجرد التثبيت، يمكنك استخدام اللغة الطبيعية في مساعد الذكاء الاصطناعي الخاص بك للوصول إلى جميع نماذج Atlas Cloud.

توليد الصورأنشئ صورًا باستخدام نماذج مثل Nano Banana 2 و Z-Image والمزيد.

إنشاء الفيديوأنشئ مقاطع فيديو من نص أو صور باستخدام Kling و Vidu و Veo وغيرها.

دردشة LLMتحدث مع Qwen و DeepSeek ونماذج اللغة الكبيرة الأخرى.

رفع الوسائطارفع الملفات المحلية لتحرير الصور وسير عمل تحويل الصور إلى فيديو.

MCP Server

يربط Atlas Cloud MCP Server بيئة التطوير الخاصة بك بأكثر من 300 نموذج ذكاء اصطناعي عبر Model Context Protocol. يعمل مع أي عميل متوافق مع MCP.

العملاء المدعومون

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ العملاء المدعومون

التثبيت

bash

npx -y atlascloud-mcp

التكوين

أضف التكوين التالي إلى ملف إعدادات MCP في بيئة التطوير الخاصة بك.

json

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

الأدوات المتاحة

atlas_generate_imageتوليد صور من أوصاف نصية.

atlas_generate_videoإنشاء مقاطع فيديو من نص أو صور.

atlas_chatالدردشة مع نماذج اللغة الكبيرة.

atlas_list_modelsتصفح أكثر من 300 نموذج ذكاء اصطناعي متاح.

atlas_quick_generateإنشاء محتوى بخطوة واحدة مع اختيار تلقائي للنموذج.

atlas_upload_mediaرفع الملفات المحلية لسير عمل API.

اعرف المزيد

github.com/AtlasCloudAI/mcp-server

مخطط API

المخطط غير متاح

يرجى تسجيل الدخول لعرض سجل الطلبات

تحتاج إلى تسجيل الدخول للوصول إلى سجل طلبات النموذج

تسجيل الدخول

Wan 2.2 Turbo Spicy Infinite Image-to-Video

Model Overview

Field	Description
Model Name	`atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video`
Model Type	Advanced Image-to-Video Generation
Core Architecture	Mixture-of-Experts (MoE)
Active Parameters	14B
Variant	Base
Tuning	Spicy-tuned post-processing pipeline (adult-oriented)

Wan 2.2 Turbo Spicy Infinite Image-to-Video is an enhanced image-to-video model built on the Wan 2.2 foundation. Inheriting the Mixture-of-Experts (MoE) architecture and cinematic-level aesthetics of the original Wan series, this variant introduces two breakthroughs — inference acceleration and infinite-length generation — and ships with a spicy-tuned post-processing pipeline for adult-oriented creative work.

Key Features & Innovations

1. Ultra-Fast Inference: 4-Step Distillation with RCM

To address the high latency typical of large-scale models, we apply specialized sampling optimization and knowledge distillation:

RCM (Refined Consistency Model) Sampler — a more efficient ODE solver that significantly improves single-step sampling quality.
4-Step Distillation — denoising steps are compressed to 4 steps through multi-stage distillation, enabling cinematic-grade generation at a fraction of the original cost and unlocking low-latency interaction.

2. Infinite-Length Generation: Anchor-Frame Autoregressive Architecture

A targeted retraining gives the model an advanced temporal extension mechanism that breaks the duration limits of traditional video models:

Anchor-Frame Evolution — automatically extracts key "anchor frames" during generation as global temporal references.
Dual-Frame Constraint (Anchor + Last Frame) — combines the structural consistency of the global anchor frame with the motion continuity of the previous frame to construct video sequences autoregressively.
Semantic Stability — subject identity, scene details, and lighting stay consistent across multi-minute outputs, suppressing semantic drift and logical collapse.

3. Cinematic-Level Aesthetics (Inherited)

The model retains the curated training foundation of Wan 2.2:

Precise Control — detailed labels for lighting, composition, and color tone.
Complex Motion — superior generation of realistic, fluid motion across diverse semantics.

Why Infinite?

Most image-to-video models lock you into a single short clip (5–10 s). Infinite extends that into a controlled multi-segment clip — output duration equals prompt_count × duration_per_segment, up to 6 prompts x 5 s. Direct each segment with its own prompt; the API returns one server-stitched 30 fps MP4.

Prompts	Per-segment	Total output
1	5 s	5 s
3	5 s	15 s
6	5 s	30 s

60-second Quickstart

curl -X POST https://api.atlascloud.ai/api/v1/model/generateVideo \
  -H "Authorization: Bearer $APIKEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video",
    "image": "https://static.atlascloud.ai/media/images/db548fe3bd5cafa4ef7e0141d69c8566.jpeg",
    "prompt": [
      "She turns slowly toward the camera, golden hour light hitting her face.",
      "She walks forward through the wheat field, hand brushing the tops.",
      "Close-up: a single tear catches the sun as she smiles."
    ],
    "duration": 5,
    "resolution": "720p"
  }'

Returns one MP4 — segments are stitched server-side at 30 fps.

Base vs LoRA — which one?

	Base (this model)	LoRA variant
Model name	`atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video`	`…/infinite-image-to-video-lora`
Price (480 p, per second)	$0.020	$0.026 (+30 %)
Best for	Standard runs, fast iteration, bulk drafts	Higher fidelity, fine-grained control
Recommended for	Pre-production, A/B prompts	Final renders

Switch the variant by changing model only — all other fields are identical.

Request Fields

Field	Type	Required	Notes
`model`	string	✅	`atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video`
`image`	string (URL)	✅	Source frame; jpg/png
`prompt`	string[]	✅	Must be a JSON array. Plain string is rejected.
`duration`	number	✅	Fixed at 5 s per segment.
`resolution`	string	optional	`480p`, `720p`, or `1080p`. Defaults to `720p`.
`seed`	number	optional	`-1` for random

Pricing — at a glance

price = $0.020 × max(1, prompt_count) × max(5, duration_seconds) × resolution_factor
                                                                     480p → 1
                                                                     720p → 2
                                                                     1080p → 3

Common combos:

Prompts	Duration	Resolution	Total
1	5 s	480 p	$0.10
1	5 s	720 p	$0.20
1	5 s	1080 p	$0.30
3	5 s	720 p	$0.60
6	5 s	720 p	$1.20
6	5 s	1080 p	$1.80

Output Spec

Format: MP4 (H.264)
Frame rate: 30 fps (post-processed)
Resolution: 480 p / 720 p / 1080 p tiers, aspect-ratio preserving
Audio: none

Intended Use & Applications

Cinematic Long-Take Production — high-fidelity, consistent long-duration shots without manual stitching.
Low-Latency Interactive Content — leverage 4-step distillation for live broadcasts and AI-driven interactive installations.
Advanced Image-to-Video (I2V) — transform a static image into infinite, naturally moving visual scrolls via anchor-frame technology.
Professional Pre-visualization — minutes-long dynamic storyboards that compress pre-production time.

Content Policy

This model is tuned for adult-oriented (NSFW) generation. By calling it you confirm:

All depicted subjects are 18 +.
You hold the rights to the source image.
You will not generate content depicting real, identifiable people without their explicit consent.

Violations may result in account suspension.

Limitations

prompt must be a JSON array, never a plain string.
While anchor-frame technology suppresses cross-segment drift, it does not fully eliminate it — long prompts sharing fine identity details across many segments may still show minor variation.
480 p generates ~2× faster than 720 p; use 480 p for drafts.

LoRA variant: atlascloud/wan-2.2-turbo-spicy/infinite-image-to-video-lora
Non-spicy alias: atlascloud/wan-2.2-turbo/infinite-image-to-video

Note: This model is designed to empower the creative community. Users are expected to follow AI ethical guidelines and copyright regulations.