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

obraz-do-wideo

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.

WEJŚCIE

Ładowanie konfiguracji parametrów...

WYJŚCIE

Bezczynny

Twoje wygenerowane wideo pojawi się tutaj

Skonfiguruj ustawienia i kliknij Uruchom, aby rozpocząć

Każde uruchomienie będzie kosztować $0.02. Za $10 możesz uruchomić ten model około 500 razy.

Co możesz zrobić dalej:

Seedance 2.0 Kling v3 Vidu Wan2.7

Parametry

Przykład kodu
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()

Instalacja

Zainstaluj wymagany pakiet dla swojego języka programowania.

bash

pip install requests

Uwierzytelnianie

Wszystkie żądania API wymagają uwierzytelnienia za pomocą klucza API. Klucz API możesz uzyskać z panelu Atlas Cloud.

bash

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

Nagłówki HTTP

python

import os

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

Chroń swój klucz API

Nigdy nie ujawniaj swojego klucza API w kodzie po stronie klienta ani w publicznych repozytoriach. Zamiast tego użyj zmiennych środowiskowych lub proxy backendowego.

Wyślij żądanie

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())

Wyślij żądanie

Wyślij asynchroniczne żądanie generowania. API zwróci identyfikator predykcji, którego możesz użyć do sprawdzania statusu i pobierania wyniku.

POST/api/v1/model/generateVideo

Treść żądania

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']}")

Odpowiedź

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

Sprawdź status

Odpytuj endpoint predykcji, aby sprawdzić bieżący status żądania.

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

Przykład odpytywania

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)

Wartości statusu

processingŻądanie jest wciąż przetwarzane.

completedGenerowanie zakończone. Wyniki są dostępne.

succeededGenerowanie powiodło się. Wyniki są dostępne.

failedGenerowanie nie powiodło się. Sprawdź pole błędu.

Odpowiedź ukończona

{
  "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"
  }
}

Prześlij pliki

Prześlij pliki do magazynu Atlas Cloud i uzyskaj URL, którego możesz użyć w swoich żądaniach API. Użyj multipart/form-data do przesyłania.

POST/api/v1/model/uploadMedia

Przykład przesyłania

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}")

Odpowiedź

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

Schema wejściowy

Następujące parametry są akceptowane w treści żądania.

Łącznie: 0Wymagane: 0Opcjonalne: 0

Brak dostępnych parametrów.

Przykładowa treść żądania

json

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

Schema wyjściowy

API zwraca odpowiedź predykcji z URL-ami wygenerowanych wyników.

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

Przykładowa odpowiedź

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

Atlas Cloud Skills integruje ponad 300 modeli AI bezpośrednio z Twoim asystentem kodowania AI. Jedno polecenie do instalacji, a następnie używaj języka naturalnego do generowania obrazów, filmów i rozmów z LLM.

Obsługiwani klienci

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ obsługiwani klienci

Instalacja

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

Skonfiguruj klucz API

Uzyskaj klucz API z panelu Atlas Cloud i ustaw go jako zmienną środowiskową.

bash

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

Możliwości

Po zainstalowaniu możesz używać języka naturalnego w swoim asystencie AI, aby uzyskać dostęp do wszystkich modeli Atlas Cloud.

Generowanie obrazówGeneruj obrazy za pomocą modeli takich jak Nano Banana 2, Z-Image i inne.

Tworzenie wideoTwórz filmy z tekstu lub obrazów za pomocą Kling, Vidu, Veo itp.

Chat LLMRozmawiaj z Qwen, DeepSeek i innymi dużymi modelami językowymi.

Przesyłanie mediówPrześlij lokalne pliki do edycji obrazów i przepływów pracy obraz-do-wideo.

Dowiedz się więcej

github.com/AtlasCloudAI/atlas-cloud-skills

Serwer MCP

Serwer MCP Atlas Cloud łączy Twoje IDE z ponad 300 modelami AI za pośrednictwem Model Context Protocol. Działa z każdym klientem kompatybilnym z MCP.

Obsługiwani klienci

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ obsługiwani klienci

Instalacja

bash

npx -y atlascloud-mcp

Konfiguracja

Dodaj następującą konfigurację do pliku ustawień MCP w swoim IDE.

json

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

Dostępne narzędzia

atlas_generate_imageGeneruj obrazy z promptów tekstowych.

atlas_generate_videoTwórz filmy z tekstu lub obrazów.

atlas_chatRozmawiaj z dużymi modelami językowymi.

atlas_list_modelsPrzeglądaj ponad 300 dostępnych modeli AI.

atlas_quick_generateTworzenie treści w jednym kroku z automatycznym wyborem modelu.

atlas_upload_mediaPrześlij lokalne pliki do przepływów pracy API.

Dowiedz się więcej

github.com/AtlasCloudAI/mcp-server

API Schema

Schema niedostępna

Zaloguj się, aby wyświetlić historię zapytań

Musisz być zalogowany, aby uzyskać dostęp do historii zapytań modelu.

Zaloguj się

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.