Comment démarrer avec Wan 2.5 Preview

Wan 2.5 Preview est un outil de génération vidéo signé Alibaba qui transforme des descriptions textuelles ou des images en courts clips cinématiques avec audio synchronisé. Il prend en charge deux modes : texte-vers-vidéo (T2V) et image-vers-vidéo (I2V). D'autres modèles hautes performances comme Kling V3 offrent des capacités cinématiques similaires. Parmi ses fonctionnalités clés : la création audiovisuelle en une seule passe, une synchronisation labiale précise et des sorties jusqu'à 1080p à 24 fps pour des vidéos de 5 ou 10 secondes. L'intégration est facilitée par APIMart, une plateforme offrant une API unifiée pour un accès fluide. Les tarifs démarrent à 0,0336 $/seconde en 480p. Voici ce qu'il faut savoir pour démarrer :

• Modes : T2V pour créer des vidéos à partir de prompts textuels, I2V pour ajouter du mouvement à des images.
• Qualité : sorties en 480p, 720p ou 1080p avec audio stéréo 48 kHz.
• Tarification : paiement à l'usage, facturé à la seconde de vidéo générée.
• Configuration : fonctionne avec Python ou Node.js via une API REST. Nécessite une clé API d'APIMart.
• Flux de travail : envoyez une requête, obtenez un task ID et interrogez le statut pour récupérer le résultat.

Commencez par un clip de 5 secondes en 480p pour tester votre configuration. Une fois à l'aise, montez en 1080p pour les rendus finaux. Utilisez des prompts détaillés pour de meilleurs résultats et intégrez des instructions audio pour un son synchronisé.

Ce guide couvre tout, de la mise en place de votre environnement à la rédaction des prompts, en passant par une gestion efficace des coûts.

Points clés

• Wan 2.5 Preview est le modèle de génération vidéo d'Alibaba qui transforme texte ou images en clips de 5 ou 10 secondes jusqu'en 1080p à 24 fps, avec audio stéréo 48 kHz synchronisé.
• La configuration repose sur de simples appels REST à https://api.apimart.ai avec une clé API Bearer APIMart ; une erreur 401 signale une clé invalide et une 402 un solde insuffisant.
• Les requêtes vers wan2.5-preview (avec image_urls pour l'image-vers-vidéo) renvoient un task_id que vous interrogez jusqu'au statut completed ; la génération prend 1 à 5 minutes et APIMart conserve le résultat 72 heures (voir expires_at).
• Les prompts de 80 à 120 mots avec termes de caméra, dialogues entre guillemets et indications sonores donnent les meilleurs résultats ; prompt_extend enrichit les prompts courts et un audio_url personnalisé (.wav/.mp3, 15 Mo max) est pris en charge.
• Le tarif démarre à 0,0336 $/s en 480p : faites un brouillon 480p de 5 secondes (43 crédits), puis un rendu final 1080p à 128 crédits pour 5 secondes ou 255 crédits pour 10 secondes.
• Les images source pour l'I2V doivent mesurer entre 360 et 2 000 pixels par côté et peser moins de 10 Mo, et le ratio de la vidéo suit celui de l'image source.

Wan 2.5 Preview en bref

Mettre en place votre environnement

Prérequis pour les développeurs

Avant de plonger dans le code, il est essentiel de maîtriser quelques bases. Vous devez bien comprendre les API REST et le format JSON, car toutes les interactions avec Wan 2.5 reposent sur ces standards. Que vous préfériez Python 3.x ou Node.js (v14+), l'un comme l'autre conviendra à cette configuration.

Un autre concept clé à assimiler est celui des flux de travail asynchrones. Wan 2.5 ne renvoie pas une vidéo terminée immédiatement. Il fournit plutôt un task_id que vous devrez surveiller. Vous devrez créer une boucle d'interrogation pour vérifier le statut de la tâche jusqu'à ce qu'il passe à « completed ». Une fois prêt, rendez-vous sur APIMart pour créer un compte et obtenir votre clé API.

Créer un compte APIMart et une clé API

Commencez par vous rendre sur apimart.ai pour créer un compte gratuit. Après connexion, allez dans la section API Key Management de votre tableau de bord Console pour générer votre clé API. Veillez à copier et à stocker votre clé en lieu sûr immédiatement — elle ne s'affiche qu'une seule fois.

APIMart fonctionne selon un modèle de paiement à l'usage : vous devez donc approvisionner votre compte avant d'effectuer des requêtes. Si vous rencontrez une erreur 402, cela signifie que le solde de votre compte est trop faible. Une erreur 401, en revanche, indique un problème avec votre clé API. Vérifiez vos identifiants et assurez-vous que votre compte dispose de fonds suffisants.

Configurer votre environnement de développement

Une fois votre clé API en main, la configuration est simple. Les exemples de ce guide appellent directement l'API REST :

• Pour Python : exécutez pip install requests
• Pour Node.js 18+ : utilisez le fetch intégré, aucun paquet supplémentaire n'est nécessaire

Toutes les requêtes partent vers l'URL de base :

https://api.apimart.ai

Authentifiez vos requêtes en incluant votre clé API sous forme de jeton Bearer dans l'en-tête, comme ceci :

Authorization: Bearer YOUR_API_KEY

Pour plus de sécurité, évitez de coder en dur votre clé API directement dans vos scripts. Stockez-la plutôt dans une variable d'environnement. Utiliser un fichier .env en développement local est une bonne pratique pour garder vos identifiants à l'abri et hors du contrôle de version. Une fois votre environnement configuré, vous pouvez passer à vos premières requêtes API.

Effectuer vos premières requêtes API

Exemple de requête texte-vers-vidéo

Une fois configuré, vous pouvez vous lancer dans votre première requête API ! Comme mentionné plus haut, ces requêtes sont asynchrones, ce qui signifie que vous devrez attendre la fin de la tâche avant d'obtenir vos résultats.

Voici un exemple Python simple pour commencer à générer une sortie texte-vers-vidéo :

import os
import time

import requests

API_BASE = "https://api.apimart.ai"
headers = {"Authorization": f"Bearer {os.environ['APIMART_API_KEY']}"}

resp = requests.post(f"{API_BASE}/v1/videos/generations", headers=headers, json={
    "model": "wan2.5-preview",
    "prompt": "A golden retriever runs along a sunlit beach, waves crashing in slow motion",
    "negative_prompt": "low quality, blurry, distorted",
    "duration": 5,          # 5 or 10
    "resolution": "720p",   # 480p / 720p / 1080p
    "size": "16:9",
    "prompt_extend": True,
}, timeout=60)
resp.raise_for_status()
task_id = resp.json()["data"][0]["task_id"]
print(f"Task started: {task_id}")

Les champs obligatoires sont model et prompt. D'autres paramètres affinent le résultat : negative_prompt liste ce qu'il faut éviter, duration vaut 5 ou 10 secondes et resolution vaut 480p, 720p ou 1080p. Si votre prompt est court, passer prompt_extend à true permet au modèle de l'enrichir en une description plus détaillée et cinématographique. En texte-vers-vidéo, size attend un format comme 16:9, 9:16 ou 1:1.

Après l'envoi, vous recevez un task_id. Utilisez-le pour interroger GET /v1/tasks/{task_id} jusqu'à ce que le statut de la tâche soit completed :

while True:
    task = requests.get(f"{API_BASE}/v1/tasks/{task_id}", headers=headers, timeout=30).json()["data"]
    if task["status"] == "completed":
        print(f"Video ready: {task['result']['videos'][0]['url'][0]}")
        break
    if task["status"] in ("failed", "cancelled"):
        raise RuntimeError(task.get("error", {}).get("message", "generation failed"))
    time.sleep(10)

La génération vidéo prend généralement 1 à 5 minutes. APIMart conserve le résultat 72 heures (expires_at donne l'heure exacte) : téléchargez la vidéo et placez-la dans votre propre stockage sans attendre.

Voyons maintenant comment générer des vidéos à partir d'images selon une approche similaire. Vous pouvez aussi explorer d'autres modèles comme Grok Imagine Video pour des styles cinématiques différents.

Exemple de requête image-vers-vidéo

L'image-vers-vidéo (I2V) utilise le même endpoint et le même modèle wan2.5-preview, avec deux différences : vous passez l'image source dans image_urls et vous omettez size, car la sortie suit le format de l'image.

Voici un exemple :

resp = requests.post(f"{API_BASE}/v1/videos/generations", headers=headers, json={
    "model": "wan2.5-preview",
    "prompt": "The character slowly turns their head and smiles at the camera",
    "image_urls": ["https://your-storage.com/character-portrait.jpg"],
    "duration": 5,
    "resolution": "720p",
    "negative_prompt": "blurry, artifacts",
    # No size for image-to-video: the output follows the source image
}, timeout=60)
resp.raise_for_status()
task_id = resp.json()["data"][0]["task_id"]

Pour l'I2V, le prompt doit décrire le mouvement ou les changements par rapport à l'image de départ — comme des mouvements de personnage ou des actions de caméra. Le ratio d'aspect correspondra à votre image source : veillez donc à la recadrer au ratio souhaité (par exemple 16:9, 9:16, 1:1) avant l'envoi. Les images sources doivent mesurer entre 360 et 2 000 pixels de chaque côté et ne pas dépasser 10 Mo.

Comme pour le texte-vers-vidéo, récupérez le task_id de la réponse et utilisez la même logique d'interrogation pour suivre le statut de la tâche jusqu'à son achèvement.

Décomposons maintenant la structure des réponses de l'API pour comprendre la signification de chaque champ.

Comprendre les réponses de l'API

Lorsqu'une requête POST réussit, l'API renvoie l'ID de la tâche dans data[0].task_id. Une requête GET /v1/tasks/{task_id} renvoie un objet data avec ces champs :

Un code HTTP 200 et un task_id signifient que votre requête a été acceptée. Si la tâche se termine en failed, consultez error.message pour les détails, par exemple un paramètre non pris en charge ou un prompt trop long.

Wan 2.5 (the Veo 3 Killer) is NOW in n8n (full tutorial & template)

Optimiser les prompts et les configurations

Une fois votre environnement en place et vos premières requêtes API effectuées (ou après avoir exploré la plus récente Wan 2.6 API), affiner vos prompts peut considérablement améliorer la qualité de vos sorties vidéo.

Rédiger de bons prompts texte et image

Les résultats obtenus dépendent grandement de la qualité de rédaction de vos prompts. Pour Wan 2.5, les prompts de 80 à 120 mots fonctionnent le mieux — assez longs pour fournir des directives claires, mais pas au point de perturber le modèle.

Voici une structure utile à suivre : commencez par le sujet ou la scène, puis ajoutez les mouvements de caméra, les détails de mouvement et le style visuel. Par exemple, au lieu de dire « une femme marchant dans une ville », vous pourriez écrire : « Une femme en manteau rouge marche d'un pas vif dans une rue de Manhattan détrempée par la pluie au crépuscule. Travelling avant lent. Les flaques reflètent des enseignes au néon. Étalonnage bleu-orange, bokeh anamorphique, éclairage volumétrique crépusculaire. » Ce niveau de détail donne au modèle des instructions claires pour l'ambiance, la composition et le mouvement.

Pour contrôler la caméra, utilisez des termes cinématographiques standard comme panoramique gauche/droite, inclinaison haut/bas, travelling avant/arrière, arc orbital ou grue haut/bas. Ajoutez de la profondeur en décrivant des effets de parallaxe — « l'herbe au premier plan ondule tandis que les montagnes restent immobiles à l'arrière-plan ». Vous pouvez aussi ajuster le rythme avec des termes comme « ralenti » ou « whip-pan (panoramique rapide de la caméra) ».

Pour les tâches image-vers-vidéo, concentrez-vous sur la description du mouvement ou des changements d'expression, puisque le modèle utilise l'image fournie comme référence de base.

Une fois votre prompt visuel verrouillé, vous pouvez aller plus loin en intégrant un audio et des dialogues synchronisés.

Ajouter de l'audio et des dialogues

L'une des fonctionnalités phares de Wan 2.5 est sa capacité à générer simultanément la vidéo et l'audio, créant une expérience entièrement synchronisée avec voix, sons d'ambiance et effets.

« Ce qui distingue vraiment Wan 2.5, c'est sa capacité à générer non pas de simples vidéos silencieuses, mais des expériences audiovisuelles complètes en une seule passe. » - Scenario Knowledge Base ^[9]

Pour un dialogue avec synchronisation labiale, incluez les répliques du personnage entre guillemets, comme ceci : « Un scientifique regarde la caméra et dit : 'Les résultats sont extraordinaires.' » Pour les sons d'ambiance, soyez précis : « la pluie tape contre une fenêtre, le trafic bourdonne au loin. » Le modèle intègre automatiquement ces détails dans la sortie finale.

Si vous souhaitez utiliser votre propre audio, vous pouvez fournir une audio_url personnalisée au format .wav ou .mp3 (taille max : 15 Mo). Cependant, le fichier audio doit correspondre à la durée de la vidéo ; s'il est plus court, les images restantes seront muettes. Soyez prudent lorsque vous combinez audio_url avec plusieurs URL d'image ou de vidéo dans une seule requête, car cela peut entraîner des conflits ^[4].

Le modèle fait automatiquement correspondre la langue de l'audio à votre prompt : ainsi, si votre prompt est en anglais, l'audio sera également en anglais — aucune étape supplémentaire requise ^[10].

Ce niveau de synchronisation garantit que l'audio et l'image s'accordent parfaitement pour un résultat final soigné.

Choisir la résolution et la durée

Lorsque vous travaillez avec des requêtes API, choisir la bonne résolution et la bonne durée est essentiel pour équilibrer qualité et coût.

Wan 2.5 Preview propose deux durées fixes — 5 secondes ou 10 secondes — et des résolutions de 480p, 720p et 1080p à 24 fps. Commencez par un brouillon de 5 secondes en 480p pour tester votre concept, puis montez en 1080p pour votre rendu final.

Voici un guide rapide pour les cas d'usage courants :

Toutes les résolutions incluent un audio stéréo 48 kHz : même un brouillon en basse résolution vous donnera donc une bonne idée du rendu sonore avant de vous engager dans un rendu de plus haute qualité.

Intégrer Wan 2.5 dans des flux de travail multimodaux

Une fois que vous avez expérimenté avec l'API, il est temps d'intégrer Wan 2.5 dans votre pipeline de production. Avec APIMart, vous accédez à plus de 500 modèles d'IA via une seule API. Cette configuration vous permet de combiner sans effort des modèles de langage, d'image et de vidéo sans configurations supplémentaires.

Construire un pipeline scénario-vers-vidéo

Voici un flux de travail courant : commencez par un modèle de langage pour rédiger un scénario et le découper en scènes. Ensuite, utilisez un modèle d'image comme Wan 2.7 Image API pour créer un storyboard de chaque scène. À partir de là, Wan 2.5 entre en jeu, prenant le storyboard et les descriptions de scènes pour produire un clip vidéo. Il synchronise même l'audio en une seule fois, ce qui simplifie le processus ^[2][5].

En gardant tout au sein d'APIMart, vous rationalisez votre flux de travail. Vous n'aurez à gérer qu'une seule structure d'API, une seule clé d'authentification et un unique tableau de bord de facturation. Avec cette configuration, vous pouvez vous concentrer sur l'ajustement fin de l'équilibre entre performance et coût.

Gérer les coûts et les performances

Pour maîtriser efficacement les dépenses, adaptez le modèle et la résolution à l'étape actuelle de votre projet. Pour les premiers brouillons, utilisez une résolution de 480p pour des clips de 5 secondes, ce qui coûte 43 crédits par clip. Une fois votre brouillon approuvé, passez au 720p à 85 crédits pour 5 secondes ou 170 crédits pour 10 secondes. Pour les rendus finaux, montez en 1080p à 128 crédits pour 5 secondes ou 255 crédits pour 10 secondes ^[1].

Besoin d'itérations plus rapides ? La variante wan-2.5-fast offre une option plus économique pour le 1080p, réduisant le coût d'un clip de 10 secondes à 174 crédits au lieu de 255 crédits ^[11]. Si vous traitez des tâches image-vers-vidéo à grande échelle, Wan 2.6 I2V Flash API (wan2.6-i2v-flash) est un choix économique, à 0,0168 $ par seconde pour une vidéo 720p sans son (tarif APIMart, octobre 2026) contre 0,05 $ par seconde pour le Wan 2.6 standard ^[7].

Exemple de flux de travail : du concept à la vidéo finale

Une fois vos coûts et performances optimisés, suivez ce processus étape par étape pour donner vie à votre concept :

• Rédigez le scénario : utilisez un modèle de langage comme GPT-5 (disponible via APIMart) pour élaborer des descriptions de scènes détaillées. Incluez des indications audio précises, comme « une douce musique de piano entre en fondu » ou « le trafic lointain d'une ville bourdonne ».
• Générez les storyboards et les brouillons de scènes en 480p : injectez les descriptions de scènes dans un modèle d'image pour créer des guides visuels. Testez ensuite chaque scène avec Wan 2.5 en 480p pendant 5 secondes pour évaluer le mouvement, le rythme et la synchronisation audio.
• Rendu final en 1080p : une fois satisfait des brouillons, effectuez à nouveau le rendu des scènes en 1080p pour une sortie MP4 soignée de 10 secondes, avec un audio stéréo 48 kHz natif ^[8].

« La cohérence de Wan 2.6 est incroyable ! Les images de personnages restent stables sur plusieurs clips, ce qui était auparavant difficile à obtenir. » - Wei Zhang, animateur indépendant ^[7]

Pour un coup de pouce supplémentaire lors du rendu final, utilisez le paramètre prompt_extend. Cette fonctionnalité enrichit automatiquement vos prompts avec des détails cinématiques, rehaussant la qualité de votre sortie sans nécessiter d'ajustements manuels supplémentaires ^[12][3].

Conclusion et prochaines étapes

Vous disposez désormais des outils pour vous lancer dans la création de votre première vidéo Wan 2.5. Avec sa synchronisation audio-vidéo intégrée en une seule passe, sa prise en charge de résolutions jusqu'à 1080p et ses modes d'entrée polyvalents comme le texte-vers-vidéo et l'image-vers-vidéo, ce modèle est prêt pour un vrai travail de production — pas seulement pour des essais occasionnels.

Avant de vous lancer, assurez-vous que votre configuration est entièrement prête. Commencez modestement en testant un clip en 480p pour affiner vos prompts. Une fois le processus maîtrisé, montez en 1080p pour vos rendus finaux. Cette approche vous permet d'expérimenter et de peaufiner sans mobiliser trop de ressources en amont.

Pour votre premier projet, essayez de vous concentrer sur une seule scène. Rédigez un prompt détaillé incluant des instructions audio claires et générez un court clip de 5 secondes. Les temps de traitement sont rapides — généralement entre 1 et 5 minutes — et le coût est maîtrisable, à partir de seulement 0,0336 $ par seconde pour les clips en 480p ^[6]. C'est un moyen abordable d'explorer l'outil et de vous familiariser avec lui.

Lorsque vous serez prêt à passer à l'échelle, profitez de la bibliothèque de plus de 500 modèles d'IA d'APIMart. Avec une seule clé API et un unique tableau de bord de facturation, vous pouvez rationaliser votre flux de travail et créer facilement un pipeline complet scénario-vers-vidéo, ou explorer des alternatives comme MiniMax-Hailuo 2.3 pour une cohérence de haute qualité.

FAQ

Comment gérer l'interrogation et les délais d'expiration pour les tâches vidéo de longue durée ?

Soumettez la tâche, conservez le task_id et interrogez GET /v1/tasks/{task_id} toutes les 10 secondes jusqu'au statut completed, failed ou cancelled. La génération prend généralement 1 à 5 minutes : fixez un délai maximal global à votre boucle plutôt que d'attendre sur une seule requête.

Pour ne pas surcharger l'API, gérez les erreurs 429 en faisant une pause avant de réessayer. Une fois la tâche terminée, téléchargez la vidéo tout de suite, car APIMart conserve les résultats 72 heures.

Quelle est la meilleure façon d'estimer le coût avant de générer un clip de 5 ou 10 secondes ?

Pour calculer le coût d'un clip vidéo de 5 ou 10 secondes, il suffit de multiplier la durée du clip (en secondes) par le tarif à la seconde du fournisseur. Pensez à vérifier le tarif de la résolution souhaitée — qu'il s'agisse de 480p, 720p ou 1080p — car une qualité supérieure s'accompagne généralement d'un prix plus élevé. Par exemple, pour un clip de 5 secondes, multipliez le tarif à la seconde par 5. Pour un clip de 10 secondes, multipliez-le par 10.

Comment améliorer la synchronisation labiale et la qualité des dialogues avec mes prompts ?

Pour obtenir la meilleure synchronisation labiale et la meilleure qualité de dialogue dans Wan 2.5 Preview, utilisez des prompts structurés. Ils doivent préciser clairement les répliques du personnage, ainsi que des détails comme l'émotion, le ton, la vitesse et le timbre. Ce niveau de détail aide le modèle à produire des résultats plus précis et naturels.

Pour une précision encore accrue, vous pouvez téléverser un fichier audio personnalisé au format WAV ou MP3. Ce fichier servira de guide au modèle pour aligner parfaitement les expressions faciales et les mouvements de la bouche sur l'audio.

Veillez à ce que votre image d'entrée soit nette et bien éclairée. Une image de haute qualité garantit que le modèle peut interpréter et reproduire efficacement les expressions. Profitez également de la fonctionnalité d'extension de prompt, qui vous permet d'inclure des descriptions détaillées pour une meilleure interprétation par le modèle.