Wan 2.7 AI 视频生成器

有三项能力让它区别于兄弟型号。第一是关键帧控制：提供首帧、尾帧或两者，模型会计算两者之间的运动轨迹，并保持主体稳定。Wan 2.6 只支持首帧。

第二是多模态参考。除了图片，Wan 2.7 还能接收一段音频和一段参考视频。在 Cinel 上最多可添加 3 张参考图来保持角色和视觉细节一致，模型还能让角色说话的声音贴合 1–10 秒样本中的音色——非常适合固定的主持人或品牌代言角色。

第三是更精细的提示词控制：反向提示词告诉模型要避开什么（多余的手指、字幕叠加、杂乱背景），可选的提示词增强则能把简短的想法扩写成完整需求。在模型层面，Wan 2.7 还支持对已有的 2–10 秒视频进行指令式编辑，比如把背景换成雨夜街道，而不必全部重新生成。

• 首尾帧控制：精确规划镜头的起点和终点。
• 图片、音频、视频参考：Cinel 上最多 3 张图片，外加一段 15 秒音频或视频参考（音视频参考限会员）。
• 声音匹配：角色语音贴合短音频样本的音色（模型能力）。
• 音频驱动节奏：附上音乐或旁白，画面节奏会跟着音轨走；音轨比视频短时，剩余部分为静音。
• 反向提示词与提示词增强：结果更干净。
• 2 到 15 秒任意时长。
• 720p 或 1080p（1080p 每秒约 1.67 倍）。
• 模型层面的视频编辑：可修改已有短片。

项目	Wan 2.7
开发方	阿里巴巴通义万相团队
模式	文生视频、首尾帧图生视频、参考生视频；模型层面支持视频编辑
时长	2–15 秒（Cinel 默认 5 秒）
分辨率	720p / 1080p，30 帧/秒（1080p 每秒约 1.67 倍）
画幅	16:9、9:16、1:1、4:3、3:4
Cinel 参考	最多 3 张图片 · 15 秒音频 · 15 秒视频（音视频限会员）
声音样本	1–10 秒，用于声音匹配
提示词工具	提示词最长 5000 字符；反向提示词最长 500 字符；可选提示词增强
Cinel 消耗	160 积分起

1. 在视频生成器中选择 Wan 2.7（视频需要会员或积分包）。
2. 选择控制方式：上传首帧、首帧加尾帧，或一组参考图片。
3. 会员可以添加一段短音频来设定角色声音，或一段视频来引导动作和风格。
4. 写好提示词后，再写反向提示词列出要避免的内容，例如“不要字幕、不要多余的人、不要变形的手”。
5. 设置时长（2–15 秒）、画幅和分辨率；先用 720p 审片，再把满意的版本用 1080p 渲染。

• 首尾帧选用光线和风格一致的图片，并描述连接两者的运动。
• 反向提示词用逗号分隔的短词，而不是完整句子。
• 声音样本要干净：单一说话人、无背景音乐，时长在 1–10 秒之间。

• 固定的代言角色：整个系列中主持人的外形和声音保持一致。
• 广告精准转场：从产品开场，落在你提供的包装画面上。
• 旁白统一的讲解视频：根据样本匹配声音的对白。
• 卡点音乐短视频：上传一段短音轨，让画面跟随节奏。
• 时尚与美妆造型：用多张参考图控制服装、妆容和场景。
• 更换背景与场景：在模型层面编辑已有短片。

与 Wan 2.6（145 积分起）相比，Wan 2.7 增加了尾帧控制、音频与视频参考、声音匹配和反向提示词；如果自动多镜头叙事更重要，就选 Wan 2.6。与 Kling O1（230 积分起，仅 5/10 秒）相比，Wan 2.7 以更低的起价提供首尾帧动画，时长可在 2–15 秒任意设置，还能用你自己的音轨驱动视频。