Wan 2.7 Image Edit API

alibaba/wan-2.7/image-edit
6 种预设尺寸 / 自定义尺寸 · 1–4 张

Wan 2.7 Image Edit 结合 1–4 张参考图片与自然语言修改指令进行高质量图像重绘与多图融合,支持免遮罩局部调整、角色主体一致性锁定与风格迁移。它在精准遵循编辑指令改变目标元素的同时,完好保留原图人物面貌、核心构图与光影质感。

获取 API Key
输入
880/5000
1/4
Reference image 1: Reference 1
输出已就绪
1 × 4.2 = 4.2 积分 · $0.021

继续使用

示例

standard-edit-01-output

Edit the supplied photo in place. Treat the woman and her umbrella as a locked foreground cutout. Keep her EXACT image-space size, position, pose, face, short curly hair, rust raincoat, dark trousers, both hands and folded blue umbrella. Match the original close three-quarter portrait crop: her head stays near the top of the frame, her body fills most of the image height, and her feet remain OUTSIDE the bottom edge. Do not zoom out, move the camera, extend her legs or reveal shoes. Change only pixels of the plain corridor behind her into a rain-soaked bus shelter: glass wall with droplets at the right, a blurred wet residential street and trees behind her, subtle amber reflections. Preserve her face and body proportions with the same framing. Apply only a subtle cooler ambient tone to harmonize the light. No text, other people, advertising, logos, watermark, or foxes.

standard-edit-02-output

Transform image 1 into an elegant hand-printed color woodcut. Preserve the single beetle silhouette, its six legs, two antennae, orientation, size and exact location on the diagonal tree trunk. Replace photographic shading with bold carved black contour lines, restrained emerald, warm ivory and burnt-orange ink areas, visible wood grain and subtle print registration texture. Keep the original composition and recognizable bark grooves. No extra insects, no text, no border. No advertising, brands, logos, watermark, or foxes.

standard-edit-03-output

Edit image 1 only on the face of the wooden ferry sign. Replace all existing lettering with exactly two large centered lines: "渡口 / FERRY" and "09:30". Keep the sign wood grain, weathering, posts, exact perspective, framing, harbor water, mooring rope and background buildings unchanged. New lettering is off-white hand-painted clean sans serif, easily readable, follows the physical sign perspective. No additional words or objects. No advertising, brands, logos, watermark, or foxes.

Wan 2.7 Image Edit 概览

Wan 2.7 Image Edit 是阿里通义实验室推出的大一统图像编辑与多图融合大模型。用户无需手动绘制复杂的选区遮罩(Mask-free),仅凭直观的自然语言指令(如“将图 1 中的人物置入图 2 的背景中”)即可实现多图特征交叉重组、精准局部重绘与无痕风格替换。模型原生支持多图人物面部与标志性道具特征锁定,适配 6 种预设画幅及自定义像素分辨率,是电商商品换景、人像精修与跨图视觉合成的高效生产力工具。

为什么选择

  • 免遮罩自然语言交互精修告别繁琐的手工涂抹与多图层抠图,直接用自然语言描述修改区域与替换意图,模型自动完成语义解耦与边界自然过渡。

  • 1–4 张多图参考跨图融合支持上传最多 4 张参考素材,在提示词中通过“图 1”、“图 2”进行精准点名交互,轻松将不同图像的人物、产品与背景融为一体。

  • 主体身份与光影透视高保真保留在修改指定服装、发型或背景环境时,核心主体的五官比例、表情神态以及原图环境光照反射均能获得稳定连续的呈现。

参数

参数要求说明
prompt必填

字符串,去除首尾空白后 1–5,000 字符。清晰描述编辑目标,并通过“图 1”、“图 2”明确指代各输入参考图片中的元素。

image_urls必填

1–4 个公开 HTTP(S) 图片 URL,按输入顺序使用。在提示词中以图 1、图 2 等引用。不接受单个字符串或 Base64。

size可选

六种预设尺寸,或 {"width":1280,"height":720} 对象。宽高必须为正整数。

默认1024x1024512x512768x10241024x768576x10241024x576
n可选

生成图片数量,整数 1–4。费用 = 单张积分 × n。

默认1
seed可选

可选整数,不提供时不发送该字段。用于在相同输入素材与指令下复现特定的编辑效果。

使用方法

  1. 上传参考图像准备 1 至 4 张主体清晰的参考图并提供公开可访问 URL(或在体验区直接上传)。

  2. 编写结构化修改指令在提示词中指明操作意图,例如“保留图 1 中人物的样貌和姿势,将背景替换为图 2 中的雪山风景”。

  3. 提交编辑任务并下载结果调用接口或在控制台提交,异步追踪任务执行进度,完成后读取生成的无痕合成图片。

价格

每张 4.2 积分($0.021)。总积分 = 4.2 × n。尺寸和参考图数量不额外计费。1 积分 = $0.005。

用量费率详情
Standard4.2 积分/张 · $0.021按输出数量 n 计费,失败任务退还积分。

适用场景

  • 电商商品模特跨场景换景将室内棚拍的模特或产品图无痕迁移至海滩、街头或节日特定场景中,保持真实阴影与倒影。

  • 多图特征组合与资产合成提取图 1 的角色面孔、图 2 的服饰与图 3 的艺术风格,合成全新统一的视觉资产。

  • 免遮罩人像精修与换装通过提示词快速变更人物的发色、服装款式或手持道具,面部身份特征高度保真。

使用建议

  • 明确点名参考图编号:在提示词中使用标准的“图 1”、“图 2”(或 image 1, image 2)明确指明源素材元素,能大幅提升模型的特征抓取精度。
  • 使用“保留……同时更改……”句式:明确告知模型哪些区域保持原样(如“保持图 1 人物五官与构图不变”),哪些区域需要重绘,引导模型合理分配注意力。
  • 选择画质相近的参考图:多图融合时,尽量使用清晰度与采光方向相近的参考图片,能使合成画面的色温与景深更加浑然天成。

注意事项

  • 参考图片必填要求:本端点必须传入 1 至 4 张参考图片 URL;若仅需纯文本生图,请使用 Wan 2.7 Image Text to Image 端点。
  • 图片公网可访问性:通过 API 传入的图片 URL 必须为公网可直接访问的 HTTP(S) 资源,且不得携带鉴权密码。
  • 单张上传规格:网页控制台单张图片限制 30MB,格式支持 JPEG、PNG 和 WebP。

相关模型

Wan 2.7 Image Edit API 常见问题

Wan 2.7 Image Edit API 是什么?

Wan 2.7 Image Edit 是阿里通义实验室用于高质量图像编辑与多模态参考融合的大模型。它结合 1–4 张参考图片与自然语言编辑指令,实现精准免遮罩局部重绘、主体跨场景置换与风格迁移。基于统一多模态规划器与 DiT 生成底座,它在准确完成目标变化的同时,严格保留原图的主体身份与光影构图。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Wan 2.7 Image Edit 最多支持上传多少张参考图片?

支持上传 1 至 4 张公开参考图片。所有图片按数组顺序作为上下文输入,提示词中通过“图 1”至“图 4”对应点名,传入多张图片不会产生任何额外的素材附加费。

使用 Wan 2.7 Image Edit 是否需要先手动绘制蒙版或遮罩?

不需要。模型具备端到端免遮罩(Mask-free)自然语言理解能力,只需用文字描述需要修改的区域与目标效果,算法会自动识别定位并完成无痕重绘。

Wan 2.7 Image Edit 如何在编辑过程中保持人物主体面容一致?

模型在高维潜空间内将面部身份特征与背景、服饰进行解耦。在提示词中加入“保持图 1 人物的面部特征与发型不变”等指令,可进一步增强人像在不同环境下的跨图一致性。

Wan 2.7 Image Edit 能否同时修改图片尺寸或比例?

可以。支持在 size 字段中选择预设画幅或自定义输出像素尺寸。模型会在融入参考图核心内容的同时,根据新画幅智能延展或重构构图。

Wan 2.7 Image Edit 传入 4 张参考图时费用会增加吗?

不会。计费仅按最终生成的输出图片张数结算,单张固定为 4.2 积分($0.021),无论输入 1 张还是 4 张参考图,都不会产生额外的输入素材费用。

任务执行失败后积分会自动返还吗?

会。Vidgo 平台具备失败自动返还机制,任何因图片读取异常、参数校验未通过或处理超时导致的失败任务,预扣积分均会实时全额退还。