Wan 2.7 Image to Video API

alibaba/wan-2.7/image-to-video

Wan 2.7 Image to Video 将静态图像转化为 2–15 秒连贯高清视频,支持首尾帧插值控制、自适应原图比例以及由提示词引导的镜头运动。它能够在赋予画面自然真实物理动效的同时,稳定保留输入图像的主体外观、面部特征、服饰质感与构图基调。

输入
398/5,000
Image Urls[0]

拖拽文件、粘贴剪贴板素材,或输入 URL。

1/1 个素材

Image Urls[1](可选)

拖拽文件、粘贴剪贴板素材,或输入 URL。

1/1 个素材

Video Url(可选)

拖拽文件、粘贴剪贴板素材,或输入 URL。

Audio Url(可选)

拖拽文件、粘贴剪贴板素材,或输入 URL。

输出
已就绪
720p · 5 秒 × 12 积分/秒 = 60 积分 ($0.300)
继续使用

示例

Begin exactly at Image 1 and end at Image 2. In one continuous five-second locked shot, the same red fox slowly uncurls, plants its paws and rises to stand facing right. Preserve facial features, red fur, white chest, tail, rock and snowy woodland. Natural gentle body mechanics, no cuts or camera movement. No text, lettering, captions, logos, watermarks, brands, advertising or product packaging.

Locked macro shot. The large dew drop slides slowly down the diagonal spider-silk thread, stretching the thread slightly. Preserve the delicate web structure, fern background and soft highlights. Only the drop and a slight web vibration move. One continuous three-second shot. No text, lettering, captions, logos, watermarks, brands, advertising or product packaging.

One steady wide shot. A gentle sea breeze billows the blue and ivory linen sheets once, then they settle. Keep the rope, posts and distant coastline fixed. Realistic cloth folds, sunlight passing through fabric, subtle sea movement. No cuts. No text, lettering, captions, logos, watermarks, brands, advertising or product packaging.

Wan 2.7 Image to Video

Wan 2.7 Image to Video 是阿里通义实验室旗下的高保真图像生成视频服务,可将单张图片或首尾帧图像对转化为时长 2 至 15 秒的连贯动态视频。依托 Diffusion Transformer 主干网络与 3D 因果时空压缩编码,该模型在赋予静态画面生动运镜与环境动效的同时,深度锚定人物容貌、服饰与光影质感。输出画面完全自适应输入首帧图像的原生比例,支持结合可选提示词精确控制运镜轨迹。

为什么选择 Wan 2.7 Image to Video?

  • 支持首尾双关键帧精准锚定在 image_urls 中传入 2 张图片分别锁定视频起点与终点,由模型自动插值计算平滑自然的运动演变。

  • 高保真人像面容与细节保持深度提取静态图像中的特征嵌入,在连续运动中保持人物五官、发型服饰与特定物品细节不漂移。

  • 2 至 15 秒整秒时长随心调节支持 2 到 15 秒任意整数时长设定,充分满足从社交媒体动态卡片到完整叙事镜头的时长需求。

  • 原生继承首帧图像画幅比例无需额外设置宽高比参数,生成结果完全忠实于输入首帧的原生构图与尺寸,避免二次裁切变形。

  • 提示词可选,支持自适应运动既可通过提示词精准下达运镜指令(如镜头推进、环绕),也可留空由模型自主理解画面内容并补充物理动效。

参数说明

参数要求说明
prompt否

提示词去除首尾空格后最多 5,000 字符;图生视频可不填。

默认值—
image_urls是

按顺序提供 1–2 张图片:首帧必填,尾帧可选。支持 HTTP(S)、Data URI 或 Base64。

默认值—
audio_url否

可选的公开 HTTP(S) 音频地址。

默认值—
resolution否

720p 或 1080p,默认 720p。

默认值720p
duration否

2–15 整数秒,默认 5 秒。

默认值5
multi_shots否

可选的多镜头控制,默认不传。

默认值—
seed否

可选整数,范围为 0–2147483647。

默认值—
enable_safety_checker否

可选安全检查设置,默认不传。

默认值—
video_url否

公开 HTTP(S) 视频地址;视频编辑必填,图生视频可选。

默认值—

如何使用 Wan 2.7 Image to Video

  1. 上传起始静态图像准备清晰的主体图片,通过公开链接或文件上传作为起始帧,如需控制结束姿态可一并上传尾帧。

  2. 设置生成时长与运镜指令在 2–15 秒范围内选定时长,根据需要在提示词中输入运镜或动作描述(如镜头右移、发丝微拂)。

  3. 运行任务并下载高清成片提交 API 请求或在体验区点击运行,系统完成后返回原生分辨率且保持原图画幅比例的高清 MP4 视频。

价格

积分 = 输出秒数 × 分辨率费率。任务失败全额返还扣除积分。

计费项费率说明
720p12 积分/秒 ($0.06/s)四种模式使用相同费率。
1080p18 积分/秒 ($0.09/s)四种模式使用相同费率。

适用场景

  • 肖像与角色动态化为数字虚拟人、插画角色以及历史人物肖像注入逼真神态,面部骨骼与五官细节保持高度稳定。

  • 电商商品动态展示将静态白底或场景化商品图转化为流光溢彩的多角度动态视频,极大提高商品点击率与展示质感。

  • 场景与自然风光运镜将自然风景、城市建筑及概念艺术静态插画转化为带有推拉摇移运镜的电影感空镜头。

  • 故事板首尾帧插值通过提供起止分镜关键帧,让模型自动计算平滑中间过渡,高效制作动漫分镜与影视动作预览。

Wan 2.7 Image to Video 创作技巧

  • 善用首尾帧锁定关键动作始末:制作复杂动态(如角色转身、物体位置转移)时,提供首帧与目标尾帧,能有效约束中间运动轨迹,避免大幅偏离。
  • 提示词侧重于运镜动词而非外观赘述:画面主体的外观已由输入图像明确定义,提示词应聚焦于“缓缓推近”、“低角度平移”、“光影斑驳变幻”等动态修饰。
  • 保证首帧素材画质与主体聚焦:输入分辨率清晰、主体对比鲜明的高清图片,有助于时空编码器提取更稳固的空间特征,提升大幅动作下的清晰度。
  • 长片段尝试开启 multi_shots:在生成 10 秒以上较长片段时,开启 multi_shots: true 可帮助模型自然组织多视角的动态流转,提升电影感。

注意事项

  • 图片数量限制:提供 1 张图片进行单图动效生成,或恰好提供 2 张图片进行首尾关键帧过渡插值。
  • 画幅比例继承说明:图生视频端点严格继承输入首帧图片的原始尺寸与画幅,不支持外部 aspect_ratio 覆盖。
  • 失败积分返还保障:若任务在提交后未能成功生成视频或媒体处理异常,系统将自动退还该次扣除的全部积分。

Wan 2.7 Image to Video API 常见问题

Wan 2.7 Image to Video API 是什么?

Wan 2.7 Image to Video 是阿里通义实验室研发的图像生成视频模型。它能够将单张或两张静态图片转化为 2 至 15 秒 720p 或 1080p 高清动态视频,原生支持首尾帧插值控制、主体身份保持与原图比例自适应。基于 Diffusion Transformer 架构与 Wan-VAE 3D 时空因果压缩技术,它在为静态画面注入自然连贯物理动效的同时,稳定保留原图的构图美学、主体面貌与光影细节。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 to Video 如何实现首尾帧控制?

在 image_urls 数组中按序传入 2 张图片链接即可激活首尾帧控制。第 1 张图片将作为视频起始帧,第 2 张图片作为视频结束画面,模型会在两者之间平滑插值生成符合物理规律的动作过渡。

Wan 2.7 Image to Video 支持多长时长的视频生成?

Wan 2.7 Image to Video 支持 2 至 15 秒之间的任意整秒时长。默认生成时长为 5 秒,你可以根据剧情节奏需要指定整数 duration 参数。

使用 Wan 2.7 Image to Video 必须填写文本提示词吗?

提示词在 Wan 2.7 Image to Video 中为可选参数。留空时模型会自动依据输入图像的语义内容推理最自然的物理动态;如果填写提示词,则可以明确指导镜头的移动方向、景别切换或特定动作细节。

Wan 2.7 Image to Video 如何确定视频画幅比例?

该端点不接受独立的 aspect_ratio 宽高比参数,而是直接自适应继承输入首帧图片的原生画幅尺寸与比例,确保输出视频不发生拉伸、变形或画面裁切。

Wan 2.7 Image to Video 如何保持人物面部身份一致性?

模型通过跨注意力机制将首帧图像的主体特征嵌入深层网络骨架中。在整个生成过程中持续比对并锁定五官结构、肤质纹理与发型,防止在大幅度动作时出现面部漂移或角色变形。

Wan 2.7 Image to Video 支持多镜头多场景生成吗?

支持。通过将 multi_shots 参数设置为 true,模型可以在较长的生成时间线中引入自然的镜头分段与机位微调,为单一图像延伸出更具镜头语言的连贯表现。