Wan 2.7 Reference to Video API

alibaba/wan-2.7/reference-to-video

Wan 2.7 Reference to Video 结合最多 9 张参考图片或参考视频生成 2–10 秒高质量成片,支持 9 宫格分镜输入、多镜头叙事编排以及丰富的画幅选择。它能够在复杂的场景切换与多机位运镜中,持续稳定锁定人物面容、服装与主体风格,避免特征漂移。

输入
531/5,000
Reference Image Urls

拖拽文件、粘贴剪贴板素材,或输入 URL。

2/9 个素材

Reference Video Urls

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

Use Reference Image 1 for the same explorer, face, helmet and ochre clothing. Use Reference Image 2 for the same brass lantern. Two shots in a limestone cave: first three seconds, a medium-wide shot of her holding the lantern and taking one careful step; last two seconds, cut to a waist-up view as she raises the lantern to illuminate mineral textures. Preserve her identity, outfit and lantern across the cut. Restrained natural movement. No text, lettering, captions, logos, watermarks, brands, advertising or product packaging.

Use the reference video for the dancer identity, rust skirt, cream blouse and graceful turning movement. Show the same dancer making one gentle quarter turn on a stone terrace overlooking calm blue hills at dawn. Full-body fixed camera view, both feet remain grounded, preserve clothing and natural anatomy. Continuous shot. No text, lettering, captions, logos, watermarks, brands, advertising or product packaging.

Use Reference Image 1 for the exact small green clay dragon with cream horns and amber eyes. Use Reference Image 2 for the miniature greenhouse setting. The dragon sits on the terracotta floor, then slowly lifts its head to inspect a broad leaf overhead. Preserve handmade clay texture and proportions. A gentle camera push, tactile stop-motion aesthetic, single shot. No text, lettering, captions, logos, watermarks, brands, advertising or product packaging.

Wan 2.7 Reference to Video

Wan 2.7 Reference to Video 是阿里通义实验室针对影视叙事与高要求视觉一致性任务打造的多参考视频生成服务。通过同时输入最多 9 张参考图片(含 9 宫格分镜序列)或参考视频与提示词,模型在复杂的场景变换、走位调度与机位流转中深度锁定角色面貌、服饰纹理与专属道具特征。支持 2 至 10 秒时长控制、5 种主流画幅比例以及多镜头分镜调度,赋能专业影视预演与连续故事短片创作。

为什么选择 Wan 2.7 Reference to Video?

  • 支持最多 9 张参考图组合输入可上传多角度人像、环境置景或商品实物图,全方位建立主体特征记忆,显著降低多视角镜头下的面部与细节漂移。

  • 原生支持 9 宫格分镜工作流深度解析 9 宫格连环画式或故事板分镜板输入,将静态分格画面平滑转化为连续富有动感的叙事动态片段。

  • 跨场景角色与品牌风格高度一致采用先进的多模态交叉注意力机制,跨越不同光照环境与复杂机位视角,稳定保持角色面容与服饰设计。

  • 支持参考视频直接驱动可通过 reference_video_urls 传入参考视频,汲取源视频中的动作韵律、镜头运动方式与环境动态特征。

  • 自由选择 5 种主流画幅比例原生支持 16:9 横屏、9:16 竖屏、1:1 方形及 4:3、3:4 画幅,完美贴合短剧分发与横屏荧幕预演需求。

参数说明

参数要求说明
prompt是

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—
reference_image_urls否

最多 9 张有序参考图片,支持 HTTP(S)、Data URI 或 Base64。参考图片或视频至少提供一项。

默认值—
reference_video_urls否

公开 HTTP(S) 参考视频地址数组;参考图片或视频至少提供一项。

默认值—
aspect_ratio否

16:9、9:16、1:1、4:3 或 3:4,默认 16:9。

默认值16:9
resolution否

720p 或 1080p,默认 720p。

默认值720p
duration否

2–10 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—

如何使用 Wan 2.7 Reference to Video

  1. 整理并上传参考素材准备 1–9 张主体参考图(多角度、服饰或 9 宫格分镜)或参考视频,填入对应的公开链接数组中。

  2. 编写时序提示词与运镜在提示词中详细说明主体的动作进程、分镜时序逻辑以及镜头调度,明确呼应所上传的参考特征。

  3. 配置规格并获取成片选择时长(2–10秒)、分辨率及画面比例,发起生成请求并轮询任务状态获取最终 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

  • 9 宫格连环画与故事板转动态将整套 9 格漫画手稿或分镜概念图平滑动态化为一气呵成的影视片段,大幅降低二维到动效的转换门槛。

  • 多角色对手戏与短剧连贯创作在双人对话、角色对决等复杂对手戏中,严密锁定各角色的五官面相与特征服饰,确保分镜间绝不串戏。

  • 品牌商业产品置景走秀提供多角度商品实物特写图,使同一件产品在虚拟的不同动态营销场景中展现精准的材质与结构细节。

  • 参考视频动态与运镜迁移上传实拍动作视频或特定复杂机位镜头作为参考,将优秀的镜头调度逻辑迁移至全新角色与幻想场景中。

Wan 2.7 Reference to Video 创作技巧

  • 提供多角度人像建立立体认知:为同一角色提供正脸、侧脸及半身中景参考图,能够让模型在复杂环绕运镜时更自如地维持五官立体度。
  • 9 宫格分镜按叙事时序在提示词中对应:使用 9 宫格图片作为参考时,在提示词中按情节推进顺序阐述动作衔接,模型能更好地将分格逻辑转化为连续镜头。
  • 多角色对手戏中善用 multi_shots:开启 multi_shots: true 配合提示词中的机位切换指令,可自然实现正反打镜头或双人交互的专业电影剪辑感。
  • 保持多张参考图的清晰光影基调:尽量使用画质清晰、光影方向明确的参考素材,这有助于模型在融合新场景时保持服饰边缘与轮廓的高保真。

注意事项

  • 参考素材必填约束:必须在 reference_image_urls(最多 9 张)或 reference_video_urls 中至少提供一项参考素材。
  • 生成时长范围:Reference to Video 支持 2 至 10 秒整秒时长,超出此范围将无法通过参数校验。
  • 失败积分退还政策: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 Reference to Video API 常见问题

Wan 2.7 Reference to Video API 是什么?

Wan 2.7 Reference to Video 是阿里通义实验室研发的参考驱动视频生成模型。它能够结合最多 9 张参考图片或参考视频与文本提示词,生成 2 至 10 秒 720p 或 1080p 高清视频,原生支持 9 宫格分镜工作流、多镜头连续叙事以及跨镜头主体一致性保持。基于 Diffusion Transformer 骨干网络与 Wan-VAE 3D 时空因果压缩架构,它在复杂机位调度与多视角切换中深度锁定角色特征与风格基调,有效避免视觉漂移。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 Reference to Video 最多可以上传多少张参考图片?

Wan 2.7 Reference to Video 支持在 reference_image_urls 数组中传入最多 9 张参考图片。你可以结合多机位角色定妆照、产品实物特写或 9 宫格连环分镜图进行复合指导。

Wan 2.7 Reference to Video 如何利用 9 宫格分镜指导生成?

你可以直接上传包含 9 个画格的故事板图片作为参考。模型能够解析图中的分格构图与情节演进线索,结合文本提示词的时序描述,将分格静帧动态化为连贯完整的视听长镜头。

Wan 2.7 Reference to Video 支持输入参考视频吗?

支持。除了参考图片外,你还可以通过 reference_video_urls 传入参考视频。模型会分析参考视频中的镜头动势、肢体节奏及光影变幻,并迁移到新镜头的生成中。

Wan 2.7 Reference to Video 最长生成时长是多少?

Wan 2.7 Reference to Video 支持 2 至 10 秒之间的任意整秒时长设置,默认时长为 5 秒。适中的时长范围有利于在高强度多主体参考下保证帧率与画质的极高稳定性。

Wan 2.7 Reference to Video 如何在提示词中对应不同参考主体?

在提示词中可以针对不同参考图中的核心特征进行文字指向。模型的注意力层会将文本中的角色、服饰或道具描述精准映射至对应参考图的特征嵌入上。

Wan 2.7 Reference to Video 的 multi_shots 参数起什么作用?

将 multi_shots 设为 true 时,模型会在单一生成片段内智能规划多景别切换或镜头转换,在保持被参考角色外观稳定的同时,呈现更丰富多变的分镜语言。