Ejemplos de prompts de wan2.7-video image-to-video: una presentación de zapatillas deportivas con estilo de anuncio de producto

Una foto estática de unas zapatillas deportivas no es un anuncio. Lo que la convierte en anuncio es el lenguaje de cámara: una posición de cámara que no se mueve, una rotación, una atmósfera y un destello de luz al que se le permite posarse sobre el producto. El siguiente clip parte de una foto de producto y un prompt, y se anima mediante wan2.7-video/image-to-video. A continuación desglosamos el prompt frase por frase y ofrecemos la llamada completa a la API que reproduce el clip.

Prompt completo

A single white sneaker rotating slowly on a reflective dark surface, swirling white mist rising and curling around it in soft cinematic light, camera holding a steady low-angle shot, product-commercial mood, shallow depth of field, subtle rim lighting catching the sneaker sole

Seis cláusulas, seis responsabilidades. Esto es lo que hace realmente cada una.

1. «Camera holding a steady low-angle shot» (la cámara mantiene un plano fijo en ángulo bajo)

Este es el ancla, y lleva una instrucción explícita: mantener, no desplazar ni orbitar. wan2.7-video/image-to-video empieza a animar desde la imagen de first_frame, así que el modelo ya sabe dónde arranca la cámara: un ángulo bajo que mira ligeramente hacia arriba al producto. Decirle que mantenga esa posición impide que el modelo derive hacia un lento zoom o un travelling de acercamiento, que es la forma más común en que un render i2v que iba bien arruina silenciosamente su propia composición. El ángulo bajo se especifica porque esa convención hace que las zapatillas deportivas parezcan deseables en lugar de una miniatura de catálogo; es el encuadre que usan los anuncios de zapatillas desde los años 90.

2. «Rotating slowly on a reflective dark surface» (giro lento sobre una superficie oscura reflectante)

El plato giratorio es el truco más antiguo de la fotografía de producto, y sobrevive en vídeo porque es una forma barata de mostrar todos los ángulos de un objeto en un plano continuo sin necesidad de montaje. Slowly (lentamente) es clave: una rotación rápida parece un truco barato, una lenta parece un gesto de respeto. La superficie oscura reflectante cumple una doble función: da a la niebla tenue un soporte del que refractar la luz, y el reflejo tenue de las zapatillas debajo hace que la escena parezca montada en un estudio en lugar de fotografiada sobre una encimera.

3. «Swirling white mist rising and curling around it» (niebla blanca arremolinada que se eleva y se enrosca alrededor)

La niebla es pura atmósfera: no toca el producto, pero es justo lo que distingue un render de material de algo que parece haber costado dinero. Swirling (arremolinarse) y curling (enroscarse) son verbos de movimiento, y los verbos de movimiento importan más en los prompts i2v que en los de texto a imagen, porque el modelo debe decidir qué se mueve exactamente durante el clip. Sin esas palabras, «mist» podría renderizarse como una bruma estática integrada en el primer fotograma en lugar de algo que evoluciona con el tiempo.

4. «Soft cinematic light» + «subtle rim lighting catching the sneaker sole» (luz cinematográfica suave + luz de contorno sutil que capta la suela de la zapatilla)

Estas dos cláusulas hacen trabajos distintos, y ambas deben aparecer en el prompt, no solo una. La luz cinematográfica suave fija la exposición general: uniforme, favorecedora, no un flash de estudio duro. La luz de contorno que capta la suela es la instrucción protagonista: nombra el detalle exacto que la luz debe esculpir. El borde de la suela y el dibujo de la suela exterior son donde la fotografía de zapatillas deportivas suele brillar, y nombrarlo explícitamente es lo que hace que el render muestre un borde luminoso y preciso en el canto de la suela en lugar de un resplandor genérico y uniforme. Quita esa cláusula y normalmente obtendrás luz suave sin ningún brillo focal.

5. «Product-commercial mood» + «shallow depth of field» (ambiente de anuncio de producto + poca profundidad de campo)

La etiqueta de ambiente es una instrucción de género: empuja la gradación de color, el ritmo y la composición hacia el estilo publicitario, no hacia el documental ni el material amateur. La poca profundidad de campo es la instrucción técnica que lo sostiene: el desenfoque del fondo es la señal visual más rápida de que se trata de una toma de producto profesional y no de una foto de móvil. Juntas hacen el trabajo que en una producción real asumen por separado el colorista y la elección de óptica.

Ejecutarlo en hiapi

wan2.7-video/image-to-video funciona sobre la API de tareas asíncronas de hiapi: envías una imagen más un prompt y luego consultas el estado hasta que el clip está listo:

# Create the task — pass your source image as the first_frame
curl -X POST "https://api.hiapi.ai/v1/tasks" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.7-video/image-to-video",
    "input": {
      "prompt": "A single white sneaker rotating slowly on a reflective dark surface, swirling white mist rising and curling around it in soft cinematic light, camera holding a steady low-angle shot, product-commercial mood, shallow depth of field, subtle rim lighting catching the sneaker sole",
      "media": [
        { "type": "first_frame", "url": "https://your-cdn.com/sneaker-source.jpg" }
      ],
      "resolution": "720P",
      "duration": 5,
      "prompt_extend": true,
      "watermark": false
    }
  }'

# Poll until status leaves "processing" — output[0].url is the finished clip
curl "https://api.hiapi.ai/v1/tasks/$TASK_ID" \
  -H "Authorization: Bearer $HIAPI_API_KEY"

Antes de comprometer presupuesto real, algunos consejos prácticos:

• input.duration acepta de 2 a 15 segundos (por defecto 5), y input.resolution es 720P o 1080P (por defecto 1080P); la tabla completa de parámetros está en la página del modelo wan2.7-video/image-to-video.
• Este endpoint no tiene campos ratio ni aspect_ratio. La orientación de salida sigue a la imagen de origen: el clip de la galería de arriba se renderiza a 720×1280 porque su fotograma de origen ya era vertical. Captura o recorta el fotograma fijo en la orientación en la que quieres que aparezca el vídeo final.
• El precio es una tarifa fija por segundo: 720P a $0.10/s, 1080P a $0.167/s, así que un clip de 5 segundos en 720P cuesta unos $0.50 y uno de 5 segundos en 1080P unos $0.84. Antes de escalar el volumen, confirma la tarifa actual en la página de precios de hiapi, ya que tanto la resolución como la duración afectan al coste total.
• Prueba primero a bajo coste: 720P + 2 segundos basta para verificar que la URL de tu imagen y el comportamiento del prompt son los esperados antes de lanzar renders más largos y de mayor resolución.

Preguntas frecuentes

¿El prompt debe describir el movimiento de cámara o el modelo elige uno por su cuenta? Descríbelo. Si lo omites, wan2.7-video/image-to-video inventará el movimiento de cámara, y rara vez será el que quieres. Indicar a la vez el tipo de plano («low-angle») y su comportamiento («holding», «rotating») es lo que evita que el render se desvíe.

¿Puedo controlar el inicio y el final del vídeo en lugar de solo animar una foto? Sí: cambia media por dos entradas, una con "type": "first_frame" y otra con "type": "last_frame", y el modelo interpolará entre ambas en lugar de animar hacia fuera desde una sola imagen. Resulta útil si ya tienes fotos del «antes» y el «después» del producto.

¿Por qué especificar «reflective dark surface» en lugar de un simple «on a table»? Porque el reflejo es la estructura portante. Es lo que duplica visualmente la niebla y la luz de contorno, y gran parte de lo que separa un render mediocre de un resultado con verdadera calidad comercial: con exactamente las mismas instrucciones de iluminación, una superficie mate produce un resultado más plano y menos premium.

¿prompt_extend cambia lo que he escrito? Permite que el modelo amplíe prompts cortos con detalles descriptivos adicionales antes de renderizar. Con un prompt tan específico como este, mantenerlo activado rara vez cambia el resultado de forma significativa; pero con prompts más cortos puede añadir adornos que no pediste, así que si necesitas que se siga tu texto al pie de la letra, desactívalo.

Si estás creando una biblioteca de tomas de producto, la documentación de wan2.7-video/image-to-video también cubre la variante de referencia a vídeo, pensada para mantener la coherencia del sujeto entre varios prompts; merece la pena revisarla cuando una sola toma de presentación no basta.