Recettes de prompts image-vers-vidéo Wan 2.7 : 3 prompts prêts à copier-coller et leurs résultats réels

L'image-vers-vidéo est l'usage au meilleur rendement des modèles vidéo : vous verrouillez la composition, l'éclairage et le sujet grâce à une image fixe, et vous investissez toute la puissance du modèle dans le mouvement. Le problème, c'est que le prompt i2v est une compétence à part entière — la plupart des prompts écrits pour le texte-vers-vidéo gaspillent un grand nombre de tokens à redécrire une scène que le modèle voit déjà.

Ce guide vous propose trois recettes de prompts prêtes à copier-coller pour wan2.7-video/image-to-video, le modèle image-vers-vidéo Wan 2.7 d'Alibaba Tongyi, couvrant les trois tâches pour lesquelles on utilise réellement l'i2v : mouvement de produit, jeu de portrait et mouvement de caméra. Chaque clip intégré ci-dessous est la sortie réelle obtenue du premier coup avec le prompt correspondant — générée via l'API de tâches hiapi en palier standard 720P (0,10 $ par seconde de vidéo). Les frames d'entrée sont également fournies, afin que vous puissiez suivre précisément ce que le modèle a reçu et ce qu'il a créé.

Structure de la requête (à lire en premier)

wan2.7 i2v s'exécute sur le point de terminaison asynchrone de tâches de hiapi. Trois détails de schéma vous éviteront une erreur 400 :

• media est un tableau d'objets, pas une simple chaîne d'URL. Chaque objet requiert type et url. Les types acceptés sont first_frame, last_frame, driving_audio et first_clip — ainsi le même point de terminaison couvre l'animation simple à partir de la première frame, l'interpolation entre première et dernière frame, le mouvement piloté par l'audio et le prolongement de clip. Tout ce qui suit dans cet article ne transmet qu'un seul first_frame.
• resolution est une énumération : 720P ou 1080P, aucune autre valeur.
• duration est en secondes, avec un maximum de 15.

L'URL de l'image doit être accessible publiquement — la plateforme la télécharge côté serveur au moment de créer la tâche.

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": "充电盒盖平滑向上打开，两枚哑光黑色耳机缓慢从盒中升起……",
      "media": [
        {"type": "first_frame", "url": "https://your-cdn.example/frame.jpg"}
      ],
      "resolution": "720P",
      "duration": 5
    }
  }'

La réponse renvoie immédiatement un taskId. Interrogez GET /v1/tasks/{taskId} jusqu'à ce que status vaille success, puis téléchargez output[0].url :

import requests, time

BASE = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

task_id = requests.post(BASE, headers=HEADERS, json=payload).json()["data"]["taskId"]

while True:
    task = requests.get(f"{BASE}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] == "success":
        video = requests.get(task["output"][0]["url"]).content
        open("clip.mp4", "wb").write(video)
        break
    if task["status"] == "fail":
        raise RuntimeError(task.get("error"))
    time.sleep(10)

Une astuce d'exploitation : output[0].url est un lien à durée limitée avec un horodatage expireAt. Dès que la tâche réussit, téléchargez le fichier et stockez-le dans votre propre bucket — pour découvrir ce qui se passe sinon, voir ici.

Recette 1 : mouvement de produit à caméra verrouillée

La boucle classique de la fiche e-commerce : le produit bouge, la caméra non. Nous partons de cette image de boîtier d'écouteurs fermé, photographiée en studio avec gpt-image-2 :

Prompt :

Le couvercle du boîtier de charge s'ouvre doucement vers le haut, deux écouteurs noirs mats s'élèvent lentement hors du boîtier et se stabilisent au-dessus, tout en tournant lentement et de façon synchronisée. Tandis qu'ils tournent, une lumière de studio douce glisse sur leur surface. La caméra reste totalement verrouillée et immobile ; une faible profondeur de champ maintient la mise au point sur les écouteurs. Esthétique de lancement produit propre et haut de gamme, aucun mouvement de caméra.

Paramètres : resolution: 720P, duration: 5 — coût 0,50 $.

Sortie obtenue du premier coup :

Le modèle a lui-même créé l'intérieur du boîtier et les écouteurs — aucun des deux n'existe dans la frame d'entrée — et a préservé la cohérence des reflets sur le marbre pendant que le couvercle pivote. Deux éléments du prompt ont été déterminants : l'état des objets énuméré dans l'ordre (couvercle ouvert → écouteurs qui s'élèvent → suspension → rotation synchronisée), et l'instruction explicite faite deux fois à la caméra de ne rien faire (totalement verrouillée et immobile… aucun mouvement de caméra). Les contraintes négatives de mouvement sont respectées ; sans elles, les modèles i2v ajoutent souvent une dérive ou un zoom que vous n'avez pas demandés.

Recette 2 : micro-jeu de portrait

Animer une personne, c'est là que l'i2v prend toute sa valeur — le casting, les vêtements et l'éclairage sont déjà résolus par la frame. L'entrée provient également de gpt-image-2 :

Prompt :

La femme lève doucement sa tasse, en boit une gorgée lente et silencieuse, puis repose la tasse, tourne la tête vers la fenêtre striée de pluie et esquisse un doux sourire. De la vapeur s'élève en volutes de la tasse ; des gouttes de pluie glissent sur la vitre derrière elle. Ses cheveux bougent légèrement lorsqu'elle se déplace. La caméra reste immobile, la mise au point passe doucement de la tasse à son visage. Mouvement chaleureux, posé et cinématographique.

Paramètres : resolution: 720P, duration: 5 — coût 0,50 $.

Sortie obtenue du premier coup :

La recette ici consiste en une chaîne de deux ou trois petites actions dans un ordre explicite (lever → boire → reposer → tourner la tête → sourire). wan2.7 exécute les actions dans l'ordre où elles sont écrites, et c'est précisément ce qui donne au clip l'allure d'une performance plutôt que d'un GIF en boucle. L'autre moitié, c'est le mouvement secondaire : vapeur, gouttes de pluie et cheveux sont faciles à demander et portent l'essentiel du réalisme. Restez modéré sur l'orientation du visage (« doux sourire » plutôt que « grand rire ») — les expressions subtiles passent ; les expressions exagérées sont un pari.

Recette 3 : mouvement de caméra sur une scène statique

L'inverse de la recette 1 : le monde est immobile, la caméra voyage. Frame d'entrée — un large village côtier à l'heure dorée :

Prompt :

Léger travelling avant cinématographique : la caméra glisse au-dessus de l'eau vers le village perché sur la falaise, puis, en continuant d'avancer, passe en douceur à un lent panoramique vers la droite le long du littoral. Les vagues frappent les rochers en contrebas ; des mouettes traversent lentement le cadre. La lumière de l'heure dorée reste constante. Mouvement fluide et stable de type tête panoramique, sans coupe.

Paramètres : resolution: 720P, duration: 4 — coût 0,40 $.

Sortie obtenue du premier coup :

Comparez la dernière seconde du clip avec la frame d'entrée : la caméra a réellement bougé — le village remplit le cadre, et la parallaxe entre les falaises et les collines en arrière-plan est correcte, au lieu d'un faux zoom de type Ken Burns. Le schéma est : nommer le mouvement, ordonner les mouvements, définir le style du mouvement. « Travelling avant, puis panoramique vers la droite » lui donne sa trajectoire ; « de type tête panoramique, sans coupe » fixe l'amortissement ; « la lumière reste constante » évite que l'heure dorée ne devienne un timelapse sous vos yeux.

Mémo

En combinant ces recettes et nos essais précédents, les prompts wan2.7 i2v suivent cinq règles :

1. La frame est la scène ; le prompt est le mouvement. Ne redécrivez pas l'image — utilisez seulement les noms présents dans l'image comme ancres des verbes (« couvercle », « tasse », « littoral »).
2. Un seul jeu de sujet + une seule consigne de caméra par clip. Cumuler les deux types de complexité rend les clips courts chaotiques.
3. Écrivez les indications de mise en scène dans l'ordre. Le modèle exécute les chaînes d'actions dans l'ordre où elles sont écrites — c'est votre contrôle de la chronologie dans un clip de 5 secondes.
4. Précisez ce qui ne doit pas bouger. « La caméra reste verrouillée et immobile » et « la lumière reste constante » sont respectées et freinent la dérive par défaut du modèle.
5. Échangez du mouvement environnemental contre du réalisme. Vapeur, pluie, vagues, oiseaux — chaque élément ne demande qu'une courte phrase, pour un gain important en qualité perçue.

Coût

wan2.7-video/image-to-video est facturé à la seconde, au tarif standard déterminé par la résolution de sortie :

Résolution	Prix	Clip de 5 s	Clip de 15 s (max)
720P	0,10 $/s	0,50 $	1,50 $
1080P	0,167 $/s	0,835 $	2,505 $

Les trois clips de cet article — 14 secondes de vidéo 720P terminée (mesurée sur la sortie réelle à 1280×720, 30 fps) — ont coûté au total 1,40 $, et l'ensemble du lot de tâches s'est achevé environ neuf minutes après la soumission, car les tâches s'exécutent en parallèle côté serveur. Les tarifs actuels sont toujours consultables sur la page des tarifs.

Si vous voulez du mouvement sans devoir d'abord trouver une image de départ, wan2.7-video/text-to-video, de la même famille, fonctionne au même tarif à la seconde et prend en charge l'audio natif ainsi que la même limite de 15 secondes — nous le présentons de bout en bout dans le guide de la vidéo courte.

Essayez

Choisissez l'un des trois prompts ci-dessus, remplacez la première frame par la vôtre, et récupérez un clip en quelques minutes pour bien moins d'un dollar. La page du modèle wan2.7-video/image-to-video fournit une référence des paramètres en temps réel et un playground interactif — commencez par un clip 720P de 4 secondes (0,40 $), itérez sur le prompt, puis décidez si vous soumettez un rendu 1080P.