Recettes de prompts texte-vers-vidéo pour Wan 2.7 : 3 prompts à copier-coller et leurs sorties réelles

Le texte-vers-vidéo est l'eau profonde de la création de prompts. En image-vers-vidéo, vous donnez une image au modèle et décrivez seulement le mouvement — nous avons couvert cette approche ici. En texte-vers-vidéo, il n'y a pas d'image : un texte doit porter la scène, le jeu du sujet, la caméra, le style visuel et — puisque wan2.7 génère nativement l'audio — aussi la bande-son.

Ce guide vous fournit trois recettes de prompts à copier-coller pour wan2.7-video/text-to-video, le modèle texte-vers-vidéo Wanxiang 2.7 d'Alibaba Tongyi, chaque recette répondant à l'une des tâches qu'un prompt texte-vers-vidéo doit accomplir : une scène photoréaliste, un style visuel verrouillé et un mouvement de caméra avec une récompense narrative. Chaque clip ci-dessous est la sortie réelle et unique du prompt imprimé à côté, générée via l'API de tâches hiapi — sans sélection parmi plusieurs graines, sans nouvelle tentative. Les trois clips ont coûté 1,84 $ au total.

Structure de la requête (à lire en premier)

wan2.7 texte-vers-vidéo fonctionne sur le point de terminaison de tâches asynchrones de hiapi, avec une entrée étonnamment réduite — seulement trois champs :

• prompt — tout le film : scène, action, caméra, style, son.
• resolution — valeurs énumérées : 720P ou 1080P, aucune autre option.
• duration — en secondes, maximum 15.

Pas de tableau de médias, pas de bouton de rapport d'aspect, pas de champ de prompt négatif. Contrairement au modèle sœur i2v, rien n'est à téléverser ici — c'est précisément pourquoi le prompt doit travailler plus dur.

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/text-to-video",
    "input": {
      "prompt": "Night street food market in a narrow alley. A cook in a white apron tosses noodles in a flaming wok...",
      "resolution": "720P",
      "duration": 5
    }
  }'

La réponse renvoie immédiatement un taskId ; interrogez GET /v1/tasks/{taskId} jusqu'à ce que status soit success, puis téléchargez output[0].url. Deux choses méritent d'être connues à propos de la réponse :

• Le fichier contient une véritable piste audio. Chaque clip de cet article est livré en H.264, 30 fps, avec un audio AAC généré à partir des indices sonores du prompt — nous avons vérifié les niveaux, ce n'est pas une piste muette de remplissage.
• Les URL de sortie expirent. Téléchargez le fichier immédiatement après la réussite de la tâche et stockez-le dans votre propre bucket — voyez ici ce qui se passe sinon.

Recette 1 : une scène photoréaliste

Compétence de base : produire cinq secondes qui ressemblent à des images de tournage réelles plutôt qu'à de la « vidéo IA ». La recette est une pile ordonnée — scène, action du sujet, vie de l'arrière-plan, caméra, son, style de prise de vue — une proposition par élément :

Night street food market in a narrow alley. A cook in a white apron tosses
noodles in a flaming wok; sparks and steam burst upward, glowing under a
string of red lanterns. Customers drift past as soft bokeh in the background.
The camera slowly dollies in toward the wok. Sizzling oil crackles over the
low murmur of the crowd and distant rain. Cinematic handheld feel, 35mm lens,
shallow depth of field, warm tungsten highlights against cool blue shadows.

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

Sortie unique :

Observez ce que le modèle a fait de chaque couche : la flamme et la vapeur dans le wok s'animent en continu, les passants traversent le cadre sous forme de formes hors foyer, exactement là où le prompt les a placés (« bokeh doux en arrière-plan »), et le travelling avant est réel — à la quatrième seconde, le wok remplit l'image. Activez le son : le grésillement flotte au-dessus des murmures de la foule, directement issu de la proposition audio. L'astuce structurelle est exactement une proposition par élément et exactement une instruction pour la caméra. Les prompts photoréalistes échouent le plus souvent par surcharge — trois idées de caméra et un système météorologique dans un seul paragraphe — et non par manque de détails.

Recette 2 : un style verrouillé

Deuxième usage du texte-vers-vidéo : du contenu stylisé où le médium lui-même est le message. La recette s'ouvre sur une déclaration de style, puis maintient chaque objet dans ce monde matériel — tout en accordant l'audio au style :

Handcrafted paper-cutout stop-motion style. A tiny paper sailboat rides
rolling waves made of layered blue cardboard; a paper whale surfaces beside
it, spouting a burst of white paper confetti, then dives back under. The sun
is a crinkled gold-foil disc in a construction-paper sky. Slightly jittery
stop-motion cadence, soft studio light, visible paper grain and hand-cut
edges throughout. Gentle ukulele plucks over a soft ocean whoosh.

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

Sortie unique :

Le style est maintenu dans chaque image : les vagues sont visiblement des couches de carton qui glissent les unes sur les autres, la baleine projette des confettis de papier blanc au lieu d'eau, et le soleil en feuille d'or conserve sa texture froissée lorsque la lumière le balaie. La chaîne d'actions s'exécute dans l'ordre écrit — la baleine émerge, souffle, puis replonge — c'est votre contrôle de la chronologie sur un clip de cinq secondes. Deux règles soutiennent cette recette : déclarer le style dans la première phrase (un mot de style enfoui au milieu du prompt se dissout vers le réalisme), et traduire chaque effet physique dans le médium — demander des « confettis » plutôt qu'un « éclaboussement », c'est la différence entre style et filtre.

Recette 3 : un mouvement de caméra avec une récompense narrative

De l'écriture de caméra pure : la scène n'est qu'un décor, la caméra est le contenu. Nommez le mouvement, donnez-lui une trajectoire et — la partie que la plupart des prompts oublient — donnez-lui un dénouement :

FPV drone shot racing low over a turquoise river through a narrow slot canyon
at sunrise, banking left and right with the curves of the canyon walls, then
pulling up sharply over the rim to reveal a vast desert plain glowing gold in
the morning haze. Motion blur on the near canyon walls, lens flare as the sun
crests the rim, smooth confident racing-drone motion, no cuts. Rushing wind
and a deep ambient synth swell that opens up on the reveal.

Paramètres : resolution: 1080P, duration: 5 — coût : 0,835 $.

Sortie unique :

Le clip a une véritable courbe : quatre secondes d'inclinaison dans le canyon, avec un flou de mouvement sur les parois proches, puis l'ascension pour la révélation — un désert baigné de soleil s'étendant jusqu'à l'horizon. Cette courbe vient de la forme du prompt : course à basse altitude → inclinaison avec les courbes du canyon → montée → révélation. Une trajectoire avec une destination l'emporte à chaque fois sur une pile d'adjectifs de caméra. Notez l'indication audio — « synth swell qui s'ouvre sur la révélation » lie la conception sonore au rythme narratif de la caméra, ce qu'un modèle à audio natif est seul capable d'exécuter à partir d'un prompt unique.

Aide-mémoire

Cinq règles, distillées de ces exécutions et des tentatives qui n'ont pas été retenues pour cet article :

1. L'ordre des phrases est votre chronologie. wan2.7 joue les actions dans l'ordre écrit — arrangez le prompt comme des indications scéniques, pas comme une description.
2. Commencez par le style. La première phrase fixe le mode de rendu ; le réalisme est la valeur par défaut, et les mots de style doivent le vaincre dès le début.
3. Une instruction de caméra par clip. Travelling avant, ou vol FPV, ou caméra fixe. Les mouvements empilés s'annulent en un flou informe.
4. Écrivez la bande-son. Une proposition audio — ce qui résonne, ce qui est en dessous — vous offre un clip avec bande-son gratuitement. Le silence dans le prompt ne signifie pas le silence dans la sortie ; cela signifie que le modèle devine.
5. Donnez une destination au mouvement. « monter au-dessus du rebord pour révéler la plaine » produit une courbe ; « prise de vue aérienne dynamique par drone » produit une errance.

Combien cela coûte

wan2.7-video/text-to-video est facturé à la seconde de vidéo produite, au tarif déterminé par la résolution :

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

Les trois clips de cet article — dix secondes en 720P plus cinq secondes en 1080P, tous avec audio natif — ont coûté 1,84 $ au total, et comme les tâches s'exécutent en parallèle côté serveur, le lot entier était sur disque environ six minutes après la première soumission. Les tarifs actuels sont toujours sur la page de tarification.

Essayez

Si vous avez déjà une image que vous aimez, wan2.7-video/image-to-video l'anime au même prix à la seconde — l'article sur les recettes i2v est le pendant de celui-ci. Pour tout ce que vous pouvez décrire sans l'avoir encore filmé, prenez n'importe quel prompt ci-dessus, changez les noms, puis soumettez-le à l'API de tâches — la page du modèle wan2.7-video/text-to-video propose une référence en direct des paramètres. Un premier jet en 720P coûte 0,50 $ et revient en quelques minutes ; réservez le 1080P aux prompts qui ont fait leurs preuves.