Wan 2.7 Image

Présentation

wan2.7-image/text-to-image est la voie de génération d'images à partir de texte de la série Wan d'Alibaba, appelée sur HiAPI.ai via une interface unifiée. Il accepte des prompts en chinois et en anglais pour générer des images, avec des paliers de résolution 1K et 2K en option et huit ratios d'aspect, et prend en charge la fixation d'une graine aléatoire pour reproduire un même résultat ; une fois le mode raisonnement renforcé activé, le modèle raisonne d'abord puis génère l'image, échangeant un temps de génération plus long contre la qualité visuelle. Il convient aux développeurs qui doivent produire des visuels par lots et qui ont des exigences sur les spécifications d'image et la reproductibilité des résultats, pour des flux de production tels que les illustrations d'affiches, les visuels de scènes e-commerce et les croquis de storyboard.

Points clés

• Interrupteur de raisonnement renforcé, qualité et durée au choix — thinking_mode est désactivé par défaut ; une fois activé, le modèle raisonne d'abord puis génère l'image, pour basculer flexibilité selon les exigences métier de qualité d'image et de temps d'attente.
• Graine fixe, résultats reproductibles — transmettre seed permet de reproduire la même image, ce qui facilite le contrôle des variables et la stabilité de la production lors du débogage des prompts ou de la génération par lots.
• Ratios d'aspect du portrait à l'ultra-large — outre les ratios courants 1:1, 16:9 et 9:16, il propose également 21:9, 8:1 et 1:8, directement adaptés aux bannières, aux supports verticaux et aux mises en page ultra-larges.

Description des capacités

Génération d'images à partir de texte en chinois et en anglais : les prompts acceptent le chinois et l'anglais, jusqu'à 5000 caractères ; les développeurs peuvent décrire directement l'image en chinois ou réutiliser des prompts en anglais, ce qui réduit le coût de réécriture interlangue.

Contrôle de la résolution et du format : la sortie peut être réglée sur les paliers 1K ou 2K avec huit ratios d'aspect ; un seul appel suffit pour obtenir une image finale conforme aux spécifications d'emplacement, ce qui réduit le recadrage et la mise à l'échelle en post-traitement.

Génération avec raisonnement renforcé : une fois thinking_mode activé, la qualité d'image s'améliore mais le temps de génération augmente ; on peut choisir par niveaux selon l'importance du visuel, par exemple désactivé en phase de brouillon et activé en phase de version finale.

Résultats reproductibles : le caractère aléatoire est fixé via seed ; les mêmes prompt et paramètres permettent d'obtenir de façon répétée le même résultat, ce qui facilite les comparaisons de régression et la vérification des résultats en production par lots.

Cas d'usage

• Génération par lots d'illustrations d'événements pour les développeurs marketing — saisir le thème de l'événement et la description de l'image, générer en 16:9 ou 1:1, et produire des illustrations directement intégrables aux pages de destination et aux supports publicitaires.
• Création de visuels de produits pour les systèmes e-commerce — générer des visuels de scènes à partir des arguments de vente du produit comme prompt, pour servir de supports d'affichage sur les pages de détail et les pages de liste des produits.
• Croquis de storyboard et de découpage pour les équipes de contenu — rédiger des prompts plan par plan selon le scénario et fixer la seed pour produire des images de référence de storyboard reproductibles, destinées à la revue créative en amont.
• Adaptation des supports à plusieurs emplacements — générer une même description en 21:9, 3:4, 1:8, etc., pour produire la série complète de supports requise pour les bannières, les versions verticales et les emplacements ultra-larges.

Limites et conseils de choix

Cette voie est purement texte-vers-image : elle n'accepte pas d'image de référence et ne fournit pas de capacités d'édition d'image ou de retouche locale ; la résolution de sortie est plafonnée à 2K, et pour des images finales en 4K, il faut se tourner vers la voie Pro de la même série. Si la tâche dépend de la cohérence entre plusieurs images, de modifications guidées par instructions ou d'édition par clic, la voie actuelle ne peut pas la couvrir. Le rendu du texte dans les prompts n'est pas garanti ; les images finales comportant une mise en page précise et des exigences de couleurs de marque nécessitent encore une vérification humaine. Les résultats générés sont fortement influencés par la formulation des prompts ; il est conseillé d'essayer d'abord une version avec un palier inférieur et une seed fixe, puis de générer par lots.