Wan 2.7 Video

Présentation

wan2.7-video/image-to-video est un modèle de génération vidéo piloté par l'image de la série vidéo Alibaba WAN, accessible via l'interface unifiée de HiAPI.ai. Il génère une vidéo à partir d'une image de départ et prend également en charge le guidage par image de référence ou extrait de référence, permettant de contrôler le contenu visuel et les mouvements de caméra via le prompt. La résolution de sortie est sélectionnable entre 720P et 1080P, la durée par génération va de 2 à 15 secondes, et il accepte en entrée une combinaison de première image, dernière image, audio de guidage et extrait initial. Il convient aux développeurs souhaitant produire des clips courts à partir de ressources visuelles existantes, pour des créations publicitaires, des présentations e-commerce et des prévisualisations de storyboard.

Points clés

• Génération pilotée par l'image, avec contrôle des première et dernière images — il est possible de spécifier simultanément l'image de début et l'image de fin pour contraindre la composition d'ouverture et de fermeture du plan, réduisant les coûts de régénération liés à l'aléatoire.
• Extrait de référence et audio de guidage dans la génération — outre les première et dernière images, il est possible de fournir un extrait initial et un audio de guidage, afin que le résultat s'appuie sur un rythme de mouvement et une synchronisation son-image donnés.
• Durée et résolution ajustables — la durée par génération se règle entre 2 et 15 secondes, et la résolution de sortie est sélectionnable entre 720P et 1080P, pour s'adapter à différentes exigences de livraison.

Capacités

Génération image-vers-vidéo : génère une vidéo à partir d'une ou plusieurs images comme base visuelle, accompagnées d'un prompt textuel pouvant atteindre 5000 caractères, idéal pour transformer des ressources visuelles existantes en contenu animé.

Contrôle combiné première et dernière images : une requête peut spécifier à la fois l'image de début et l'image de fin, ou ajouter un extrait initial comme référence de départ, afin de délimiter les images d'ouverture et de fermeture du plan.

Entrée d'audio de guidage : il est possible de fournir un audio de guidage comme entrée média, pour que la vidéo générée corresponde au rythme du matériel sonore donné, réduisant l'étape de synchronisation en post-production.

Extension de prompt et prompt négatif : prompt_extend permet d'activer l'extension automatique du prompt, negative_prompt permet de déclarer les éléments visuels à éviter, et seed permet de reproduire un même résultat.

Résolution et durée paramétrables : la résolution de sortie et la durée sont toutes deux des paramètres de requête ; une même interface permet de basculer entre 720P/1080P et des durées de clip de 2 à 15 secondes selon le contexte.

Cas d'usage

• E-commerce et marques : générer une présentation animée à partir d'une image produit — fournir l'image principale du produit et les exigences de présentation pour produire un court clip vidéo du produit de quelques secondes, destiné aux pages de détail, aux diffusions en flux d'actualité et aux contenus pour réseaux sociaux.
• Équipes de contenu : transformer des images de personnage ou de scène en plans — utiliser une image de référence de personnage comme première image ou référence pour générer un court plan conforme à la description du storyboard, pour des courts-métrages, des prévisualisations d'animation et des propositions créatives.
• Équipes de design : plans de transition contraints par première et dernière images — fournir à la fois l'image de départ et l'image d'arrivée pour générer le segment de transition entre les deux, pour des génériques, des transitions et des présentations de solutions visuelles.
• Producteurs de contenu audio : génération visuelle pilotée par l'audio — fournir un matériel audio et une description visuelle pour générer un segment vidéo synchronisé au rythme sonore, pour des vidéos courtes musicales et des contenus de type présentation parlée.

Limites et conseils de sélection

La durée maximale par génération est de 15 secondes ; pour une narration plus longue, il faut générer par segments et assembler en post-production, la cohérence entre segments dépendant du contrôle des prompts et des ressources de référence. La résolution de sortie se limite à deux niveaux, 720P et 1080P ; des exigences de qualité supérieure nécessitent une évaluation distincte. Les entrées média sont limitées à trois au total, et chaque type ne peut apparaître qu'une seule fois. Si la tâche est principalement créative à partir de texte seul, sans base visuelle, envisagez un modèle texte-vers-vidéo de la même série ; pour des plans continus très longs, ce modèle n'est pas le choix approprié.