Wan2.7 画像から動画へのプロンプト例：プロダクト広告風のスニーカーショーケース

静止したスニーカーの写真は広告ではありません。それを広告にするのはカメラ言語です。動かないカメラ位置、1回の回転、ある雰囲気、そしてその上に落ちることを許された1筋のハイライト。以下の短編映像は1枚の商品写真と1つのプロンプトから始まり、wan2.7-video/image-to-video によってアニメーション化されます。以下ではこのプロンプトを文ごとに分解し、このクリップを再現できる完全な API 呼び出しを示します。

完全なプロンプト

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

6つの節、6つの役割。以下が各文が実際に担っていることです。

1. 「Camera holding a steady low-angle shot」（カメラは安定したローアングルショットを保持）

これはアンカーであり、明確な指示を伴います。保持するのであって、パンや周回ではありません。wan2.7-video/image-to-video は first_frame 画像からアニメーションを生成するため、モデルはすでにカメラがどこから始まるかを知っています——商品をわずかに見上げるローアングルです。その位置を保持するよう伝えることで、モデルがゆっくりしたズームやプッシュインにドリフトするのを防げます。これは、本来なら良好な i2v レンダリングが自らの構図を静かに台無しにする最もよくある方法です。ローアングルが特に指定されているのは、この慣習がスニーカーをカタログのサムネイルではなく憧れの対象に見せるからです——これはスニーカー広告が90年代からずっと使ってきた構図です。

2. 「Rotating slowly on a reflective dark surface」（反射する暗い表面の上でゆっくり回転）

ターンテーブルはプロダクト撮影で最も古い技法であり、映像にまで生き残っているのは、カットなしの1つの連続ショットで物体のあらゆる角度を見せる安価な方法だからです。ゆっくりが鍵です——速い回転はギミックに見え、ゆっくりした回転は敬意のように見えます。反射する暗い表面は二重の役割を果たします。薄霧に光を屈折させる足場を与え、下方にほのかに映るスニーカーの鏡像が、画面を卓上撮影ではなくスタジオで組み立てられたもののように感じさせます。

3. 「Swirling white mist rising and curling around it」（渦巻く白い薄霧が立ち上り、周囲に絡みつく）

薄霧は純粋に雰囲気です——製品には触れませんが、素材のレンダリングと、金をかけたように見えるものとを分けるのはまさにこれです。Swirling（渦巻く）と curling（絡みつく）は動作語であり、動作語はテキストから画像へのプロンプトよりも i2v プロンプトでより重要です。なぜならモデルはクリップの持続時間中に何が動くのかを決めなければならないからです。これらの語がなければ、「mist」は時間とともに発展するものではなく、最初のフレームに焼き込まれた静的なもやとしてレンダリングされる可能性があります。

4. 「Soft cinematic light」+「subtle rim lighting catching the sneaker sole」（柔らかなシネマティックライト＋スニーカーのソールを捉える微妙なリムライト）

この2つの節は異なる仕事をしており、どちらもプロンプトに存在する必要があります。片方だけでは不十分です。柔らかなシネマティックライトは全体の露出を設定します——均一で魅力的であり、刺すようなスタジオストロボではありません。ソールを捉えるリムライトは主役の指示です。光が彫り出すべき正確なディテールを名指ししています。ソールの縁とアウトソールの溝はスニーカー写真が通常輝く場所であり、これを明示することが、一般的で均一な輝きではなく、ソールの縁に明るく正確なリムライトが現れるレンダリング結果につながる理由です。この節を削除すると、通常は焦点となるハイライトのない柔らかな光しか得られません。

5. 「Product-commercial mood」+「shallow depth of field」（プロダクト広告の雰囲気＋浅い被写界深度）

雰囲気タグはジャンル指示です——色調、テンポ、構図をドキュメンタリーやアマチュア素材ではなく広告スタイルへと押し進めます。浅い被写界深度はそれを成立させる技術的指示です。背景のぼかしは、これがスマートフォン写真ではなくプロの商品撮影であることを示す最も速い視覚的手がかりです。両者を合わせると、実際の制作でカラリストとレンズ選択がそれぞれ担う仕事に相当します。

hiapi で実行する

wan2.7-video/image-to-video は hiapi の非同期タスク API 上で動作します——画像とプロンプトを送信し、クリップの準備ができるまでポーリングします：

# 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"

これに実際の予算を投じる前に、いくつかの実用的なヒントがあります：

• input.duration は2～15秒（デフォルト5）、input.resolution は 720P または 1080P（デフォルト 1080P）を受け付けます——完全なパラメータ表は wan2.7-video/image-to-video モデルページをご覧ください。
• このエンドポイントには ratio や aspect_ratio フィールドはありません。出力の向きはソース画像に従います——上のギャラリーのクリップは 720×1280 でレンダリングされています。ソースフレームが元々縦向きだったからです。最終動画を表示したい向きで静止画を撮影またはトリミングしてください。
• 価格は固定の秒単位料金です：720P は $0.10/s、1080P は $0.167/s——したがって5秒の 720P クリップは約 $0.50、5秒の 1080P クリップは約 $0.84 です。バッチを拡大する前に、hiapi の価格ページで現在の料金を確認してください。解像度と長さの両方が合計価格に影響します。
• まず低コストでテストしてください：720P＋2秒の長さで、画像 URL とプロンプトが期待どおりに動作することを検証してから、より長く高解像度のレンダリングに投資してください。

よくある質問

プロンプトはカメラの動きを記述する必要がありますか、それともモデルが自分で選びますか？ 記述してください。省略すると、wan2.7-video/image-to-video が独自にカメラの動きを発明しますが、その動きが望むものであることはほとんどありません。カメラの種類（「low-angle」）とその振る舞い（「holding」「rotating」）の両方を明示することで、レンダリングが脱線しなくなります。

1枚の写真をアニメーション化するだけでなく、動画の始点と終点を制御できますか？ できます——media を2つのエントリに置き換え、それぞれ "type": "first_frame" と "type": "last_frame" を使うと、モデルは単一画像から外側へアニメーション化するのではなく、両者の間を補間します。商品の「ビフォー」と「アフター」の写真がすでにある場合に便利です。

なぜ単純な「on a table」ではなく「reflective dark surface」を明示するのですか？ 反射が構造の要だからです。反射こそが薄霧とリムライトを視覚的に倍加させ、中程度のレンダリングと本当に商業的な質感を持つ結果とを分ける原因の大部分を占めます——まったく同じ照明指示でも、マットな表面はより平坦で、より高級感のない結果を生みます。

prompt_extend は私が書いた内容を変えますか？ モデルがレンダリング前に追加の説明的ディテールで短いプロンプトを拡張することを許可します。このように具体的なプロンプトでは、オンにしておいても結果が大きく変わることはほとんどありません——しかしより短いプロンプトでは、要求していない修飾が追加される可能性があるため、逐語的な厳密な遵守が必要な場合はオフにしてください。

商品ショットのライブラリを構築しているなら、wan2.7-video/image-to-video のドキュメントには、複数のプロンプト間で被写体の一貫性を保つための参照から動画へのバリエーションも記載されています——単一のショーケースショットでは足りないときに一見の価値があります。