Wan 2.7 텍스트-투-비디오 프롬프트 레시피: 바로 복사할 수 있는 프롬프트 3개와 실제 출력

텍스트-투-비디오는 프롬프트 창작의 심해입니다. 이미지-투-비디오에서는 모델에게 한 프레임을 주고 움직임만 묘사하면 됩니다——그 방법은 이미 여기서 다뤘습니다. 반면 텍스트-투-비디오에는 화면이 없습니다: 한 편의 글이 장면, 주체의 연기, 카메라, 시각 스타일을 짊어져야 하고, 게다가——wan2.7이 네이티브로 오디오를 생성하기 때문에——사운드트랙까지 짊어져야 합니다.

이 가이드는 wan2.7-video/text-to-video, 즉 알리바바 통이완샹 2.7 텍스트-투-비디오 모델을 위한 바로 복사할 수 있는 프롬프트 레시피 세 가지를 제공하며, 각 레시피는 텍스트-투-비디오 프롬프트가 반드시 완수해야 하는 과제 하나에 대응합니다: 사진처럼 사실적인 장면, 고정된 시각 스타일, 그리고 서사적 보상을 지닌 카메라 무브먼트. 아래의 각 클립은 옆에 인쇄된 프롬프트의 실제 원샷 출력으로, hiapi 작업 API를 통해 생성되었습니다——시드 간 선별도, 재시도도 없습니다. 세 클립의 총비용은 $1.84입니다.

요청 구조 (먼저 읽어 주세요)

wan2.7 텍스트-투-비디오는 hiapi의 비동기 작업 엔드포인트에서 실행되며, 입력은 놀랄 만큼 작습니다——필드가 세 개뿐입니다:

• prompt——영화 전체: 장면, 동작, 카메라, 스타일, 소리.
• resolution——열거형: 720P 또는 1080P, 다른 옵션은 없습니다.
• duration——초 단위, 최대 15.

미디어 배열도, 화면비 조절 노브도, 네거티브 프롬프트 필드도 없습니다. i2v 자매 모델과 달리 여기서는 업로드할 것이 아무것도 없습니다——바로 이것이 프롬프트가 더 열심히 일해야 하는 이유입니다.

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
    }
  }'

응답은 즉시 taskId를 반환합니다. status가 success가 될 때까지 GET /v1/tasks/{taskId}를 폴링한 다음 output[0].url을 다운로드하세요. 반환 내용에 관해 알아 둘 점이 두 가지 있습니다:

• 파일에 실제 오디오 트랙이 포함됩니다.이 글의 각 클립은 H.264, 30 fps로 전달되며 프롬프트의 사운드 단서에 맞춰 생성된 AAC 오디오를 담고 있습니다——레벨을 확인했으며, 무음 플레이스홀더 트랙이 아닙니다.
• 출력 URL은 만료됩니다.작업이 성공하면 즉시 파일을 다운로드해 자신의 스토리지 버킷에 저장하세요——그렇게 하지 않으면 어떤 일이 벌어지는지는 여기서 확인하세요.

레시피 1: 사진처럼 사실적인 장면

기본기: 5초 동안 “AI 비디오”가 아니라 실사 촬영본처럼 보이는 콘텐츠를 만드는 것. 레시피는 정돈된 스택입니다——장면, 주체 동작, 배경의 삶, 카메라, 사운드, 렌즈 스타일——각 항목에 절 하나씩:

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.

파라미터: resolution: 720P, duration: 5——비용 $0.50.

원샷 출력:

모델이 각 층에 무엇을 했는지 관찰해 보세요: 웍의 불꽃과 김이 계속 애니메이션되고, 행인들이 초점이 흐려진 형체로 화면을 지나가며, 프롬프트가 지정한 바로 그 위치("배경의 부드러운 보케")에 있습니다. 돌리인은 진짜입니다——4초쯤에는 웍이 화면을 가득 채웁니다. 사운드를 켜 보세요: 지글거리는 소리가 군중의 낮은 웅성거림 위로 떠오르는데, 이는 오디오 절에서 직접 나온 것입니다. 구조적 요령은 각 요소마다 정확히 절 하나, 카메라에는 정확히 지시 하나입니다. 사실적인 프롬프트는 세부 묘사가 부족해서가 아니라 과밀해서 실패하는 경우가 가장 많습니다——한 문단에 카메라 아이디어 세 개와 날씨 시스템 하나를 밀어 넣는 식으로요.

레시피 2: 고정된 스타일

텍스트-투-비디오의 두 번째 용도: 매체 자체가 메시지인 스타일화된 콘텐츠. 레시피는 스타일 선언으로 시작해 모든 물체를 그 물질 세계 안에 머무르게 하고——오디오를 스타일에 맞추는 것입니다:

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.

파라미터: resolution: 720P, duration: 5——비용 $0.50.

원샷 출력:

스타일이 모든 프레임에서 유지됩니다: 파도는 분명히 겹친 판지가 서로 위를 미끄러지는 것이고, 고래는 물이 아니라 흰 종이 조각을 내뿜으며, 금박 태양은 빛이 스칠 때 그 구겨진 질감을 유지합니다. 동작 체인은 쓰인 순서대로 실행됩니다——고래가 떠오르고, 분출하고, 다시 물속으로 잠수합니다——이것이 5초 클립에서의 타임라인 제어입니다. 이 레시피를 뒷받침하는 두 가지 규칙: 첫 문장에서 스타일을 선언하세요(프롬프트 중간에 묻힌 스타일 단어는 사실감 쪽으로 스며듭니다), 그리고 모든 물리 효과를 매체로 번역하세요——“물보라”가 아니라 “종이 조각”을 요구하는 것이 스타일과 필터의 차이입니다.

레시피 3: 서사적 보상을 지닌 카메라 무브먼트

순수한 카메라 저자성: 장면은 그저 무대일 뿐이고, 카메라가 바로 내용입니다. 움직임을 명명하고, 궤적을 주고, 그리고——대부분의 프롬프트가 건너뛰는 부분——결말을 주세요:

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.

파라미터: resolution: 1080P, duration: 5——비용 $0.835.

원샷 출력:

이 클립에는 진짜 곡선이 있습니다: 4초 동안 협곡을 기울며 질주하고, 가까운 벽에는 모션 블러가 있으며, 그다음 급상승해 공개가 이루어집니다——햇빛에 빛나는 사막이 지평선까지 펼쳐집니다. 그 곡선은 프롬프트의 형태에서 나옵니다: 저고도 질주 → 협곡 곡선을 따라 기울기 → 급상승 → 공개로 마무리. 목적지가 있는 궤적은 매번 카메라 형용사 더미를 이깁니다. 오디오 지시에 주목하세요——"신스 스웰이 공개 순간에 확 열린다"는 사운드 디자인을 카메라의 서사적 박자에 묶는 것으로, 네이티브 오디오 모델만이 단일 프롬프트에서 수행할 수 있는 일입니다.

치트 시트

이번 실행들과 이 글에 들지 못한 시도들에서 추려낸 다섯 가지 규칙:

1. 문장 순서가 곧 타임라인입니다.wan2.7은 쓰인 순서대로 동작을 재생합니다——프롬프트를 묘사문이 아니라 무대 지시처럼 배열하세요.
2. 스타일로 시작하세요.첫 문장이 렌더링 모드를 정합니다. 사실감이 기본값이므로 스타일 단어가 최대한 일찍 그것을 이겨야 합니다.
3. 클립당 카메라 지시는 하나.돌리인, 또는 FPV 비행, 또는 고정 카메라. 겹친 움직임은 서로 상쇄되어 뭉개집니다.
4. 사운드트랙을 써 주세요.오디오 절 하나——무엇이 울리고 무엇이 아래에 깔리는지——만으로 사운드트랙이 있는 클립을 공짜로 얻습니다. 프롬프트의 침묵은 출력의 침묵을 뜻하지 않습니다. 모델이 추측하고 있다는 뜻입니다.
5. 움직임에 목적지를 주세요."가장자리를 넘어 급상승해 공개한다"는 곡선을 만들고, "역동적인 드론 항공 촬영"은 배회를 만듭니다.

비용은 얼마인가

wan2.7-video/text-to-video는 출력 영상 초당으로 과금되며, 요율은 해상도에 따라 결정됩니다:

해상도	가격	5초 클립	15초 클립(최대)
720P	$0.10 / 초	$0.50	$1.50
1080P	$0.167 / 초	$0.835	$2.505

이 글의 클립 세 개——720P 10초에 1080P 5초, 모두 네이티브 오디오 포함——의 총비용은 $1.84이며, 작업이 서버 측에서 병렬로 실행되기 때문에 전체 파일이 최초 제출 후 약 6분 만에 모두 저장되었습니다. 현재 요율은 항상 가격 페이지에서 확인할 수 있습니다.

직접 해 보기

이미 마음에 드는 이미지가 있다면, wan2.7-video/image-to-video가 같은 초당 가격으로 그것을 애니메이션화합니다——i2v 레시피 글은 이 글의 자매편입니다. 설명할 수는 있지만 아직 촬영하지 못한 모든 것에 대해서는, 위의 프롬프트 중 아무거나 가져다 명사만 바꿔 작업 API에 제출하세요——wan2.7-video/text-to-video 모델 페이지에 실시간 파라미터 참조가 있습니다. 720P 초안은 $0.50에 몇 분 안에 반환되니, 1080P는 검증을 통과한 프롬프트에 남겨 두세요.