Wan 2.7 Image

Visão geral de posicionamento

wan2.7-image/text-to-image é a linha de texto-para-imagem da série Wan da Alibaba, acessível no HiAPI.ai por meio de uma interface unificada. Ela recebe prompts em chinês e inglês para gerar imagens, com opção de resolução 1K ou 2K e oito proporções de aspecto, além de suportar seed aleatória fixa para reproduzir o mesmo resultado; ao ativar o modo de raciocínio aprimorado, o modelo primeiro raciocina e depois gera a imagem, trocando um tempo de geração maior por qualidade visual. É indicada para desenvolvedores que precisam produzir materiais visuais em lote e têm exigências quanto às especificações da imagem e à reprodutibilidade dos resultados, em fluxos de produção como imagens de apoio para pôsteres, imagens de cena para e-commerce e esboços de storyboard.

Destaques principais

• Chave de raciocínio aprimorado, qualidade e tempo opcionais — o thinking_mode vem desativado por padrão; ao ativá-lo, o modelo primeiro raciocina e depois gera a imagem, permitindo alternar conforme as exigências do negócio quanto à qualidade da imagem e ao tempo de espera.
• Seed fixa, resultados reproduzíveis — ao informar seed, é possível reproduzir a mesma imagem, o que facilita controlar variáveis e obter resultados estáveis ao ajustar prompts ou gerar imagens em lote.
• Proporções de aspecto do vertical ao ultrawide — além de proporções comuns como 1:1, 16:9 e 9:16, também oferece 21:9, 8:1 e 1:8, adaptando-se diretamente a banners, materiais verticais e layouts ultrawide.

Descrição das capacidades

Texto-para-imagem em chinês e inglês: os prompts aceitam chinês e inglês, com até 5000 caracteres, permitindo que desenvolvedores descrevam a cena diretamente em chinês ou reutilizem prompts em inglês, reduzindo o custo de reescrita entre idiomas.

Controle de resolução e formato: a saída pode ser 1K ou 2K, combinada com oito proporções de aspecto, obtendo em uma única chamada uma imagem final compatível com a especificação do espaço publicitário, reduzindo cortes e redimensionamentos posteriores.

Geração com raciocínio aprimorado: com o thinking_mode ativado, a qualidade da imagem melhora, mas o tempo aumenta; é possível escolher por camadas conforme a importância do material, por exemplo, desativado na fase de rascunho e ativado na fase de versão final.

Resultados reproduzíveis: ao fixar a aleatoriedade via seed, o mesmo prompt e os mesmos parâmetros geram repetidamente o mesmo resultado, facilitando comparações de regressão e a verificação de resultados na produção em lote.

Cenários de aplicação

• Geração em lote de imagens de apoio para campanhas por desenvolvedores de marketing — insira o tema da campanha e a descrição da cena, gere em 16:9 ou 1:1 e produza imagens de apoio prontas para landing pages e materiais de anúncios.
• Criação de imagens de cena de produtos para sistemas de e-commerce — use os textos de pontos de venda do produto como prompt para gerar imagens de cena, servindo como material de exibição em páginas de detalhes e listagens de produtos.
• Esboços de storyboard e roteiro visual para equipes de conteúdo — escreva prompts cena a cena conforme o roteiro e fixe a seed para produzir imagens de referência de storyboard reproduzíveis, usadas na avaliação criativa inicial.
• Adaptação de materiais para múltiplos espaços publicitários — gere a mesma descrição em proporções como 21:9, 3:4 e 1:8, produzindo conjuntos de materiais para banners, formatos verticais e espaços ultrawide.

Limitações e recomendações de escolha

Esta linha é puramente texto-para-imagem, não aceita entrada de imagem de referência nem oferece edição de imagem ou repintura local; a resolução máxima de saída é 2K, e para imagens finais em 4K deve-se usar a linha Pro da mesma série. Se a tarefa depende de consistência entre várias imagens, edição por instruções ou edição por cliques, a linha atual não cobre esses casos. A renderização de texto nos prompts não é garantida; imagens finais com exigências de tipografia precisa e cores de marca ainda precisam de revisão humana. Os resultados são bastante influenciados pela formulação do prompt; recomenda-se testar primeiro com uma faixa mais baixa e seed fixa e depois gerar em lote.