Wan 2.7 Video

Visão geral do posicionamento

wan2.7-video/image-to-video é um modelo de geração de vídeo orientado por imagem da série de vídeo Alibaba WAN, acessível por meio da interface unificada do HiAPI.ai. Ele gera vídeos a partir de uma imagem como ponto de partida e também aceita guias por imagem de referência/trecho de referência, permitindo controlar o conteúdo visual e o movimento de câmera por meio de prompts. A resolução de saída pode ser 720P ou 1080P, com duração de 2 a 15 segundos por geração, e suporta entrada combinada de primeiro quadro, último quadro, áudio condutor e trecho inicial. É indicado para desenvolvedores que precisam produzir vídeos curtos a partir de ativos de imagem existentes, para materiais publicitários, vitrines de e-commerce e pré-visualização de storyboard.

Destaques principais

• Geração orientada por imagem, com controle de primeiro e último quadros — é possível especificar simultaneamente a imagem do primeiro e do último quadro, restringindo a composição de início e fim do plano e reduzindo o custo de regeração causado por aleatoriedade.
• Trecho de referência e áudio condutor participam da geração — além dos quadros inicial e final, também é possível enviar um trecho inicial e áudio condutor, para que o resultado gerado se apoie no ritmo de movimento e na relação som-imagem.
• Duração e resolução ajustáveis conforme a necessidade — a duração de cada geração pode ser definida entre 2 e 15 segundos, e a resolução de saída pode ser 720P ou 1080P, adaptando-se a diferentes exigências de entrega.

Descrição das capacidades

Geração de imagem para vídeo: usa uma ou mais imagens como base visual, combinadas com um prompt de texto para gerar o vídeo; o prompt pode ter até 5000 caracteres, sendo adequado para converter ativos visuais existentes em conteúdo dinâmico.

Controle combinado de primeiro e último quadros: em uma única requisição é possível especificar ao mesmo tempo o primeiro e o último quadro, ou ainda incluir um trecho inicial como referência de partida, para delimitar as imagens de início e fim do plano.

Entrada de áudio condutor: suporta o envio de áudio condutor como entrada de mídia, fazendo com que o vídeo gerado corresponda em ritmo ao material sonoro fornecido e reduzindo a etapa de sincronização na pós-produção.

Expansão de prompt e prompt negativo: o prompt_extend permite ativar a expansão automática do prompt, o negative_prompt permite declarar elementos visuais a serem evitados, e o seed possibilita reproduzir o mesmo resultado.

Resolução e duração parametrizadas: a resolução e a duração de saída são parâmetros da requisição, permitindo alternar, na mesma interface, entre 720P/1080P e comprimentos de clipe de 2 a 15 segundos conforme o cenário.

Cenários de aplicação

• E-commerce e marcas: geração de vitrines dinâmicas a partir de imagens de produto — inserir a imagem principal do produto e os requisitos de exibição para produzir um vídeo curto dinâmico de alguns segundos, usado em páginas de detalhes, anúncios em feed e materiais para redes sociais.
• Equipes de conteúdo: conversão de imagens de personagem ou cenário em trechos de plano — usar a imagem de definição do personagem como primeiro quadro ou referência para gerar planos curtos compatíveis com a descrição do storyboard, aplicáveis a vídeos curtos, pré-visualização de animação e propostas criativas.
• Equipes de design: planos de transição com restrição de primeiro e último quadros — fornecer simultaneamente a imagem inicial e a final para gerar o trecho de transição entre ambas, usado em aberturas, transições e apresentação de soluções visuais.
• Fornecedores de material de áudio: geração visual orientada por áudio — enviar o material de áudio e a descrição visual para gerar trechos de vídeo compatíveis com o ritmo do som, usados em vídeos curtos musicais e conteúdos com narração.

Limitações e recomendações de seleção

O limite de duração por geração é de 15 segundos; narrativas mais longas exigem geração em segmentos e montagem na pós-produção, e a consistência entre trechos depende do controle por prompts e materiais de referência. As resoluções de saída são apenas 720P e 1080P; necessidades de qualidade superior devem ser avaliadas separadamente. As entradas de mídia são no máximo três, e cada tipo pode aparecer apenas uma vez. Se a tarefa for predominantemente criativa a partir de texto puro e não exigir base visual, considere os modelos de texto para vídeo da mesma série; para planos contínuos muito longos, este modelo não é a escolha adequada.