Пример промпта для Wan2.7 image-to-video: рекламная демонстрация кроссовок в стиле продуктового ролика

Статичное фото кроссовок — это ещё не реклама. Рекламой его делает язык камеры: неподвижная точка съёмки, одно вращение, определённое настроение и луч света, которому позволено лечь на объект. Ролик ниже начинается с фотографии продукта и промпта и анимируется через wan2.7-video/image-to-video. Далее мы разберём этот промпт по фразам и приведём полный вызов API, воспроизводящий этот фрагмент.

Полный промпт

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

Шесть фраз — шесть задач. Вот что на самом деле делает каждая из них.

1. «Camera holding a steady low-angle shot» (камера удерживает стабильный нижний ракурс)

Это якорь с явным указанием: удерживать, а не панорамировать и не облетать. wan2.7-video/image-to-video начинает анимацию с изображения first_frame, поэтому модель уже знает, откуда стартует камера — с нижнего ракурса, слегка смотрящего на продукт снизу вверх. Если сказать ей удерживать эту позицию, она не уйдёт в медленный зум или наезд — а именно это чаще всего тихо разрушает композицию в остальном хорошего i2v-рендера. Нижний ракурс указан специально: этот приём делает кроссовки желанными, а не похожими на миниатюру из каталога, — именно такую композицию реклама кроссовок использует с 90-х.

2. «Rotating slowly on a reflective dark surface» (медленно вращается на отражающей тёмной поверхности)

Поворотный подиум — самый старый приём продуктовой съёмки, и он пережил переход в видео, потому что это дешёвый способ показать объект со всех сторон одним непрерывным кадром без монтажа. Медленно здесь ключевое слово — быстрое вращение выглядит как трюк, медленное — как знак уважения к объекту. Отражающая тёмная поверхность выполняет двойную работу: она даёт туману среду, в которой можно преломлять свет, а смутное зеркальное отражение кроссовка снизу заставляет кадр выглядеть собранным в студии, а не снятым на столе.

3. «Swirling white mist rising and curling around it» (клубящийся белый туман поднимается и обвивается вокруг)

Туман — это чистая атмосфера: он не касается продукта, но именно он отличает исходный рендер от вещи, которая выглядит так, будто на неё потратили деньги. Swirling (клубящийся) и curling (обвивающийся) — глаголы движения, а глаголы движения в i2v-промптах важнее, чем в text-to-image, потому что модель должна решить, что именно движется на протяжении ролика. Без этих слов «mist» может быть отрендерен как статичная дымка, вписанная в первый кадр, а не как нечто развивающееся во времени.

4. «Soft cinematic light» + «subtle rim lighting catching the sneaker sole» (мягкий кинематографичный свет + тонкий контровой свет, подчёркивающий подошву кроссовка)

Эти две фразы делают разную работу, и обе должны присутствовать в промпте, а не только одна из них. Мягкий кинематографичный свет задаёт общую экспозицию — ровную, приятную, а не резкую студийную вспышку. Контровой свет, подчёркивающий подошву — это главная инструкция: она называет ту конкретную деталь, которую свет должен вылепить. Край подошвы и рисунок протектора — то, что в съёмке кроссовок обычно и является главным акцентом, и именно явное указание на это даёт яркий, точный контурный блик по краю подошвы вместо общего ровного свечения. Уберите эту фразу — и обычно останется только мягкий свет без фокусного блика.

5. «Product-commercial mood» + «shallow depth of field» (настроение продуктовой рекламы + малая глубина резкости)

Тег настроения — это жанровая инструкция: он подталкивает цветокоррекцию, темп и композицию к рекламному стилю, а не к документальному или любительскому материалу. Малая глубина резкости — техническая инструкция, которая делает это убедительным: размытый фон — самый быстрый визуальный сигнал того, что это профессиональная съёмка продукта, а не фото с телефона. Вместе они выполняют ту работу, которую в реальном производстве отдельно выполняют колорист и выбор оптики.

Запуск на hiapi

wan2.7-video/image-to-video работает через асинхронный API задач hiapi — вы отправляете изображение с промптом, а затем опрашиваете статус, пока фрагмент не будет готов:

# 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"

Несколько практических советов, прежде чем вкладывать в это реальный бюджет:

• input.duration принимает от 2 до 15 секунд (по умолчанию 5), input.resolution — 720P или 1080P (по умолчанию 1080P); полная таблица параметров приведена на странице модели wan2.7-video/image-to-video.
• У этой конечной точки нет полей ratio или aspect_ratio. Ориентация выходного видео определяется исходным изображением — фрагмент в галерее выше отрендерен в 720×1280, потому что исходный кадр был вертикальным. Снимайте или кадрируйте статичное изображение в той ориентации, в которой хотите получить итоговое видео.
• Цена — фиксированная ставка за секунду: 720P — $0.10/с, 1080P — $0.167/с, поэтому 5-секундный фрагмент в 720P стоит около $0.50, а 5-секундный в 1080P — около $0.84. Перед масштабированием партии уточните текущие тарифы на странице цен hiapi, поскольку разрешение и длительность влияют на итоговую стоимость.
• Сначала протестируйте дёшево: 720P и длительность 2 секунды достаточно, чтобы убедиться, что URL изображения и поведение промпта соответствуют ожиданиям, прежде чем запускать более длинный рендер в более высоком разрешении.

Частые вопросы

Нужно ли описывать движение камеры в промпте, или модель выберет его сама? Описывайте. Если опустить это, wan2.7-video/image-to-video придумает движение камеры само, и такое движение редко бывает тем, что вам нужно. Указание и типа камеры («low-angle»), и её поведения («holding», «rotating») удерживает рендер в нужном русле.

Могу ли я управлять началом и концом видео, а не просто анимировать фотографию? Да — замените media на два элемента с "type": "first_frame" и "type": "last_frame", и модель будет интерполировать между ними, а не генерировать анимацию из одного изображения. Это полезно, если у вас уже есть фотографии продукта «до» и «после».

Почему явно указано «reflective dark surface», а не просто «on a table»? Потому что отражение — несущая конструкция. Именно оно визуально удваивает туман и контровой свет, и именно это в значительной степени отличает средний рендер от действительно коммерческого результата — при абсолютно тех же инструкциях по свету матовая поверхность даст более плоский и менее премиальный результат.

Изменит ли prompt_extend то, что я написал? Он позволяет модели дополнять короткие промпты дополнительными описательными деталями перед рендером. Для такого конкретного промпта включённый режим редко заметно меняет результат — но для более коротких промптов он может добавить украшения, которых вы не просили, поэтому если вам нужно строгое дословное следование, отключите его.

Если вы создаёте библиотеку продуктовых кадров, документация wan2.7-video/image-to-video также охватывает вариант с референсным видео для сохранения согласованности субъекта между несколькими промптами — на это стоит взглянуть, когда одного демонстрационного ролика недостаточно.