Wan 2.7 图生视频提示词配方：3 个可复制粘贴的提示词与真实输出

图生视频是使用视频模型时杠杆率最高的方式：你通过一张静态图片锁定构图、灯光和主体，把模型的全部能力都花在运动上。问题在于，i2v 提示词本身就是一项独立技能——大多数适用于文生视频的提示词，都会浪费大量 token 去重新描述模型已经能看到的场景。

本指南为你提供三条可复制粘贴的提示词配方，用于 wan2.7-video/image-to-video，即阿里巴巴通义万相 2.7 图生视频模型，覆盖人们实际使用 i2v 的三类任务：产品运动、人像表演和镜头运动。下面嵌入的每个片段都是对应提示词的真实一次成片输出——通过 hiapi 任务 API 在标准 720P 档（每秒视频 $0.10）生成。输入帧也一并附上，因此你可以准确追踪模型得到了什么、又创造出了什么。

请求结构（请先阅读）

wan2.7 i2v 运行在 hiapi 的异步任务端点上。三个 schema 细节能帮你省下一轮 400 错误：

• media 是对象数组，不是裸 URL 字符串。每个对象需要 type 和 url。接受的类型有 first_frame、last_frame、driving_audio 和 first_clip——因此同一个端点就能覆盖普通首帧动画、首尾帧插值、音频驱动运动和片段延长。本文中的所有内容都只传入一个 first_frame。
• resolution 是枚举：720P 或 1080P，没有其他值。
• duration 以秒为单位，上限为 15。

图片 URL 必须可公开访问——平台在创建任务时会在服务端下载它。

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": "充电盒盖平滑向上打开，两枚哑光黑色耳机缓慢从盒中升起……",
      "media": [
        {"type": "first_frame", "url": "https://your-cdn.example/frame.jpg"}
      ],
      "resolution": "720P",
      "duration": 5
    }
  }'

响应会立即返回一个 taskId。轮询 GET /v1/tasks/{taskId} 直到 status 为 success，然后下载 output[0].url：

import requests, time

BASE = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}

task_id = requests.post(BASE, headers=HEADERS, json=payload).json()["data"]["taskId"]

while True:
    task = requests.get(f"{BASE}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] == "success":
        video = requests.get(task["output"][0]["url"]).content
        open("clip.mp4", "wb").write(video)
        break
    if task["status"] == "fail":
        raise RuntimeError(task.get("error"))
    time.sleep(10)

一条运维提示：output[0].url 是带 expireAt 时间戳的限时链接。任务成功后应立即下载文件并存入你自己的存储桶——如果不这样做会发生什么，请看这里。

配方 1：锁定机位下的产品运动

经典电商主图循环：产品在动，镜头不动。我们从这张 gpt-image-2 影棚拍摄的闭合耳机盒图片开始：

提示词：

充电盒盖平滑向上打开，两枚哑光黑色耳机缓慢从盒中升起，悬停在盒子上方，同时同步缓慢旋转。它们转动时，柔和的影棚光在其表面闪过。相机完全锁定不动；浅景深将焦点保持在耳机上。干净、高级的产品发布美学，无镜头运动。

参数：resolution: 720P、duration: 5——费用 $0.50。

一次成片输出：

模型自己创造了盒子内部和耳机本身——输入帧中两者都不存在——并在盒盖摆动时保持了大理石反射的连贯性。提示词中有两点起了关键作用：物体状态按顺序命名（盒盖打开 → 耳机升起 → 悬停 → 同步旋转），以及相机被明确要求什么都不做，而且说了两次（完全锁定不动……无镜头运动）。负面运动约束会被遵守；如果没有它们，i2v 模型往往会加入你并未要求的漂移或变焦。

配方 2：人像微表演

为人物制作动画正是 i2v 发挥价值的地方——选角、服装和灯光都已经由帧画面解决。输入同样来自 gpt-image-2：

提示词：

女子轻轻举起杯子，缓慢安静地啜饮一口，然后放下杯子，转头望向布满雨痕的窗外，露出柔和的微笑。热气从杯口袅袅升起；雨滴在她身后的玻璃上滑落。她移动时头发微微晃动。相机保持静止，焦点从杯子柔和地拉到她的脸上。温暖、从容、电影般的运动。

参数：resolution: 720P、duration: 5——费用 $0.50。

一次成片输出：

这里的配方是按明确顺序排列的两三个小动作链（举起 → 啜饮 → 放下 → 转头 → 微笑）。wan2.7 会按写出的顺序逐一执行，这正是让片段读起来像表演、而不是循环动态图的原因。另一半是次级运动：热气、雨滴和头发都很容易要求，而它们承载了大部分真实感。面部方向要温和（“柔和微笑”，而不是“大笑”）——细微表情能存活下来；夸张表情则是赌博。

配方 3：静态场景上的镜头运动

配方 1 的反面：世界静止，镜头旅行。输入帧——黄金时刻的宽阔海岸村庄：

提示词：

缓慢的电影式推近：相机在水面上方向前滑行，朝悬崖村庄推进，然后随着继续前进，平滑过渡为沿海岸线向右的轻柔平移。海浪拍打下方的岩石；海鸥缓慢掠过画面。黄金时刻的光线保持恒定。平滑、稳定的云台式运动，无剪辑。

参数：resolution: 720P、duration: 4——费用 $0.40。

一次成片输出：

将片段的最后一秒与输入帧对比：相机确实移动了——村庄充满画面，悬崖与背景山丘之间的视差是正确的，而不是虚假的 Ken Burns 变焦。模式是：命名运动、排列运动顺序、定义运动风格。“推近，然后向右平移”给了它轨迹；“云台式、无剪辑”设定了阻尼；“光线保持恒定”防止黄金时刻在你眼前变成延时摄影。

速查表

综合这些以及我们之前的运行，wan2.7 i2v 提示词遵循五条规则：

1. 帧是场景；提示词是运动。不要重新描述画面——只把画面中的名词用作动词的锚点（“盒盖”“杯子”“海岸线”）。
2. 每个片段只放一个主体表演 + 一条相机指令。把两类复杂度叠加起来，短片段就会变得混乱。
3. 按顺序写舞台指示。模型会按写出的顺序执行动作链——这就是你在 5 秒片段中的时间线控制。
4. 说明什么不能动。“相机保持锁定不动”和“光线保持恒定”会被遵守，并能抑制模型的默认漂移。
5. 用环境运动换取真实感。热气、雨、海浪、飞鸟——每项只需一个短句，感知质量回报很大。

费用

wan2.7-video/image-to-video 按标准的每秒计费，费率由输出分辨率决定：

分辨率	价格	5 秒片段	15 秒片段（最大）
720P	每秒 $0.10	$0.50	$1.50
1080P	每秒 $0.167	$0.835	$2.505

本文中的全部三个片段——14 秒完成的 720P 视频（在实际输出上测得为 1280×720、30 fps）——总计花费 $1.40，而且整批任务在提交后约九分钟内完成，因为任务在服务端并行运行。当前费率始终可在价格页面查看。

如果你想要运动效果但不想先找一张帧图，同系列的 wan2.7-video/text-to-video 以相同的每秒价格运行，并支持原生音频和同样的 15 秒上限——我们在短视频指南中做了端到端介绍。

试一试

任选上面三条提示词之一，换成你自己的首帧，几分钟内就能以远低于一美元的价格拿回一个片段。wan2.7-video/image-to-video 模型页面提供实时参数参考和交互式 playground——先从 4 秒 720P 片段（$0.40）开始，在提示词上迭代，然后再决定是否提交 1080P 渲染。