Wan 2.7 文生视频提示词配方：3 个可直接复制的提示词及真实输出

文生视频是提示词创作的深水区。使用图生视频时，你给模型一帧画面，只需描述运动——我们已在这里介绍过那套方法。而文生视频没有画面：一段文字必须承载场景、主体的表演、镜头、视觉风格，而且——由于 wan2.7 原生生成音频——还要承载配乐。

本指南为你提供三个可直接复制的提示词配方，用于 wan2.7-video/text-to-video，即阿里巴巴通义万相 2.7 文生视频模型，每个配方对应文生视频提示词必须完成的一项任务：一个照片级真实场景、一种锁定的视觉风格，以及一个带有叙事回报的镜头运动。下面每个片段都是其旁边所印提示词的真实、一次性输出，通过 hiapi 任务 API 生成——没有跨种子挑选，没有重试。三个片段合计花费 $1.84。

请求结构（请先阅读）

wan2.7 文生视频运行在 hiapi 的异步任务端点上，输入出奇地小——只有三个字段：

• prompt——整部电影：场景、动作、镜头、风格、声音。
• resolution——枚举值：720P 或 1080P，没有其他选项。
• duration——以秒为单位，上限为 15。

没有媒体数组、没有宽高比旋钮、没有负面提示词字段。与 i2v 姐妹模型不同，这里没有任何内容需要上传——这正是提示词必须更努力工作的原因。

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
    }
  }'

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。关于返回内容，有两点值得了解：

• 文件包含真实的音轨。本文每个片段都以 H.264、30 fps 交付，并带有根据提示词中的声音线索生成的 AAC 音频——我们检查了电平，它不是静音的占位音轨。
• 输出 URL 会过期。任务成功后立即下载文件并存储在你自己的存储桶中——如果不这样做会发生什么，请看这里。

配方 1：照片级真实场景

基础技能：制作五秒钟看起来像实拍素材而非“AI 视频”的内容。配方是一个有序堆栈——场景、主体动作、背景生活、镜头、声音、镜头风格——每一项一个从句：

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.

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

一次性输出：

观察模型对每一层做了什么：锅中的火焰和蒸汽持续动画，路人作为失焦形状穿过画面，恰好位于提示词安排的位置（“背景中的柔和散景”），推镜是真实的——到第四秒时锅已占满画面。打开声音：滋滋声浮在人群低语之上，直接来自音频从句。结构性技巧是每个元素恰好得到一个从句，镜头恰好得到一条指令。照片级真实提示词最常因拥挤而失败——一段文字里塞进三个镜头想法和一套天气系统——而不是因为缺少细节。

配方 2：锁定的风格

文生视频的第二种用途：媒介本身就是信息的风格化内容。配方是以风格声明开篇，然后让每个物体都留在那个材质世界中——并让音频与风格匹配：

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.

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

一次性输出：

风格在每一帧中都得以保持：海浪明显是层叠的纸板彼此滑过，鲸鱼喷出的是白色纸屑而非水，金箔太阳在光线掠过时保持其褶皱质感。动作链按所写顺序执行——鲸鱼浮出、喷气、潜回水下——这就是你在五秒片段中的时间线控制。两条规则支撑此配方：在第一句声明风格（埋在提示词中部的风格词会向写实感渗透），以及将每种物理效果转化为媒介——要求“纸屑”而非“水花”，是风格与滤镜之间的区别。

配方 3：带有叙事回报的镜头运动

纯粹的镜头作者性：场景只是布景，镜头就是内容。命名运动，给它一条轨迹，并且——大多数提示词跳过的部分——给它一个结局：

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.

参数：resolution: 1080P、duration: 5——花费 $0.835。

一次性输出：

该片段有真实的弧线：四秒在峡谷中倾斜穿行，近处墙壁带有运动模糊，然后拉升完成揭示——阳光照耀的沙漠一直延伸到地平线。那条弧线来自提示词的形状：低空竞速 → 随峡谷曲线倾斜 → 拉升 → 以揭示。有目的地的轨迹每次都胜过一堆镜头形容词。注意音频指导——"合成器渐强在揭示时展开"将声音设计绑定到镜头的叙事节拍，这是只有原生音频模型才能从单一提示词中执行的事情。

速查表

五条规则，提炼自这些运行以及那些未入选本文的尝试：

1. 句子顺序就是你的时间线。wan2.7 按所写顺序播放动作——像舞台指示一样排列提示词，而非像描述。
2. 以风格开头。第一句设定渲染模式；写实感是默认值，风格词必须尽早胜过它。
3. 每个片段一条镜头指令。推镜、或 FPV 飞行、或固定机位。堆叠的运动相互抵消成糊状。
4. 写出配乐。一个音频从句——什么响、什么在底下——就能免费获得带配乐的片段。提示词中的沉默不意味着输出中的沉默；它意味着模型在猜测。
5. 给运动一个目的地。“拉升越过边缘以揭示平原”产生弧线；“动态无人机航拍”产生漫游。

费用是多少

wan2.7-video/text-to-video 按输出视频每秒计价，费率由分辨率决定：

分辨率	价格	5 秒片段	15 秒片段（最长）
720P	$0.10 / 秒	$0.50	$1.50
1080P	$0.167 / 秒	$0.835	$2.505

本文中的三个片段——十秒 720P 加五秒 1080P，全部带原生音频——总花费 $1.84，而且由于任务在服务器端并行运行，整批文件在首次提交后约六分钟内全部落盘。当前费率始终在定价页面上。

试一试

如果你已经有一张喜欢的画面，wan2.7-video/image-to-video 以相同的每秒价格为其添加动画——i2v 配方文章是本文的姊妹篇。对于一切你能描述但尚未拍摄的内容，取上面任意提示词，更换名词，然后提交到任务 API——wan2.7-video/text-to-video 模型页面有实时参数参考。720P 初稿花费 $0.50，几分钟内返回；把 1080P 留给经得起考验的提示词。