Wan 2.7

Wan 2.7 AI 视频生成器

Wan 2.7 是阿里巴巴推出的开源旗舰 AI 视频模型,在视频一致性、运动流畅度和提示词遵循方面综合表现业界领先。支持文生视频、图生视频(首帧或首尾帧控制)、参考视频和视频编辑四种模式,以全模态输入和精准的首尾帧过渡能力,满足从快速原型到可发布内容的各类创作需求。

首尾帧精确控制:上传起始图和结束图,生成流畅的两帧间过渡运动参考视频引导:从参考视频继承镜头运动节奏和场景氛围视频编辑模式:上传源视频用提示词精准修改局部画面开源旗舰架构,视频一致性和运动流畅度业界领先

Wan 2.7

阿里巴巴开源旗舰模型。Wan 2.7 以首尾帧过渡和参考视频引导为核心优势,视频编辑模式可对已有素材进行精准局部改写,适合需要精确控制视频起终点的创作场景。

Wan 2.7 首尾帧控制预览

指定精确的起始帧和结束帧,Wan 2.7 在两帧之间生成流畅的过渡运动。

播放模板视频
Wan 2.7 首尾帧控制预览

Wan 2.7

Wan 2.7 首尾帧控制预览

指定精确的起始帧和结束帧,Wan 2.7 在两帧之间生成流畅的过渡运动。

Wan 2.7 首尾帧控制预览 1
Wan 2.7 首尾帧控制预览 2

Wan 2.7 AI 视频生成器功能亮点

精准首尾帧控制:掌控视频的起点和终点

Wan 2.7 图生视频模式支持同时上传起始帧图片和结束帧图片,模型在两帧之间自动生成流畅的运动过渡,确保视频的第一帧和最后一帧与指定图片完全匹配。这种首尾帧控制能力特别适合产品揭示动画、场景切换过渡和有明确视觉起终点需求的创意内容。

参考视频引导:继承运动风格和场景氛围

Wan 2.7 支持以参考视频作为生成约束,模型从参考视频中提取镜头运动节奏、场景氛围和视觉风格,并将这些特征应用于新内容的生成。参考视频可与文本提示词共同使用,在传递风格意图的同时保持对生成内容的文本控制,适合需要复现特定视觉风格的创作场景。

视频编辑模式:非破坏性局部改写

Wan 2.7 视频编辑模式接收源视频和修改描述,在保留源视频原始运动结构的前提下,对提示词指向的画面区域进行精准改写。无需重新拍摄或从头生成,通过文本描述即可完成服装颜色更换、背景场景替换或产品外观升级,显著降低素材迭代成本。

开源旗舰架构:视频一致性和运动流畅度

Wan 2.7 基于阿里巴巴开源的旗舰视频生成架构,在视频帧间一致性、运动流畅度和提示词遵循度方面均有出色表现。开源架构也意味着广泛的社区验证和持续的技术迭代,在商业和创意内容制作中均具备稳定可靠的生成质量。

如何用 Wan 2.7 创作 AI 视频

01

选择生成模式:文生视频、图生视频(首帧 / 首尾帧)、参考视频或视频编辑

02

文生视频撰写完整提示词,包含主体、场景、镜头方向、光线和运动描述

03

图生视频上传起始帧图片,需要首尾帧控制时同时上传结束帧图片

04

参考视频模式上传参考视频素材,配合文本提示词约束生成内容

05

视频编辑模式上传源视频和修改目标描述,保留运动结构修改局部外观

06

查看积分预估后提交任务,完成后在历史记录中查看和下载结果

Wan 2.7 最适合的创作场景

Wan 2.7 最适合的创作场景

01

产品发布动画:首尾帧控制生成产品从包装到展示状态的揭示动画,适合电商落地页

02

广告素材批量迭代:视频编辑模式快速修改已有广告视频的服装、背景或产品细节

03

建筑和室内可视化:首尾帧指定入口和出口空间,生成流畅的建筑漫游镜头

04

社媒内容升级:对已发布视频进行局部 AI 改写,降低素材重拍成本

05

场景风格迁移:用参考视频传递特定电影风格或品牌视觉调性给新生成的内容

06

时间流逝效果:首尾帧指定白天和夜晚场景,生成光线和氛围渐变的过渡视频

Wan 2.7 提示词和素材技巧

首尾帧模式下,两张图片的构图和主体位置越接近,过渡运动越自然流畅
参考视频的镜头运动越稳定清晰,Wan 2.7 继承运动风格的精度越高
视频编辑时提示词精确描述"要改变什么",避免描述"最终结果应该是什么"
首尾帧过渡的时长设置为 5–8 秒,过短会让过渡显得急促,过长则容易偏离
文生视频任务把主体运动方向和结尾画面写在提示词末尾,效果更稳定

如何使用 Wan 2.7

首尾帧任务先确认两张图片的视觉连贯性,起始图与结束图的场景越相关,过渡越合理
参考视频模式选择运动稳定、构图清晰的参考素材,有助于提高风格继承的准确度
视频编辑任务上传高质量源视频,提示词聚焦描述修改目标而非重新描述整段视频
文生视频任务把场景氛围、主体特征和镜头运动分三个层次写入提示词
所有生成结果存入 Lovimg 历史记录,优质片段可用作参考视频引导下一轮创作

Wan 2.7 常见问题

Wan 2.7 图生视频的首帧和首尾帧模式如何区分?

上传一张图片时按首帧处理,模型以该图片作为视频起点向后生成运动内容。同时上传起始图和结束图时按首尾帧模式处理,模型在两帧之间生成流畅过渡。首尾帧模式给予创作者对视频终点的精确控制,适合有明确视觉目标的内容。

Wan 2.7 的视频编辑和参考视频有什么区别?

视频编辑模式将源视频本身作为被修改的对象,用提示词或参考图描述修改目标,在保留原始运动的前提下改写指定画面区域。参考视频模式将参考视频作为风格和运动节奏的约束来源,生成的是一段新视频,而非对源视频的直接修改。

Wan 2.7 是开源的吗?

Wan 2.7 基于阿里巴巴开源的旗舰视频生成模型架构,其核心技术公开发布并经过广泛的社区验证。在 Lovimg 上使用的是托管版本,具备稳定的 API 调用和积分计费体系,无需自行部署模型环境。

首尾帧过渡对两张图片有什么要求?

两张图片的场景内容越相关、主体位置越接近,过渡运动越自然。建议起始图和结束图使用相同或相似的场景背景,主体处于可连续运动的合理位置。画面内容差异过大(如完全不同的场景)会导致模型生成不自然的硬切换而非流畅过渡。

Wan 2.7 和 HappyHorse 1.0 都有视频编辑模式,有什么区别?

两者的视频编辑核心逻辑相似,但由不同的底层模型处理,生成风格和对特定内容的处理能力存在差异。Wan 2.7 以开源旗舰架构见长,在运动一致性和视频连贯性方面表现突出;HappyHorse 1.0 在多模态参考素材的综合处理上更为灵活。建议对同一任务分别尝试,选择更符合预期的结果。

生成的视频存在哪里?

所有 Wan 2.7 生成和编辑结果自动归档到 Lovimg 历史记录,支持按模型和生成类型筛选,可随时查看、下载,或将历史结果作为参考视频素材用于新一轮任务。