Wan 2.7 AI 视频生成器

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 Thinking Mode planning studio with first and last keyframe boards

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

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 AI 视频生成器功能亮点

Wan gallery of keyframe transitions, complex compositions, and reference-consistent clips

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。

Workflow

如何用 Wan 2.7 创作 AI 视频

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

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

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

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

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

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 Thinking Mode workflow with first frame, last frame, references, and planning path

Use cases

Wan 2.7 最适合的创作场景

Wan product reveal planning with first and last keyframe cards

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

Wan creator planning scene with references, keyframes, and reasoning sketches

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

Wan complex cinematic scene planning with keyframes and spatial composition sketches

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

Wan social video planning with vertical keyframe pairs and transition diagrams

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

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

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。