WAN 2.7 Video Prompt Guide
WAN 2.7 Video Prompt Guide: WAN 2.7 Video ist Alibabas Flaggschiff-Videomodell auf PixelDojo. Es bietet Text-to-Video, Image-to-Video und einen Video-Extend-Modus, der bestehende Clips fortsetzt. 720p (2 Credits/s) und 1080p (3 Credits/s), 2-15 Sekunden Laufzeit, 5 Seitenverhältnisse und integrierte Prompt-Optimierung.
WAN 2.7 Video ist das Spitzenmodell der WAN-Familie und Alibabas Flaggschiff für die Videogenerierung. Was es auszeichnet: drei eigenständige Modi in einem Modell. Text-to-Video erstellt Videos aus einem Prompt, Image-to-Video animiert ein Startbild und Video-Extend setzt bestehende Clips fort. Dazu kommen Laufzeiten von 2 bis 15 Sekunden und eine integrierte Prompt-Optimierung.
Zwei Auflösungsstufen (720p für 2 Credits/s, 1080p für 3 Credits/s) und fünf Seitenverhältnisse: 16:9 für Kino-Look, 9:16 für Hochformat, 1:1 für quadratische Social-Clips, 4:3 / 3:4 für klassische Fotoformate. Bis zu 15 Sekunden in einem einzigen Clip, länger als bei den meisten Videomodellen auf PixelDojo.
3
Modi (T2V · I2V · Extend)
2-15s
Laufzeitbereich
720p · 1080p
Auflösungsstufen
Text-to-Video erstellt Videos allein aus einem Prompt. Image-to-Video animiert ein Startbild nach deinem Prompt. Video-Extend nimmt einen bestehenden Clip und setzt ihn fort. Ideal, um aus kurzen Clips längere Geschichten zu machen, ohne das Original neu zu rendern.
720p (2 Credits/s) für Varianten und Social Content. 1080p (3 Credits/s) für Hero-Shots, atmosphärische Szenen und Produktaufnahmen mit aufwendigen Materialdetails. 1080p kostet 50% mehr, lohnt sich aber meist für den finalen Render.
WAN 2.7 unterstützt bis zu 15 Sekunden in einem Clip. Die meisten Videomodelle enden bei 6 oder 10. Ideal für atmosphärische Szenen, die Raum brauchen, Sequenzen mit mehreren Einstellungen oder Handlungsmomente, die nicht in 5 Sekunden passen.
Gib ein Quellvideo und einen Prompt vor. WAN 2.7 erstellt eine Fortsetzung, die am letzten Frame ansetzt. So wird aus einem gelungenen 5-Sekunden-Clip eine Sequenz von 10-15 Sekunden, ohne das Original neu zu rendern.
Zu jedem Beispiel siehst du den genauen Prompt, mit dem das Ergebnis entstanden ist. Kopiere jeden Prompt mit einem Klick.
1080p · 16:9 · 8s · 24 Credits
Vibrant cinematic establishing shot drifting forward over a futuristic coastal city at golden hour, neon-lined boardwalks, glass towers reflecting amber light, distant ocean waves crashing, warm sunset color grade, the camera moves at a very slow forward dolly, hyper-detailed 8k
Establishing Shots im Kino-Look profitieren von 1080p. Atmosphärische Details wie Wellen, Neonreflexionen und entfernte Türme leiden bei 720p unter der Komprimierung. Kombiniere das 16:9-Breitbild mit EINER dominanten Kamerabewegung, etwa einer langsamen Vorwärtsfahrt, einer Kranfahrt nach oben oder einer Rückwärtsfahrt. Das Timing übernimmt WAN.
720p · 4:3 · 5s · 10 Credits
Medium close-up of a young woman with curly auburn hair sitting at a sunlit cafe window, she lifts a porcelain teacup to her lips, takes a slow sip, then turns her head toward the camera with a soft smile, shallow depth of field, warm afternoon light, hyper-detailed skin texture and fabric weave
Das 4:3-Format gibt Porträt-Nahaufnahmen einen leicht klassischen Look. WAN 2.7 setzt kleine Handlungsabläufe sauber um: „hebt die Tasse, nimmt einen Schluck, dreht den Kopf, lächelt“. 720p reicht für Charakter-Nahaufnahmen völlig aus. Spare die zusätzlichen Credits für atmosphärische Szenen.
1080p · 1:1 · 6s · 18 Credits
Studio product shot of a matte-black ceramic coffee mug on a polished walnut surface, steam curling upward, the camera does a slow 90-degree rotational pan around the mug, soft top-down rim lighting against a charcoal gradient backdrop, photoreal advertising quality
Quadratisches 1:1 in 1080p mit einer klar benannten Kamerabewegung, etwa einer kreisenden Kamerafahrt, einer Vorwärtsfahrt oder einer Rückwärtsfahrt: So sieht der klassische Produktspot aus. WAN 2.7 stellt Materialtexturen wie matte Keramik, poliertes Walnussholz und gebürstetes Metall in 1080p sauber dar.
1080p · 21:9 auf 16:9 zugeschnitten · 10s · 30 Credits
Wide cinematic landscape of a misty Norwegian fjord at dawn, mountain peaks emerging through low fog, a single distant fishing boat leaves a thin wake on glassy water, the camera does a very slow forward dolly, cool blue-green palette with warm amber highlight on one peak, sounds of distant water and gentle wind
Atmosphärische 10-Sekunden-Clips profitieren von 1080p: Nebel, Wasseroberflächen und Details in der Ferne bleiben erhalten. Setze auf eine langsame Kamerabewegung und einen warmen Farbakzent, der die kühle Palette aufbricht. 16:9-Breitbild passt hier ideal. Ultrabreites 21:9 wird nicht nativ unterstützt, 16:9 ist also dein breitestes Format.
720p · 16:9 · 12s · 24 Credits
12-second action sequence. Shot 1: low-angle of a parkour runner sprinting toward a rooftop edge, wind whipping their jacket. Shot 2: mid-air shot of the runner leaping across a gap between buildings, city lights blurred behind. Shot 3: landing roll into a sprint that continues offscreen. Dynamic handheld camera throughout.
12s geben WAN 2.7 Raum für eine echte Sequenz aus mehreren Einstellungen: drei klar getrennte Handlungsmomente mit sauberen Schnitten. 720p reicht für Action, bei Kino-Atmosphäre glänzt 1080p. Benenne jede Einstellung klar („Shot 1: ... Shot 2: ...“), damit die Schnitte sauberer werden.
Text-to-Video, wenn du nur einen Prompt hast. Image-to-Video, wenn du ein starkes Startbild animieren willst. Video-Extend, wenn du einen 5-10 Sekunden langen Clip ohne erneutes Rendern auf 15s verlängern willst. Für alle drei gilt dieselbe Prompt-Sprache.
1080p erhält Nebel, Wasser, Laub und Materialtexturen. 720p reicht für menschliche Bewegungen, Charakter-Nahaufnahmen und die meisten Prompts, bei denen Bewegung wichtiger ist als feine Details. 20% mehr Credits für 1080p: Entscheide nach Einsatzzweck.
Mit 2-15s bietet WAN 2.7 mehr Spielraum als die meisten Videomodelle. Nutze 8-12 Sekunden für atmosphärische Szenen, die Raum brauchen, und 10-15s für echte Sequenzen mit mehreren Einstellungen. Bleib nicht standardmäßig bei 5s, wenn deine Geschichte mehr Zeit braucht.
„Langsame Vorwärtsfahrt“, „Kranfahrt nach oben“, „90-Grad-Schwenk“, „mit Handkamera folgen“: WAN nimmt diese Angaben wörtlich. Kombinierte Bewegungen wie „vorwärtsfahren, dann nach links schwenken“ führen meist zu unklaren Ergebnissen. Die Regel: eine Bewegung pro Einstellung.
Clips mit 10-15s profitieren von einer klaren Struktur: „Shot 1: ... Shot 2: ... Shot 3: ...“. WAN 2.7 setzt Schnitte sauber um, wenn du sie benennst. Einen einzigen Handlungsmoment auf 15s zu strecken, verschenkt Laufzeit. Nutze mehrere Einstellungen oder wähle einen kürzeren Clip.
WAN wurde auf einen offiziellen chinesischen Negativ-Prompt abgestimmt. Er funktioniert am besten, wenn du ihn unverändert lässt. Untertitel blockiert er bereits. Tauchen trotzdem unerwünschter Text oder Wasserzeichen auf, hänge 文字，水印，logo an. Den vollständigen Standard-Prompt findest du im Abschnitt zum Negativ-Prompt in diesem Guide.
Das Startbild liefert bereits Motiv, Szene und Stil. Nutze deinen Prompt nur für Bewegung und Kamera. Das Aussehen erneut zu beschreiben, verschwendet Tokens und kann dazu führen, dass sich das Ergebnis von deinem Bild entfernt.
WAN wurde auf einen offiziellen Standard-Negativ-Prompt abgestimmt, der auf Chinesisch verfasst ist. Das Modell hat im Training genau diese Formulierungen gelernt und reagiert darauf zuverlässiger als auf englische Übersetzungen. Behalte den Standard bei und lass ihn auf Chinesisch.
Hier ist der vollständige Standard-Prompt: 色调艳丽，过曝，静态，细节模糊不清，字幕，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走
Er deckt die häufigsten Fehler bereits ab: Übersättigung, Überbelichtung, statische Bilder, unscharfe Details, fehlerhafte Hände, zusätzliche Finger, verformte Gliedmaßen, unruhige Hintergründe und Untertitel (字幕 ist enthalten). Siehst du trotzdem unerwünschten Text, Wasserzeichen oder Logos im Ergebnis, hänge 文字，水印，logo an. Ändere den Rest nicht.
WAN 2.7 erzeugt zusammen mit dem Video eine Tonspur. Beschreibe die gewünschte Klangkulisse im positiven Prompt: Dialoge, Umgebungsgeräusche und konkrete Soundeffekte. „Fernes Wasserrauschen und sanfter Wind“ oder „die Espressomaschine zischt im Hintergrund“ werden sauber umgesetzt.
Musik steuerst du über den positiven Prompt, nicht über den Negativ-Prompt. Lass Musikbegriffe aus dem Negativ-Prompt heraus. Soll die Szene ohne Musik bleiben, ergänze deinen Prompt um „No background music.“. Für Musik fragst du gezielt danach, etwa mit „spannungsvolle Hintergrundmusik“.
Für gesprochene Dialoge mit Lippensynchronisation schreibst du zuerst den Handlungssatz, dann den Text in diesem Format: [Name, Tonfall]: „Text“. Beispiel: Der Agent schlägt mit der Hand auf den Tisch. [Agent im schwarzen Anzug, wütend]: „Wo ist die Wahrheit?“
Gib jeder sprechenden Figur einen eindeutigen Namen und kennzeichne Dialogzeilen nie mit einem Pronomen. WAN ordnet jede Zeile anhand des Namens einer Figur zu. Kurze Zeilen mit unter 10 Wörtern von jeweils einer Figur lassen sich am besten synchronisieren.
| Einstellung | Werte | Hinweise |
|---|---|---|
| Modus | text-to-video · image-to-video · video-extend | I2V braucht first_frame_image; Video-Extend braucht ein Quellvideo. |
| Auflösung | 720p (2 cr/s) · 1080p (3 cr/s) | 1080p kostet 50% mehr. Lohnt sich für atmosphärische Clips oder solche mit vielen Materialdetails. |
| Dauer | 2-15 seconds (integer) | Länger als bei den meisten Videomodellen. Nutze 8-12s für atmosphärische Clips, 10-15s für mehrere Einstellungen. |
| Seitenverhältnis | 16:9 · 9:16 · 1:1 · 4:3 · 3:4 | 5 Voreinstellungen für gängige Ausgabeformate. |
| Negativ-Prompt | string (optional, max 500 chars) | Die Standardeinstellung passt für die meisten Prompts. |
| Prompt-Erweiterung | On / Off | Optionale Prompt-Erweiterung durch WAN. Teste beide Varianten. Manchmal liefert die deaktivierte Erweiterung sauberere Ergebnisse. |
720p (2 cr/s) für Varianten, Social-Posts, Charakteraufnahmen und menschliche Bewegungen. Dafür reicht die Detailtreue völlig aus. 1080p (3 cr/s) für atmosphärische Szenen mit Nebel, Wasser oder Laub, Produktaufnahmen mit detaillierten Materialien und Hero-Clips. Die 50% zusätzlichen Credits lohnen sich meist für den finalen Render.
Gib einen bestehenden Videoclip und einen Prompt vor. WAN 2.7 generiert eine Fortsetzung, die am letzten Frame ansetzt. Das Ergebnis ist ein einziges Video mit fließendem Übergang vom Original zur Verlängerung. So wird aus einem gelungenen 5-Sekunden-Clip ein Video von 10-15 Sekunden, ohne das Original neu zu rendern.
2 bis 15 Sekunden, in ganzen Sekunden. Mit maximal 15 Sekunden bietet WAN 2.7 mehr Laufzeit als die meisten Videomodelle. Seedance, Kling und Hailuo haben alle kürzere Limits. Ideal, wenn du eine durchgehende Aufnahme ohne Schnitt brauchst oder eine Sequenz mit mehreren Einstellungen, die nicht in 6-10 Sekunden passt.
Ja. WAN 2.7 erzeugt zum Video eine passende Tonspur: Dialoge, Umgebungsgeräusche und Effekte, die du im Prompt beschreibst. Musik kommt nur dazu, wenn du sie anforderst. Mit „No background music.“ bleibt sie aus. Image-to-Video akzeptiert außerdem optional eine Audiodatei als Vorgabe (wav oder mp3, bis zu 15MB), um die Lippen mit deiner eigenen Aufnahme zu synchronisieren.
Fünf Vorlagen: 16:9 (Querformat im Kino-Look), 9:16 (vertikale Reels), 1:1 (quadratische Social-Clips), 4:3 (klassisches Fotoformat), 3:4 (Hochformat-Porträt). Kein ultrabreites 21:9. Nutze dafür Seedance 2 oder wähle 16:9 und schneide das Video später zu.
Ja. WAN 2.7 Video findest du in der Modellauswahl von Canvas unter 'animate'. Der öffentliche API-Endpunkt ist /api/v1/models/wan-2.7-video/run mit den Feldern prompt, mode (text-to-video / image-to-video / video-extend), resolution, duration, aspect_ratio, first_frame_image (I2V), source_video (extend), negative_prompt und prompt_enhance.