Guía de prompts de video para WAN 2.7
En esta guía de prompts de video para WAN 2.7 descubrirás el modelo estrella de Alibaba en PixelDojo, WAN 2.7 Video: texto a video, imagen a video y un modo de extensión que continúa un clip existente. 720p (2 créditos/s) y 1080p (3 créditos/s), duraciones de 2-15 segundos, 5 relaciones de aspecto y mejora de prompts integrada.
WAN 2.7 Video es el modelo más avanzado de la familia WAN, el buque insignia de Alibaba para generar video. Su punto fuerte: tres modos distintos en un solo modelo. Texto a video para crear a partir de un prompt, imagen a video para animar un fotograma inicial y extensión de video para continuar un clip existente. Todo con duraciones de 2 a 15 segundos y mejora de prompts integrada.
Dos niveles de resolución: 720p a 2 créditos/s y 1080p a 3 créditos/s. Cinco relaciones de aspecto: 16:9 para cine, 9:16 para vertical, 1:1 para publicaciones cuadradas en redes y 4:3 / 3:4 para proporciones fotográficas tradicionales. Hasta 15 segundos en un solo clip, más que la mayoría de los modelos de video de PixelDojo.
3
Modos (T2V · I2V · Extensión)
2-15s
Rango de duración
720p · 1080p
Niveles de resolución
Texto a video crea la escena solo con un prompt. Imagen a video anima un fotograma inicial según tu prompt. Extensión de video toma un clip existente y genera su continuación, ideal para convertir clips cortos en historias más largas sin volver a renderizar.
720p (2 créditos/s) para probar versiones y crear para redes. 1080p (3 créditos/s) para planos protagonistas, escenas de atmósfera y videos de producto donde los materiales importan. 1080p cuesta un 50% más, una diferencia que suele compensar en el render final.
WAN 2.7 admite hasta 15 segundos en un solo clip. La mayoría de los modelos de video se quedan en 6 o 10. Ideal para escenas de atmósfera que necesitan respirar, secuencias de varios planos o momentos narrativos que no caben en 5 segundos.
Añade un video de origen y un prompt. WAN 2.7 genera una continuación desde el último fotograma. Perfecto para convertir ese clip de 5 segundos que te encanta en una secuencia de 10-15 segundos sin volver a renderizar el original.
Cada ejemplo incluye el prompt exacto con el que se creó el resultado. Copia cualquier prompt con un clic.
1080p · 16:9 · 8s · 24 créditos
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
Los planos generales cinematográficos ganan con 1080p: los detalles de atmósfera, como olas, reflejos de neón y torres lejanas, pierden calidad con la compresión a 720p. Combina el formato panorámico 16:9 con UN movimiento de cámara dominante, como «travelling lento hacia delante», «ascenso de grúa» o «retroceso de cámara», y deja que WAN marque el ritmo.
720p · 4:3 · 5s · 10 créditos
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
El formato 4:3 da un aire ligeramente clásico a los primeros planos de retrato. WAN 2.7 interpreta bien las pequeñas acciones: «levanta la taza, da un sorbo, gira la cabeza, sonríe» se reproduce con claridad. 720p sobra para primeros planos de personajes. Reserva los créditos extra para escenas de atmósfera.
1080p · 1:1 · 6s · 18 créditos
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
Formato cuadrado 1:1 a 1080p y un movimiento de cámara bien definido, como una panorámica de rotación, un travelling de acercamiento o un retroceso: la fórmula clásica del anuncio de producto. WAN 2.7 reproduce con precisión las texturas de los materiales a 1080p, desde cerámica mate hasta nogal pulido y metal cepillado.
1080p · 21:9 recortado a 16:9 · 10s · 30 créditos
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
Los clips de atmósfera de 10 segundos ganan con 1080p: conservan la niebla, la superficie del agua y los detalles lejanos. Usa un movimiento lento de cámara y un elemento cálido que rompa la paleta fría. El panorámico 16:9 encaja de forma natural. El ultrapanorámico 21:9 no tiene soporte nativo, así que 16:9 es tu opción más ancha.
720p · 16:9 · 12s · 24 créditos
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 dan a WAN 2.7 espacio para una auténtica secuencia de varios planos: tres momentos distintos con cortes limpios. 720p basta para la acción; 1080p brilla en la atmósfera cinematográfica. Identifica cada plano con claridad («Plano 1: ... Plano 2: ...») para conseguir cortes más limpios.
Texto a video si solo tienes un prompt. Imagen a video si tienes un buen fotograma inicial que quieres animar. Extensión de video si tienes un clip de 5-10 segundos y quieres llevarlo a 15s sin volver a renderizar. El lenguaje del prompt es el mismo en los tres modos.
1080p conserva la niebla, el agua, el follaje y las texturas de los materiales. 720p basta para acción humana, primeros planos de personajes y la mayoría de los prompts donde el movimiento pesa más que el detalle fino. 1080p consume un 20% más de créditos. Elige según el uso.
El rango de 2-15s de WAN 2.7 es más amplio que el de la mayoría de los modelos de video. Usa 8-12 segundos para escenas de atmósfera que necesitan respirar y 10-15s para verdaderas secuencias de varios planos. No te quedes en 5s por costumbre si tu historia pide más.
«Travelling lento hacia delante», «ascenso de grúa», «panorámica de rotación de 90 grados», «seguimiento con cámara en mano»: WAN interpreta estas instrucciones al pie de la letra. Combinar movimientos, como «acercamiento y después panorámica a la izquierda», suele dar resultados confusos. La regla: un movimiento por plano.
Los clips de 10-15s funcionan mejor con una estructura clara: «Plano 1: ... Plano 2: ... Plano 3: ...». WAN 2.7 genera cortes limpios cuando los indicas. Estirar un solo momento hasta 15s desaprovecha la duración. Usa varios planos o elige un clip más corto.
WAN se ajustó con un prompt negativo oficial en chino y funciona mejor si lo dejas tal cual. Ya bloquea los subtítulos. Si aparece texto suelto o marcas de agua, añade 文字，水印，logo al final. Encontrarás el texto predeterminado completo en la sección de prompts negativos de esta guía.
La imagen inicial ya define el sujeto, la escena y el estilo. Dedica el prompt solo al movimiento y a la cámara. Volver a describir la apariencia gasta tokens y favorece transformaciones que se alejan de tu imagen.
WAN se ajustó con un prompt negativo oficial predeterminado escrito en chino. El modelo aprendió esas frases exactas durante el entrenamiento, por eso responde a ellas con más fiabilidad que a sus traducciones al inglés. Mantén el prompt predeterminado tal cual y en chino.
Este es el texto predeterminado completo: 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
Ya cubre los fallos habituales: sobresaturación, sobreexposición, fotogramas estáticos, detalles borrosos, manos mal generadas, dedos de más, extremidades deformadas, fondos recargados y subtítulos, pues incluye 字幕. Si aún aparece texto suelto, marcas de agua o logotipos en el resultado, añade 文字，水印，logo al final. No reescribas el resto.
WAN 2.7 genera una pista de audio junto con el video. Describe el paisaje sonoro que buscas en el prompt positivo: diálogos, ambiente y efectos de sonido concretos. Interpreta bien tanto «sonido de agua lejana y viento suave» como «la cafetera de espresso sisea de fondo».
La música se controla desde el prompt positivo, no desde el negativo. No incluyas términos musicales en el prompt negativo. Para una escena sin música, añade la frase «No background music.» al prompt. Si quieres música, pídela directamente, por ejemplo: «música de fondo de suspense».
Para diálogos con sincronización labial, escribe primero la acción y después la frase con este formato: [Nombre, tono]: "frase". Ejemplo: El agente golpea la mesa con la mano. [Agente de traje negro, furioso]: "¿Dónde está la verdad?"
Asigna un nombre único a cada hablante y nunca identifiques una intervención con un pronombre. WAN vincula cada frase con un personaje por su nombre. Las frases cortas de un solo hablante, de menos de 10 palabras, se sincronizan mejor.
| Ajuste | Valores | Notas |
|---|---|---|
| Modo | text-to-video · image-to-video · video-extend | I2V requiere first_frame_image; video-extend requiere un vídeo de origen. |
| Resolución | 720p (2 cr/s) · 1080p (3 cr/s) | 1080p cuesta un 50% más. Merece la pena para clips con mucha atmósfera o protagonismo de los materiales. |
| Duración | 2-15 seconds (integer) | Más duración que la mayoría de los modelos de vídeo. Usa 8-12s para crear atmósfera y 10-15s para secuencias de varios planos. |
| Relación de aspecto | 16:9 · 9:16 · 1:1 · 4:3 · 3:4 | 5 opciones predefinidas que cubren los formatos habituales. |
| Prompt negativo | string (optional, max 500 chars) | La opción predeterminada funciona con la mayoría de los prompts. |
| Mejora del prompt | On / Off | Ampliación opcional del prompt por parte de WAN. Prueba con ella y sin ella; a veces, desactivarla da resultados más limpios. |
720p (2 cr/s) para probar versiones, publicar en redes, trabajar con personajes y crear acción humana. Ofrece calidad de sobra para esos usos. 1080p (3 cr/s) para escenas de atmósfera con niebla, agua o follaje, planos de producto con materiales detallados y clips protagonistas. El 50% extra de créditos suele compensar en el render final.
Añade un clip existente y un prompt. WAN 2.7 genera una continuación desde el último fotograma. El resultado es un único video que enlaza con fluidez el original y la extensión. Ideal para convertir un clip de 5 segundos que te gusta en uno de 10-15 segundos sin volver a renderizar el original.
Sí. WAN 2.7 genera una pista de audio acorde con el video: diálogos, sonido ambiente y los efectos que describas en el prompt. La música solo aparece si la pides, y la frase «No background music.» la mantiene fuera. Imagen a video también admite un archivo de audio opcional como guía (wav o mp3, hasta 15MB) para sincronizar los labios con tu propia grabación.
Cinco formatos predefinidos: 16:9 (horizontal cinematográfico), 9:16 (reels verticales), 1:1 (cuadrado para redes), 4:3 (fotografía tradicional / clásica), 3:4 (retrato vertical). No admite el ultrapanorámico 21:9. Para ese formato, usa Seedance 2 o elige 16:9 y recorta después.
Sí. WAN 2.7 Video aparece en el selector de modelos de Canvas, en 'animate'. El endpoint de la API pública es /api/v1/models/wan-2.7-video/run y admite los campos prompt, mode (text-to-video / image-to-video / video-extend), resolution, duration, aspect_ratio, first_frame_image (I2V), source_video (extend), negative_prompt y prompt_enhance.