El modelo de vídeo con IA de Alibaba, con sonido y diálogos
Convierte una lista de planos en una escena terminada con WAN 2.7: 1080p, sonido y diálogos hablados, todo desde un solo prompt.
Creamos todos los clips de esta página con WAN 2.7 en Pixel Dojo: una escena de ciencia ficción de tres planos, un recorrido en moto entre neones bajo la lluvia, una llamada por radio en plena tormenta, el derrumbe de un glaciar, un anuncio gastronómico de 15 segundos en un mercado nocturno y una cocina de plastilina. Cada clip incluye el prompt exacto que usamos, para que lo tomes como punto de partida y lo hagas tuyo. WAN 2.7 comparte plan con los mejores modelos de vídeo, seis estudios y Sensei, el director de IA. Los créditos se acumulan mientras mantengas tu suscripción y todos los planes incluyen uso comercial.
10 credits ($0.63) Incluido en todos los planes, desde 10 $ al mes.
¿Ya tienes cuenta? Inicia sesión
Por Brian Lovett · Actualizado
WAN 2.7 es el generador de vídeo con IA de Alibaba con banda sonora integrada. En Pixel Dojo describes una escena y recibes un clip de 720p o 1080p, de 2 a 15 segundos, con una pista de audio y diálogos hablados creados junto con la imagen.
Su punto fuerte es contar historias con varios planos. Escribe Plano 1, Plano 2 y Plano 3 en un solo prompt y WAN 2.7 los monta en una única escena, como en nuestra secuencia de la astronauta al principio de esta página. Incluye una frase de diálogo dentro de un plano y se pronunciará en ese mismo plano.
Escribimos todos los prompts de esta página como un director de fotografía escribe sus indicaciones de plano: primero el tamaño de plano y la cámara, después un protagonista concreto, una acción, la luz, el objetivo y una última línea de sonido. Cinco relaciones de aspecto (16:9, 9:16, 1:1, 4:3 y 3:4) permiten convertir la misma idea en un tráiler, una publicación vertical para redes o un clip de producto cuadrado. El modo de extensión de vídeo continúa un clip que ya tengas.
Todos estos clips se crearon con WAN 2.7, con banda sonora integrada. Cada tarjeta muestra el prompt que escribimos, palabra por palabra. Copia uno, cambia el protagonista y conserva las indicaciones de plano, luz y sonido.
Una escena de cortometraje con un solo prompt: un plano general de las dunas, un primer plano dentro del visor donde ella dice su frase y una carrera en contrapicado bajo dos lunas. Usa este prompt como base para escribir tu propia escena de tres planos.
Cinematic three shot sequence. Shot 1: Wide shot, a lone astronaut in a scuffed white suit with a gold visor trudges across rust red dunes toward a crashed silver lander at dusk, dust streaming off the ridges. Shot 2: Close-up inside the helmet, the astronaut, a woman in her forties with close cropped gray hair, stares as a green light blinks on the lander. [Commander Reyes, breathless]: "It's still transmitting." Shot 3: Low angle, she breaks into a run toward the lander under two pale moons, boots kicking up red dust. 35mm anamorphic lens, teal and amber grade. Sound: wind hiss, crunching footsteps, a rising synth drone.
Acción nocturna en 1080p. El neumático delantero levanta abanicos de agua magenta y cian durante todo el recorrido, con reflejos de neón nítidos en la calle inundada. Un gran punto de partida para un videoclip o un tráiler de acción.
Low tracking shot at wheel height, the camera racing alongside. A rider in a scuffed red helmet and black waxed jacket leans a matte black cafe racer motorcycle through a flooded neon night street, the front tire slicing a tall fan of spray that glows magenta and cyan, rain streaking past the lens. 35mm anamorphic lens, shallow depth of field, teal and orange grade. Sound: engine roar, the hiss of water, rain drumming on metal.
Una actuación vertical en 9:16 pensada para redes: dos vueltas completas de seda carmesí bajo un único foco de luz dura, con la tela moviéndose entre la bruma como un tejido real.
Symmetrical wide shot, slow dolly in. A dancer in her thirties with a sleek black bun spins on a bare black stage in a flowing crimson silk gown, the skirt fanning into a wide arc, under a single hard overhead spotlight that cuts a cone through drifting haze, dust sparkling in the beam. High contrast, deep shadows, 35mm lens. Sound: the whisper of silk, bare feet brushing the floor, a low solo cello.
Diálogos integrados desde un solo prompt. Un hombre de barba gris con un impermeable amarillo grita la llamada de radio escrita en el guion desde la torre del faro, iluminado por la luz cálida de un farol, mientras la tormenta ruge tras las ventanas. Escribe tu frase como [Nombre, tono]: "frase" y WAN 2.7 le pone voz.
Medium close-up, slow push in. A weathered lighthouse keeper in his sixties with a salt gray beard and a yellow oilskin coat grips a crackling radio handset in a lamp lit tower room, lightning flashing across his face as rain streams down the window behind him. He presses the button and leans in. [Lighthouse Keeper, hoarse and urgent]: "Northern Star, turn east now." 50mm lens, warm tungsten light against cold blue lightning. Sound: howling wind, rain lashing the glass, radio static. No background music.
Escala de documental de naturaleza al amanecer: un bloque de hielo azul se desploma sobre una laguna turquesa y la cámara retrocede para revelar los icebergs flotantes. Usa este prompt como base para tu propia escena épica de paisaje.
Aerial drone shot gliding fast and low over a turquoise glacial lagoon toward a towering blue ice cliff as a huge slab calves off and crashes into the water, throwing up a white wave and a wall of spray, small icebergs rocking in the swell, low golden sunrise light raking across the ice. 24mm wide lens, epic scale, crisp detail. Sound: a thunderous crack of ice, a roaring splash, wind.
Un anuncio gastronómico de 15 segundos, la duración máxima de un clip de WAN 2.7: fideos que salen de la olla, caldo brillante servido con un cucharón, un huevo de yema cremosa y cebolleta por encima, y el cuenco servido sobre la barra bajo la luz cálida de los faroles. Concebido como un anuncio de restaurante.
Continuous 15 second steadicam take, no cuts. The camera follows a ramen cook in her fifties with a navy headscarf as she lifts a nest of noodles from a steaming pot, snaps the strainer twice, slides the noodles into a bowl, ladles glossy broth, lays a soft egg and scallions on top and pushes the bowl across the counter toward the lens, steam curling through warm paper lantern light in a busy night market alley. 35mm lens, shallow depth of field, warm amber grade. Sound: bubbling broth, the clack of the strainer, a sizzling grill, distant chatter. No background music.
Animación de plastilina con encanto stop motion: un tejón chef lanza muy alto una tortita con mantequilla desde una sartén de cobre, la recoge en la sartén y sonríe orgulloso en la cocina de su madriguera con ventanas redondas. Usa este prompt como base para un corto de marca divertido.
Claymation stop motion, locked off medium shot. A round clay badger chef in a tiny white toque flips a golden pancake high out of a copper pan in a cozy cluttered burrow kitchen, the pancake spins in the air and lands back in the pan with a floppy slap, and the badger beams with pride. Warm tungsten light, visible thumbprints in the clay, felt and cardboard props, charming stop motion cadence. Sound: sizzling butter, the slap of the pancake, a cheerful ukulele tune.
Dos clips más de nuestra sesión muestran hasta dónde puede llegar una idea: el prompt de la moto de la galería en 720p y una imagen fija de nuestra escena de la astronauta que vuelve a cobrar vida mediante la API de imagen a vídeo, con una frase de diálogo nueva.
El mismo prompt de la moto en 720p, 10 créditos por 5 segundos, con abanicos de agua magenta y cian que salen del neumático delantero.
Low tracking shot at wheel height, the camera racing alongside. A rider in a scuffed red helmet and black waxed jacket leans a matte black cafe racer motorcycle through a flooded neon night street, the front tire slicing a tall fan of spray that glows magenta and cyan, rain streaking past the lens. 35mm anamorphic lens, shallow depth of field, teal and orange grade. Sound: engine roar, the hiss of water, rain drumming on metal.
De imagen a vídeo mediante la API (wan-2.7-i2v), a partir de una imagen fija de nuestro clip principal. El mismo rostro, una frase nueva, pronunciada en el momento indicado.
Slow push in on the helmet. She draws a sharp breath, fog blooms on the inside of the visor, the green light pulses across her cheek, and she glances toward the horizon. [Commander Reyes, quietly]: "Someone is still out here." Sound: steady breathing inside the helmet, wind outside, a soft electronic beep.
Enviamos el mismo prompt a ambos modelos con los mismos ajustes de 720p y 5 segundos. WAN 2.7 muestra la transformación completa: toda la estatua se resquebraja sobre su pedestal y un león de melena dorada luminosa ruge bajo la luna, con un encuadre propio de una presentación de título. En Pixel Dojo, WAN 2.7 también añade extensión de vídeo con control del último fotograma.
Mismo prompt: Medium wide shot, slow push in. A cracked marble lion statue in a moonlit stone courtyard shudders, its stone skin splitting and falling away in chunks to reveal a living lion with a glowing golden mane that shakes off the dust and roars, shards and dust swirling. Cold blue moonlight against the warm gold glow of the mane, 35mm lens. Sound: stone cracking, rumbling debris, a deep roar.
WAN 2.7 mantiene al león entero sobre el pedestal mientras la piedra se desprende y deja ver una melena dorada luminosa bajo la luna llena.
Medium wide shot, slow push in. A cracked marble lion statue in a moonlit stone courtyard shudders, its stone skin splitting and falling away in chunks to reveal a living lion with a glowing golden mane that shakes off the dust and roars, shards and dust swirling. Cold blue moonlight against the warm gold glow of the mane, 35mm lens. Sound: stone cracking, rumbling debris, a deep roar.
WAN 2.6 acerca la cámara mientras la estatua estalla en pedazos, con una melena de fuego, escombros pesados y un gran rugido.
Medium wide shot, slow push in. A cracked marble lion statue in a moonlit stone courtyard shudders, its stone skin splitting and falling away in chunks to reveal a living lion with a glowing golden mane that shakes off the dust and roars, shards and dust swirling. Cold blue moonlight against the warm gold glow of the mane, 35mm lens. Sound: stone cracking, rumbling debris, a deep roar.
| WAN 2.7 | WAN 2.6 | |
|---|---|---|
| Créditos por 5 segundos en 720p | 10 créditos | 10 créditos |
| La transformación | Toda la estatua se resquebraja y el león vivo queda en pie sobre el pedestal | Se desprenden bloques mientras la cámara se acerca |
| Encuadre | Cuerpo entero sobre el pedestal, con pilares y luna en el encuadre | La cámara se acerca a la cabeza y la melena |
| Estética | Melena dorada luminosa y rugido de cuerpo entero bajo la luna | Melena de fuego en un primer plano cerrado |
| Modos en Pixel Dojo | De texto a vídeo, extensión de vídeo con último fotograma, de imagen a vídeo mediante la API | De texto e imagen a vídeo mediante la API |
Escribe Plano 1, Plano 2 y Plano 3 en un solo prompt y WAN 2.7 los monta en una escena. Nuestra secuencia de la astronauta de 10 segundos corta al primer plano justo donde está el diálogo.
Todas las frases que escribimos así se pronunciaron en el momento indicado. Usa frases cortas e identifica a quien habla con un nombre, no con un pronombre.
Enumera al final los sonidos que quieres, como el silbido del viento, el crujido de las pisadas o un solo de violonchelo. Añade Sin música de fondo cuando solo quieras efectos y voz.
WAN 2.7 sigue de cerca los detalles concretos. Una indicación precisa de vestuario y una fuente de luz bien definida, como el único foco de luz dura de nuestra bailarina, te acercan mucho a la estética que tienes en mente.
Elige 9:16 para clips verticales de redes como el de la bailarina, 16:9 para tráilers y escenas, y 1:1 para publicaciones cuadradas. Cambia a 1080p cuando los detalles finos sean lo más importante.
Envía una imagen fija a /api/v1/models/wan-2.7-i2v/run con una frase de diálogo nueva. Lo hicimos con un fotograma de nuestro clip principal y obtuvimos el mismo rostro pronunciando una frase nueva, por 10 créditos.
WAN 2.7 está incluido en todos los planes de Pixel Dojo, desde $10/mes. Los créditos se acumulan mientras mantengas tu suscripción. Cada clip consume créditos según su duración y resolución: 2 créditos por segundo en 720p y 3 créditos por segundo en 1080p.
Con los ajustes de esta página, un clip de 5 segundos en 720p cuesta 10 créditos, uno de 5 segundos en 1080p cuesta 15 créditos, la escena de la astronauta de 10 segundos en 1080p cuesta 30 créditos y el anuncio de ramen de 15 segundos en 720p cuesta 30 créditos. La generación de imagen a vídeo mediante la API wan-2.7-i2v cuesta 2 créditos por segundo en 720p, así que un clip de 5 segundos cuesta 10 créditos.
WAN 2.7 es el generador de vídeo con IA de Alibaba. Convierte un prompt de texto en un clip de 720p o 1080p de 2 a 15 segundos con sonido y diálogos hablados, y monta varios planos identificados en una sola escena. Úsalo en Pixel Dojo desde el navegador o mediante la API.
Abre la herramienta WAN 2.7, escribe tu prompt, elige la duración, la resolución y la relación de aspecto, y genera. La forma más rápida de empezar es usar cualquiera de los prompts de esta página: cópialo, cambia el protagonista y conserva las indicaciones de plano, luz y sonido. Los desarrolladores pueden enviar los mismos campos a /api/v1/models/wan-2.7-t2v/run.
Sí. Cada clip que creamos tiene su propia banda sonora integrada. Escribe el diálogo como [Nombre, tono]: "frase" dentro del plano donde deba escucharse y termina el prompt con una línea Sound: para los efectos y el sonido ambiente.
Sí. Lo que creas es tuyo, en todos los planes.
Con una cuenta gratuita tienes 3 efectos gratis cada día para probar Pixel Dojo. WAN 2.7 está incluido en todos los planes desde $10/mes, y los créditos se acumulan mientras mantengas tu suscripción. Un clip de 5 segundos a 720p cuesta 10 créditos.
Elige WAN 2.7 para tus nuevos proyectos. Es la versión más reciente: monta los planos que has identificado por nombre en una sola escena y genera el diálogo hablado justo donde lo has escrito. En Pixel Dojo, también permite extender vídeos con control del último fotograma. En nuestra comparativa del león de mármol, WAN 2.7 mantuvo toda la transformación encuadrada sobre el pedestal.
Sí, a través de la API. Envía una image_url y tu prompt a /api/v1/models/wan-2.7-i2v/run. Enviamos una imagen fija de nuestra escena del astronauta con una nueva frase de diálogo y obtuvimos el mismo rostro diciéndola, por 10 créditos a 720p.
Escribe un prompt arriba o parte de cualquier ejemplo de esta página. Un solo plan incluye todos los modelos top, seis estudios y Sensei, y tus créditos se acumulan.
Empieza con WAN 2.7