WAN 2.7 Video: poradnik promptowania
WAN 2.7 Video: poradnik promptowania flagowego modelu wideo Alibaba w PixelDojo. Twórz wideo z tekstu lub obrazu albo użyj trybu video-extend, by kontynuować istniejący klip. Do wyboru 720p (2 kredyty/s) i 1080p (3 kredyty/s), długość 2-15 sekund i 5 proporcji obrazu. Ulepszanie promptów masz w pakiecie.
WAN 2.7 Video to najwyższa półka rodziny WAN i flagowy model Alibaba do generowania wideo. Co go wyróżnia? Trzy osobne tryby w jednym modelu: text-to-video tworzy wideo na podstawie promptu, image-to-video ożywia klatkę początkową, a video-extend kontynuuje istniejący klip. Do tego długość od 2 do 15 sekund i wbudowane ulepszanie promptów.
Dwie rozdzielczości: 720p za 2 kredyty/s i 1080p za 3 kredyty/s. Pięć proporcji obrazu: 16:9 do filmowych kadrów, 9:16 do pionowych wideo, 1:1 do kwadratowych publikacji w social mediach oraz 4:3 / 3:4 do klasycznych proporcji fotograficznych. Do 15 sekund w jednym klipie, czyli dłużej niż w większości modeli wideo w PixelDojo.
3
Tryby (T2V · I2V · Extend)
2-15s
Zakres długości
720p · 1080p
Rozdzielczości
Text-to-video tworzy wideo z samego promptu. Image-to-video animuje klatkę początkową zgodnie z twoim opisem. Video-extend bierze istniejący klip i generuje dalszy ciąg. To sposób na rozwinięcie krótkiego wideo w dłuższą historię bez ponownego renderowania.
720p (2 kredyty/s) do testowania wariantów i social mediów. 1080p (3 kredyty/s) do kluczowych ujęć, nastrojowych scen i ujęć produktowych, w których liczy się faktura materiałów. 1080p kosztuje o 50% więcej, ale przy finalnym renderze zwykle warto dopłacić.
WAN 2.7 obsługuje do 15 sekund w jednym klipie. Większość modeli wideo kończy na 6 lub 10. To przestrzeń na nastrojowe sceny, które potrzebują oddechu, sekwencje wielu ujęć i fragmenty historii, których nie zmieścisz w 5 sekundach.
Dodaj wideo źródłowe i prompt, a WAN 2.7 wygeneruje ciąg dalszy od ostatniej klatki. Idealne, gdy chcesz rozwinąć udany 5-sekundowy klip w sekwencję trwającą 10-15 sekund bez ponownego renderowania oryginału.
Przy każdym przykładzie znajdziesz dokładny prompt, który dał ten efekt. Skopiuj dowolny prompt jednym kliknięciem.
1080p · 16:9 · 8s · 24 kredyty
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
Filmowe ujęcia otwierające zyskują w 1080p. Detale budujące klimat, jak fale, neonowe odbicia i odległe wieże, źle znoszą kompresję w 720p. Połącz szeroki kadr 16:9 z JEDNYM dominującym ruchem kamery, np. „powolny najazd”, „uniesienie kamery na kranie” lub „odjazd”, a tempo zostaw WAN.
720p · 4:3 · 5s · 10 kredytów
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
Proporcje 4:3 nadają portretowym zbliżeniom lekko klasyczny charakter. WAN 2.7 dobrze odczytuje drobne gesty: „podnosi filiżankę, bierze łyk, odwraca głowę, uśmiecha się” daje czytelną sekwencję. Do zbliżeń postaci 720p w zupełności wystarczy. Dodatkowe kredyty zachowaj na sceny budujące klimat.
1080p · 1:1 · 6s · 18 kredytów
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
Kwadrat 1:1 w 1080p z jednym jasno określonym ruchem kamery, np. ruchem po łuku, najazdem lub odjazdem, to klasyka spotu produktowego. WAN 2.7 dobrze oddaje faktury materiałów w 1080p: matową ceramikę, polerowane drewno orzechowe i szczotkowany metal.
1080p · 21:9 przycięte do 16:9 · 10s · 30 kredytów
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
10-sekundowe nastrojowe klipy zyskują w 1080p: mgła, tafla wody i detale w oddali pozostają czytelne. Postaw na jeden powolny ruch kamery i element w ciepłym kolorze, który przełamie chłodną paletę. Szeroki kadr 16:9 pasuje tu naturalnie. Ultraszerokie 21:9 nie jest obsługiwane natywnie, więc 16:9 to najszersza dostępna opcja.
720p · 16:9 · 12s · 24 kredyty
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 daje WAN 2.7 przestrzeń na prawdziwą sekwencję wielu ujęć: trzy wyraźne etapy akcji połączone czystymi cięciami. Do akcji wystarczy 720p. To przy budowaniu filmowego klimatu 1080p pokazuje swoją siłę. Oznacz każde ujęcie wprost („Ujęcie 1: ... Ujęcie 2: ...”), by uzyskać czystsze cięcia.
Text-to-video, gdy masz tylko prompt. Image-to-video, gdy masz mocną klatkę początkową, którą chcesz ożywić. Video-extend, gdy chcesz wydłużyć klip trwający 5-10 sekund do 15s bez ponownego renderowania. We wszystkich trzech trybach piszesz prompty tak samo.
1080p zachowuje mgłę, wodę, roślinność i faktury materiałów. 720p w zupełności wystarcza do ruchu postaci, zbliżeń i większości promptów, w których ruch jest ważniejszy niż drobne detale. 1080p kosztuje o 20% więcej kredytów. Dobierz rozdzielczość do zadania.
Zakres 2-15s w WAN 2.7 jest szerszy niż w większości modeli wideo. Wybierz 8-12 sekund do nastrojowych scen, które potrzebują oddechu, i 10-15s do pełnych sekwencji wielu ujęć. Nie trzymaj się domyślnie 5s, jeśli twoja historia potrzebuje więcej czasu.
„Powolny najazd”, „uniesienie kamery na kranie”, „obrót kamery o 90 stopni”, „śledzenie z ręki”: WAN odczytuje te polecenia dosłownie. Łączenie ruchów („najazd, a potem panorama w lewo”) zwykle daje chaotyczny efekt. Zasada jest prosta: jeden ruch na ujęcie.
Klipy 10-15s zyskują dzięki jasnej strukturze „Ujęcie 1: ... Ujęcie 2: ... Ujęcie 3: ...”. WAN 2.7 generuje czyste cięcia, gdy je nazwiesz. Rozciąganie jednej akcji na 15s marnuje dostępny czas. Postaw na kilka ujęć albo krótszy klip.
WAN dostrojono z użyciem oficjalnego chińskiego promptu negatywnego. Działa lepiej, gdy zostawisz go bez zmian. Już blokuje napisy. Jeśli pojawią się przypadkowe teksty lub znaki wodne, dopisz na końcu 文字，水印，logo. Pełny domyślny tekst znajdziesz w sekcji o prompcie negatywnym w tym poradniku.
Obraz początkowy już określa temat, scenę i styl. W prompcie skup się wyłącznie na ruchu i kamerze. Ponowne opisywanie wyglądu marnuje tokeny i sprzyja przekształceniom, które oddalają efekt od twojego obrazu.
WAN dostrojono z użyciem oficjalnego domyślnego promptu negatywnego napisanego po chińsku. Model poznał dokładnie te frazy podczas treningu, więc reaguje na nie pewniej niż na angielskie tłumaczenia. Zachowaj domyślny prompt i zostaw go po chińsku.
Oto pełny domyślny tekst: 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
Obejmuje już typowe błędy: przesycone kolory, prześwietlenia, statyczne kadry, rozmyte detale, nieprawidłowe dłonie, dodatkowe palce, zdeformowane kończyny, chaotyczne tło i napisy (zawiera 字幕). Jeśli w efekcie nadal widzisz przypadkowe teksty, znaki wodne lub logotypy, dopisz na końcu 文字，水印，logo. Nie zmieniaj reszty.
WAN 2.7 generuje ścieżkę dźwiękową razem z wideo. W prompcie pozytywnym opisz to, co chcesz usłyszeć: dialogi, dźwięki otoczenia i konkretne efekty. Zarówno „odgłosy wody w oddali i delikatnego wiatru”, jak i „ekspres do kawy syczy w tle” są dobrze odczytywane.
Muzyką sterujesz w prompcie pozytywnym, nie negatywnym. Nie dodawaj określeń muzycznych do promptu negatywnego. Jeśli scena ma być bez muzyki, dodaj do promptu frazę „No background music.”. Jeśli chcesz muzykę, poproś o nią wprost, np. „muzyka w tle budująca napięcie”.
Przy dialogach z synchronizacją ruchu ust najpierw opisz akcję, a potem dodaj kwestię w formacie: [Imię, ton]: „kwestia”. Przykład: Agent uderza dłonią w stół. [Agent w czarnym garniturze, ze złością]: „Gdzie jest prawda?”
Każdej mówiącej postaci nadaj unikalne imię lub nazwę. Nigdy nie oznaczaj kwestii zaimkiem. WAN przypisuje wypowiedzi do postaci po nazwie. Najlepiej synchronizują się krótkie kwestie jednej osoby, poniżej 10 słów.
| Ustawienie | Wartości | Uwagi |
|---|---|---|
| Tryb | text-to-video · image-to-video · video-extend | I2V wymaga pola first_frame_image, a video-extend wideo źródłowego. |
| Rozdzielczość | 720p (2 cr/s) · 1080p (3 cr/s) | 1080p kosztuje o 50% więcej. Warto wybrać tę opcję do klimatycznych klipów lub ujęć z bogatymi fakturami materiałów. |
| Długość | 2-15 seconds (integer) | Dłuższe klipy niż w większości modeli wideo. Wybierz 8-12s do klimatycznych ujęć, a 10-15s do sekwencji z wieloma ujęciami. |
| Proporcje obrazu | 16:9 · 9:16 · 1:1 · 4:3 · 3:4 | 5 gotowych ustawień obejmujących popularne formaty obrazu. |
| Prompt negatywny | string (optional, max 500 chars) | Domyślne ustawienie sprawdza się przy większości promptów. |
| Rozbudowa promptu | On / Off | Opcjonalne rozwijanie promptu przez WAN. Sprawdź oba ustawienia. Czasem wyłączenie tej opcji daje czystszy efekt. |
720p (2 kredyty/s) do testowania wariantów, postów w social mediach, ujęć postaci i ludzkiej akcji. Do tych zastosowań szczegółowość w zupełności wystarcza. 1080p (3 kredyty/s) do nastrojowych scen z mgłą, wodą i roślinnością, ujęć produktów z detalami materiałów oraz kluczowych klipów. Dopłata 50% w kredytach zwykle się opłaca przy finalnym renderze.
Dodaj istniejący klip i prompt, a WAN 2.7 wygeneruje kontynuację od ostatniej klatki. Otrzymasz jedno wideo, które płynnie przechodzi z materiału źródłowego w dalszy ciąg. To sposób na rozwinięcie udanego 5-sekundowego klipu do 10-15 sekund bez ponownego renderowania oryginału.
Tak. WAN 2.7 generuje wraz z wideo dopasowaną ścieżkę dźwiękową: dialogi, dźwięki otoczenia i efekty opisane w prompcie. Muzyka pojawia się tylko wtedy, gdy o nią poprosisz, a fraza „No background music.” ją wyklucza. W trybie image-to-video możesz też dodać opcjonalny plik audio (wav lub mp3, do 15MB), by zsynchronizować ruch ust z własnym nagraniem.
Pięć ustawień: 16:9 (poziomy kadr filmowy), 9:16 (pionowe rolki), 1:1 (kwadrat do social mediów), 4:3 (klasyczne proporcje fotograficzne), 3:4 (pionowy portret). Bez ultraszerokiego 21:9. Jeśli go potrzebujesz, użyj Seedance 2 albo wybierz 16:9 i przytnij później.
Tak. WAN 2.7 Video znajdziesz na liście modeli w Canvas w sekcji „animate”. Publiczny endpoint API to /api/v1/models/wan-2.7-video/run. Obsługuje pola: prompt, mode (text-to-video / image-to-video / video-extend), resolution, duration, aspect_ratio, first_frame_image (I2V), source_video (extend), negative_prompt i prompt_enhance.