一個模型,三種模式
文字生成影片只靠提示詞就能創作。圖片生成影片依照提示詞,讓起始畫面動起來。影片延伸則以現有片段為基礎接著生成,適合把短片接成更完整的敘事,不必重新算圖。
WAN 2.7 影片提示詞指南
這份 WAN 2.7 影片提示詞指南,帶你掌握 PixelDojo 上的阿里巴巴旗艦影片模型 WAN 2.7 Video。支援文字生成影片、圖片生成影片,以及接續現有片段的影片延伸模式。提供 720p(2 點數/秒)與 1080p(3 點數/秒),片長 2-15 秒、5 種長寬比,內建提示詞強化功能。
WAN 2.7 Video 是 WAN 系列的頂級款,也是阿里巴巴的旗艦影片生成模型。亮點在於一個模型整合三種模式:文字生成影片,從提示詞直接創作;圖片生成影片,讓起始畫面動起來;影片延伸,接續現有片段。片長支援 2 到 15 秒,並內建提示詞強化功能。
提供兩種解析度:720p 每秒 2 點數,1080p 每秒 3 點數。另有五種長寬比:16:9 適合電影感橫幅,9:16 適合直式影片,1:1 適合社群方形內容,4:3 / 3:4 則是傳統照片比例。單支影片最長 15 秒,比 PixelDojo 上多數影片模型更長。
3
模式(T2V · I2V · Extend)
2-15s
片長範圍
720p · 1080p
解析度選項
文字生成影片只靠提示詞就能創作。圖片生成影片依照提示詞,讓起始畫面動起來。影片延伸則以現有片段為基礎接著生成,適合把短片接成更完整的敘事,不必重新算圖。
720p(2 點數/秒)適合反覆測試與社群內容。1080p(3 點數/秒)適合主視覺鏡頭、氛圍場景,以及講究材質細節的產品影片。1080p 多花 50% 點數,用在最終成片通常很值得。
WAN 2.7 單支影片最長支援 15 秒,多數影片模型則上限為 6 或 10 秒。適合需要鋪陳的氛圍場景、多鏡頭段落,或 5 秒說不完的敘事節奏。
提供來源影片與提示詞,WAN 2.7 就會從最後一格畫面接著生成。把喜歡的 5 秒片段延伸成 10-15 秒段落,不必重新算出原片。
每個範例都附上生成該成果的完整提示詞,一鍵就能複製。
1080p · 16:9 · 8s · 24 點數
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
電影感開場遠景,值得用 1080p。海浪、霓虹倒影、遠方高塔等氛圍細節,在 720p 下容易因壓縮而流失。搭配 16:9 寬螢幕,指定一種主要運鏡,例如「緩慢向前推軌」、「搖臂上升」、「鏡頭後拉」,節奏就交給 WAN。
720p · 4:3 · 5s · 10 點數
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
4:3 能為人物特寫帶來一點古典感。WAN 2.7 很懂細微的動作節奏,「舉杯、啜飲、轉頭、微笑」都能流暢呈現。角色特寫用 720p 就很夠,把加碼的點數留給氛圍場景。
1080p · 1:1 · 6s · 18 點數
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
1080p 的 1:1 方形畫面,搭配一種明確運鏡,例如環繞橫搖、向前推軌、鏡頭後退,就是經典的產品廣告拍法。WAN 2.7 在 1080p 下能清楚呈現霧面陶瓷、拋光胡桃木、髮絲紋金屬等材質。
1080p · 21:9 裁切為 16:9 · 10s · 30 點數
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 秒氛圍影片值得用 1080p,霧氣、水面與遠景細節都能保留。用一種緩慢運鏡,再加上一處「暖色亮點」,打破整體冷色調。16:9 寬螢幕最適合這類畫面;模型不原生支援超寬 21:9,因此最寬就是 16:9。
720p · 16:9 · 12s · 24 點數
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 讓 WAN 2.7 有足夠空間完成真正的多鏡頭段落,三個明確節點,切鏡俐落。動作場面用 720p 就夠,電影感氛圍才是 1080p 的強項。明確標示每個鏡頭,例如「鏡頭 1:……鏡頭 2:……」,切鏡會更乾淨。
只有提示詞,就用文字生成影片。有一張出色的起始畫面想讓它動起來,就用圖片生成影片。已有 5-10 秒片段,想延伸到 15s 又不重算原片,就用影片延伸。三種模式的提示詞寫法相同。
1080p 能保留霧氣、水面、枝葉與材質紋理。人物動作、角色特寫,以及多數重動態、輕細節的提示詞,用 720p 就很夠。1080p 多花 20% 點數,依用途選擇。
WAN 2.7 的 2-15s 範圍比多數影片模型更有彈性。需要鋪陳的氛圍場景用 8-12 秒,真正的多鏡頭段落用 10-15s。故事需要更多時間,就別一律選 5s。
「緩慢向前推軌」、「搖臂上升」、「90 度環繞橫搖」、「手持跟拍」,WAN 會照字面執行。把多種運鏡混在一起,例如「先向前推軌再向左橫搖」,通常會讓畫面失去方向。原則很簡單:一個鏡頭,一種運鏡。
10-15s 的片段,適合明確寫成「鏡頭 1:……鏡頭 2:……鏡頭 3:……」。只要標清楚,WAN 2.7 就能俐落切鏡。把單一動作硬撐到 15s 太浪費,改用多鏡頭,或縮短片長。
WAN 是依官方中文負面提示詞調校的,原封不動保留效果更好。預設內容已排除字幕。若仍出現多餘文字或浮水印,在結尾加上「文字,水印,logo」。完整預設內容見本指南的負面提示詞章節。
起始圖片已經交代主體、場景與風格。提示詞只要專注動作與運鏡。重新描述外觀只會浪費 token,還容易讓生成結果偏離原圖。
WAN 是依官方預設負面提示詞調校的,而這組提示詞以中文撰寫。模型在訓練時學過這些確切用語,因此比起英文翻譯,對原文的反應更穩定。保留預設內容,也保留中文原文。
完整預設內容如下: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
這組內容已涵蓋常見問題:過度飽和、過曝、靜止畫面、細節模糊、手部失真、多餘手指、肢體變形、背景雜亂與字幕,裡面就有「字幕」。若成片仍出現多餘文字、浮水印或 logo,在結尾加上「文字,水印,logo」。其餘內容不要改寫。
WAN 2.7 會隨影片一起生成音軌。在正面提示詞中描述你要的聲音,包括對白、環境氛圍與特定音效。「遠方水聲與輕柔風聲」或「背景傳來義式咖啡機的嘶嘶聲」,都能清楚傳達。
音樂要用正面提示詞控制,不是負面提示詞。別把音樂相關用語放進負面提示詞。場景不需要配樂,就在提示詞加入「No background music.」。需要音樂就直接指定,例如「充滿懸疑感的背景音樂」。
要讓口說對白對嘴,先寫動作句,再用這個格式寫台詞:[姓名, 語氣]: "台詞"。例如:探員用力拍桌。[黑西裝探員, 憤怒]: "真相在哪裡?"
每位說話者都要有獨一無二的名字,台詞標籤絕對別用代名詞。WAN 會依名字把每句台詞對應到角色。單一說話者、少於 10 個詞的短句,對嘴效果最好。
| 設定 | 數值 | 說明 |
|---|---|---|
| 模式 | text-to-video · image-to-video · video-extend | I2V 需要 first_frame_image;video-extend 需要來源影片。 |
| 解析度 | 720p (2 cr/s) · 1080p (3 cr/s) | 1080p 多花 50% 點數。營造氛圍或著重材質細節的影片,值得升級。 |
| 影片長度 | 2-15 seconds (integer) | 可生成的影片比多數影片模型更長。氛圍影片用 8-12 秒,多鏡頭影片用 10-15 秒。 |
| 長寬比 | 16:9 · 9:16 · 1:1 · 4:3 · 3:4 | 5 種預設,涵蓋常見輸出畫面比例。 |
| 負面提示詞 | string (optional, max 500 chars) | 預設值適用於大多數提示詞。 |
| 提示詞強化 | On / Off | 可選擇由 WAN 擴寫提示詞。開啟、關閉都試試,有時關閉反而能產生更乾淨的畫面。 |
720p(2 點數/秒)適合反覆測試、社群貼文、角色影片與人物動作,畫質已經很夠。1080p(3 點數/秒)適合霧氣、水面、枝葉等氛圍場景、講究材質細節的產品鏡頭,以及主視覺影片。最終成片多花 50% 點數,通常很值得。
提供現有影片片段與提示詞,WAN 2.7 就會從最後一格畫面接著生成。成品會是一支從來源片段流暢銜接到延伸段落的完整影片。適合把喜歡的 5 秒片段延伸到 10-15 秒,不必重新算出原片。
可以。WAN 2.7 會隨影片生成相符的音軌,包括你在提示詞中描述的對白、環境音與音效。只有在你提出要求時才會加入音樂,使用「No background music.」就能排除配樂。圖片生成影片也可選擇上傳音訊驅動檔案,支援 wav 或 mp3,最大 15MB,讓嘴型同步你自己的錄音。
五種預設比例:16:9(電影感橫式)、9:16(直式短影音)、1:1(社群方形)、4:3(傳統照片/古典風格)、3:4(直式人像)。不支援 21:9 超寬比例,需要時可用 Seedance 2,或先選 16:9 再裁切。
可以。WAN 2.7 Video 位於 Canvas 模型選單的「animate」分類。公開 API 端點為 /api/v1/models/wan-2.7-video/run,支援 prompt、mode(text-to-video / image-to-video / video-extend)、resolution、duration、aspect_ratio、first_frame_image(I2V)、source_video(延長影片)、negative_prompt 與 prompt_enhance 欄位。