Alibaba AI 影片模型，聲音與對白同步生成
用 WAN 2.7，一段提示詞就能把文字分鏡表變成完整的 1080p 場景，聲音、角色對白一起到位。
這一頁的每支影片，都是我們在 Pixel Dojo 用 WAN 2.7 製作的：三鏡頭科幻場景、雨中霓虹機車疾行、暴風雨中的無線電呼叫、冰川崩塌、15 秒夜市美食廣告，以及黏土動畫廚房。每支影片都附上實際使用的完整提示詞，直接拿來改，就能做出你的版本。一個方案，就能使用 WAN 2.7、各大頂尖影片模型、六大工作室，以及 AI 導演 Sensei。訂閱期間點數可累積延用，所有方案皆包含商業使用權。
10 credits ($0.63) 所有方案皆包含，每月 US$10 起。
已經是會員？ 登入
作者 Brian Lovett · 更新於
WAN 2.7 是 Alibaba 推出的 AI 影片生成器，生成畫面時就把聲音一起做好。在 Pixel Dojo 描述場景，就能產生 2 到 15 秒、720p 或 1080p 的影片，音軌與角色對白和畫面同步生成。
它最拿手的，是多鏡頭敘事。在同一段提示詞中寫入 Shot 1、Shot 2 和 Shot 3，WAN 2.7 就會把鏡頭剪成一場戲，就像本頁上方的太空人片段。把台詞放進哪個鏡頭，角色就在哪個鏡頭說出來。
這一頁的每段提示詞，我們都用攝影師寫分鏡筆記的方式來寫：先交代景別與攝影機設定，再描述一個明確主體、一個動作、光線、鏡頭，最後以聲音設定收尾。五種畫面比例，16:9、9:16、1:1、4:3 和 3:4，讓同一個點子能變成預告片、社群直式貼文或方形商品短片；影片延長模式則能接續你現有的影片。
這裡每支影片都由 WAN 2.7 製作，聲音同步生成，每張展示卡都完整公開我們實際寫下的提示詞。複製一段，換掉主角，保留鏡頭、光線與聲音設定，就能開始。
一段提示詞，拍出一場短片：先用遠景帶出沙丘，再切入面罩內的特寫，讓她說出台詞，最後以低角度拍下她在雙月下奔跑。從這段提示詞出發，寫出你的三鏡頭場景。
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.
1080p 夜間動作場面。前輪一路揚起洋紅與青色的扇形水花，積水街面映出鮮明的霓虹倒影。用來打造音樂錄影帶或動作預告片，開場就有氣勢。
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.
為社群動態打造的 9:16 直式表演：一道硬光聚光燈下，深紅絲綢旋轉整整兩圈，布料穿過薄霧擺動，質感如同真實衣料。
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.
一段提示詞，直接生成角色對白。灰白鬍鬚男子穿著黃色油布雨衣，站在燈塔塔樓的暖色提燈光中，大聲喊出寫好的無線電呼叫，窗外風暴肆虐。把台詞寫成 [姓名, 語氣]: "台詞"，WAN 2.7 就會讓角色說出來。
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.
日出時分，自然紀錄片級的壯闊場面：一大塊藍冰崩落、砸進藍綠色潟湖，鏡頭隨後拉遠，展現漂浮的冰山。用這段提示詞，打造你的史詩級地景影片。
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.
15 秒美食廣告，這就是 WAN 2.7 單支影片的最長秒數：麵條起鍋、舀入油亮高湯、擺上溏心蛋與蔥花，最後在溫暖燈籠光下，沿著吧檯送上這碗麵。節奏就是一支餐廳廣告。
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.
黏土動畫，滿滿定格魅力：獾廚師把奶油鬆餅從銅鍋高高拋起，接回鍋中後，在有圓窗的地洞廚房裡露出得意笑容。用這段提示詞，拍出俏皮的品牌短片。
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.
這次創作還有兩支影片，讓你看見同一個點子能延伸多遠：一支用展示區的騎士提示詞生成 720p 版本，另一支則從太空人場景擷取靜態影格，透過圖片生成影片 API 重新動起來，並說出全新台詞。
同一段騎士提示詞的 720p 版本，5 秒使用 10 點，前輪揚起洋紅與青色的扇形水花。
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.
透過 API（wan-2.7-i2v），將主打影片的靜態影格生成影片。同一張臉，換上新台詞，準時開口。
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.
我們把同一段提示詞交給兩個模型，都設定為 720p、5 秒。WAN 2.7 呈現完整變身：整尊雕像在基座上裂開，化為鬃毛泛著金光的獅子，在月下咆哮，構圖宛如片名揭幕。在 Pixel Dojo，WAN 2.7 還支援影片延長，並可指定結尾影格。
相同提示詞： 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 讓整隻獅子始終完整立於基座上，石層逐漸剝落，在滿月下露出發光的金色鬃毛。
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 在雕像爆裂時推近鏡頭，帶出火焰般的鬃毛、沉重碎石與震撼咆哮。
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 | |
|---|---|---|
| 720p、5 秒所需點數 | 10 點 | 10 點 |
| 變身呈現 | 整尊雕像裂開，活生生的獅子站在基座上 | 石塊剝落，鏡頭同步推近 |
| 構圖 | 獅子全身立於基座，石柱與月亮一同入鏡 | 推近頭部與鬃毛 |
| 視覺風格 | 發光的金色鬃毛，月下全身入鏡咆哮 | 緊貼特寫，鬃毛如火焰燃燒 |
| Pixel Dojo 支援模式 | 文字生成影片、可指定結尾影格的影片延長、透過 API 圖片生成影片 | 透過 API 文字生成影片與圖片生成影片 |
在同一段提示詞中寫入 Shot 1、Shot 2 和 Shot 3，WAN 2.7 就會把它們剪成一場戲。我們的 10 秒太空人片段，正好在台詞出現的位置切入特寫。
我們用這個格式寫下的每句台詞，都在指定時機說出。每句保持簡短，並為說話者取名，不要只用代名詞。
把想要的聲音列在最後，例如風聲、踩地的喀嚓腳步聲，或大提琴獨奏。只想保留音效與人聲時，加上 No background music。
WAN 2.7 能緊扣具體細節。精準的服裝描述，加上一個明確光源，像是我們舞者場景中的單一硬光聚光燈，就能大幅貼近你想像的畫面。
像舞者這類社群直式短片，選 9:16；預告片與劇情場景選 16:9；方形動態貼文選 1:1。最講究細節時，就切換到 1080p。
把靜態影格連同新台詞傳送至 /api/v1/models/wan-2.7-i2v/run。我們用主打影片的一個影格實測，花費 10 點，就讓同一張臉說出新台詞。
Pixel Dojo 所有方案皆包含 WAN 2.7，方案每月 $10 起。訂閱期間點數可累積延用。每支影片依長度與解析度扣點：720p 每秒 2 點，1080p 每秒 3 點。
依照本頁設定，5 秒 720p 影片需 10 點，5 秒 1080p 影片需 15 點，10 秒 1080p 太空人場景需 30 點，15 秒 720p 拉麵廣告需 30 點。透過 wan-2.7-i2v API 使用圖片生成影片，720p 每秒 2 點，因此 5 秒影片需 10 點。
WAN 2.7 是 Alibaba 推出的 AI 影片生成器。輸入文字提示詞，就能產生 2 到 15 秒、720p 或 1080p 的影片，附帶聲音與角色對白，也能把多個已標示的鏡頭剪成同一場戲。在 Pixel Dojo，可直接透過瀏覽器或 API 使用。
開啟 WAN 2.7 工具，輸入提示詞，選擇長度、解析度與畫面比例，即可生成。最快的起手式，就是使用本頁任一段提示詞：複製、替換主體，保留鏡頭、光線與聲音設定。開發者可將相同欄位傳送至 /api/v1/models/wan-2.7-t2v/run。
有。我們用 WAN 2.7 製作的每支影片，都內建專屬音軌。在要說出對白的分鏡中，以 [姓名, 語氣]: "台詞" 格式寫入對白，並在提示詞最後加上一行 Sound:，指定音效與環境聲。
可以。無論使用哪個方案，作品都歸你所有。
免費帳號每天可享 3 次免費特效，體驗 Pixel Dojo。所有方案都包含 WAN 2.7，每月 $10 起，訂閱期間點數可累積至下期。一支 5 秒 720p 影片需 10 點數。
新專案就選 WAN 2.7。它是較新的版本，能將命名分鏡剪接成同一場景，並在你寫入對白的位置配上人聲。在 Pixel Dojo 上，還能延長影片並控制尾格。在我們的大理石獅子對比測試中，WAN 2.7 將基座上的完整變身過程都納入畫面。
支援，可透過 API 使用。將 image_url 和提示詞傳送至 /api/v1/models/wan-2.7-i2v/run。我們傳入太空人場景的一張靜態畫面，加上一句新對白，就讓同一張臉開口說出那句話，720p 只需 10 點數。