Wan2.7-Video

Wan2.7-Video是什么？

Wan2.7-Video 是阿里巴巴通义实验室于 2026 年 4 月 3 日正式发布的视频生成系列模型，涵盖文生视频、图生视频、参考生视频和视频编辑四大模型。该模型支持文本、图像、视频、音频全模态输入，聚焦视频创作全链路，覆盖生成、编辑、复刻、重塑、驱动、续写、参考等流程，号称更可控、更全能、“能导擅演”。

Wan2.7-Video的主要功能

1. 全模态输入与统一创作体系
   • 支持文本、图像、视频、音频全模态输入，实现从零创作、画面控制、演绎复刻到精细编辑的完整工作流。
   • 全系列支持 720P 和 1080P 分辨率输出，视频时长可在 2 至 15 秒范围内任意指定。
2. 强大的视频编辑能力
   • 一句话即可对视频进行局部或整体修改，如添加、删除和替换元素，切换场景环境（如将晴天改为雨天、夏季改为冬季），以及变换整体视觉风格（如写实转水彩、真人转黏土动画）。
   • 支持指令增删元素、替换物体、修改物体属性等，如“删掉视频中的火车”“把胶片替换成盘子”，也可修改建筑颜色。
   • 支持参考图像内容进行精准添加，编辑后的区域在光影与材质上能与原视频自然融合。
3. 角色与剧情控制
   • 角色的行为、表情和情绪均可调整，角色台词可替换并自动匹配口型与音色。
   • 拍摄方式可重新定义，包括机位、视角、景别和焦距等参数，在同一时空下呈现截然不同的观影体验。
   • 支持智能剧本创作和分镜调度，只需一段简短的文字描述，即可编排剧情节奏、设计镜头语言并安排场景转换。
4. 视频续写与尾帧控制
   • 引入视频续写与尾帧控制的联合机制，创作者可以在续写视频的同时指定结尾画面，既保证了动态的延续性，又实现了对画面结构的精准把控，有效消除了传统首尾帧方案中常见的“刹车感”。
5. 视觉风格与声音控制
   • 可延展出上千种风格组合，覆盖 2D 卡通、3D 动画、水墨、黏土、赛璐璐等多种视觉语言。
   • 声音真实感、自然度、音乐表现力及音画同步质量均进一步提升，得益于通义实验室语音团队在音频预训练、音频数据、音频理解方面的技术积累。
6. 参考生视频与动作复刻
   • 支持动作、运镜和特效的快速复刻，用户可输入图像、视频和音频多模态，参考锁定角色的外观和音色、精准迁移人物动作，即便是大幅度的复杂动作也能稳定还原。
   • 最多支持 5 个视频主体参考，为业内最多。

Wan2.7-Video的使用场景

1. 影视制作
   • 用于剧本创作、分镜调度、场景转换等前期制作环节，降低制作成本，提高制作效率。
   • 用于后期编辑，如添加、删除和替换元素，切换场景环境，变换整体视觉风格等，提升影片质量。
2. 广告创意
   • 快速生成广告视频，满足多样化的创意需求。
   • 对已有广告视频进行二次创作，提升广告效果。
3. 内容创作
   • 为自媒体、短视频创作者提供便捷的视频生成和编辑工具，降低创作门槛。
   • 支持个性化视频创作，满足不同用户的创作需求。
4. 教育领域
   • 制作教学视频，如动画演示、实验模拟等，提高教学效果。
   • 对已有教学视频进行编辑和优化，提升教学质量。

如何使用Wan2.7-Video？

1. 访问官方网站
   • 用户可通过 万相官网、wan.video 网站 和阿里云百炼体验 Wan2.7-Video。
   • 千问 App 也即将接入 Wan2.7-Video，用户可期待后续更新。
2. 选择创作模式
   • 根据需求选择文生视频、图生视频、参考生视频或视频编辑模式。
3. 输入创作指令
   • 在选定的模式下输入文本、图像、视频或音频等创作指令。
   • 对于视频编辑模式，可通过指令对视频画面进行局部调整，如添加、删除和替换元素等。
4. 生成与下载视频
   • 点击生成按钮，等待模型处理并生成视频。
   • 预览生成的视频，满意后下载到本地设备。

推荐理由

1. 全面的创作控制力
   • Wan2.7-Video 将 AI 的能力从单一素材生成扩至创作全链路，从“演”迈向“导”，为用户提供全面的创作控制力。
2. 强大的视频编辑能力
   • 一句话即可对视频进行局部或整体修改，满足多样化的编辑需求。
   • 支持智能剧本创作和分镜调度，降低创作门槛，提高创作效率。
3. 丰富的视觉风格与声音控制
   • 可延展出上千种风格组合，覆盖多种视觉语言，满足不同用户的审美需求。
   • 声音真实感、自然度、音乐表现力及音画同步质量均进一步提升，提升视频的整体质量。
4. 灵活的视频续写与尾帧控制
   • 引入视频续写与尾帧控制的联合机制，有效消除传统首尾帧方案中常见的“刹车感”，提升视频的动态延续性和结构可控性。
5. 多模态参考与动作复刻
   • 支持图像、视频和音频多模态参考，精准迁移人物动作和外观音色。
   • 最多支持 5 个视频主体参考，为业内最多，满足复杂场景的创作需求。