Schreiben Sie Ihren Clip Einstellung für Einstellung — eine Totale, dann eine Fahrt nach vorn, dann eine Nahaufnahme — und Wan 2.7 führt das ganze Storyboard in einer durchgehenden Aufnahme aus.
Wan 2.7 ist Alibabas Videomodell Tongyi Wanxiang, das hier über unseren Videoanbieter am Endpunkt alibaba/wan-2.7 bereitgestellt wird. Drei Modi teilen sich ein Panel: Text-zu-Video, Bild-zu-Video aus einem einzelnen ersten Bild und Referenz-zu-Video mit bis zu fünf Bildern, angesprochen als Image 1, Image 2 und so weiter. Was es in dieser Gruppe abhebt, sind Spannweite und Preis — jede ganze Sekunde von 2 bis 15, zum niedrigsten Preis pro Sekunde der vier unten verglichenen Modelle.
Die Abstriche sind konkret. Ton hat keinen Schalter, es gibt also keine stumme Aufnahme zum Selbstvertonen. 1080p ist die Obergrenze — kein 4K hier. Bild-zu-Video geht nur über das erste Bild: keine Interpolation zwischen erstem und letztem Bild, keine Fortsetzung, keine Bearbeitung eines vorhandenen Clips, obwohl die Upstream-API alle drei definiert. Die Prompt-Erweiterung ist aus, ein knapper Prompt wird also wörtlich genommen. Und wir haben dieses Modell nicht gestoppt, diese Seite behauptet also keine Geschwindigkeit.
Alibabas Tongyi Wanxiang 2.7 verwandelt Shot-für-Shot-Prompts in kohärente Szenen von bis zu 15 Sekunden, hält Charaktere anhand von Referenzbildern konsistent und generiert nativen Ton — zu einem der günstigsten Sekundenpreise seiner Klasse.
Beschreibe deinen Clip Shot für Shot — "Shot 1 [0-3s] Totale … Shot 2 [3-6s] Nahaufnahme …" — und Wan 2.7 setzt das Storyboard in einem kohärenten Take um, bis zu 15 Sekunden lang. Es ist für Sequenzen gebaut, nicht nur für einzelne Bewegungen.
Referenz-zu-Video akzeptiert bis zu fünf Bilder — Charaktere, Produkte oder Szenen — die der Reihe nach als Image 1, Image 2 und so weiter referenziert werden. Gesichter, Outfits und Objekte bleiben über Kamerabewegungen hinweg konsistent, statt zwischen Frames zu driften.
Wan 2.7 unterbietet die meisten Modelle seiner Qualitätsklasse beim Preis pro Sekunde — die richtige Wahl für Entwürfe in finalreifer Qualität und für lange 10-15-Sekunden-Schnitte, die anderswo teuer wären. Die genauen Kosten siehst du vor der Generierung.
Der Ton wird automatisch passend zum Bild generiert — Musik, Atmosphäre und Effekte ohne zusätzlichen Schritt. Ausgabe in 720p oder 1080p in fünf Seitenverhältnissen, vom vertikalen 9:16-Social-Clip bis zum klassischen 16:9.
Erzeugt hier am 15. August 2026, im ersten Anlauf, mit exakt gezeigten Prompts und Einstellungen. Jeder Clip prüft eine der weiter unten auf dieser Seite genannten Fähigkeiten.
Waves breaking on a pebble beach at dawn, water dragging stones back with each retreat, gulls overhead, static wide shot with natural ambience.
A woman reading on a porch swing, turning a page, swing rocking gently, dappled afternoon light through leaves, gentle push-in.
Es ist das Kontroll- und Mengenmodell dieser Gruppe: die größte Längenspanne, die Identitätsfixierung und der Preis, der Ihnen so viele Versuche erlaubt, wie es braucht.
Geben Sie ihm im Prompt ein Storyboard — eine Totale, dann eine Fahrt nach vorn, dann eine Nahaufnahme, mit ausgeschriebenen Zeitangaben — und es führt die Sequenz in einer Aufnahme aus. Die Spanne von 2 bis 15 Sekunden bedeutet, dass das Storyboard nicht gegen eine feste Cliplänge kämpft.
Referenz-zu-Video nimmt bis zu fünf Bilder, und Sie sprechen sie im Prompt über ihre Nummer an, sodass ein Gesicht, eine Jacke oder eine Flasche die Kamerafahrt übersteht, statt sich von Bild zu Bild neu zu zeichnen.
Es trägt bei beiden seiner Auflösungen den niedrigsten Preis pro Sekunde der vier Modelle in der Tabelle oben, und genau das macht Schnitte von zehn und fünfzehn Sekunden praktikabel zum Iterieren statt zu etwas, wofür man budgetiert.
Fünf Seitenverhältnisse, darunter 9:16 und 4:3, eine Untergrenze von 2 Sekunden für Stings und Loops, und Ton bereits angehängt, wenn der Clip ankommt — es gibt keinen separaten Tondurchgang, bevor er rausgehen kann.
Ton ist immer an, Sie bekommen also keine saubere Aufnahme zum Selbstvertonen; 1080p ist die Obergrenze, ein 4K-Ergebnis gehört also zu Kling 3.0; und es gibt hier keine Lippensynchronität, eine Figur mit Text vor der Kamera gehört also zu HappyHorse 1.1.
Gleicher Arbeitsplatz, gleicher Credit-Pool — der Wechsel zwischen ihnen ist ein Klick.
| Wan 2.7 | HappyHorse 1.1 | Hailuo 02 | Kling 3.0 | |
|---|---|---|---|---|
| Auflösungen | 720p · 1080p | 720p · 1080p | 512p · 768p · 1080p | 720p · 1080p · 4K |
| Cliplänge | 2–15s, jede ganze Sekunde | 3–15s, jede ganze Sekunde | 6 oder 10s — 1080p gibt es nur mit 6s | 3–15s, jede ganze Sekunde |
| Wie abgerechnet wird | Pro Sekunde Ausgabe | Pro Sekunde Ausgabe | Pro fertigem Clip, aus einer festen Tabelle mit fünf Einträgen | Pro Sekunde Ausgabe |
| Ton | Nativ, immer an, kein Schalter | Nativer Ton und Lippensynchronität, immer an, kein Schalter | Kein Audio-Parameter — Clips kommen stumm zurück | Optionaler Schalter, standardmäßig aus |
| Credits pro Sekunde, 720p | 40 | 65 | Nicht zutreffend — pro Clip bepreist, und seine nächste Stufe ist 768p | 45 stumm · 60 mit Ton |
| Credits pro Sekunde, 1080p | 70 | 85 | Nicht zutreffend — pro Clip bepreist | 60 stumm · 85 mit Ton |
| Credits pro Sekunde, 4K | Nicht angeboten | Nicht angeboten | Nicht angeboten | 200, Ton ohne Aufpreis enthalten |
| Credits für einen 6-Sekunden-Clip in 1080p | 420 | 510 | 240 | 360 stumm · 510 mit Ton |
| Credits für einen Clip, von der Untergrenze bis zur Obergrenze | 80–1,050 | 195–1,275 | 40–240 | 135–3,000 |
| Bild-zu-Video | Ja, ein erstes Bild | Ja, ein erstes Bild | Ja, ein erstes Bild | Ja, ein erstes Bild |
| Referenzbilder für die Identität | Bis zu 5, im Prompt als Image 1, Image 2 … angesprochen | Bis zu 9, im Prompt als character1, character2 … angesprochen | Keine — kein Referenz-zu-Video-Modus | Keine — das einzelne Bild ist das erste Bild |
| Seitenverhältnisse | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 9 — von 9:21 bis 21:9 | Kein Seitenverhältnis-Parameter | 3 — 16:9, 9:16, 1:1 |
| Von uns selbst gemessene Geschwindigkeit | Nicht gemessen | Nicht gemessen | 94s und 86s für zwei 6-Sekunden-Clips in 768p (2 Clips, August 2026) | Nicht gemessen |
Jede Auflösung, Cliplänge und Credit-Zahl in dieser Tabelle stammt aus unserer eigenen Modell-Registry und den Preistabellen in unserem Code, Stand 20. August 2026 — dieselben Tabellen, die Ihre Generierungen abrechnen, keine Marketingseiten der Anbieter. Wan 2.7, HappyHorse 1.1 und Kling 3.0 rechnen pro Sekunde ab, ihre Werte pro Clip sind also der Preis multipliziert mit der von Ihnen gewählten Länge; Hailuo 02 rechnet pro Clip aus einer festen Tabelle ab. Die einzigen Geschwindigkeitszahlen hier sind die beiden Hailuo-02-Clips, die wir selbst gestoppt haben, und jede Zelle, die wir nicht gemessen haben, sagt das, statt sich anderswo eine Zahl zu borgen.
Vergleiche Wan 2.7 mit anderen Videomodellen — derselbe Workspace, ein Klick zum Wechseln.
| Modell | wan-2.7 (Tongyi Wanxiang 2.7), von Alibaba — bereitgestellt am Endpunkt alibaba/wan-2.7 |
|---|---|
| Modi | Text-zu-Video, Bild-zu-Video aus einem einzelnen ersten Bild und Referenz-zu-Video mit bis zu 5 Referenzbildern |
| Auflösung | 720p und 1080p |
| Dauer | 2–15 Sekunden, jede ganze Sekunde (standardmäßig 5) |
| Seitenverhältnisse | 16:9, 9:16, 1:1, 4:3 und 3:4 für Text- und Referenz-zu-Video; Bild-zu-Video folgt dem Referenzfoto |
| Referenzbilder | Bis zu 5, im Prompt als Image 1, Image 2 und so weiter angesprochen. Upstream teilt sich diese Grenze mit Referenzvideos, die hier nicht angebunden sind |
| Ton | Nativ und immer an — es gibt keinen Audioschalter und keine stumme Option |
| Umgang mit Prompts | Die Prompt-Erweiterung ist standardmäßig aus, das Modell arbeitet also mit genau dem, was Sie geschrieben haben |
| Credits | Pro Sekunde Ausgabe: 40 bei 720p und 70 bei 1080p — derselbe Preis für Text-, Bild- und Referenz-zu-Video |
| Credit-Spanne pro Clip | 80 für einen 2-Sekunden-Clip in 720p, bis zu 1.050 für einen 15-Sekunden-Clip in 1080p |
| Gemessene Geschwindigkeit | Nicht gemessen — die beiden Clips auf dieser Seite wurden hier erzeugt, aber wir haben ihre Generierungszeiten nicht festgehalten |
Drei Schritte vom leeren Prompt-Feld zum fertigen Clip.
Öffne die Modellauswahl und wähle Wan 2.7. Das Panel zeigt dir Credit-Kosten, Auflösungsoptionen und Längenbegrenzungen, bevor du irgendetwas ausgibst.
Beschreibe das Motiv, die Handlung und wie sich die Kamera bewegt. Häng ein erstes Bild an, wenn der Clip von einem bestimmten Bild ausgehen soll.
Lade den Clip herunter, verlängere ihn oder schick ihn in die weitere Bearbeitung. Prompt, Modell und Einstellungen bleiben in deinem Verlauf gespeichert.
Ein Konto, der vollständige Bild- und Video-Generierungs-Workflow.
Nutze Wan 2.7 mit den täglichen Credits des kostenlosen Tarifs – oder mach ein Upgrade für Premium-Modelle, schnellere Generierung und 4K-Ausgabe.
Perfekt für den Einstieg
Jährliche Abrechnung · 240 $/Jahr
Jährliche Abrechnung · 380 $/Jahr
Multi-Shot-Storytelling mit konsistenten Charakteren: Beschreibe den Clip Shot für Shot, füge bis zu fünf Referenzbilder hinzu und erhalte eine kohärente Szene von bis zu 15 Sekunden mit nativem Ton.
Pro Sekunde Output, abhängig von der Auflösung (720p oder 1080p). Wan 2.7 ist eines der kosteneffizientesten Modelle seiner Qualitätsklasse; die genauen Kosten siehst du vor der Generierung, und fehlgeschlagene Läufe werden automatisch erstattet.
Text-zu-Video, Bild-zu-Video (ein erstes Frame animieren) und Referenz-zu-Video mit bis zu 5 Referenzbildern, referenziert als Image 1, Image 2 und so weiter.
2 bis 15 Sekunden pro Generierung — eine der längsten verfügbaren Spannen — in 720p oder 1080p.
Wan 2.7 ist die Wahl für Kontrolle und Preis-Leistung: längere Clips, straffere Identitätsfixierung, geringere Kosten. HappyHorse 1.1 führt bei nativen Dialogen und mehrsprachiger Lippensynchronisation. Beide generieren Ton nativ.
Credits werden für fehlgeschlagene Videogenerierungen automatisch erstattet.
Ein-Klick-Tools für alles rund um die Generierung — verfeinern, umstylen, teilen.
