Napisz swój klip ujęcie po ujęciu — plan ogólny, potem najazd, potem zbliżenie — a Wan 2.7 wykona cały storyboard w jednym ciągłym podejściu.
Wan 2.7 to model wideo Tongyi Wanxiang od Alibaby, udostępniany tutaj na punkcie końcowym alibaba/wan-2.7 przez naszego dostawcę wideo. Trzy tryby dzielą jeden panel: tekst-na-wideo, obraz-na-wideo z pojedynczej pierwszej klatki oraz referencja-na-wideo z maks. pięcioma obrazami przywoływanymi jako Image 1, Image 2 i tak dalej. W tej grupie wyróżnia go zakres i stawka — dowolna pełna sekunda od 2 do 15, po najniższej cenie za sekundę spośród czterech modeli porównywanych poniżej.
Kompromisy są konkretne. Dźwięk nie ma przełącznika, więc nie ma cichego ujęcia, które sam byś udźwiękowił. 1080p to sufit — nie ma tu 4K. Obraz-na-wideo działa tylko z pierwszej klatki: brak interpolacji pierwsza-i-ostatnia klatka, brak kontynuacji, brak edycji istniejącego klipu, mimo że API dostawcy definiuje wszystkie trzy. Rozwijanie promptu jest wyłączone, więc zdawkowy prompt jest brany dosłownie. A my nie mierzyliśmy czasów tego modelu, więc ta strona nie deklaruje żadnej prędkości.
Tongyi Wanxiang 2.7 od Alibaby zamienia prompty pisane ujęcie po ujęciu w spójne sceny do 15 sekund, utrzymuje spójność postaci na podstawie obrazów referencyjnych i generuje natywne audio — w jednej z najkorzystniejszych stawek za sekundę w swojej klasie.
Opisz klip ujęcie po ujęciu — „Ujęcie 1 [0-3s] plan szeroki … Ujęcie 2 [3-6s] zbliżenie …” — a Wan 2.7 zrealizuje storyboard w jednym spójnym ujęciu, do 15 sekund. Model stworzony do sekwencji, nie tylko pojedynczych ruchów.
Tryb referencja-do-wideo przyjmuje do pięciu obrazów — postaci, produktów lub scen — przywoływanych kolejno jako Image 1, Image 2 i tak dalej. Twarze, stroje i obiekty pozostają spójne podczas ruchów kamery, zamiast dryfować między klatkami.
Wan 2.7 jest tańszy za sekundę od większości modeli w swojej klasie jakości — to właściwy wybór dla szkiców w finalnej jakości i długich cięć na 10-15 sekund, które gdzie indziej byłyby drogie. Dokładny koszt widzisz przed generowaniem.
Audio jest generowane automatycznie pod obraz — muzyka, tło dźwiękowe i efekty bez dodatkowego kroku. Wyjście w 720p lub 1080p w pięciu proporcjach obrazu: od pionowych klipów 9:16 na social media po klasyczne 16:9.
Wygenerowane tutaj 15 sierpnia 2026 roku, za pierwszym podejściem, z dokładnie pokazanymi promptami i ustawieniami. Każdy klip sprawdza jedną z możliwości deklarowanych niżej na tej stronie.
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.
To model tej grupy od kontroli i ilości: najszerszy zakres długości, blokada tożsamości i stawka, która pozwala zrobić tyle podejść, ile trzeba.
Podaj mu storyboard w prompcie — plan ogólny, potem najazd, potem zbliżenie, z wypisanymi czasami — a wykona całą sekwencję w jednym podejściu. Zakres od 2 do 15 sekund oznacza, że storyboard nie walczy ze sztywną długością klipu.
Referencja-na-wideo przyjmuje do pięciu obrazów, a ty przywołujesz je w prompcie numerem, więc twarz, kurtka albo butelka niesie się przez ruch kamery, zamiast przerysowywać się z klatki na klatkę.
Ma najniższą stawkę za sekundę spośród czterech modeli w tabeli powyżej w obu swoich rozdzielczościach, i to właśnie czyni dziesięcio- i piętnastosekundowe cięcia praktycznymi do iterowania, a nie czymś, na co się planuje budżet.
Pięć proporcji, w tym 9:16 i 4:3, dolna granica 2 sekund do przerywników i pętli oraz dźwięk już dołączony, gdy klip ląduje — nie ma osobnego przejścia dźwiękowego, zanim można go wypuścić.
Dźwięk jest zawsze włączony, więc nie dostaniesz czystego ujęcia, które sam byś udźwiękowił; 1080p to sufit, więc materiał 4K należy do Kling 3.0; a synchronizacji ust tu nie ma, więc postać z kwestiami przed kamerą należy do HappyHorse 1.1.
Ten sam obszar roboczy, ta sama pula kredytów — przełączenie między dowolnymi z nich to jedno kliknięcie.
| Wan 2.7 | HappyHorse 1.1 | Hailuo 02 | Kling 3.0 | |
|---|---|---|---|---|
| Rozdzielczości | 720p · 1080p | 720p · 1080p | 512p · 768p · 1080p | 720p · 1080p · 4K |
| Długość klipu | 2–15s, dowolna pełna sekunda | 3–15s, dowolna pełna sekunda | 6 albo 10s — 1080p tylko 6s | 3–15s, dowolna pełna sekunda |
| Jak jest rozliczany | Za sekundę wyjścia | Za sekundę wyjścia | Za gotowy klip, ze stałej tabeli o pięciu pozycjach | Za sekundę wyjścia |
| Dźwięk | Natywny, zawsze włączony, bez przełącznika | Natywny dźwięk i synchronizacja ust, zawsze włączone, bez przełącznika | Brak parametru dźwięku — klipy wracają ciche | Opcjonalny przełącznik, domyślnie wyłączony |
| Kredyty na sekundę, 720p | 40 | 65 | Nie dotyczy — wyceniany za klip, a jego najbliższy poziom to 768p | 45 bez dźwięku · 60 z dźwiękiem |
| Kredyty na sekundę, 1080p | 70 | 85 | Nie dotyczy — wyceniany za klip | 60 bez dźwięku · 85 z dźwiękiem |
| Kredyty na sekundę, 4K | Niedostępne | Niedostępne | Niedostępne | 200, dźwięk wliczony bez dopłaty |
| Kredyty za 6-sekundowy klip w 1080p | 420 | 510 | 240 | 360 bez dźwięku · 510 z dźwiękiem |
| Kredyty za jeden klip, od podłogi do sufitu | 80–1,050 | 195–1,275 | 40–240 | 135–3,000 |
| Obraz-na-wideo | Tak, jedna pierwsza klatka | Tak, jedna pierwsza klatka | Tak, jedna pierwsza klatka | Tak, jedna pierwsza klatka |
| Obrazy referencyjne dla tożsamości | Do 5, przywoływane w prompcie jako Image 1, Image 2 … | Do 9, przywoływane w prompcie jako character1, character2 … | Brak — nie ma trybu referencja-na-wideo | Brak — pojedynczy obraz jest pierwszą klatką |
| Proporcje obrazu | 5 — 16:9, 9:16, 1:1, 4:3, 3:4 | 9 — od 9:21 aż po 21:9 | Brak parametru proporcji | 3 — 16:9, 9:16, 1:1 |
| Prędkość, którą sami zmierzyliśmy | Nie mierzono | Nie mierzono | 94s i 86s dla dwóch 6-sekundowych klipów w 768p (2 klipy, sierpień 2026) | Nie mierzono |
Każda rozdzielczość, długość klipu i liczba kredytów w tej tabeli są odczytane z naszego własnego rejestru modeli i z tabel stawek w naszym kodzie 20 sierpnia 2026 — z tych samych tabel, które wyceniają twoje generacje, a nie ze stron marketingowych producentów. Wan 2.7, HappyHorse 1.1 i Kling 3.0 rozliczają się za sekundę, więc ich liczby za klip to stawka pomnożona przez wybraną przez ciebie długość; Hailuo 02 rozlicza się za klip ze stałej tabeli. Jedyne liczby prędkości tutaj to dwa klipy Hailuo 02, którym sami zmierzyliśmy czas, a każda komórka, której nie zmierzyliśmy, mówi to wprost, zamiast pożyczać liczbę skądinąd.
Porównuj Wan 2.7 z innymi modelami wideo — ta sama przestrzeń robocza, przełączanie jednym kliknięciem.
| Model | wan-2.7 (Tongyi Wanxiang 2.7), od Alibaby — udostępniany na punkcie końcowym alibaba/wan-2.7 |
|---|---|
| Tryby | Tekst-na-wideo, obraz-na-wideo z pojedynczej pierwszej klatki oraz referencja-na-wideo z maks. 5 obrazami referencyjnymi |
| Rozdzielczość | 720p i 1080p |
| Czas trwania | 2–15 sekund, dowolna pełna sekunda (domyślnie 5) |
| Proporcje obrazu | 16:9, 9:16, 1:1, 4:3 i 3:4 dla tekst- i referencja-na-wideo; obraz-na-wideo idzie za zdjęciem referencyjnym |
| Obrazy referencyjne | Do 5, przywoływane w prompcie jako Image 1, Image 2 i tak dalej. U dostawcy ten limit jest wspólny z wideo referencyjnym, które nie jest tu podłączone |
| Dźwięk | Natywny i zawsze włączony — nie ma przełącznika dźwięku i nie ma opcji ciszy |
| Obsługa promptu | Rozwijanie promptu jest domyślnie wyłączone, więc model pracuje dokładnie na tym, co napisałeś |
| Kredyty | Za sekundę wyjścia: 40 w 720p i 70 w 1080p — ta sama stawka dla tekst-, obraz- i referencja-na-wideo |
| Zakres kredytów na klip | 80 za 2-sekundowy klip w 720p, aż do 1 050 za 15-sekundowy klip w 1080p |
| Zmierzona szybkość | Nie mierzyliśmy — dwa klipy na tej stronie wygenerowano tutaj, ale nie zapisaliśmy ich czasów generowania |
Trzy kroki od pustego pola promptu do gotowego klipu.
Otwórz listę modeli i wybierz Wan 2.7. Panel pokaże koszt w kredytach, opcje rozdzielczości i limity długości, zanim cokolwiek wydasz.
Opisz temat, akcję i to, jak zachowuje się kamera. Dołącz pierwszą klatkę, jeśli klip ma zaczynać się od konkretnego obrazu.
Pobierz klip, przedłuż go albo przekaż do dalszej edycji. Prompt, model i ustawienia zostają przy nim w historii.
Jedno konto, cały proces generowania obrazów i wideo.
Uruchom Wan 2.7 na dziennych kredytach planu darmowego albo przejdź na wyższy plan, by korzystać z modeli premium, szybszego generowania i wyjścia 4K.
Idealny na początek
Rozliczenie roczne · $240/rok
Rozliczenie roczne · $380/rok
Wieloujęciowe opowiadanie historii ze spójnymi postaciami: opisz klip ujęcie po ujęciu, dołącz do pięciu obrazów referencyjnych i otrzymaj spójną scenę do 15 sekund z natywnym audio.
Za sekundę materiału, zależnie od rozdzielczości (720p lub 1080p). Wan 2.7 to jeden z najbardziej opłacalnych modeli w swojej klasie jakości; dokładny koszt widzisz przed generowaniem, a nieudane próby są zwracane automatycznie.
Tekst-do-wideo, obraz-do-wideo (animacja pierwszej klatki) oraz referencja-do-wideo z maksymalnie 5 obrazami referencyjnymi przywoływanymi jako Image 1, Image 2 i tak dalej.
Od 2 do 15 sekund na generację — jeden z najszerszych dostępnych zakresów — w 720p lub 1080p.
Wan 2.7 to wybór dla kontroli i opłacalności: dłuższe klipy, mocniejsza blokada tożsamości, niższy koszt. HappyHorse 1.1 wygrywa w natywnych dialogach i wielojęzycznym lip-syncu. Oba modele generują audio natywnie.
Za nieudane generacje wideo kredyty są zwracane automatycznie.
Narzędzia na jedno kliknięcie do wszystkiego wokół generowania — dopracuj, zmień styl, udostępnij.
