Wan 2.7 Video API: 1080p, Audio, Preise und Limits (2026)

Die Wan-2.7-Video-API umfasst mehr als Text-zu-Video. Dieselbe Modellfamilie kann aus Text generieren, erste und letzte Frames animieren, einen existierenden Clip fortsetzen, Referenzbilder oder -videos nutzen, Fahrton akzeptieren und Video bearbeiten. Sie unterstützt 720p und 1080p mit ganzzahligen Dauern von 2 bis 15 Sekunden.

Diese Breite schafft ein praktisches Problem: Die Request-Form bestimmt den Modus, und der Modus beeinflusst, was abgerechnet wird. Ein fünf-sekündiger Text-zu-Video-Job wird nicht immer wie ein fünf-sekündiger Referenz-zu-Video- oder Bearbeitungs-Job berechnet.

TL;DR

• Wan 2.7 unterstützt 720p und 1080p, fünf Seitenverhältnisse und 2–15-sekündige Ausgaben.^[1]
• Text-zu-Video akzeptiert eine optionale Audiodatei; ohne sie kann das Modell passende Hintergrundmusik oder Soundeffekte generieren.
• reAPI zeigt derzeit $0.074/s bei 720p und $0.121/s bei 1080p an.
• Die reAPI-Umbrella-ID ist wan2.7-video; Eingaben bestimmen, ob der Job Text, Bild, Referenz, Fortsetzung oder Bearbeitung ist.
• Generierte URLs sind temporär. Lade Ergebnisse in dauerhaften Speicher statt die Provider-URL in einem Produkt zu verwenden.

Spezifikationen der Wan-2.7-Video-API

Alibabas offizielle HTTP-API erfordert asynchrone Aufrufe für Wan 2.7. Nach der Einreichung bleiben die Task-ID und die Ergebnis-URL 24 Stunden lang verfügbar.^[1] reAPI normalisiert die Task-Einreichung hinter seinem Video-Endpunkt, aber deine Anwendung muss weiterhin die zurückgegebene Job-ID speichern, mit Backoff abrufen und das fertige Asset in permanenten Speicher kopieren.

Wan-2.7-Video-API-Preise nach Auflösung

Wan 2.7 verwendet Pro-Sekunden-Abrechnung. Die aktuelle reAPI-Preisliste wendet eine 10%- Plattformspanne auf einen diskontierten Upstream-Satz an und rundet die abgeschlossene Anfrage auf ganze Credits.

Die 5- und 15-Sekunden-Beispiele verwenden aggregierte Request-Rundung, weshalb sie leicht niedriger sein können, als wenn man den angezeigten gerundeten Satz mit der Dauer multipliziert. Die Sätze wurden am 1. August 2026 überprüft.

Bei Text-zu-Video und gewöhnlichem Bild-zu-Video ist die abrechenbare Zahl die Ausgabedauer. Referenz-zu-Video und Video-Bearbeitung können auch erkannte Quellvideo-Dauer enthalten. Kalkuliere diese Modi vom Estimator oder zurückgegebener Nutzung, anstatt den Output-Regler als gesamte Rechnung anzunehmen.

Wie man Wan 2.7 über reAPI aufruft

Ein Text-zu-Video-Request ist das kleinste nützliche Beispiel:

curl https://reapi.ai/api/v1/videos/generations \
  -H "Authorization: Bearer $REAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan2.7-video",
    "prompt": "Generate a single shot. A paper boat drifts down a rain-soaked city street at dusk. Slow low-angle tracking camera, warm shop reflections, natural rain and distant traffic audio.",
    "negative_prompt": "text, logo, watermark, camera shake",
    "size": "16:9",
    "resolution": "1080P",
    "duration": 5,
    "prompt_extend": true,
    "watermark": false,
    "seed": 31415
  }'

Die Wan-2.7-Video-Modellseite zeigt die verfügbaren Modi, während die API-Dokumentation für das aktuelle Payload-Schema verwendet werden sollte.

Der Modus ist implizit. Füge kein fiktives mode: "text-to-video"-Feld hinzu. Gib stattdessen die Medienfelder für den gewünschten Workflow an.

Wähle den richtigen Wan-2.7-Input-Modus

Text-zu-Video

Gib prompt und gängige Ausgabe-Controls an. Du kannst auch audio_url für einen benutzerdefinierten Soundtrack übergeben. Alibaba sagt, dass Wan 2.7 ohne Audio passende Hintergrundmusik oder Effekte produzieren kann.^[1]

Erstes Frame oder erstes und letztes Frame Video

Nutze image_urls für einen einfachen First-Frame-Workflow oder image_with_roles, wenn die Bilder explizite first_frame- und last_frame-Rollen brauchen. Das erste Bild bestimmt normalerweise die Output-Komposition und ungefähres Seitenverhältnis.

Video-Fortsetzung

Stelle eine Quelle über video_urls bereit. Der Quellclip wird bis zur angeforderten Gesamtdauer fortgesetzt. Beispiel: ein 3-sekündiger Quellclip mit duration: 10 produziert ungefähr sieben neue Sekunden und ein zehn-sekündiges kombiniertes Ergebnis.

Referenz-zu-Video

Nutze reference_image_urls, reference_video_urls oder reference_voice_urls, um Aussehen, Bewegung oder Stimmenmerkmale beizubehalten. Die aktuelle reAPI-Oberfläche erlaubt bis zu fünf URLs in jeder Referenzkategorie.

Video-Bearbeitung

Stelle video_url und einen Bearbeitungs-Prompt bereit. Bis zu vier unterstützende Bilder können Ersetzung oder Stil lenken. audio_setting: "origin" bevorzugt Quellton; "auto" lässt den Workflow entscheiden, wie Audio behandelt wird.

Wie man Wan-2.7-Prompts schreibt

Wan 2.7 interpretiert Shot-Struktur aus dem Prompt. Das ältere shot_type-Feld steuert nicht Wan 2.7 Text-zu-Video. Um einen kontinuierlichen Shot anzufordern, sage „Generate a single shot." Für Multi-Shot-Arbeit benenne jeden Shot und gib ihm einen Zeitraum.^[1]

Generate a multi-shot video.
Shot 1 [0–4s]: wide shot of a quiet train platform before sunrise.
Shot 2 [4–8s]: medium tracking shot as a traveler walks beside the train.
Shot 3 [8–12s]: close-up of a paper ticket bending in the wind.
Natural station ambience, no dialogue, restrained camera motion.

Halte den Timeline innerhalb der angeforderten Dauer. Wenn drei Shots jeweils zehn Sekunden implizieren, aber die API eine sechssekündige Ausgabe anfordert, muss das Modell Anweisungen komprimieren oder löschen. Der offizielle Prompt-Leitfaden empfiehlt auch, Referenzen als Image 1 oder Video 1 zu nennen, wenn mehrere Assets vorhanden sind.^[3]

Audio-Verhalten und Edge Cases

Custom Audio kann Timing, Dialog oder Hintergrundton treiben, aber die Dauern müssen abgestimmt sein. Wenn Audio länger als das angeforderte Video ist, wird es abgeschnitten. Wenn es kürzer ist, kann der Rest still sein. Schneide Audio vor, wenn das genaue Ende wichtig ist.

Für Lip-Sync oder Voice-Reference-Arbeit nutze saubere Sprache mit begrenztem Hintergrundgeräusch. Ein Soundtrack, der Musik, überlappenden Dialog und Umgebungsgeräusche mischt, gibt dem Modell weniger zuverlässige Timing-Belege als eine dedizierte Stimmspur.

Denk auch daran, dass Audio-Änderungen Rechte und Einwilligungspflichten verändern. Ein technisch gültiger Referenzvon ist kein Beweis, dass du die Berechtigung hast, ihn zu klonen oder zu veröffentlichen.

Häufige Integrationsfehler

Behandlung der Generierung als synchron

Video-Jobs können Minuten dauern. Speichere die Task-ID, poll mit exponentiellem Backoff, handle Fehlerzustände und mache die UI nach einem Seitenaktualisierung wiederherstellbar.

Serving der temporären Ergebnis-URL

Alibabas Ergebnis-URLs laufen nach 24 Stunden ab. Lade erfolgreiche Ergebnisse herunter und lade sie in deinen eigenen Objektspeicher, bevor du eine permanente Asset-URL zurückgibst.

Annahme, dass 1080p immer die beste Test-Einstellung ist

Prototypisiere Prompts in 720p, führe dann ausgewählte Shots in 1080p erneut aus. Das hält Prompt-Iteration günstiger bei Beibehaltung der finalen Lieferqualität.

Ignorieren abrechenbarer Input-Dauer

Referenz-Video- und Bearbeitungs-Workflows können Quell-Dauer in die Rechnung einbeziehen. Protokolliere Request-Modus, Quellenlänge, Ausgabenlänge, Auflösung und endgültige Gebühr.

Für einen breiteren Vergleich inkompatibler Abrechnungseinheiten lies AI Video Generation API Pricing. Falls dein Workflow von einem Standbild startet und ein anderes Motion-Modell braucht, erklärt der Grok Imagine Video 1.5 API Guide seine Image-to-Video-only-Oberfläche.

FAQ

Wie lange können Wan-2.7-Videos sein?

Wan 2.7 akzeptiert ganzzahlige Dauern von 2 bis 15 Sekunden für seine primären Text- und Bild-Workflows.

Unterstützt Wan 2.7 1080p?

Ja. Es unterstützt 720p und 1080p. Die Auflösung beeinflusst den Pro-Sekunden-Preis.

Kann Wan 2.7 Audio generieren?

Ja. Ohne eine Custom-Audio-Datei kann die Text-zu-Video-Route passende Hintergrundmusik oder Soundeffekte generieren. Es akzeptiert auch WAV- oder MP3-Input.

Unterstützt Wan 2.7 erstes und letztes Frame?

Ja. Seine Image-zu-Video-API unterstützt First-Frame- und First-plus-Last-Frame-Workflows sowie Fortsetzung von einem existierenden Clip.

Wie viel kostet ein fünf-sekündiges Wan-2.7-Video auf reAPI?

Zu den am 1. August 2026 überprüften Sätzen kostet ein gewöhnlicher fünf-sekündiger Job ungefähr $0.366 bei 720p oder $0.603 bei 1080p. Input-berechnete Referenz- und Bearbeitungsmodi können teurer sein.

Fazit

Die Wan-2.7-Video-API ist wertvoll, weil eine Familie Generierung, Fortsetzung, Referenzkontrolle, Audio und Bearbeitung abdeckt. Die Integration funktioniert am besten, wenn die Anwendung den Request-Modus explizit bestimmt, Auflösung und abrechenbare Dauer korrekt kalkuliert und Task-Polling und Asset-Persistenz als erstklassige Teile des Produkts behandelt.

Referenzen

1. Alibaba Cloud Model Studio. Wan2.7 text-to-video API reference. alibabacloud.com/help/en/model-studio/text-to-video-api-reference
2. Alibaba Cloud Model Studio. Wan2.7 image-to-video API reference. alibabacloud.com/help/en/model-studio/image-to-video-general-api-reference
3. Alibaba Cloud Model Studio. Wan video prompt guide. alibabacloud.com/help/en/model-studio/text-to-video-prompt