API de Wan 2.7 Video: 1080p, audio, precios y límites (2026)

El API de Wan 2.7 va mucho más allá de texto a vídeo. La misma familia de modelos puede generar desde texto, animar fotogramas primeros y últimos, continuar clips existentes, usar imágenes o vídeos de referencia, aceptar audio de conducción y editar vídeo. Admite salida de 720p y 1080p con duraciones enteras de 2 a 15 segundos.

Esa amplitud genera un problema práctico: la forma de la solicitud determina el modo, y el modo afecta a qué se factura. Un trabajo de texto a vídeo de cinco segundos no siempre se factura igual que uno de referencia a vídeo o uno de edición de la misma duración.

TL;DR

• Wan 2.7 admite 720p y 1080p, cinco relaciones de aspecto y salidas de 2–15 segundos.^[1]
• Texto a vídeo acepta un archivo de audio opcional; sin uno, el modelo puede generar música de fondo o efectos de sonido coincidentes.
• reAPI muestra actualmente $0,074/s a 720p y $0,121/s a 1080p.
• El ID de modelo unificado de reAPI es wan2.7-video; las entradas determinan si el trabajo es texto, imagen, referencia, continuación o edición.
• Las URL generadas son temporales. Descarga los resultados al almacenamiento duradero en lugar de servir la URL del proveedor en un producto.

Especificaciones del API de Wan 2.7

El API HTTP oficial de Alibaba requiere invocación asincrónica para Wan 2.7. Después del envío, el ID de la tarea y la URL de resultado permanecen disponibles durante 24 horas.^[1] reAPI normaliza el envío de tareas detrás de su punto de conexión de vídeo, pero tu aplicación aún necesita conservar el ID de trabajo devuelto, sondearlo con retroceso exponencial, y copiar el activo terminado al almacenamiento permanente.

Precios del API de Wan 2.7 por resolución

Wan 2.7 utiliza facturación por segundo. La tarjeta de tarifas actual de reAPI aplica un margen de plataforma del 10% a una tarifa aguas arriba con descuento y redondea la solicitud completada al crédito completo.

Los ejemplos de 5 y 15 segundos utilizan redondeo de solicitud agregada, por lo que pueden ser ligeramente inferiores a multiplicar la tarifa redondeada mostrada por la duración. Las tarifas se comprobaron el 1 de agosto de 2026.

Para texto a vídeo e imagen a vídeo ordinaria, el recuento facturable es la duración de salida. La referencia a vídeo y la edición de vídeo también pueden incluir la duración del vídeo de origen detectada. Presupuesta esos modos desde el estimador o el uso devuelto en lugar de asumir que el control deslizante de salida es toda la factura.

Cómo llamar a Wan 2.7 a través de reAPI

Una solicitud de texto a vídeo es el ejemplo más pequeño útil:

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
  }'

La página del modelo Wan 2.7 Video expone los modos disponibles, mientras que la documentación del API debe usarse para el esquema de carga útil actual.

El modo es implícito. No agregues un campo ficticio mode: "text-to-video". En su lugar, proporciona los campos de medios para el flujo de trabajo que deseas.

Elegir el modo correcto de entrada de Wan 2.7

Texto a vídeo

Proporciona prompt y controles de salida comunes. También puedes pasar audio_url para una banda sonora personalizada. Alibaba dice que cuando se omite el audio, Wan 2.7 puede producir música de fondo o efectos coincidentes.^[1]

Vídeo de primer fotograma o primer y último fotograma

Usa image_urls para un flujo de trabajo simple de primer fotograma o image_with_roles cuando las imágenes necesiten roles explícitos de first_frame y last_frame. La primera imagen suele determinar la composición de salida y la relación de aspecto aproximada.

Continuación de vídeo

Proporciona una fuente a través de video_urls. El clip de origen se continúa hasta la duración total solicitada. Por ejemplo, una fuente de 3 segundos con duration: 10 produce aproximadamente siete segundos nuevos y un resultado combinado de diez segundos.

Referencia a vídeo

Usa reference_image_urls, reference_video_urls o reference_voice_urls para preservar características de apariencia, movimiento o voz. La superficie actual de reAPI permite hasta cinco URL en cada categoría de referencia.

Edición de vídeo

Proporciona video_url y un prompt de edición. Hasta cuatro imágenes de apoyo pueden guiar la sustitución o el estilo. audio_setting: "origin" favorece el audio de origen; "auto" deja que el flujo de trabajo decida cómo se maneja el audio.

Cómo escribir prompts de Wan 2.7

Wan 2.7 interpreta la estructura de tomas del prompt. El campo anterior shot_type no controla Wan 2.7 texto a vídeo. Para solicitar una sola toma continua, di "Generate a single shot." Para trabajo multiencuadre, nombra cada toma y dale un rango de tiempo.^[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.

Mantén la línea de tiempo dentro de la duración solicitada. Si tres tomas implican diez segundos cada una pero el API pide una salida de seis segundos, el modelo tiene que comprimir u omitir instrucciones. La guía de prompts oficial también recomienda nombrar referencias como Image 1 o Video 1 cuando hay varios activos presentes.^[3]

Comportamiento de audio y casos límite

El audio personalizado puede impulsar la sincronización, el diálogo o el sonido de fondo, pero las duraciones necesitan coincidir. Si el audio es más largo que el vídeo solicitado, se trunca. Si es más corto, el resto puede ser silencio. Recorta previamente el audio cuando el final exacto importa.

Para trabajo de sincronización de labios o referencia de voz, usa voz limpia con ruido de fondo limitado. Una banda sonora que mezcle música, diálogos superpuestos y ruido ambiental proporciona al modelo menos evidencia de sincronización confiable que una pista de voz dedicada.

También recuerda que el audio cambia los derechos y las obligaciones de consentimiento. Una voz de referencia técnicamente válida no es evidencia de que tengas permiso para clonarla o publicarla.

Errores comunes de integración

Tratar la generación como sincrónica

Los trabajos de vídeo pueden tardar minutos. Almacena el ID de la tarea, sondea con retroceso exponencial, maneja estados de fallo, y haz la interfaz reanudable después de una actualización de página.

Servir la URL de resultado temporal

Las URL de resultado de Alibaba caducan después de 24 horas. Descarga los resultados exitosos y cargalos en tu propio almacenamiento de objetos antes de devolver una URL de activo permanente.

Asumir que 1080p es siempre la mejor configuración de prueba

Prototipa prompts a 720p y luego vuelve a ejecutar tomas seleccionadas a 1080p. Eso mantiene la iteración de prompts más barata mientras se preserva la calidad de entrega final.

Ignorar la duración de entrada facturable

Los flujos de trabajo de referencia-vídeo y edición pueden incluir la duración de origen en la factura. Registra modo de solicitud, duración de origen, duración de salida, resolución y cargo final.

Para una comparación más amplia de unidades de facturación incompatibles, lee precios del API de generación de vídeo AI. Si tu flujo de trabajo comienza con una imagen fija y necesita un modelo de movimiento diferente, la guía del API Grok Imagine Video 1.5 explica su superficie exclusiva de imagen a vídeo.

Preguntas frecuentes

¿Cuánto tiempo pueden durar los vídeos de Wan 2.7?

Wan 2.7 acepta duraciones enteras de 2 a 15 segundos para sus flujos de trabajo de texto e imagen primarios.

¿Wan 2.7 admite 1080p?

Sí. Admite 720p y 1080p. La resolución afecta el precio por segundo.

¿Puede Wan 2.7 generar audio?

Sí. Sin un archivo de audio personalizado, la ruta de texto a vídeo puede generar música de fondo o efectos de sonido coincidentes. También acepta entrada de WAV o MP3.

¿Wan 2.7 admite primer y último fotograma?

Sí. Su API de imagen a vídeo admite flujos de trabajo de primer fotograma y primer más último fotograma, junto con continuación de un clip existente.

¿Cuánto cuesta un vídeo de Wan 2.7 de cinco segundos en reAPI?

A las tarifas revisadas el 1 de agosto de 2026, un trabajo ordinario de cinco segundos cuesta aproximadamente $0,366 a 720p o $0,603 a 1080p. Los modos de referencia y edición facturados por entrada pueden costar más.

Conclusión

El API de Wan 2.7 Video es valioso porque una familia cubre generación, continuación, control de referencia, audio y edición. La integración funciona mejor cuando la aplicación determina el modo de solicitud explícitamente, presupuesta la resolución y duración facturable correctamente, y trata el sondeo de trabajo y la persistencia de activos como partes de primera clase del producto.

Referencias

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