API vidéo Wan 2.7 : génération, son, tarifs et limites

L'API vidéo Wan 2.7 va bien au-delà du texte vers vidéo. La même famille de modèles peut générer à partir de texte, animer des premières et dernières images, poursuivre un clip existant, utiliser des images ou des vidéos de référence, accepter de l'audio de direction et éditer des vidéos. Elle prend en charge 720p et 1080p avec des durées entières de 2 à 15 secondes.

Cette diversité crée un problème pratique : la forme de la requête détermine le mode, et le mode affecte ce qui est facturé. Un travail de cinq secondes de texte vers vidéo n'est pas toujours facturé comme une tâche de cinq secondes de référence vers vidéo ou d'édition.

TL;DR

• Wan 2.7 prend en charge 720p et 1080p, cinq rapports d'aspect et des sorties de 2–15 secondes.^[1]
• Texte-vers-vidéo accepte un fichier audio optionnel ; sans lui, le modèle peut générer de la musique de fond ou des effets sonores correspondants.
• reAPI affiche actuellement 0,074 $/s à 720p et 0,121 $/s à 1080p.
• L'ID de modèle reAPI global est wan2.7-video ; les entrées déterminent si la tâche est texte, image, référence, continuation ou édition.
• Les URL générées sont temporaires. Téléchargez les résultats dans un stockage durable plutôt que de servir l'URL du fournisseur dans un produit.

Spécifications de l'API vidéo Wan 2.7

L'API HTTP officielle d'Alibaba exige une invocation asynchrone pour Wan 2.7. Après la soumission, l'ID de tâche et l'URL de résultat restent disponibles pendant 24 heures.^[1] reAPI normalise la soumission de tâches derrière son point de terminaison vidéo, mais votre application a toujours besoin de conserver l'ID de tâche retourné, d'interroger avec backoff exponentiel, de gérer les états d'échec et de copier le bien fini dans un stockage permanent.

Tarification de l'API vidéo Wan 2.7 par résolution

Wan 2.7 utilise la facturation à la seconde. Le barème de reAPI actuel applique une marge de plateforme de 10 % à un taux en amont réduit et arrondit la requête terminée aux crédits entiers.

Les exemples de 5 et 15 secondes utilisent l'arrondi des demandes d'agrégation, c'est pourquoi ils peuvent être légèrement inférieurs à la multiplication du taux arrondi affiché par la durée. Les taux ont été vérifiés le 1er août 2026.

Pour les tâches texte-vers-vidéo et image-vers-vidéo ordinaires, le compte facturable est la durée de sortie. Les vidéos de référence et l'édition vidéo peuvent également inclure la durée de vidéo source sondée. Budgétez ces modes à partir de l'estimateur ou de l'utilisation retournée plutôt que d'supposer que le curseur de sortie est la totalité de la facture.

Comment appeler Wan 2.7 via reAPI

Une requête texte-vers-vidéo est l'exemple le plus petit utile :

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 page du modèle vidéo Wan 2.7 expose les modes disponibles, tandis que la documentation API doit être utilisée pour le schéma de charge utile actuel.

Le mode est implicite. N'ajoutez pas de champ fictif mode: "text-to-video". Au lieu de cela, fournissez les champs de médias pour le flux de travail que vous souhaitez.

Choisir le mode d'entrée Wan 2.7 correct

Texte vers vidéo

Fournissez prompt et les contrôles de sortie courants. Vous pouvez également passer audio_url pour une bande sonore personnalisée. Alibaba dit que lorsque l'audio est omis, Wan 2.7 peut produire de la musique de fond ou des effets correspondants.^[1]

Vidéo avec première image ou première et dernière images

Utilisez image_urls pour un flux de travail simple avec première image ou image_with_roles lorsque les images ont besoin de rôles explicites first_frame et last_frame. La première image détermine généralement la composition de la sortie et le rapport d'aspect approximatif.

Continuation vidéo

Fournissez une source via video_urls. Le clip source est poursuivi jusqu'à la durée totale demandée. Par exemple, une source de 3 secondes avec duration: 10 produit environ sept secondes nouvelles et un résultat combiné de dix secondes.

Vidéo de référence

Utilisez reference_image_urls, reference_video_urls ou reference_voice_urls pour préserver les caractéristiques d'apparence, de mouvement ou de voix. La surface reAPI actuelle permet jusqu'à cinq URL dans chaque catégorie de référence.

Édition vidéo

Fournissez video_url et une invite d'édition. Jusqu'à quatre images de support peuvent guider le remplacement ou le style. audio_setting: "origin" privilégie l'audio source ; "auto" permet au flux de travail de décider comment l'audio est géré.

Comment écrire des invites Wan 2.7

Wan 2.7 interprète la structure des plans à partir de l'invite. Le champ shot_type plus ancien ne contrôle pas Wan 2.7 texte-vers-vidéo. Pour demander un plan continu unique, dites « Générez un plan unique. » Pour les travaux multi-plans, nommez chaque plan et donnez-lui une plage horaire.^[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.

Gardez la chronologie à l'intérieur de la durée demandée. Si trois plans chacun impliquent dix secondes mais l'API demande une sortie de six secondes, le modèle doit compresser ou abandonner les instructions. Le guide officiel des invites recommande également de nommer les références sous la forme Image 1 ou Video 1 lorsque plusieurs ressources sont présentes.^[3]

Comportement audio et cas limites

L'audio personnalisé peut conduire le timing, le dialogue ou le son de fond, mais les durées doivent correspondre. Si l'audio est plus long que la vidéo demandée, il est tronqué. S'il est plus court, le reste peut être silencieux. Préditez l'audio lorsque la fin exacte est importante.

Pour la synchronisation labiale ou le travail de référence vocale, utilisez une parole claire avec un bruit de fond limité. Une bande sonore qui mélange la musique, le dialogue qui se chevauchent et le bruit environnemental donne au modèle des preuves de timing moins fiables qu'une piste vocale dédiée.

N'oubliez pas non plus que l'audio modifie les obligations de droits et de consentement. Une voix de référence techniquement valide n'est pas une preuve que vous avez la permission de la cloner ou de la publier.

Erreurs d'intégration courantes

Traiter la génération comme synchrone

Les tâches vidéo peuvent prendre des minutes. Stockez l'ID de tâche, interrogez avec backoff exponentiel, gérez les états d'échec et rendez l'interface utilisateur reprendre après un actualisation de page.

Servir l'URL de résultat temporaire

Les URL de résultat d'Alibaba expirent après 24 heures. Téléchargez les résultats réussis et téléchargez-les dans votre propre stockage d'objets avant de retourner une URL de bien permanente.

Supposer que 1080p est toujours le meilleur paramètre de test

Prototypeez les invites à 720p, puis relancez les plans sélectionnés à 1080p. Cela maintient l'itération d'invite moins coûteuse tout en préservant la qualité de livraison finale.

Ignorer la durée d'entrée facturable

Les flux de travail vidéo-de-référence et édition peuvent inclure la durée source dans la facture. Enregistrez le mode de demande, la longueur source, la longueur de sortie, la résolution et la charge finale.

Pour une comparaison plus large des unités de facturation incompatibles, lisez Tarification des API de génération vidéo IA. Si votre flux de travail commence à partir d'une image fixe et a besoin d'un modèle de mouvement différent, le Guide de l'API vidéo Grok Imagine 1.5 explique sa surface image-vers-vidéo uniquement.

FAQ

Quelle peut être la durée des vidéos Wan 2.7 ?

Wan 2.7 accepte des durées entières de 2 à 15 secondes pour ses flux de travail texte et image primaires.

Wan 2.7 prend-il en charge 1080p ?

Oui. Il prend en charge 720p et 1080p. La résolution affecte le prix à la seconde.

Wan 2.7 peut-il générer de l'audio ?

Oui. Sans fichier audio personnalisé, la route texte-vers-vidéo peut générer de la musique de fond ou des effets sonores correspondants. Il accepte également une entrée WAV ou MP3.

Wan 2.7 prend-il en charge les premières et dernières images ?

Oui. Son API image-vers-vidéo prend en charge les flux de travail première image et première plus dernière image, ainsi que la continuation à partir d'un clip existant.

Combien coûte une vidéo Wan 2.7 de cinq secondes sur reAPI ?

Aux taux vérifiés le 1er août 2026, une tâche ordinaire de cinq secondes coûte environ 0,366 $ à 720p ou 0,603 $ à 1080p. Les modes de référence et d'édition facturés par entrée peuvent coûter plus cher.

Conclusion

L'API vidéo Wan 2.7 est précieuse parce qu'une seule famille couvre la génération, la continuation, le contrôle de référence, l'audio et l'édition. L'intégration fonctionne mieux lorsque l'application détermine explicitement le mode de demande, budgète correctement la résolution et la durée facturable, et traite l'interrogation de tâche et la persistance de bien comme des parties de première classe du produit.

References

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