Wan 2.7：阿里巴巴推出具首影幀控制、支援15秒片段的全新影片模型
Wan 2.7 為阿里巴巴的開源影片陣容帶來了首/末影幀控制、multi-reference 影片輸入，以及基於指令的編輯功能。以下說明相較 Wan 2.6 的各項變動。
重點摘要 — 5件必知事項
- ✅ 首尾影格控制（FLF2V） — 設定開頭與結尾影格，由Wan 2.7生成兩者之間的動態
- ✅ 最多可輸入5支參考影片 — 匯入多個參考片段，引導生成的角色、環境與動態風格
- ✅ 最長可生成15秒片段 — 是舊版Wan模型的3倍長度
- ✅ 基於指令的影片編輯 — 透過自然語言修改背景、燈光或風格
- ❌ 無原生 4K 輸出 — 最大解析度為1080P；開源發布狀態在上線時尚未確認
什麼是Wan 2.7？
Wan 2.7 是阿里巴巴通義實驗室最新的影片生成模型，於2026年3月透過WaveSpeedAI API（wavespeed.ai）與阿里巴巴雲的DashScope平台開放使用，官方 GitHub 發布仍待確認。
Wan是阿里巴巴旗艦級開源影片生成系列，Wan 2.1以Apache 2.0授權推出，獲得開發者廣泛採用。Wan 2.7是目前功能最強大的版本，加入了一系列舊版缺乏的專業等級控制功能。
該模型建構於 Diffusion Transformer + Flow Matching 架構之上，估計參數量約為270億。這讓它和現今世代的高效能影片模型屬於相同架構等級，使用潛在流匹配而非舊式DDPM風格擴散，實現更快更穩定的生成。
和Wan 2.6相比有哪些更新
Wan 2.7並非小改版，以下是實際功能差異：
| 功能 | Wan 2.6 | Wan 2.7 |
|---|---|---|
| 文字生成影片 | ✅ | ✅ |
| 圖片生成影片 | ✅ | ✅ |
| 首尾影格控制（FLF2V） | ❌ | ✅ |
| 多參考影片輸入 | ❌ | ✅ (最多5支) |
| 九宮格圖片輸入 | ❌ | ✅ |
| 基於指令的影片編輯 | ❌ | ✅ |
| 多語言唇音同步 | ❌ | ✅ |
| 最長片段長度 | 約5秒 | 15秒 |
| 最大解析度 | 1080P | 1080P |
這次新增的功能幅度相當大，首尾影格控制、multi-reference 輸入與指令編輯都是Wan 2.6原本缺乏的專業工作流程功能。
新功能重點詳解
首尾影格控制（FLF2V）
FLF2V讓你可以定義影片的開頭與結尾影格，接著由Wan 2.7生成兩者之間的動態。這對商業製作來說是非常實用的控制功能——你可以設定特定的開場構圖，指定鏡頭的結尾位置，讓模型處理中間的相機與主體移動。
使用場景：
- 產品拍攝：需要產品一開始置中，最後停在特定角度
- 角色動畫：需要開頭與結尾的姿態都完全符合要求
- 兩個既定構圖之間的電影級轉場
多參考影片輸入
Wan 2.7可同時接受最多5支參考影片，模型會讀取這些影片資訊，維持生成片段中角色的一致性、環境風格與動態模式。這比單張圖片參考更成熟，解決了影片生成長期以來的其中一項通病：角色外觀無法在不同鏡頭維持一致。
對商業使用來說，這代表你可以提供產品移動方式、人物外觀或環境風格的範本，模型就會將這些脈絡套用在新的生成內容上。
九宮格圖片輸入
九宮格輸入可接受3×3排列的圖片作為單一輸入，模型會讀取全部九個影格，從多個角度理解上下文、角色或環境。這對需要維持角色一致性的工作特別實用，因為單張參考圖通常無法捕捉足夠細節。
基於指令的影片編輯
Wan 2.7不需要從頭重新生成，它可以接受自然語言指令來修改現有影片。你可以描述想要修改的項目——背景顏色、燈光氛圍、主體服裝或視覺風格——模型會在保留原始動態的前提下套用編輯。
這大幅降低商業影片製作的迭代成本，因為對已經確認的動態進行小調整是相當常見的需求。
多語言唇音同步
Wan 2.7加入多語言唇音同步支援，也就是生成的角色說話動畫可以和不同語言的音訊同步，這對在地化工作流程來說是非常實用的功能。
技術規格
| 規格 | Wan 2.7 |
|---|---|
| 架構 | Diffusion Transformer + Flow Matching |
| 參數量 | ~270億 (推估) |
| 解析度 | 480P, 720P, 1080P |
| 長度 | 2–15 秒 |
| 畫面比例 | 16:9, 9:16, 1:1 |
| 模式 | T2V, I2V, FLF2V, 指令編輯 |
| API 存取 | WaveSpeedAI, 阿里巴巴雲DashScope |
| 開源 | 預計採Apache 2.0 (上線時狀態未定) |
| 處理時間 | 5秒1080P片段約需30秒至2分鐘 |
已知限制
沒有任何模型是完美的，以下是Wan 2.7目前無法做到的事：
- 無原生 4K 輸出。 最大解析度為1080P。如果你需要 4K 用於數位看板、電影預製可視化或大型螢幕展示，你需要使用其他模型或是後製升頻。
- 上線時尚未確認開源發布。 Wan 2.1原本以Apache 2.0完全開源，在本文撰寫之際，Wan 2.7的開源發布狀態尚未正式宣布，請查看阿里巴巴Wan GitHub 取得最新資訊。
- 尚未公布官方定價。 WaveSpeedAI與DashScope的API定價請以該平台公告為準，參考基準是Wan 2.6的API費率，但Wan 2.7的定價可能不同。
- 新模型，社群測試有限。 Wan 2.7是剛推出的新模型，舊模型擁有的廣泛社群測試資料仍在累積中。
如何使用Wan 2.7
選項 1：使用 NanoBanana（無需設定 API）
前往 NanoBanana 上的 Wan 2.7 影片生成器，輸入 prompt、選擇時長和長寬比後即可生成，無需 API 金鑰或 DashScope 帳號。
選項 2：WaveSpeedAI API
至 wavespeed.ai 建立帳號，Wan 2.7 已開放 API 端點，只要傳送 POST 請求，附上你的 prompt、模式（T2V 或 I2V）、時長（2–15 秒）、解析度（480P、720P、1080P）和長寬比即可。
選項 3：Alibaba Cloud DashScope
如果你已經在使用 Alibaba Cloud 服務，就能透過 DashScope API 使用 Wan 2.7，可透過 DashScope 控制台生成 API 金鑰，並在請求中代入 Wan 2.7 的模型 ID。
常見問答
立即體驗 Wan 2.7
→ 使用 Wan 2.7 生成 — 透過 text-to-video 和 image-to-video，無需設定 API。
揭露事項
模型資訊與功能說明源自阿里巴巴通義實驗室於 2026 年 3 月發布的 Wan 2.7 官方發布資料，以及 WaveSpeedAI API 文件。開源發布狀態與官方定價在本文發布時仍待確認，請分別至阿里巴巴 Wan 官方 GitHub 與 wavespeed.ai 查證最新資訊。
更多文章
PixVerse V6：電影級相機控制、原生音訊與15秒影片片段
PixVerse 於2026年3月30日推出V6版本——帶來20多項電影級相機控制、原生音訊同步、多鏡頭引擎，以及最長15秒的1080p原生輸出。以下說明本次更新內容，以及它是否適合你的工作流程
Veo 3.1 Lite 圖片轉影片：一分鐘內將產品照片轉為影片片段
如何使用 Veo 3.1 Lite 的 image-to-video 模式，從靜態照片製作產品展示、社群媒體內容與品牌影片——本文提供真實範例與工作流程技巧
Seedance 2.0：ByteDance多模態AI影片生成完整指南
探索Seedance 2.0，這是ByteDance的革命性AI影片模型，具備多模態輸入、原生音影片同步、2K解析度輸出，以及導演等級的創意控制權。