Wan 2.7 R2V 教程

Wan 2.7 是平台上唯一支持种子的视频模型。

在 37 个模型中，只有它能让你设置种子并开启提示词扩展，它也是仅有的两个支持负面提示词的模型之一。其他模型只给你提示词、时长、画面比例和分辨率，仅此而已。

如果你一直在寻找 AI 视频的可复现性，答案就在这里。而不是在某个强度滑块里——这种滑块在 Wan 2.7 和其他任何地方都不存在。

Wan 2.7 实际支持哪些参数

共七个参数，其中三个为它独有：

prompt. 画面描述。

duration、ratio、resolution. 常规的画面形态控制。注意，大多数模型用 aspect_ratio，它用的是 ratio，通过 API 调用时值得留意这个差异。

negative_prompt. 需要排除的内容。去除伪影、抖动或多余物体的真正手段。

prompt_extend. 让模型在生成前先扩写你的提示词。

seed. 相同的种子加相同的输入，得到相同的生成结果。

它属于 PREMIUM 档位，支持文生视频、图生视频和参考生视频。

种子比看上去更重要

生成过程是随机的。同一个提示词运行两次，会得到两个不同的片段。探索阶段这没问题，但当你只想改一个地方时就会让人抓狂。

固定种子后，你修改提示词时看到的就是提示词本身的作用，而不是提示词叠加一次新随机抽样后的结果。这让瞎猜变成了更接近真正迭代的过程。

实际用途：

隔离单次提示词修改。 锁定种子，改一个短语，然后对比。现在你看到的差异可以明确归因。

复现已通过的版本。 把种子和提示词一起记录下来，几周后仍能回到完全相同的结果。

有意识地生成变体。 保持提示词不变，更换种子，就能得到同一创意的真正备选方案，而不是偶然碰出来的结果。

平台上的其他所有模型都只能让你盲目重抽。

如何使用负面提示词

这是 Wan 2.7 提供、而大多数模型没有的第二项能力。

负面提示词最适合写具体名词和可见瑕疵，而不是抽象概念。“模糊、多余的手指、水印、叠加文字、镜头抖动”很有用；“质量差、难看”几乎等于噪音。

把这些内容放在这里，而不是写进主提示词。在正面提示词里写“屏幕上没有文字”往往反而会生成文字，因为模型对概念本身的权重高于否定词。负面提示词字段正是为此而设。

用 Wan 2.7 进行参考生视频

它是通过参考生视频接受角色参考图的十三个模型之一。

Wan 2.7 和其他任何模型都没有参考强度参数。角色能否保持一致，取决于参考图本身：正面或四分之三侧面、在画面中占比大、光照均匀、清晰，并且每次生成都使用完全相同的文件。

再配合固定种子，你就拥有了这里最可控的设置：同一个角色、同一次随机抽样、每次只改一个变量。

Wan 2.7 在系列中的定位

Wan 2.6 Flash. STANDARD 档位，支持文生视频和图生视频，不支持参考图。

Wan 2.7. PREMIUM 档位，增加参考生视频，并提供种子、负面提示词和提示词扩展。

Wan 3.0. ULTRA 档位，支持文本、图片和参考生视频，并带音频生成。没有种子。

注意其中的取舍：升级到 Wan 3.0 能获得音频生成，但会失去种子和负面提示词。档位更高并不等于控制更多，这种情况并不常见，在升级并丢掉你一直依赖的功能之前值得先了解。

更全面的对比见 Wan 替代方案页面。

哪些说法并不存在

没有运动强度。 不是 0.65，没有 0.40 到 0.85 的范围，也没有默认值。任何模型都没有这个参数。

没有固定的输入分辨率要求。 你不必提供 1024x576 的参考图。

没有帧率控制。 你无法设置 24 fps。

没有公开的生成时长，也没有逐模型的质量评分。 这些会随负载和内容变化。

充分利用真实功能的工作流

1. 编写提示词，把瑕疵和不想要的元素放进负面提示词，而不是在正面提示词里否定它们。
2. 不设种子生成几次，找到整体效果满意的结果。
3. 记下那个种子。
4. 锁定种子，每次只改提示词中的一个短语。现在每处改动的效果都一目了然。
5. 提示词调好后，如果想要成品创意的变体，再解除种子锁定。

这套流程在这里的其他视频模型上都无法实现，这也是放着更便宜的模型不用、选择 Wan 2.7 的真正理由。

模型目录见模型，每次生成在运行前都会报价，套餐价格请查看定价页面。