wan2.7-t2v

Wan2.7-T2V is a Vincent video model that directly generates video content with synchronized audio using only text prompts as input. Its core positioning is to create from scratch. The model can intelligently arrange plot rhythms, design lens language and arrange scene transitions based on brief text descriptions, and supports dozens of basic and complex combination camera movements. The acting ability has been fully upgraded, the emotions in the drama are delicate and natural, and the action scenes are intense and full of tension. The output supports 720P and 1080P resolution, video duration is 2 to 15 seconds, and frame rate is 30fps. This model shares the full-modal input system with other models in the series and can be called through the Alibaba Cloud Bailian platform. It is the starting point responsible for generating from scratch in the creation link of Wanxiang 2.7 "From the Evolution Wizard".

Context
0 tokens
Max output
0 tokens
Input
llm image video
Output
video

Pricing

Price: $0.15 / request

720P text_to_video : $0.09999999999999999 /

1080P text_to_video : $0.15 /

Endpoints

  • openai

More models

  • PixVerse/c1

    PixVerse C1 于2026年4月8日发布，是首款专为影视工业流程设计的视频生成模型。它最高支持15秒1080P分辨率视频直出，提供文生、图生、参考内容生成及首尾帧控制四种输入方式。用户输入提示词后，模型可自动完成分镜规划与基础剪辑，实现从创意到成片的一站式转化。在内容连贯性方面，C1跨镜头的人物形变得到有效抑制，整体色调保持统一，多角色的动作协调性、空间关系及动态节奏均得到精准把控。区别于通用型模型，C1基于专业影视素材与制作规范训练，在镜头语言、构图逻辑、色彩管理和节奏控制等维度贴近实际影视生产需求，并在打斗动作、术法特效、多宫格分镜等场景做了专项优化。

  • wan2.7-i2v

    Wan2.7-I2V 是万相2.7视频系列中的图生视频模型，以图像为起点生成动态视频。其核心升级在于“演绎能力”的全面强化：文戏情感细腻自然，动作戏激烈流畅，镜头切换更具戏剧性和节奏感，能够实现更强的表演效果。模型支持首帧和首尾帧控制，可指定视频的起始与结束画面，同时支持片段续写，并能与音频同步生成对口型表演。输入模态涵盖图像、音频和文本，输出720P或1080P、时长2至15秒的视频，帧率30fps。

  • dreamina-seedance-2-0-fast-260128

    dreamina-seedance-2-0-fast 是 Seedance 2.0 的速度优化版本，继承了核心功能的同时大幅提升生成速度。它具备原生音频同步、摄像机控制和稳定动作能力，每次渲染成本更低，适合对生成速度有较高要求的电影剪辑场景。输出分辨率限制为 480P 和 720P（不支持 1080P）。在 Seedance 2.0 的产品矩阵中，Fast 版位于标准版和 Mini 版之间，是兼顾速度与质量的中档选择。

  • wan3.0-video

    Wan3.0-Video 是万相3.0系列的旗舰全能视频生成模型，采用 All-in-One 设计，无需切换模型即可覆盖文生视频、图生视频（首帧/首尾帧）和参考生视频等全部任务类型。其核心突破在于多模态素材理解能力：单次支持最多20个多模态素材参考，涵盖图片、视频、音频、PDF/PPT/DOCX文档及公开网页链接，模型可自动解析文档和网页内容并生成风格一致的新视频。生成时长大幅提升至最长30秒，帧率30fps，原生输出台词、BGM和音效，支持480P、720P、1080P分辨率输出。底层采用时空联合注意力扩散架构（Spatio-Temporal DiT），在隐空间内同步计算画面几何特征与帧间运动流，提升了长时序视频的稳定性。