Wan 2.7 四种视频模式怎么选：按手里的素材决定，再用一段脚本检查时长

拿到一个视频生成需求时，很多人第一反应是"写提示词"。但在 Wan 2.7 这种同时提供文生视频、图生视频、参考生视频和视频编辑的套件里，先要回答的问题其实是：我手里已经有什么素材？素材决定模式，模式又决定能设置的时长范围。

本文根据 wan30.io 上的 Wan 2.7 页面，把四种模式的输入、时长和分辨率整理成一张决策表，并附一段在提交前检查参数的 Python 小脚本。

Wan 2.7 是什么

Wan 2.7 页面介绍，它是阿里巴巴通义实验室的 AI 视频模型套件，涵盖四种模式，支持文本、图像、视频和音频的全模态输入，输出 720p 或 1080p 视频。四种模式的规格如下：

模式	输入	时长	分辨率
文生视频	文字，可选音频	2–15 秒	720p / 1080p
图生视频	首帧图片或源视频，可选音频	2–15 秒	720p / 1080p
参考生视频	图片 / 视频，可选声音参考	2–10 秒	720p / 1080p
视频编辑	源视频，可选参考图片	2–10 秒	720p / 1080p

注意两组时长上限不同：文生和图生最长 15 秒，参考生和视频编辑最长 10 秒。

按素材选模式

只有一段文字描述 → 文生视频。页面说明它可选音频输入，支持音画同步与多镜头叙事。

有一张确定的起始画面 → 图生视频。首帧图片决定起始构图；如果还有结束画面，可以加尾帧图片，用提示词描述两者之间的动作与过渡。页面也提到它支持从一段起始视频继续生成。

有角色或产品的外观参考，但没有固定构图 → 参考生视频。至少需要一张参考图片或一段参考视频，图片与视频合计最多 5 个，还可以加声音参考来指导角色音色。

已经有一段视频，只想改其中一部分 → 视频编辑。通过文字描述替换物体、调整背景、转换风格或为黑白视频上色，可加一张参考图片；音频可以保留原声，也可以按指令自动处理。

两个容易误解的点

九宫格参考是一张图。 页面特别说明，九宫格参考是把多个分镜画面组合成的一张图片，不是分别上传九张参考图片。用它来提供场景布局和多视角信息，有助于减少复杂场景中的画面漂移。

提示词扩写会增加处理时间。 扩写会补充描述细节，对较短的提示词有帮助，但处理时间也会变长。如果你的提示词已经写得很完整，可以考虑不开。

一个完整例子：同一款产品走三种模式

假设要为一款保温杯做一组社交媒体短视频，手里有一张产品白底图、一张品牌模特照，以及上周拍好的一段桌面空镜。

第一条：图生视频。 用产品图做首帧，提示词写"镜头缓慢环绕保温杯，背景逐渐变为清晨厨房"。因为有确定的起始画面，图生视频最合适，时长可以设到 10 秒左右，仍在 2–15 秒范围内。

第二条：参考生视频。 把产品图和模特照一起作为参考，合计 2 个，远低于 5 个的上限。提示词描述"模特在办公室把保温杯放到桌上"。这里没有固定构图，重点是让人物和产品的外观保持一致，所以选参考生视频，时长控制在 10 秒以内。

第三条：视频编辑。 拿那段桌面空镜做源视频，用文字指令"在桌面中央加入保温杯，整体色调调暖"。如果空镜原本带环境声，可以选择保留原声。时长同样不能超过 10 秒。

页面列出的应用场景里，营销与产品展示、社交媒体视频、影视前期与分镜、视频修复与风格迁移，基本都能对应到上面某一种模式。先把素材清点清楚，选模式就不会犹豫。

提交前检查时长的小脚本

不同模式的时长范围不同，批量准备任务时很容易把 12 秒的设置带到视频编辑里。下面这段脚本按页面给出的范围做检查：

LIMITS = {
    "t2v":  (2, 15),   # 文生视频
    "i2v":  (2, 15),   # 图生视频
    "r2v":  (2, 10),   # 参考生视频
    "edit": (2, 10),   # 视频编辑
}
RESOLUTIONS = {"720p", "1080p"}

def check(task: dict) -> list[str]:
    errs = []
    lo, hi = LIMITS[task["mode"]]
    if not lo <= task["seconds"] <= hi:
        errs.append(f'{task["mode"]}: 时长 {task["seconds"]}s 超出 {lo}-{hi}s')
    if task["resolution"] not in RESOLUTIONS:
        errs.append(f'分辨率 {task["resolution"]} 不支持')
    if task["mode"] == "r2v" and not 1 <= task.get("refs", 0) <= 5:
        errs.append("参考生视频需要 1–5 个图片/视频参考")
    if task["mode"] == "edit" and not task.get("source_video"):
        errs.append("视频编辑需要源视频")
    return errs

tasks = [
    {"mode": "i2v", "seconds": 12, "resolution": "1080p"},
    {"mode": "edit", "seconds": 12, "resolution": "720p", "source_video": "a.mp4"},
    {"mode": "r2v", "seconds": 8, "resolution": "720p", "refs": 6},
]
for t in tasks:
    print(t["mode"], check(t) or "OK")

第一条通过；第二条会提示视频编辑时长超出 10 秒；第三条会提示参考数量超过 5 个。

提交流程

页面给出的使用步骤是：选择 Wan 2.7 和模式，填写提示词并按模式添加素材，选择 720p 或 1080p 并在支持范围内设置时长，确认积分报价后提交，完成后查看并下载。脚本检查放在第三步之后、提交之前最合适。

检查清单

• 先确认手里有什么素材，再选模式
• 参考生视频和视频编辑的时长不超过 10 秒
• 参考生视频的图片与视频合计不超过 5 个
• 九宫格参考按一张图上传
• 提交前确认积分报价

先选对模式，提示词才有用武之地。