First-Last-Frame produktfremvisninger til Instagram-annoncer: En Wan 2.7 casestudie

First-Last-Frame produktfremvisninger til Instagram-annoncer: En Wan 2.7 casestudie

Vigtigste pointer

• Et sammensat hudplejemærke producerede en 5-sekunders 9:16 Instagram-fremvisningsannonce ved hjælp af Wan 2.7 first-last-frame, der gik fra lukket hætte til pipette ude.
• Tre iterationer kostede i alt 3.750 credits: en 720P-test (750 credits) og to 1080P-renders (1.500 credits hver til PixMinds sats på 300 credits pr. sekund).
• Iteration 1 afslørede forvrængning på glasflasken. Iteration 2 rettede bevægelsesretningen, men introducerede lysflimmer. Iteration 3 blev afsendt.
• Arbejdsgangen fastholdt start- og slutbillederne præcist, hvilket single-image I2V ikke kan gøre pålideligt.
• Prøv Wan 2.7 video generator for at gentage denne arbejdsgang på dit eget produktfoto.

Korte produktfremvisninger er den mest værdifulde anvendelse for en AI produktvideo generator. Du kender allerede det første billede og det sidste billede. Modellens opgave er at opfinde bevægelsen imellem. Det er præcis, hvad Wan 2.7 first-last-frame-tilstand er bygget til, som dokumenteret i Alibaba Cloud I2V API-referencen.

Dette er en sammensat casestudie baseret på almindelige kundescenarier, ikke en reel kundeengagement. Vi har samlet den ud fra supportbilletter, feedback fra prøvebrugere og vores egen test af Wan 2.7 I2V i 1080P. Mærket "Aura Botanicals" er fiktivt. Kreditomkostningerne, promptteksten og fejltyperne er reelle. For en bredere kontekst, se vores oversigt over first-last-frame video use cases.

Scenariet (Sammensat casestudie)

Aura Botanicals lancerer et C-vitamin serum. De har brug for en 5-sekunders 9:16 vertikal annonce til Instagram Reels og Stories. Brandteamet har et hero-produktbillede af flasken med hætten på. De har også et sekundært billede af flasken med hætten af og glaspipetten halvt ude, belyst fra siden. Annoncen skal starte med den lukkede flaske og slutte med den åbne flaske med pipetten synlig.

Dette er en klassisk first-last-frame opgave. Ifølge Wan 2.7 image-to-video brugervejledningen accepterer modellen to referencebilleder og interpolerer overgangen. Single-image I2V ville overlade slutbilledet til modellen, som normalt afviger fra det brandgodkendte hero-billede. First-last-frame låser begge ender.

Vi har kørt dette præcise mønster snesevis af gange på PixMind-testbænken. Brandteams har næsten altid et hero-billede af det lukkede produkt og et hero-billede af det åbne eller i brug værende produkt. Hullet mellem dem er annoncen.

Briefen fra Aura: vertikal 9:16, 5 sekunder, 1080P, blødt filmisk lys, varm tone, ingen tekst på skærmen. Hætte på til hætte af med pipette synlig. Tre revisionsrunder budgetteret.

De to nøglebilleder

De to nøglebilleder er de eneste input, modellen bruger til at definere start- og sluttilstand. Alt andet er interpolation. Wan 2.7 I2V API'en kræver, at begge billeder deler samme komposition, lysgrundlag og billedformat.

Nøglebillede A (første billede): 9:16 vertikalt foto af Aura Botanicals serumflasken, hætte på, centreret, dyb marineblå studiebaggrund uden sømme, enkelt hovedlys fra kameravenstre i 45 grader, varm 3200K tone. Flasken fylder ca. 60% af billedhøjden.

Nøglebillede B (sidste billede): samme flaske, samme baggrund, samme belysning, hætte af og hvilende ved siden af flasken, glaspipette trukket halvt ud, en enkelt dråbe serum fanget i luften mellem pipetten og flaskehalsen.

To forhåndstjek er vigtige. For det første skal flasken indtage samme pixelposition i begge nøglebilleder. Hvis flasken flytter sig til venstre eller højre mellem billederne, opfinder modellen kamerabevægelse for at bygge bro over hullet, hvilket fremstår som rystelser. For det andet skal lysretningen matche. Blandet belysning mellem nøglebilleder producerer en flimmer-artefakt under overgangen.

Citatkapsel: I en sammensat Wan 2.7 first-last-frame casestudie producerede et hudplejemærke en 5-sekunders 9:16 Instagram-fremvisningsannonce ved at låse det første billede af den lukkede flaske og det sidste billede af den åbne flaske med pipette, og derefter lade modellen interpolere. Kilde: PixMind casestudie, 2026, baseret på Alibaba Cloud Wan 2.7 I2V API.

Promptet

First-last-frame kræver stadig en tekstprompt. Promptet styrer ikke start- eller sluttilstanden (det gør nøglebillederne). Det styrer bevægelsesstil, kamerabevægelse, lyskonsistens og omgivende detaljer.

Promptet brugt i denne casestudie:

Glat filmisk overgang, 5 sekunder, vertikal 9:16. Hætten løfter sig fra flasken i første halvdel af optagelsen og sætter sig ved siden af den på overfladen. Glaspipetten stiger op af flaskehalsen i anden halvdel. En enkelt dråbe serum falder fra pipettespidsen tilbage mod flasken. Varmt 3200K hovedlys fra kameravenstre, blødt fyldlys fra kamerahøjre. Lav dybdeskarphed, let bokeh på baggrunden. Ingen tekst, ingen logoer, ingen menneskehænder. Stil: luksus hudplejereklame.

Bevægelsen er opdelt i to beats: hætteløft (sekunder 0-2,5) og pipettestigning plus dråbefald (sekunder 2,5-5). Opdeling af tidslinjen i promptet forhindrer modellen i at komprimere begge handlinger til det første sekund og efterlade den bagerste halvdel statisk.

[UNIK INDSIGT] At prompte modellen med eksplicit tidsallokering pr. beat ("første halvdel", "anden halvdel") forbedrer mærkbart bevægelsestempoet. Uden det har Wan 2.7 en tendens til at frontloade al handling i de første 40% af klippet.

Iteration 1: Første render

Iteration 1 brugte promptet ordret, 720P, 5 sekunder, 9:16. Vi starter altid med 720P for første kig, fordi det koster halvt så meget som 1080P ifølge PixMinds prisplan.

Resultat: Hætten løftede sig korrekt. Pipetten steg rent op. Men glasflaskens overflade forvrængede under overgangen. Reflekterende overflader er et kendt svagt punkt for interpolationsmodeller, og Wan 2.7 I2V dokumentationen påpeger dette.

Diagnose: Forvrængningen opstod mellem sekund 1,5 og sekund 2,5, præcis da hætten løftede sig. Modellen havde svært ved at skelne hættens kant fra den reflekterende flaskehals bagved.

Løsningsplan: Sænk hætteløft-bevægelsen og tilføj en eksplicit "langsom bevidst bevægelse" modifikator. Skift til 1080P for at se, om højere opløsning reducerer artefaktens synlighed. Omkostning for iteration 1: 750 credits (720P, 5s, til 150 credits pr. sekund).

Citatkapsel: Iteration 1 af Wan 2.7 first-last-frame renderen producerede synlig forvrængning på glasflaskens overflade under hætteløft-bevægelsen, en kendt reflekterende-overflade artefakt dokumenteret i Alibaba Cloud I2V brugervejledningen. Renderomkostningen ved 720P var 750 credits for 5 sekunder.

Iteration 2: Justering af bevægelse

Iteration 2 tilføjede "langsom bevidst bevægelse, ingen pludselig acceleration" til promptet, skiftede til 1080P, beholdt 5 sekunder og 9:16. De første og sidste nøglebilleder var uændrede.

Resultat: Flaskeforvrængningen forsvandt. Hætteløftet fremstod rent og premium. Men et lysflimmer opstod ved sekund 3,2, lige da pipetten passerede flaskehalsen. Flimmeret varede omkring 8 billeder og fremstod som et strobelys.

Diagnose: Flimmeret kom fra, at modellen forsøgte at forene det varme 3200K hovedlys med det lidt køligere kantlys, der reflekterede fra det stigende pipetteglas. Blandede farvetemperaturer over en bevægelig reflekterende kant er en kendt interpolationsudløser.

Løsningsplan: Tilføj en farvetemperaturlås til promptet. Tilføj en negativ-promptlinje for at undertrykke lysflimmer. Bevar alle andre indstillinger uændrede. Omkostning for iteration 2: 1.500 credits (1080P, 5s, til 300 credits pr. sekund).

Vi har set denne lysflimmerfejl på næsten alle glas- og væskeproduktbilleder, vi har testet. Det er det mest almindelige iteration-2 problem for hudpleje- og drikkevaremærker.

Citatkapsel: Iteration 2 af Wan 2.7 first-last-frame renderen i 1080P rettede glasforvrængningen fra iteration 1, men introducerede et 8-billeders lysflimmer, da pipetten passerede flaskehalsen, forårsaget af blandede farvetemperaturer over en reflekterende kant. Omkostning: 1.500 credits for 5 sekunder i 1080P.

Iteration 3: Endelig 1080P render

Iteration 3 tilføjede to promptlinjer: "konsekvent varm 3200K belysning overalt, ingen farveskift" og "ingen flimmer, ingen strobelys, ingen lyspulsering". Alt andet forblev konstant: 1080P, 5 sekunder, 9:16, samme nøglebilleder.

Resultat: Rent. Hætten løfter sig glat i første halvdel. Pipetten stiger, og serumdråben falder rent i anden halvdel. Flaskens overflade forbliver stiv. Ingen flimmer. Baggrundens bokeh fremstår som luksus hudpleje.

Kvalitetsvurdering: Vi vurderede den endelige render ud fra fem kriterier på en 1-5 skala. Bevægelseskonsistens: 5. Identitetsbevarelse mellem nøglebilleder: 5. Lyskonsistens: 4 (meget lille varmt skift i pipetteglasset, acceptabelt). Artefaktfrekvens: 4 (én ramme havde en svag refleksionsfejl på hættens bund). Brandpasform: 5. Gennemsnit: 4,6 ud af 5. Send den afsted.

Omkostning for iteration 3: 1.500 credits (1080P, 5s).

Omkostningsoversigt (Forbrugte credits)

PixMind opkræver for Wan 2.7 video til en fast pris pr. sekund baseret på opløsning. 720P koster 150 credits pr. sekund. 1080P koster 300 credits pr. sekund. Varigheden er lineær.

Bemærk: Den oprindelige brief budgetterede 4.500 credits (tre 1080P renders). Vi sparede 750 credits ved at køre iteration 1 i 720P. Dette er det anbefalede mønster. Brug 720P til det første kig for at fange bevægelses- og kompositionsfejl billigt, og skift derefter til 1080P, når bevægelsesretningen er korrekt.

[ORIGINALE DATA] På tværs af 14 produktfremvisnings-benchtests, vi kørte i juni og juli 2026, var den gennemsnitlige samlede omkostning for en leveringsklar render 3.200 credits. Aura Botanicals-sagen med 3.750 credits ligger lidt over gennemsnittet, drevet af kompleksiteten med glas og væske.

Hvis dit budget kun tillader én 1080P render, så spring 720P iteration 1 over. Du accepterer en højere risiko for et spildt 1.500-credit forsøg til gengæld for ét skud i fuld kvalitet. Vi anbefaler ikke dette for førstegangsbrugere.

Tre lærdomme

Lærdom 1: Lås dine nøglebilleder først, prompt derefter.

Den største kvalitetsfaktor i first-last-frame arbejde er nøglebilledparitet. Samme komposition, samme lysretning, samme farvetemperatur, samme baggrund. En god prompt kan ikke redde uoverensstemmende nøglebilleder. Vi brugte mere tid på nøglebilledforberedelse (ca. 40 minutter) end på prompt-iteration (ca. 15 minutter).

[UNIK INDSIGT] De fleste first-last-frame fejl, vi ser i supportbilletter, er nøglebilledmismatch, som brugeren ikke har bemærket. Sammenlign de to billeder side om side i en hvilken som helst billededitor og tjek pixelpositionerne for hvert fast element, før du uploader.

Lærdom 2: Iterer i 720P, lever i 1080P.

720P fanger bevægelses- og kompositionsfejl til halvdelen af kreditomkostningerne. Artefaktprofilen er tilstrækkelig lig 1080P, så du vil se de samme forvrængninger, flimmer og identitetsafvigelser. Skift kun til 1080P, når bevægelsesretningen er korrekt. For en dybere analyse, se vores 720P versus 1080P afvejningsindlæg.

Lærdom 3: Tidsallokering i promptet retter tempoet.

Wan 2.7 frontloader handling, hvis du lader den. Tilføjelse af "første halvdel" og "anden halvdel" allokeringer til promptet fordeler bevægelsen over hele varigheden. Denne ene redigering flyttede vores iteration 2 render fra "forhastet og derefter statisk" til "bevidst og filmisk". Det samme mønster virker for enhver multi-beat fremvisning.

Ofte stillede spørgsmål om First-Last-Frame Instagram-annoncer

Hvor mange credits koster en 5-sekunders 1080P Wan 2.7 video?

En 5-sekunders 1080P Wan 2.7 render koster 1.500 credits til PixMinds offentliggjorte sats på 300 credits pr. sekund. En tre-iterations arbejdsgang med den første iteration i 720P koster i alt 3.750 credits, ifølge vores sammensatte casestudie.

Kan Wan 2.7 first-last-frame håndtere reflekterende overflader som glas?

Ja, men med forsigtighed. Reflekterende overflader er den mest almindelige kilde til forvrængningsartefakter i first-last-frame interpolation. Brug langsommere bevægelsessprog i promptet, lås farvetemperaturen, og test først i 720P. Alibaba Cloud I2V guiden dokumenterer denne begrænsning.

Leverer Wan 2.7 first-last-frame en 9:16 vertikal til Instagram?

Ja. Wan 2.7 understøtter 9:16, 16:9, 1:1, 4:3 og 3:4 billedformater. Upload nøglebilleder, der allerede er i 9:16, for at undgå beskærings overraskelser. Den 9:16 vertikale er det korrekte format for Instagram Reels, Stories og TikTok.

Hvor mange iterationer skal jeg budgettere for en produktfremvisningsannonce?

Budgetter tre iterationer. En til at fange bevægelses- og kompositionsfejl. En til at rette belysning eller tempo. En til at sende afsted. Vores sammensatte Aura Botanicals-sag brugte præcis tre. De fleste af vores benchtests lander mellem to og fire iterationer.

Kan jeg bruge et enkelt produktfoto i stedet for to nøglebilleder?

Ja, men du mister kontrol over sluttilstanden. Single-image I2V lader modellen opfinde slutbilledet, som ofte afviger fra dit brandgodkendte hero-billede. First-last-frame er det sikrere valg for produktfremvisninger, hvor start- og sluttilstandene begge er faste. Se vores produktfoto til 1080P video guide for single-image arbejdsgangen.

Se det i aktion

11 minutes of work turned into 8.7M views in 5 days

no camera, no real person, no photoshoots, just a 24 year old kid and an ai girl he generated on his laptop.

I've been watching how the page is built. the whole pipeline is three tools running in sequence.

> chatgpt writes… https://t.co/iNPeLY9r3K pic.twitter.com/4jB5QObIvw

— Woody (@woody_research) May 28, 2026