Le premier-dernier-cadre est un sous-mode de l'image-vers-vidéo (I2V) de Wan 2.7. Vous fournissez deux images : une pour le premier cadre, une pour le dernier. Wan 2.7 génère les cadres intermédiaires qui les relient. Selon la référence API I2V d'Alibaba Cloud, le modèle accepte une paire ordonnée d'entrées d'images et produit un MP4 jusqu'à 1080P.
C'est important car l'I2V à image unique laisse l'état final au modèle. Si votre plan doit atterrir sur un cadre spécifique, un produit entièrement tourné ou une boîte entièrement ouverte, le mode premier-dernier-cadre est la façon de garantir cet atterrissage. Pour le contexte du mode, consultez le générateur vidéo PixMind Wan 2.7, où une surface de création gère chaque sous-mode I2V.
Le flux de travail principal se compose de cinq étapes : préparer deux images clés, les télécharger dans l'ordre, définir la durée, écrire l'invite de transition, puis rendre et évaluer. Chaque étape comporte une seule décision qui détermine si le rendu réussit.
La qualité des images clés est le plus grand prédicteur d'un rendu premier-dernier-cadre propre. Le guide utilisateur image-vers-vidéo de Wan 2.7 recommande de faire correspondre la composition, l'éclairage et l'angle de la caméra sur les deux images. Nous avons constaté que des images clés non concordantes forcent le modèle à inventer une transition, ce qui entraîne des déformations et une dérive d'identité.
Trois règles de cohérence couvrent la plupart des cas. Faites correspondre la composition en cadrant les deux sujets dans la même position à l'écran. Faites correspondre l'éclairage en conservant la même direction de lumière principale et la même température de couleur. Faites correspondre la caméra en maintenant la distance focale, l'angle et la distance constants. Si vous enfreignez l'une de ces règles, le modèle doit interpoler à travers une discontinuité.
Capsule de citation : La cohérence des images clés est le facteur dominant de la qualité du premier-dernier-cadre de Wan 2.7. Le guide utilisateur image-vers-vidéo d'Alibaba Cloud recommande de faire correspondre la composition, l'éclairage et l'angle de la caméra sur les deux images d'entrée pour éviter les transitions inventées par le modèle qui causent des déformations et une dérive d'identité.
Nous avons dépensé des crédits en testant des paires où la première image était prise à 35mm et la dernière à 50mm. Le modèle a produit un "claquement" désagréable au milieu du clip. Verrouillez la distance focale avant de générer.
Wan 2.7 attend les deux images dans un ordre défini. La première image que vous transmettez devient l'état de début, la seconde devient l'état de fin. Selon l'aperçu d'Alibaba Cloud Model Studio, l'appel I2V accepte des URL d'images ou des charges utiles encodées en base64, et le modèle traite le tableau d'entrée comme une séquence ordonnée.
L'ordre compte plus que les gens ne l'imaginent. Si vous téléchargez l'image de la boîte ouverte en premier et l'image de la boîte fermée en second, vous obtenez une animation de fermeture. Inversez l'ordre et vous obtenez une animation d'ouverture. Le modèle n'infère pas l'intention de l'invite seule ; la séquence d'images est la source de vérité pour la direction.
Les deux images doivent partager le même rapport d'aspect que la sortie cible. Fournir une première image 9:16 et une dernière image 1:1 force un recadrage, et les recadrages introduisent des artefacts sur les bords. Redimensionnez les deux images à la résolution de sortie avant de les télécharger.
Une recette de dimensionnement pratique : visez 1920x1080 pour une sortie 16:9 en 1080P, 1080x1920 pour 9:16 et 1080x1080 pour 1:1. Maintenez la taille du fichier en dessous de 10 Mo par image pour éviter les échecs de temporisation sur les connexions lentes.
Nommez vos fichiers de manière à rendre la séquence évidente. keyframe-01-closed.png et keyframe-02-open.png éliminent les incertitudes au moment du téléchargement. Cela semble trivial, mais les téléchargements dans un ordre inversé sont la deuxième défaillance la plus courante que nous observons.
La durée contrôle le nombre d'images interpolées que le modèle doit produire entre vos deux images clés. Des durées plus longues signifient plus d'interpolation, ce qui signifie plus de chances pour le modèle de dériver. La référence API I2V de Wan 2.7 prend en charge des durées de 2 à 15 secondes pour l'I2V.
Nous recommandons de commencer par 2 à 5 secondes pour toute nouvelle paire d'images clés. Les rendus courts révèlent les modes de défaillance à moindre coût. Si le modèle peut interpoler proprement sur 3 secondes, vous pouvez étendre en toute confiance à 8 ou 10 secondes lors du passage suivant.
Capsule de citation : Wan 2.7 I2V prend en charge des durées de 2 à 15 secondes, mais le coût des crédits augmente linéairement avec la durée. Tester à 2 à 5 secondes révèle les modes de défaillance de déformation, de dérive et de saut de caméra à une fraction du coût d'un rendu de 10 secondes.
Les courtes durées fonctionnent pour les petits mouvements. Un rendu de 3 secondes convient à un couvercle se soulevant d'une boîte. Un rendu de 5 secondes convient à un personnage tournant de dos à face. Au-delà de 8 secondes, le modèle doit inventer un mouvement intermédiaire qu'aucune image clé n'implique, c'est là qu'intervient le mouvement halluciné.
La durée augmente le coût de manière linéaire. Un rendu 1080P de 10 secondes coûte environ cinq fois plus qu'un rendu 1080P de 2 secondes. Si vous testez à 10 secondes et échouez, vous payez le prix fort pour un rendu que vous ne pouvez pas utiliser. Testez court, puis engagez-vous.
L'invite en mode premier-dernier-cadre décrit le mouvement entre les deux images. Elle ne redécrit pas le sujet ; les images clés le font déjà. Le cluster d'invites premier-dernier-cadre PixMind catalogue les modèles d'invite pour les trois exemples concrets ci-dessous.
Une invite de transition comporte quatre parties : l'action, la vitesse, le comportement de la caméra et le style. Chaque partie doit être une courte proposition. Les invites longues diluent l'attention du modèle et produisent un mouvement plus doux.
Capsule de citation : Les invites de transition en mode premier-dernier-cadre de Wan 2.7 doivent décrire le mouvement, et non le sujet. Les invites efficaces couvrent quatre parties : l'action, la vitesse, le comportement de la caméra et le style. Chaque partie sous forme de courte proposition est plus performante que les invites de la longueur d'un paragraphe qui redécrivent ce que les images clés montrent déjà.
Résistez à l'envie de redécrire le sujet. Si la première image clé est une boîte cadeau fermée, votre invite n'a pas besoin de dire "une boîte cadeau fermée sur une table en bois". Le modèle le sait déjà. Redécrire pousse le modèle à re-rendre la boîte, ce qui nuit à l'interpolation.
[PERSPECTIVE UNIQUE] Le rôle de l'invite de transition est de contraindre le mouvement, pas de déclarer le sujet. Traitez-la comme des notes de chorégraphie pour un danseur qui connaît déjà le costume.
Chaque rendu premier-dernier-cadre nécessite une passe d'évaluation explicite. Nous évaluons sur cinq axes, chacun étant noté succès ou échec. Un rendu qui échoue sur un axe retourne à l'étape 1 ou à l'étape 4, et non à la livraison finale.
Les cinq axes couvrent l'identité, la caméra, l'éclairage, le mouvement et la précision du cadre cible. Les trois premiers proviennent de la qualité des images clés. Les deux derniers proviennent des choix d'invite et de durée.
Capsule de citation : Les rendus premier-dernier-cadre de Wan 2.7 doivent être évalués sur cinq axes binaires : cohérence de l'identité, continuité de la caméra, continuité de l'éclairage, plausibilité du mouvement et atteinte du cadre cible. Un rendu qui échoue sur un axe doit être retravaillé au stade de l'image clé ou de l'invite plutôt que d'être relancé aveuglément.
Le sujet ressemble-t-il au même sujet sur toutes les images ? Pour les personnages, vérifiez la géométrie du visage. Pour les produits, vérifiez la silhouette et la marque. La dérive ici est généralement due à des images clés qui ne concordent pas sur l'angle.
La caméra reste-t-elle là où elle devrait ? Si vous avez spécifié statique, vérifiez les zooms avant involontaires. Si vous avez spécifié un zoom avant, vérifiez que le mouvement est fluide et non saccadé.
La direction de la lumière reste-t-elle constante ? Surveillez les inversions d'ombres au milieu du clip, ce qui indique que le modèle a échangé les sources de lumière entre les images.
Le mouvement semble-t-il physiquement crédible ? Les couvercles ne traversent pas les boîtes. Les membres ne se plient pas en arrière. Les cheveux ne se figent pas en l'air. Un mouvement invraisemblable signifie généralement que l'invite a demandé trop en une durée trop courte.
La dernière image de la vidéo générée correspond-elle à votre image de dernier cadre téléchargée ? C'est le test qui donne son nom au mode. Si le modèle atterrit quelque part près mais pas exactement, affinez votre invite ou raccourcissez la durée.
Les trois modèles ci-dessous couvrent environ 80 % des cas d'utilisation premier-dernier-cadre que nous voyons sur PixMind. Chacun inclut la préparation des images clés, l'invite, la durée et le mode de défaillance le plus fréquent.
Images clés : deux prises de vue de produit, caméra et éclairage identiques. Première image : couvercle fermé. Deuxième image : couvercle entièrement ouvert avec l'intérieur visible.
Invite : "Le couvercle se soulève lentement vers le haut et s'incline en arrière, révélant l'intérieur. Caméra statique, éclairage cinématographique doux, durée de trois secondes."
Durée : 3 secondes en 1080P, 16:9.
Mode de défaillance : déformation des surfaces réfléchissantes. Si la boîte a une finition brillante, le modèle étale le reflet lorsque le couvercle bouge. Atténuez en réduisant la brillance dans les images clés ou en ajoutant "surface mate" à l'invite.
Images clés : deux rendus de personnage, éclairage et distance focale identiques. Première image : personnage vu de dos. Deuxième image : personnage face à la caméra.
Invite : "La silhouette tourne lentement pour faire face à la caméra, tournant dans le sens des aiguilles d'une montre sur quatre secondes. Plan moyen statique, profondeur de champ cinématographique."
Durée : 4 à 5 secondes en 1080P.
Mode de défaillance : dérive d'identité. Le visage peut se décaler au milieu du tour. Atténuez en rendant les deux images clés aussi frontales que possible pendant le tour, ou en utilisant le mode référence-vers-vidéo (R2V) pour une meilleure préservation de l'identité.
Images clés : deux plans de paysage, composition identique. Première image : lumière du jour. Deuxième image : nuit avec lumières artificielles allumées.
Invite : "Le ciel s'assombrit progressivement du jour à la nuit sur cinq secondes, les lumières artificielles s'allument progressivement, la température de couleur se refroidit. Caméra statique, trépied verrouillé."
Durée : 5 secondes en 1080P.
Mode de défaillance : saut de caméra. Si les deux plans de paysage ont été pris à des positions même légèrement différentes, le modèle invente un mouvement de caméra pour les relier. Atténuez en prenant les deux images clés depuis un trépied verrouillé, ou en utilisant un seul plan avec bracketing d'exposition.
Nommer les modes de défaillance est la façon de livrer plus rapidement. Les trois ci-dessous représentent la plupart des rendus rejetés que nous voyons.
Le verre, le métal poli et l'eau se brouillent pendant l'interpolation car le modèle ne peut pas suivre les reflets de manière cohérente. Réduisez l'amplitude du mouvement, passez à des surfaces mates dans les images clés, ou raccourcissez la durée afin que le modèle ait moins d'images à inventer.
Les visages et les silhouettes se décalent entre les images. C'est le plus courant lorsque les deux images clés ne concordent pas sur l'angle ou l'expression. Reprenez les images clés sous des angles correspondants, ou passez en mode R2V avec une image de référence pour ancrer l'identité.
Le modèle invente un mouvement de caméra pour relier deux images clés qui impliquent des angles différents. La solution est en amont : verrouillez la distance focale, l'angle et la hauteur sur les deux images clés. Si vous ne pouvez pas refaire la prise de vue, acceptez le mouvement de caméra et intégrez-le dans l'invite.
Nous avons constaté que les sauts de caméra sont le mode de défaillance le plus souvent diagnostiqué à tort comme un "bug du modèle". Le modèle fait exactement ce que les images clés lui disent de faire. Corrigez les entrées.
Le mode premier-cadre accepte une image comme état de début et laisse le modèle inventer l'état de fin. Le mode premier-dernier-cadre accepte deux images et force le modèle à atterrir sur la deuxième image. Le premier-dernier-cadre vous donne un contrôle de l'état de fin que le premier-cadre ne peut pas offrir.
Commencez par 2 à 5 secondes. Les courtes durées révèlent les modes de défaillance à moindre coût. Selon la référence API I2V d'Alibaba Cloud, des durées de 2 à 15 secondes sont prises en charge, mais les longues durées augmentent la distance d'interpolation et le risque d'artefacts.
Oui, mais avec prudence. Les surfaces réfléchissantes sont le mode de défaillance de déformation le plus courant. Atténuez en réduisant la brillance dans les images clés, en maintenant une faible amplitude de mouvement et en écrivant "surface mate" dans l'invite. Les miroirs et le chrome poli restent les cas les plus difficiles.
Faites correspondre l'angle de la caméra, la distance focale et l'éclairage sur les deux images clés avec des tolérances strictes. Si la dérive persiste, passez en mode référence-vers-vidéo (R2V) et transmettez une image de référence pour ancrer l'identité. Le R2V est documenté dans le guide du générateur vidéo PixMind Wan 2.7.
Oui. Wan 2.7 I2V prend en charge les sorties 720P et 1080P. Le premier-dernier-cadre hérite des deux. Le 1080P consomme environ deux fois plus de crédits par seconde que le 720P, alors itérez en 720P et finalisez en 1080P.
11 minutes of work turned into 8.7M views in 5 days
— Woody (@woody_research) May 28, 2026
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
Une étude de cas composite montrant comment une marque de soins de la peau a utilisé le mode premier dernier cadre de Wan 2.7 pour produire une publicité de révélation Instagram de…
Lire plus
Transformez n'importe quelle photo de produit en une vidéo marketing 1080P avec le mode première image I2V de Wan 2.7.…
Lire plus
Wan 2.7 et Sora 2 génèrent tous deux des vidéos à partir d'images clés, mais ils exposent des contrôles différents. Voici une comparaison côte à côte basée sur les spécifications…
Lire plus