Controllo Primo-Ultimo-Frame di Wan 2.7: Una Guida Pratica in 5 Passi
Punti Chiave
- La modalità primo-ultimo-frame in Wan 2.7 I2V ti permette di fissare sia lo stato iniziale che quello finale di una clip, con il modello che interpola il movimento intermedio.
- Cinque passi portano a un rendering pulito: prepara i keyframe, carica entrambi i frame, imposta la durata, scrivi il prompt di transizione, quindi valuta su cinque assi.
- Le modalità di fallimento comuni sono la deformazione delle superfici riflettenti, la deriva dell'identità sui personaggi e i salti della telecamera quando i due keyframe non concordano sull'angolazione.
- Inizia con durate brevi, da 2 a 5 secondi; la durata scala linearmente il costo dei crediti, e i rendering lunghi amplificano gli artefatti.
- Il cluster di prompt primo-ultimo-frame di PixMind contiene modelli che corrispondono ai tre schemi di esempio in questa guida.
Cos'è la Modalità Primo-Ultimo-Frame?
Primo-ultimo-frame è una sottomodalità di Wan 2.7 image-to-video (I2V). Fornisci due immagini: una per il primo frame, una per l'ultimo. Wan 2.7 genera i frame intermedi che li collegano. Secondo la documentazione API I2V di Alibaba Cloud, il modello accetta una coppia ordinata di input immagine e produce un MP4 fino a 1080P.
Questo è importante perché l'I2V a singola immagine lascia lo stato finale al modello. Se la tua ripresa deve atterrare su un frame specifico, un prodotto completamente ruotato o una scatola completamente aperta, il primo-ultimo-frame è il modo per garantire quell'atterraggio. Per il contesto della modalità, consulta il generatore video PixMind Wan 2.7, dove un'unica interfaccia di creazione gestisce ogni sottomodalità I2V.
Il flusso di lavoro principale è composto da cinque passi: prepara due keyframe, caricali in ordine, imposta la durata, scrivi il prompt di transizione, quindi renderizza e valuta. Ogni passo ha una singola decisione che determina il successo del rendering.
Passo 1: Prepara i Tuoi Keyframe
La qualità dei keyframe è il più grande predittore di un rendering primo-ultimo-frame pulito. La guida utente image-to-video di Wan 2.7 raccomanda di abbinare composizione, illuminazione e angolazione della telecamera su entrambi i frame. Abbiamo scoperto che i keyframe non corrispondenti costringono il modello a inventare una transizione, ed è qui che appaiono la deformazione e la deriva dell'identità.
Tre regole di coerenza coprono la maggior parte dei casi. Abbina la composizione inquadrando entrambi i soggetti nella stessa posizione dello schermo. Abbina l'illuminazione mantenendo la stessa direzione della luce chiave e la stessa temperatura di colore. Abbina la telecamera mantenendo costante la lunghezza focale, l'angolazione e la distanza. Rompi una qualsiasi di queste regole e il modello dovrà interpolare attraverso una discontinuità.
Capsula di citazione: La coerenza dei keyframe è il fattore dominante nella qualità del primo-ultimo-frame di Wan 2.7. La guida utente image-to-video di Alibaba Cloud raccomanda di abbinare composizione, illuminazione e angolazione della telecamera su entrambi i frame di input per evitare transizioni inventate dal modello che causano deformazioni e deriva dell'identità.
Lista di controllo della composizione
- Il soggetto occupa lo stesso quadrante dello schermo in entrambi i frame.
- Gli elementi di sfondo rimangono in posizioni fisse.
- Il rapporto d'aspetto di entrambi i frame corrisponde al rapporto di output desiderato.
- Lo spazio negativo è preservato in modo che il movimento abbia spazio per svilupparsi.
Lista di controllo dell'illuminazione
- La direzione della luce chiave è identica in entrambi i frame.
- La temperatura di colore corrisponde entro 200K.
- La lunghezza e l'angolazione delle ombre sono coerenti con una singola sorgente luminosa.
- I riflessi speculari cadono sulle stesse regioni della superficie.
Lista di controllo della telecamera
- La lunghezza focale è identica (usa dati EXIF o metadati).
- L'angolo di ripresa corrisponde entro 5 gradi.
- L'altezza della telecamera è coerente.
- Le caratteristiche di distorsione dell'obiettivo corrispondono (fisso contro zoom).
Abbiamo sprecato crediti testando coppie in cui il primo frame era stato scattato a 35mm e l'ultimo a 50mm. Il modello ha prodotto un "salto" brusco a metà clip. Blocca la lunghezza focale prima di generare.
Passo 2: Carica il Primo e l'Ultimo Frame
Wan 2.7 si aspetta i due frame in un ordine definito. La prima immagine che passi diventa lo stato iniziale, la seconda diventa lo stato finale. Secondo la panoramica di Alibaba Cloud Model Studio, la chiamata I2V accetta URL di immagini o payload codificati in base64, e il modello tratta l'array di input come una sequenza ordinata.
L'ordine conta più di quanto la gente si aspetti. Se carichi prima l'immagine della scatola aperta e poi quella della scatola chiusa, ottieni un'animazione di chiusura. Inverti l'ordine e ottieni un'animazione di apertura. Il modello non deduce l'intento solo dal prompt; la sequenza dei frame è la fonte della verità per la direzione.
Formato e dimensionamento del caricamento
Entrambi i frame dovrebbero condividere lo stesso rapporto d'aspetto dell'output desiderato. Fornire un primo frame 9:16 e un ultimo frame 1:1 forza un ritaglio, e i ritagli introducono artefatti ai bordi. Ridimensiona entrambi i frame alla risoluzione di output prima di caricarli.
Una ricetta pratica per il dimensionamento: punta a 1920x1080 per output 16:9 a 1080P, 1080x1920 per 9:16 e 1080x1080 per 1:1. Mantieni la dimensione del file sotto i 10MB per frame per evitare fallimenti di timeout su connessioni lente.
Disciplina di denominazione e ordine
Nomina i tuoi file in modo da rendere ovvia la sequenza. keyframe-01-closed.png e keyframe-02-open.png eliminano le congetture al momento del caricamento. Questo sembra banale, ma i caricamenti in ordine inverso sono il secondo fallimento più comune che vediamo.
Passo 3: Imposta la Durata (e Perché Dovresti Iniziare Breve)
La durata controlla quanti frame interpolati il modello deve produrre tra i tuoi due keyframe. Durate più lunghe significano più interpolazione, il che significa più possibilità per il modello di deviare. La documentazione API I2V di Wan 2.7 supporta durate da 2 a 15 secondi per I2V.
Raccomandiamo di iniziare con 2-5 secondi per qualsiasi nuova coppia di keyframe. I rendering brevi rivelano le modalità di fallimento a basso costo. Se il modello può interpolare in modo pulito su 3 secondi, puoi estendere con sicurezza a 8 o 10 secondi al passaggio successivo.
Capsula di citazione: Wan 2.7 I2V supporta durate da 2 a 15 secondi, ma il costo dei crediti scala linearmente con la durata. Testare a 2-5 secondi rivela le modalità di fallimento come deformazione, deriva e salto della telecamera a una frazione del costo di un rendering di 10 secondi.
Durata contro ampiezza del movimento
Le durate brevi funzionano per movimenti piccoli. Un rendering di 3 secondi si adatta a un coperchio che si solleva da una scatola. Un rendering di 5 secondi si adatta a un personaggio che si gira da dietro a davanti. Supera gli 8 secondi e il modello deve inventare un movimento intermedio che nessuno dei keyframe implica, ed è qui che entra in gioco il movimento allucinato.
Calcolo del costo dei crediti
La durata scala il costo linearmente. Un rendering 1080P di 10 secondi costa circa cinque volte quello di un rendering 1080P di 2 secondi. Se testi a 10 secondi e fallisci, paghi il prezzo intero per un rendering che non puoi usare. Testa breve, poi impegna.
Passo 4: Scrivi il Prompt di Transizione
Il prompt in modalità primo-ultimo-frame descrive il movimento tra i due frame. Non ridiscrive il soggetto; i keyframe lo fanno già. Il cluster di prompt primo-ultimo-frame di PixMind cataloga i modelli di prompt per i tre esempi pratici qui sotto.
Un prompt di transizione ha quattro parti: l'azione, la velocità, il comportamento della telecamera e lo stile. Mantieni ogni parte in una breve clausola. I prompt lunghi diluiscono l'attenzione del modello e producono un movimento più morbido.
Capsula di citazione: I prompt di transizione in modalità primo-ultimo-frame di Wan 2.7 dovrebbero descrivere il movimento, non il soggetto. I prompt efficaci coprono quattro parti: azione, velocità, comportamento della telecamera e stile. Ogni parte come una breve clausola supera i prompt lunghi un paragrafo che ridiscrivono ciò che i keyframe già mostrano.
Anatomia del prompt
- Azione: cosa si muove. "Il coperchio si solleva", "la figura si gira", "il cielo si oscura".
- Velocità: quanto velocemente. "Lento", "graduale", "nell'arco di tre secondi".
- Telecamera: cosa fa la telecamera. "Statica", "leggera spinta in avanti", "fissa".
- Stile: trattamento visivo. "Cinematico", "documentaristico", "fuoco morbido".
Anti-pattern: eccesso di prompt
Resisti alla tentazione di ridiscrivere il soggetto. Se il primo keyframe è una scatola regalo chiusa, il tuo prompt non ha bisogno di dire "una scatola regalo chiusa su un tavolo di legno". Il modello lo sa già. Ridiscrivere spinge il modello a renderizzare nuovamente la scatola, il che contrasta l'interpolazione.
[INSIGHT UNICO] Il compito del prompt di transizione è quello di limitare il movimento, non di dichiarare il soggetto. Trattalo come note di coreografia per un ballerino che conosce già il costume.
Passo 5: Renderizza e Valuta su Cinque Assi
Ogni rendering primo-ultimo-frame necessita di un passaggio di valutazione esplicito. Valutiamo su cinque assi, ognuno con un punteggio di successo o fallimento. Un rendering che fallisce su qualsiasi asse torna al passo 1 o al passo 4, non alla consegna finale.
I cinque assi coprono identità, telecamera, illuminazione, movimento e accuratezza del frame target. I primi tre derivano dalla qualità dei keyframe. Gli ultimi due derivano dalle scelte di prompt e durata.
Capsula di citazione: I rendering primo-ultimo-frame di Wan 2.7 dovrebbero essere valutati su cinque assi binari: coerenza dell'identità, continuità della telecamera, continuità dell'illuminazione, plausibilità del movimento e raggiungimento del frame target. Un rendering che fallisce su qualsiasi asse dovrebbe essere rielaborato nella fase di keyframe o prompt piuttosto che riprovato ciecamente.
Asse 1: Coerenza dell'identità
Il soggetto appare lo stesso in tutti i frame? Per i personaggi, controlla la geometria del viso. Per i prodotti, controlla la silhouette e il branding. La deriva qui di solito è riconducibile a keyframe che non concordano sull'angolazione.
Asse 2: Continuità della telecamera
La telecamera rimane dove dovrebbe? Se hai specificato statica, controlla la presenza di push-in non intenzionali. Se hai specificato un push-in, controlla che il movimento sia fluido e non a scatti.
Asse 3: Continuità dell'illuminazione
La direzione della luce rimane costante? Fai attenzione ai capovolgimenti delle ombre a metà clip, che indicano che il modello ha scambiato le sorgenti luminose tra i frame.
Asse 4: Plausibilità del movimento
Il movimento sembra fisicamente credibile? I coperchi non attraversano le scatole. Gli arti non si piegano all'indietro. I capelli non si congelano a mezz'aria. Un movimento implausibile di solito significa che il prompt ha chiesto troppo in una durata troppo breve.
Asse 5: Raggiungimento del frame target
L'ultimo frame del video generato corrisponde all'immagine dell'ultimo frame che hai caricato? Questo è il test che dà il nome alla modalità. Se il modello si avvicina ma non è esatto, stringi il prompt o accorcia la durata.
Tre Esempi Pratici (Rivelazione Prodotto, Rotazione Personaggio, Giorno-Notte)
I tre schemi seguenti coprono circa l'80 percento dei casi d'uso primo-ultimo-frame che vediamo su PixMind. Ciascuno include la preparazione dei keyframe, il prompt, la durata e la modalità di fallimento più frequente.
Esempio 1: Rivelazione prodotto (scatola regalo chiusa ad aperta)
Keyframe: due scatti del prodotto, telecamera e illuminazione identiche. Primo frame: coperchio chiuso. Secondo frame: coperchio completamente aperto con interno visibile.
Prompt: "Il coperchio si solleva lentamente verso l'alto e si inclina all'indietro, rivelando l'interno. Telecamera statica, illuminazione cinematografica morbida, durata di tre secondi."
Durata: 3 secondi a 1080P, 16:9.
Modalità di fallimento: deformazione della superficie riflettente. Se la scatola ha una finitura lucida, il modello sfuma il riflesso mentre il coperchio si muove. Mitiga riducendo la lucentezza nei keyframe o aggiungendo "superficie opaca" al prompt.
Esempio 2: Rotazione personaggio (da vista posteriore a vista frontale)
Keyframe: due rendering del personaggio, illuminazione e lunghezza focale identiche. Primo frame: personaggio visto da dietro. Secondo frame: personaggio rivolto verso la telecamera.
Prompt: "La figura ruota lentamente per affrontare la telecamera, girando in senso orario per quattro secondi. Inquadratura media statica, profondità di campo cinematografica."
Durata: da 4 a 5 secondi a 1080P.
Modalità di fallimento: deriva dell'identità. Il viso potrebbe cambiare a metà rotazione. Mitiga rendendo entrambi i keyframe il più frontali possibile all'interno della rotazione, o utilizzando la modalità reference-to-video (R2V) per una maggiore conservazione dell'identità.
Esempio 3: Giorno-notte (passaggio del tempo)
Keyframe: due scatti di paesaggio, composizione identica. Primo frame: luce diurna. Secondo frame: notte con luci artificiali accese.
Prompt: "Il cielo si oscura gradualmente da giorno a notte in cinque secondi, le luci artificiali si accendono, la temperatura di colore si raffredda. Telecamera statica, treppiede bloccato."
Durata: 5 secondi a 1080P.
Modalità di fallimento: salto della telecamera. Se i due scatti di paesaggio sono stati presi da posizioni anche leggermente diverse, il modello inventa un movimento della telecamera per collegarli. Mitiga scattando entrambi i keyframe da un treppiede bloccato, o utilizzando un singolo scatto con bracketing dell'esposizione.
Modalità di Fallimento Comuni (e Come Risolverle)
Nominare le modalità di fallimento è il modo per consegnare più velocemente. Le tre seguenti rappresentano la maggior parte dei rendering rifiutati che vediamo.
Deformazione della superficie riflettente
Vetro, metallo lucidato e acqua si sfumano durante l'interpolazione perché il modello non riesce a tracciare i riflessi in modo coerente. Riduci l'ampiezza del movimento, passa a superfici opache nei keyframe o accorcia la durata in modo che il modello abbia meno frame da inventare.
Deriva dell'identità
Volti e silhouette si spostano tra i frame. Questo è più comune quando i due keyframe non concordano sull'angolazione o sull'espressione. Riscatti i keyframe con angolazioni corrispondenti, o passa alla modalità R2V con un'immagine di riferimento per ancorare l'identità.
Salto della telecamera
Il modello inventa un movimento della telecamera per collegare due keyframe che implicano angolazioni diverse. La soluzione è a monte: blocca la lunghezza focale, l'angolazione e l'altezza su entrambi i keyframe. Se non puoi riscattare, accetta il movimento della telecamera e scrivilo nel prompt.
Abbiamo scoperto che i salti della telecamera sono la modalità di fallimento più spesso diagnosticata erroneamente come un "bug del modello". Il modello sta facendo esattamente ciò che i keyframe gli dicono di fare. Correggi gli input.
FAQ su Wan 2.7 Primo-Ultimo-Frame
Qual è la differenza tra primo-frame e primo-ultimo-frame in Wan 2.7?
La modalità primo-frame accetta un'immagine come stato iniziale e lascia che il modello inventi lo stato finale. La modalità primo-ultimo-frame accetta due immagini e forza il modello ad atterrare sulla seconda immagine. Primo-ultimo-frame ti dà un controllo sullo stato finale che primo-frame non può.
Quanto dovrebbe essere lungo il mio primo rendering primo-ultimo-frame di Wan 2.7?
Inizia con 2-5 secondi. Le durate brevi rivelano le modalità di fallimento a basso costo. Secondo la documentazione API I2V di Alibaba Cloud, sono supportate durate da 2 a 15 secondi, ma durate lunghe aumentano la distanza di interpolazione e il rischio di artefatti.
Wan 2.7 primo-ultimo-frame può gestire superfici riflettenti come vetro e metallo?
Sì, ma con cautela. Le superfici riflettenti sono la modalità di fallimento più comune per la deformazione. Mitiga riducendo la lucentezza nei keyframe, mantenendo l'ampiezza del movimento piccola e scrivendo "superficie opaca" nel prompt. Specchi e cromo lucidato rimangono i casi più difficili.
Come posso prevenire la deriva dell'identità tra i due keyframe?
Abbina l'angolazione della telecamera, la lunghezza focale e l'illuminazione su entrambi i keyframe con tolleranze strette. Se la deriva persiste, passa alla modalità reference-to-video (R2V) e passa un'immagine di riferimento per ancorare l'identità. R2V è documentato nella guida del generatore video PixMind Wan 2.7.
Wan 2.7 primo-ultimo-frame supporta il 1080P?
Sì. Wan 2.7 I2V supporta output a 720P e 1080P. Primo-ultimo-frame eredita entrambi. Il 1080P consuma circa il doppio dei crediti al secondo rispetto al 720P, quindi itera a 720P e finalizza a 1080P.
Guardalo in Azione
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
