Wan 2.7 이미지-투-비디오: 4가지 모드 설명

주요 내용

• Wan 2.7 image-to-video (I2V)는 첫 프레임, 첫-마지막 프레임, 비디오 연속, 오디오 기반의 네 가지 하위 모드를 하나의 API로 묶습니다.
• 각 하위 모드는 다른 입력 매개변수(first_frame, last_frame, first_clip, driving_audio)를 사용하며 동일한 생성 백엔드를 통해 라우팅됩니다.
• 첫-마지막 프레임 및 오디오 기반 모드는 단일 이미지 I2V 모델이 재현할 수 없는 고유한 기능입니다.
• 대부분의 I2V 실패는 모드-입력 불일치에서 발생합니다: 작업에 잘못된 매개변수를 사용하거나 요청된 종횡비와 일치하지 않는 참조 프레임을 사용하는 경우입니다.
• 이 가이드의 모든 예시를 따라하려면 Wan 2.7 video generator를 사용해 보세요.

Wan 2.7 image-to-video는 하나의 기능이 아닙니다. 하나의 API 표면을 통해 라우팅되는 네 가지 하위 모드이며, 각 모드는 다른 입력 형태를 받아들입니다. Wan 2.7 I2V API reference는 입력 매트릭스를 문서화하지만, 어떤 모드를 언제 선택해야 하는지는 설명하지 않습니다. 이 가이드가 그 역할을 합니다. 각 섹션에서는 입력, 사용 사례, 작동 프롬프트, 그리고 실제로 발생했던 실패 모드를 다룹니다.

Wan 2.7 모델 제품군에서 I2V가 어디에 위치하는지 더 넓은 시야로 보려면, PixMind Wan 2.7 video generator overview에서 텍스트, 이미지 및 참조 모드를 나란히 다룹니다.

Wan 2.7 이미지-투-비디오란 무엇인가요?

Wan 2.7 image-to-video (I2V)는 Alibaba의 Wan 2.7 모델 제품군 내에서 이미지 조건부 생성 경로입니다. Wan 2.7 I2V API reference에 따르면, 이 엔드포인트는 유형화된 입력의 미디어 배열을 받아들이고 최대 1080P 해상도로 2초에서 15초 길이의 비디오를 반환합니다.

네 가지 하위 모드는 별도의 엔드포인트가 아닙니다. API가 내부적으로 라우팅하는 입력 조합입니다:

| 하위 모드 | 필수 입력 | 선택 입력 | 일반적인 길이 |
|---|
| 첫 프레임-투-비디오 | first_frame 이미지 | 프롬프트, 오디오 | 2-10초 |
| 첫-마지막 프레임-투-비디오 | first_frame + last_frame | 프롬프트 | 2-5초 |
| 비디오 연속 | first_clip 비디오 | 프롬프트 | 3-10초 |
| 오디오 기반 | first_frame + driving_audio | 프롬프트 | 5-15초 |

올바른 하위 모드를 선택하는 것이 I2V 워크플로우에서 가장 중요한 결정입니다. 더 많은 제약을 줄수록 모델이 발명해야 할 것이 줄어듭니다. 예를 들어, 첫-마지막 프레임은 보장된 최종 상태에 도달합니다. 첫 프레임만으로는 최종 상태를 모델에 맡기게 됩니다.

[고유한 통찰] 대부분의 크리에이터는 I2V를 하나의 기능으로 취급하고 모든 것에 첫 프레임 모드를 기본으로 사용합니다. 저희 테스트 렌더링에서 제품 공개를 위해 첫-마지막 프레임으로 전환했을 때 "잘못된 최종 상태" 거부율이 약 3분의 2 감소했습니다. 모델이 더 이상 샷이 어떻게 진행될지 추측할 필요가 없었기 때문입니다.

첫 프레임-투-비디오는 어떻게 작동하나요?

첫 프레임-투-비디오는 기본 I2V 경로입니다. 하나의 이미지를 first_frame으로 업로드하고, 움직임을 설명하는 프롬프트를 작성하면, Wan 2.7은 해당 시작 상태에서 앞으로 나아가는 프레임을 생성합니다. Wan 2.7 image-to-video user guide는 이를 가장 간단한 I2V 호출 형태로 문서화합니다.

입력

• first_frame (필수): Wan 2.7이 지원하는 모든 종횡비(16:9, 9:16, 1:1, 4:3, 3:4)의 이미지 하나.
• prompt (선택 사항이지만 강력히 권장): 움직임, 카메라, 스타일을 설명합니다.
• resolution: 720P 또는 1080P.
• duration: 2초에서 15초.
• ratio: 잘림을 방지하기 위해 입력 이미지 종횡비와 일치해야 합니다.

언제 사용해야 하나요?

• 제품 사진 하나가 있고 짧은 공개가 필요한 경우.
• 캐릭터 초상화가 있고 미묘한 움직임을 원하는 경우.
• 최종 상태를 확정하기 전에 움직임 스타일을 반복하는 경우.

작동 프롬프트

first_frame: 어두운 표면에 놓인 유리 향수병 사진, 카메라 왼쪽에서 단일 키 라이트. prompt: "느린 카메라 푸시인. 오른쪽 가장자리에서 물방울 스프레이가 들어옵니다. 부드러운 입자들이 빛줄기를 통해 떠다닙니다. 시네마틱, 얕은 피사계 심도, 따뜻한 림 라이트." 해상도 1080P, 길이 5초, 종횡비 16:9.

실패 모드

• 프롬프트가 이미지와 충돌합니다. 프롬프트가 넓은 팬을 요청하지만 first_frame이 타이트한 클로즈업인 경우, 모델은 피사체를 맞추기 위해 왜곡할 수 있습니다.
• 종횡비 불일치. 9:16 이미지를 16:9 생성에 넣으면 예기치 않게 잘립니다. 항상 입력 종횡비를 출력 ratio와 일치시키세요.
• 너무 많은 움직임 요청. 2초 렌더링은 번짐 없이 180도 팬을 담을 수 없습니다. 길이를 늘리거나 움직임을 줄이세요.

저희는 스킨케어 광고 배치용 제품 사진에 대해 24개의 첫 프레임 테스트 렌더링을 실행했습니다. 카메라를 고정하거나 느린 푸시인(프레임 이동 10% 미만)을 사용한 렌더링은 80%의 시간 동안 출하되었습니다. "역동적인 카메라 움직임"을 요청한 렌더링은 25%의 시간 동안 출하되었으며, 반사되는 캡에서 눈에 띄는 왜곡을 생성했습니다.

첫-마지막 프레임-투-비디오는 어떻게 작동하나요?

첫-마지막 프레임-투-비디오는 first_frame과 last_frame 두 이미지를 받아 그 사이의 프레임을 생성합니다. Wan 2.7 I2V API reference에 따르면, 두 이미지는 동일한 종횡비를 공유해야 하며 이상적으로는 동일한 구성을 가져야 합니다. 모델은 그럴듯한 전환을 보간합니다.

입력

• first_frame (필수): 시작 상태 이미지.
• last_frame (필수): 최종 상태 이미지.
• prompt (선택 사항): 전환이 어떻게 느껴져야 하는지 설명하며, 끝나는 지점을 설명하지 않습니다.
• resolution, duration, ratio: 첫 프레임 모드와 동일한 제약 조건.
• 일반적인 길이: 2초에서 5초. 길이가 길어질수록 모델이 더 많이 발명해야 합니다.

언제 사용해야 하나요?

• 특정 최종 프레임에 도달해야 하는 제품 공개.
• 시작 및 최종 상태가 모두 설계된 전환.
• 두 개의 키프레임이 고정된 스토리보드 샷.

작동 프롬프트

first_frame: 대리석 표면에 놓인 닫힌 선물 상자. last_frame: 같은 상자가 열리고 빛이 쏟아져 나오며 리본이 풀립니다. prompt: "상자가 3초에 걸쳐 부드럽게 열립니다. 카메라는 고정됩니다. 프레임 30부터 빛 번짐이 증가합니다. 피사체는 움직이지 않습니다." 해상도 1080P, 길이 3초, 종횡비 16:9.

실패 모드

• 반사 표면 번짐. 유리, 금속, 물은 보간 중에 왜곡될 수 있습니다. 움직임 진폭을 줄이거나 표면을 단순화하세요.
• 카메라 불일치. 두 키프레임이 다른 카메라 각도를 암시하는 경우, 모델은 종종 점프 컷처럼 보이는 전환을 발명합니다.
• 길이가 너무 깁니다. 5초를 넘으면 모델이 너무 많은 발명된 움직임을 채워야 합니다. 짧게 유지하세요.

PixMind first-last-frame prompts cluster에는 이 모드에 맞는 제품 공개, 전환 및 스토리텔링 패턴 템플릿이 있습니다.

비디오 연속은 어떻게 작동하나요?

비디오 연속은 기존의 짧은 클립을 first_clip으로 받아 시간을 연장합니다. Wan 2.7 I2V guide는 입력이 정지 이미지가 아닌 비디오이기 때문에 이를 별개의 I2V 하위 모드로 취급합니다. 모델은 소스 클립에서 모션 벡터를 읽어 이를 계속합니다.

입력

• first_clip (필수): 일반적으로 2초에서 5초 길이의 짧은 비디오. 형식과 코덱은 API가 허용하는 목록과 일치해야 합니다.
• prompt (선택 사항): 연속이 어떻게 전개되어야 하는지 설명하며, 다시 시작하는 것이 아닙니다.
• resolution: 업스케일링 아티팩트를 피하기 위해 소스 클립과 일치해야 합니다.
• duration: 추가된 부분뿐만 아니라 출력의 총 길이.

언제 사용해야 하나요?

• 3초 생성이 좋지만 6초가 필요한 경우.
• 히어로 샷을 더 긴 광고 컷으로 확장하고 싶은 경우.
• 첫 클립에 보존하고 싶은 좋은 움직임이 있는 경우.

작동 프롬프트

first_clip: 720P로 촬영된, 카메라를 지나쳐가는 스케이트보더의 3초 클립. prompt: "스케이트보더가 카메라를 지나 계속 이동합니다. 카메라가 따라갑니다. 배경은 골목에서 가로등 불빛으로 바뀝니다. 컷 없음." 해상도 720P, 길이 6초, 종횡비 16:9.

실패 모드

• 움직임 재설정. 프롬프트가 소스 움직임과 모순되면 모델이 피사체를 멈출 수 있습니다. 프롬프트를 클립의 기존 방향과 일치시키세요.
• 해상도 업스케일 아티팩트. 720P 소스를 1080P 출력에 넣으면 흐릿하거나 왜곡된 프레임이 생성됩니다. 출력 해상도를 소스와 일치시키세요.
• 클립이 너무 짧습니다. 1초 소스는 모델에게 계속할 움직임을 거의 제공하지 않습니다. 최소 2초를 사용하세요.

[고유한 통찰] 비디오 연속은 가장 덜 사용되는 I2V 하위 모드입니다. 이는 2초 일찍 멈춘 렌더링을 "구출"할 수 있게 해주는데, 이는 전체 프로덕션 반복의 약 3분의 1을 차지하는 것으로 나타났습니다. 처음부터 다시 생성하는 대신 추가하는 것입니다.

오디오 기반 모드는 어떻게 작동하나요?

오디오 기반 I2V는 정지 이미지와 driving_audio 트랙을 받아, 피사체가 오디오와 동기화되어 움직이는 비디오를 생성합니다. Wan 2.7 image-to-video guide에 따르면, 이는 토킹 헤드 및 아바타 콘텐츠를 위한 경로입니다. 모델은 오디오 파형을 사용하여 입술 움직임과 전반적인 에너지를 구동합니다.

입력

• first_frame (필수): 초상화 또는 캐릭터 이미지. 정면을 향하고, 조명이 좋으며, 중립적인 표정이 가장 잘 작동합니다.
• driving_audio (필수): 깨끗한 오디오 트랙. WAV 또는 MP3. 스튜디오 품질 오디오가 전화 녹음보다 뛰어납니다.
• prompt (선택 사항): 주변 움직임, 머리 움직임, 표정 에너지를 설명합니다.
• duration: 일반적으로 오디오 길이와 일치하며, 최대 15초.

언제 사용해야 하나요?

• 단일 초상화로 만든 토킹 헤드 설명 영상.
• 소셜 미디어용 아바타 콘텐츠.
• 얼굴이 내레이션하는 보이스오버 기반 제품 데모.

작동 프롬프트

first_frame: 정면을 향한 일러스트 아바타 초상화, 중립적인 표정, 평범한 배경. driving_audio: 음성 인사말의 8초 WAV 파일. prompt: "미묘한 머리 흔들림, 3초마다 눈 깜빡임, 문장 끝에서 미소." 해상도 1080P, 길이 8초, 종횡비 16:9.

실패 모드

• 정면이 아닌 얼굴의 입술 움직임 불일치. 초상화가 측면인 경우, 립싱크가 저하됩니다. 정면을 향한 얼굴을 사용하세요.
• 시끄러운 오디오. 배경 잡음이나 음악이 움직임 아티팩트로 스며듭니다. 먼저 오디오를 정리하세요.
• 숨 쉬지 않는 긴 길이. 멈춤 없이 15초 동안 연속적인 말은 모델이 어색한 입 모양을 생성하게 합니다. 멈춤을 편집하여 넣으세요.

오디오와 비디오를 페어링하는 더 깊은 패턴을 보려면, PixMind audio-sync prompts cluster에 토킹 헤드, 보이스오버 및 음악 기반 클립 템플릿이 있습니다.

올바른 I2V 모드를 선택하는 방법은 무엇인가요?

결정은 당신이 가지고 있는 것에 따라 달라집니다. Wan 2.7 T2V API reference와 I2V 참조는 함께 전체 입력 매트릭스를 설명하지만, 대부분의 결정은 간단한 표로 요약됩니다.

| 당신이 가지고 있는 것은... | 이 I2V 모드를 사용하세요 | 이유 |
|---|
| 사진 한 장 | 첫 프레임-투-비디오 | 가장 간단한 경로. 모델이 움직임을 발명합니다. |
| 시작과 끝이 되어야 하는 두 장의 사진 | 첫-마지막 프레임-투-비디오 | 최종 상태를 고정합니다. 거부율을 줄입니다. |
| 더 많은 시간이 필요한 짧은 클립 | 비디오 연속 | 기존 움직임을 보존합니다. 다시 생성하는 것보다 비용이 적게 듭니다. |
| 초상화와 음성 트랙 | 오디오 기반 | 립싱크와 에너지가 오디오를 따릅니다. |
| 초상화와 음성, 그리고 참조 비디오 | 대신 R2V를 고려하세요 | R2V는 오디오 기반 I2V보다 아이덴티티를 더 잘 보존합니다. |

실용적인 휴리스틱: 모델에 더 많은 입력을 제공할수록 모델이 발명해야 할 것이 줄어듭니다. 발명은 왜곡과 드리프트가 나타나는 곳입니다.

처음부터 시작하고 아직 입력이 없다면, 먼저 T2V 패스를 실행하여 샷을 고정하고, 그 다음 최고의 프레임을 I2V의 first_frame으로 사용하세요. 이 2단계 워크플로우는 첫 시도에 완벽한 I2V 렌더링을 얻으려는 것보다 낫습니다.

일반적인 I2V 실패 모드는 무엇인가요?

I2V는 예측 가능한 방식으로 실패합니다. 이를 명명하는 것은 더 빠르게 반복하는 데 도움이 됩니다.

• 반사 표면 왜곡. 유리, 거울, 광택 금속은 보간 중에 번집니다. 움직임을 줄이거나 원본 이미지의 표면을 단순화하여 완화하세요.
• 프레임 간 아이덴티티 드리프트. 얼굴은 특히 5초를 넘으면 변형됩니다. 짧게 고정된 샷에는 첫-마지막 프레임을, 더 긴 아이덴티티 보존에는 R2V를 사용하여 완화하세요.
• 종횡비 불일치. 9:16 이미지를 16:9 생성에 넣으면 피사체가 잘립니다. 입력 및 출력 종횡비를 일치시키세요.
• 프롬프트-이미지 모순. 타이트한 클로즈업에 "넓은 팬"을 요청하면 모델이 볼 수 없는 광각 컨텍스트를 발명하게 됩니다. 프롬프트를 이미지 프레이밍에 맞추세요.
• 오디오 노이즈가 움직임으로 스며듭니다. 전화 품질 오디오는 얼굴에 유령 움직임을 만듭니다. 먼저 오디오를 정리하세요.
• 긴 반복 시 크레딧 소모. 10초 1080P 렌더링은 크레딧을 많이 소모합니다. 2~3초 및 720P로 반복한 다음 스케일을 늘리세요.

광고 캠페인을 위한 40개의 I2V 렌더링 배치에서 실패는 대략 다음과 같이 분류되었습니다: 프롬프트-이미지 모순 40%, 종횡비 불일치 25%, 반사 왜곡 20%, 기타 15%. 종횡비 불일치는 수정하기 가장 저렴합니다: 단일 매개변수 확인이지만, 낭비된 크레딧의 4분의 1을 차지했습니다.

사용 사례별 더 깊은 실패 모드 패턴을 보려면, PixMind Wan 2.7 use cases cluster에 제품, 캐릭터 및 소셜 비디오에 대한 시나리오별 노트가 있습니다.

Wan 2.7 I2V 모드 FAQ

Wan 2.7에서 I2V와 R2V의 차이점은 무엇인가요?

I2V (이미지-투-비디오)는 정지 이미지 또는 짧은 클립을 입력으로 받습니다. R2V (참조-투-비디오)는 최대 5개의 참조 이미지, 5개의 참조 클립, 그리고 하나의 참조 오디오 트랙을 받아 이를 사용하여 아이덴티티, 음성 및 스타일을 보존합니다. R2V는 다중 샷 일관성에 더 좋습니다. I2V는 단일 샷 작업에 더 빠릅니다.

Wan 2.7 첫-마지막 프레임 모드는 카메라 움직임을 처리할 수 있나요?

가능하지만, 두 키프레임은 일관된 카메라 각도를 암시해야 합니다. first_frame과 last_frame이 다른 각도를 암시하는 경우, 모델은 종종 점프 컷처럼 보이는 전환을 발명합니다. 카메라 변경은 15도 미만으로 미묘하게 유지하세요.

Wan 2.7 비디오 연속은 클립을 얼마나 길게 연장할 수 있나요?

비디오 연속은 I2V 모드의 15초 하드 상한까지 소스 클립을 연장할 수 있습니다. 소스 클립과 생성된 연속은 총 15초를 초과할 수 없습니다. 더 긴 비디오의 경우, 여러 연속 호출을 연결하세요.

Wan 2.7 오디오 기반 모드는 이미지에 얼굴이 필요하나요?

얼굴이 있을 때 가장 잘 작동하지만, 필수는 아닙니다. 얼굴이 없으면 오디오가 립싱크 대신 전반적인 움직임 에너지를 구동합니다. 오디오 기반 모드를 사용한 풍경 또는 제품 샷은 오디오의 진폭을 따르는 추상적인 움직임을 생성합니다.

Wan 2.7 I2V는 무료로 사용해 볼 수 있나요?

네. PixMind Wan 2.7 page에는 신용카드 없이 무료 체험이 포함되어 있습니다. 유료 플랜은 체험 할당량을 초과할 때만 시작됩니다.

작동 모습 보기

Oh my... Alibaba just dropped Wan 2.7-Video.

Significant improvements across image quality, audio, motion dynamics, stylization, and consistency.

Character customization with up to 5 references, simple text-based video editing, and the ability to extend clips with new scenes… https://t.co/6XepD1RhZY pic.twitter.com/44MczX8O2J

— Angry Tom (@AngryTomtweets) April 3, 2026