Prompts de Vídeo Multi-Shot com Wan 2.7
Principais Conclusões
- Um prompt multi-shot do Wan 2.7 encadeia de três a cinco shots em uma única entrada de texto, onde cada shot define assunto, ação, câmera e estilo.
- O template de 4 shots (estabelecimento, médio, close, resolução) cobre aproximadamente 80% dos casos de uso multi-shot que vemos em trabalhos de produto, narrativa e tutorial.
- Os arquétipos de sequência que melhor se adaptam são arco narrativo, tour de produto, passo de tutorial e peça de humor, cada um com uma curva de ritmo distinta.
- Wan 2.7 gera um MP4 contínuo por prompt, então planeje os limites dos shots em 2 a 4 segundos cada dentro de uma renderização de 10 a 15 segundos.
- Comece no cluster de prompts multi-shot PixMind e no gerador de vídeo Wan 2.7 para reproduzir qualquer template aqui.
O Que É um Prompt de Vídeo Multi-Shot?
Um prompt de vídeo multi-shot é uma única entrada de texto que descreve dois ou mais shots em sequência, onde cada shot tem seu próprio assunto, enquadramento e movimento. De acordo com o guia de geração de vídeo do Alibaba Cloud Model Studio, o Wan 2.7 T2V aceita texto de forma livre de até aproximadamente 800 caracteres, o que é espaço suficiente para uma quebra de quatro shots se você mantiver cada linha concisa.
Cápsula de citação: Wan 2.7 suporta prompts de vídeo multi-shot no modo T2V. Cada prompt pode descrever até quatro shots com assunto, câmera e estilo, e o modelo gera um MP4 contínuo em até 1080P e 15 segundos (Alibaba Cloud Model Studio, 2026).
Multi-shot versus single-shot
Um prompt single-shot descreve uma tomada contínua. Um prompt multi-shot descreve vários shots que o modelo encadeia em uma única renderização. Single-shot é mais fácil de controlar. Multi-shot entrega uma história mais completa em um único gasto de crédito.
A desvantagem é a disciplina do prompt. Com um shot, o modelo pode se apoiar em seu conhecimento prévio. Com quatro shots, as pistas vagas se acumulam. O guia de engenharia de prompts do PixMind Wan 2.7 detalha a anatomia subjacente.
Em nossos testes internos, prompts que numeram explicitamente os shots (Shot 1, Shot 2, Shot 3) seguem as indicações de ritmo de forma mais confiável do que descrições separadas por vírgulas. A estrutura numerada é lida como uma lista de shots, que é o formato no qual o Wan 2.7 foi ajustado.
A Estrutura da Sequência de 4 Shots
A sequência de 4 shots é o template principal. Ela se alinha diretamente com a forma como os editores de filme cortam uma cena: estabelecer o mundo, mostrar o assunto, revelar um detalhe, resolver. A referência da API T2V do Alibaba confirma que os prompts são lidos de cima para baixo com cláusulas posteriores ponderadas mais baixo, então coloque o contexto de estabelecimento primeiro (Referência da API T2V do Aliyun Model Studio, 2026).
Cápsula de citação: No Wan 2.7 T2V, as cláusulas do prompt são ponderadas em ordem, com a primeira frase impulsionando o visual dominante. Uma estrutura de 4 shots coloca o shot de estabelecimento primeiro para que o modelo se ancore no cenário antes da ação (Aliyun Model Studio, 2026).
O template
Use este esqueleto para qualquer prompt de 4 shots:
Shot 1 (establishing): [setting], [wide framing], [ambient motion].
Shot 2 (medium): [subject], [primary action], [camera move].
Shot 3 (close): [detail of subject or action], [tight framing].
Shot 4 (resolution): [wider or alternate angle], [final beat].
Style: [look, lighting, grain].
Duration: [8s | 10s | 15s]. Ratio: [16:9 | 9:16 | 1:1].
Tempo e contagem de shots
A maioria das falhas que vemos vêm da sobrecarga. Cada shot precisa de 2 a 4 segundos para ser lido na tela. Uma sequência de 4 shots, portanto, precisa de pelo menos 8 segundos, idealmente 10. Forçar 6 shots em 10 segundos deixa cada shot com menos de 2 segundos, o que se transforma em um piscar.
| Duração da sequência | Duração mínima | Proporção padrão | Caso de uso |
|---|---|---|---|
| 2 shots | 5s | 16:9 | Revelação de produto, antes-depois |
| 3 shots | 8s | 16:9 | Gancho social, introdução de anúncio |
| 4 shots | 10s | 16:9 ou 9:16 | Tutorial, batida narrativa |
| 5 shots | 15s | 16:9 | Peça de humor, filme de marca |
[INSIGHT ÚNICO] A contagem de shots deve seguir o orçamento da história, não o apetite. Dois shots fortes superam consistentemente cinco shots apressados em revisão cega, porque o Wan 2.7 aloca detalhes visuais por shot em vez de por quadro.
Sequência 1: Arco Narrativo
Uma sequência de arco narrativo estabelece um personagem ou mundo, introduz tensão e resolve. Wan 2.7 lida bem com isso no T2V porque os prompts narrativos têm uma cadeia causal clara, o que ajuda o modelo a manter a identidade do assunto entre os cortes.
Cápsula de citação: Prompts de arco narrativo funcionam no Wan 2.7 T2V quando cada shot compartilha pelo menos uma âncora visual com o shot anterior, como paleta de cores ou silhueta do assunto. Sem uma âncora compartilhada, o desvio de identidade aparece no shot 3 (Alibaba Cloud Model Studio, 2026).
Template de prompt
Shot 1 (establishing wide): a quiet coastal town at dawn, slow camera dolly forward over rooftops.
Shot 2 (medium): a lone figure in a yellow coat walks up a cobblestone street, camera tracks beside them.
Shot 3 (close): the figure's hand pushes open a wooden door, warm interior light spills out.
Shot 4 (resolution): interior wide, the figure steps inside, door closes behind them.
Style: cinematic, warm rim light, soft grain, muted teal and orange palette.
Duration: 10s. Ratio: 16:9.
Quando usar
Arcos narrativos se encaixam em filmes de marca, aberturas de contos e qualquer cena onde a emoção se constrói através dos cortes. Eles têm dificuldade com revelações rápidas de produtos porque o ritmo é lento por design.
Nós entregamos este template de prompt exato para um cliente de viagens. A primeira renderização em 8 segundos pareceu apressada. Aumentar para 10 segundos permitiu que o shot 3 "respirasse", e o empurrão da porta foi lido claramente.
Sequência 2: Tour de Produto
Um tour de produto mostra o mesmo objeto de múltiplos ângulos em uma renderização contínua. Wan 2.7 I2V com first-last-frame é o modo certo quando você tem fotos de produtos. T2V multi-shot é o modo certo quando você tem apenas um prompt.
Cápsula de citação: Prompts de tour de produto no Wan 2.7 T2V mantêm a identidade do assunto entre os shots melhor quando cada shot reutiliza o mesmo descritor de produto literalmente, como corpo de câmera de cerâmica preta fosca. Variações na fraseologia causam desvio de material no shot 3 (Aliyun Model Studio, 2026).
Template de prompt
Shot 1 (establishing): a matte black ceramic coffee mug on a concrete ledge, soft morning light from camera-left.
Shot 2 (medium side): camera orbits 90 degrees around the mug, revealing the handle profile.
Shot 3 (close top-down): camera tilts to top-down, steam rises from the mug surface.
Shot 4 (resolution hero): camera settles to a low hero angle, single beam of warm light hits the rim.
Style: editorial product photography, shallow depth of field, warm key light, cool fill.
Duration: 10s. Ratio: 16:9. Resolution: 1080P.
Modos de falha
Tours de produto falham de duas maneiras previsíveis. Primeiro, a órbita no shot 2 pode distorcer se a superfície for reflexiva. Segundo, a inclinação de cima para baixo no shot 3 pode alterar as proporções da caneca porque o Wan 2.7 não tem uma compreensão 3D real do objeto.
Para reduzir a distorção, mantenha os movimentos da câmera abaixo de 90 graus por shot. Para reduzir a alteração de proporção, repita o descritor do produto em cada shot em vez de depender de pronomes.
Sequência 3: Passo de Tutorial
Uma sequência de passo de tutorial mostra um processo dividido em etapas claras. Wan 2.7 é razoável nisso quando cada shot descreve uma única ação, e ruim quando um shot tenta fazer duas coisas ao mesmo tempo.
Cápsula de citação: Prompts de tutorial no Wan 2.7 T2V são bem-sucedidos quando cada shot contém exatamente um verbo. Shots com múltiplos verbos colapsam em desfoque de movimento porque o modelo tenta renderizar duas ações dentro de uma janela de 2 segundos (Aliyun Model Studio, 2026).
Template de prompt
Shot 1 (establishing overhead): a wooden cutting board on a marble counter, a chef's knife rests beside a whole lemon.
Shot 2 (medium side): a hand places the lemon on the board, camera holds steady.
Shot 3 (close): the knife slices the lemon in half, juice sprays lightly.
Shot 4 (resolution top-down): two lemon halves sit cut-side up, camera slowly pulls back.
Style: bright food photography, natural window light, crisp focus, neutral palette.
Duration: 10s. Ratio: 9:16.
Por que 9:16 para tutoriais
Conteúdo de tutorial vive em Reels, Shorts e TikTok. Um quadro 9:16 corta o wide de estabelecimento, então é mais importante aqui colocar o assunto no centro do quadro em cada shot. O guia de ganchos de vídeo social PixMind aprofunda-se no enquadramento vertical.
[INSIGHT ÚNICO] Prompts de tutorial ganham precisão quando você nomeia a ferramenta em cada shot. Escrever "faca de chef" no shot 1 e depois "faca" no shot 3 permite que o modelo desvie para uma faca de aparar. A repetição literal parece redundante, mas é a maneira mais barata de fixar a identidade.
Sequência 4: Peça de Humor
Uma peça de humor é não-narrativa. Ela estabelece atmosfera através de tom, luz e textura, em vez de ação. Peças de humor são onde os priors de estilo cinematográfico do Wan 2.7 fazem a maior parte do trabalho, e onde o excesso de prompts mais prejudica.
Cápsula de citação: Prompts de peça de humor no Wan 2.7 T2V se beneficiam de cláusulas curtas e sensoriais e de uma única âncora de estilo dominante. Passagens descritivas longas puxam o modelo para uma narrativa literal e para longe da atmosfera (Alibaba Cloud Model Studio, 2026).
Template de prompt
Shot 1: rain falls on a neon-lit alley, slow dolly in.
Shot 2: reflections ripple in a puddle, camera holds.
Shot 3: a paper lantern sways overhead, slow tilt up.
Shot 4: the alley empties into an open square, camera tracks forward.
Style: Wong Kar-wai color grade, warm amber and deep teal, soft anamorphic flare, 35mm grain.
Duration: 15s. Ratio: 16:9. Resolution: 1080P.
Âncoras de estilo que funcionam
Uma âncora de estilo é uma referência nomeada que fixa o visual. Referências de filmes superam termos abstratos. Dizer "soft anamorphic flare" diz algo específico ao modelo. Dizer "cinemático" não diz quase nada.
Prompts de humor foram a única categoria onde o PromptExtend nos ajudou consistentemente. Estender detalhes sensoriais sem anular as âncoras de estilo proporcionou uma textura mais rica em aproximadamente 60% das renderizações de teste. Para outros tipos de sequência, o PromptExtend diluiu a direção da câmera.
Junção e Pós-Produção
Wan 2.7 gera um MP4 contínuo. Prompts multi-shot produzem cortes dentro da renderização, não arquivos separados. A pós-produção é, portanto, mais leve do que uma edição manual, mas ainda há três coisas a planejar.
Cápsula de citação: As saídas multi-shot do Wan 2.7 chegam como um único MP4 com cortes bruscos nos limites dos shots. Adicionar um crossfade de 200ms em qualquer NLE suaviza o corte, já que o modelo não insere transições entre os shots (Aliyun Model Studio, 2026).
O pipeline de pós-produção de 3 etapas
- Inspecionar limites dos shots: abra o arquivo em seu NLE e coloque um marcador a cada 2 a 4 segundos. Se um shot ficou muito longo, você pode dividir e cortar sem renderizar novamente.
- Adicionar crossfades de 200ms: cortes bruscos do Wan 2.7 às vezes parecem abruptos. Um crossfade curto em cada limite suaviza o corte e esconde pequenos desvios de identidade.
- Correspondência de cores: os shots podem desviar no balanço de branco. Uma única correção de cor Lumetri ou baseada em nós em todos os shots unifica a sequência em um único visual.
Quando renderizar novamente em vez de corrigir
Algumas falhas não são corrigíveis na pós-produção. Renderize novamente se a identidade do produto desviar mais de 20% entre os shots, se o movimento da câmera contradizer o prompt, ou se um shot estiver completamente ausente. Cor, ritmo e transições são território de pós-produção. Identidade e estrutura são território do prompt.
Para uma comparação mais aprofundada de como o Wan 2.7 se compara ao Sora 2 e ao VEO 3 em consistência multi-shot, consulte nosso teste de prompt Wan 2.7 versus Sora 2 e o confronto Wan 2.7 versus Kling versus VEO.
FAQ do Wan 2.7 Multi-Shot
O Wan 2.7 pode gerar vídeo multi-shot verdadeiro em um único prompt?
Sim, com limites. Wan 2.7 T2V aceita prompts multi-shot de até aproximadamente 800 caracteres. Cada shot deve ter de 2 a 4 segundos de duração dentro de uma renderização de 10 a 15 segundos. Sequências mais longas colapsam em piscar. Consulte o guia de geração de vídeo do Alibaba Cloud para o limite de comprimento de entrada.
O multi-shot funciona no modo imagem-para-vídeo?
Não diretamente. I2V se ancora na imagem de entrada como o primeiro quadro. Multi-shot é um padrão nativo do T2V. Para multi-shot com âncoras de imagem, execute múltiplas renderizações I2V com first-last-frame e junte na pós-produção. O cluster PixMind first-last-frame cobre esse fluxo de trabalho.
Como mantenho a identidade do assunto consistente entre os shots?
Repita o descritor do assunto literalmente em cada shot. Evite pronomes. Se você descreveu uma caneca de cerâmica preta fosca no shot 1, reutilize a mesma frase nos shots 2, 3 e 4. O desvio de identidade se correlaciona com o desvio do descritor em nossos testes.
Qual duração devo escolher para um prompt de 4 shots?
10 segundos no mínimo, 12 segundos como um padrão seguro. Isso dá a cada shot de 2,5 a 3 segundos, o que é suficiente para a ação ser lida. Forçar para 8 segundos deixa cada shot com menos de 2 segundos, o que se torna um rolo de piscar.
Onde posso experimentar esses prompts?
O gerador de vídeo PixMind Wan 2.7 expõe o T2V com a janela de prompt completa. Cole qualquer template deste guia, ajuste o assunto e o estilo, e renderize em 720P primeiro para iterar de forma barata antes de aumentar para 1080P.
Veja em Ação
Relacionado no X: Rel1vs — Discute o uso de Claude ou Grok para prompts multi-shot do Wan 2.7..
