Controle de Primeiro-Último-Quadro do Wan 2.7: Um Guia Prático de 5 Passos
Principais Conclusões
- O modo de primeiro-último-quadro no Wan 2.7 I2V permite fixar os estados inicial e final de um clipe, com o modelo interpolando o movimento entre eles.
- Cinco passos conduzem a uma renderização limpa: prepare os keyframes, carregue ambos os quadros, defina a duração, escreva o prompt de transição e, em seguida, avalie em cinco eixos.
- Os modos de falha comuns são a deformação de superfícies reflexivas, a deriva de identidade em personagens e saltos de câmera quando os dois keyframes discordam no ângulo.
- Comece com durações curtas de 2 a 5 segundos; a duração escala o custo de crédito linearmente, e renderizações longas amplificam os artefatos.
- O cluster de prompts de primeiro-último-quadro da PixMind possui modelos que correspondem aos três padrões de exemplo neste guia.
O Que É o Modo de Primeiro-Último-Quadro?
O primeiro-último-quadro é um sub-modo de imagem-para-vídeo (I2V) do Wan 2.7. Você fornece duas imagens: uma para o primeiro quadro, uma para o último. O Wan 2.7 gera os quadros intermediários que os conectam. De acordo com a referência da API I2V da Alibaba Cloud, o modelo aceita um par ordenado de entradas de imagem e gera um MP4 em até 1080P.
Isso é importante porque o I2V de imagem única deixa o estado final para o modelo. Se sua cena deve terminar em um quadro específico, um produto totalmente girado ou uma caixa totalmente aberta, o primeiro-último-quadro é como você garante esse resultado. Para contexto do modo, consulte o gerador de vídeo Wan 2.7 da PixMind, onde uma superfície de criação lida com todos os sub-modos I2V.
O fluxo de trabalho principal consiste em cinco passos: prepare dois keyframes, carregue-os em ordem, defina a duração, escreva o prompt de transição e, em seguida, renderize e avalie. Cada passo tem uma única decisão que determina se a renderização será bem-sucedida.
Passo 1: Prepare Seus Keyframes
A qualidade do keyframe é o maior preditor de uma renderização limpa de primeiro-último-quadro. O guia do usuário de imagem-para-vídeo do Wan 2.7 recomenda corresponder a composição, iluminação e ângulo da câmera em ambos os quadros. Descobrimos que keyframes incompatíveis forçam o modelo a inventar uma transição, que é onde aparecem a deformação e a deriva de identidade.
Três regras de consistência cobrem a maioria dos casos. Combine a composição enquadrando ambos os assuntos na mesma posição da tela. Combine a iluminação mantendo a mesma direção da luz principal e temperatura de cor. Combine a câmera mantendo a distância focal, ângulo e distância constantes. Quebre qualquer uma dessas regras e o modelo terá que interpolar através de uma descontinuidade.
Cápsula de Citação: A consistência do keyframe é o fator dominante na qualidade do primeiro-último-quadro do Wan 2.7. O guia do usuário de imagem-para-vídeo da Alibaba Cloud recomenda corresponder a composição, iluminação e ângulo da câmera em ambos os quadros de entrada para evitar transições inventadas pelo modelo que causam deformação e deriva de identidade.
Lista de verificação de composição
- O assunto ocupa o mesmo quadrante da tela em ambos os quadros.
- Elementos de fundo permanecem em posições fixas.
- A proporção de aspecto de ambos os quadros corresponde à proporção de saída desejada.
- O espaço negativo é preservado para que o movimento tenha para onde ir.
Lista de verificação de iluminação
- A direção da luz principal é idêntica em ambos os quadros.
- A temperatura de cor corresponde dentro de 200K.
- O comprimento e o ângulo da sombra são consistentes com uma única fonte de luz.
- Os destaques especulares caem nas mesmas regiões da superfície.
Lista de verificação da câmera
- A distância focal é idêntica (use dados EXIF ou metadados).
- O ângulo de disparo corresponde dentro de 5 graus.
- A altura da câmera é consistente.
- As características de distorção da lente correspondem (fixa versus zoom).
Gastamos créditos testando pares onde o primeiro quadro foi filmado em 35mm e o último em 50mm. O modelo produziu um "estalo" abrupto no meio do clipe. Trave a distância focal antes de gerar.
Passo 2: Carregue o Primeiro Quadro e o Último Quadro
O Wan 2.7 espera os dois quadros em uma ordem definida. A primeira imagem que você passa se torna o estado inicial, a segunda se torna o estado final. De acordo com a visão geral do Alibaba Cloud Model Studio, a chamada I2V aceita URLs de imagem ou payloads codificados em base64, e o modelo trata o array de entrada como uma sequência ordenada.
A ordem importa mais do que as pessoas esperam. Se você carregar a imagem da caixa aberta primeiro e a imagem da caixa fechada em segundo, você obtém uma animação de fechamento. Inverta a ordem e você obtém uma animação de abertura. O modelo não infere a intenção apenas do prompt; a sequência de quadros é a fonte da verdade para a direção.
Formato e dimensionamento do upload
Ambos os quadros devem compartilhar a mesma proporção de aspecto que a saída desejada. Alimentar um primeiro quadro 9:16 e um último quadro 1:1 força um corte, e os cortes introduzem artefatos nas bordas. Redimensione ambos os quadros para a resolução de saída antes de fazer o upload.
Uma receita prática de dimensionamento: mire em 1920x1080 para saída 16:9 em 1080P, 1080x1920 para 9:16 e 1080x1080 para 1:1. Mantenha o tamanho do arquivo abaixo de 10MB por quadro para evitar falhas de tempo limite em conexões lentas.
Nomenclatura e disciplina de ordem
Nomeie seus arquivos de forma que a sequência seja óbvia. keyframe-01-closed.png e keyframe-02-open.png eliminam suposições no momento do upload. Isso parece trivial, mas uploads com ordem invertida são a segunda falha mais comum que vemos.
Passo 3: Defina a Duração (e Por Que Você Deve Começar Curto)
A duração controla quantos quadros interpolados o modelo deve produzir entre seus dois keyframes. Durações mais longas significam mais interpolação, o que significa mais chances de o modelo desviar. A referência da API I2V do Wan 2.7 suporta durações de 2 a 15 segundos para I2V.
Recomendamos começar com 2 a 5 segundos para qualquer novo par de keyframes. Renderizações curtas revelam modos de falha de forma barata. Se o modelo conseguir interpolar de forma limpa em 3 segundos, você pode estender com confiança para 8 ou 10 segundos na próxima tentativa.
Cápsula de Citação: O Wan 2.7 I2V suporta durações de 2 a 15 segundos, mas o custo de crédito escala linearmente com a duração. Testar em 2 a 5 segundos revela modos de falha como deformação, deriva e saltos de câmera a uma fração do custo de uma renderização de 10 segundos.
Duração versus amplitude de movimento
Durações curtas funcionam para movimentos pequenos. Uma renderização de 3 segundos se encaixa em uma tampa levantando de uma caixa. Uma renderização de 5 segundos se encaixa em um personagem virando de costas para frente. Ultrapasse 8 segundos e o modelo terá que inventar um movimento intermediário que nenhum dos keyframes implica, que é onde o movimento alucinado entra.
Matemática do custo de crédito
A duração escala o custo linearmente. Uma renderização de 10 segundos em 1080P custa aproximadamente cinco vezes o que uma renderização de 2 segundos em 1080P custa. Se você testar em 10 segundos e falhar, você paga o preço total por uma renderização que não pode usar. Teste curto, depois comprometa-se.
Passo 4: Escreva o Prompt de Transição
O prompt no modo de primeiro-último-quadro descreve o movimento entre os dois quadros. Ele não redescreve o assunto; os keyframes já fazem isso. O cluster de prompts de primeiro-último-quadro da PixMind cataloga padrões de prompt para os três exemplos práticos abaixo.
Um prompt de transição tem quatro partes: a ação, a velocidade, o comportamento da câmera e o estilo. Mantenha cada parte em uma cláusula curta. Prompts longos diluem a atenção do modelo e produzem um movimento mais suave.
Cápsula de Citação: Prompts de transição no modo de primeiro-último-quadro do Wan 2.7 devem descrever o movimento, não o assunto. Prompts eficazes cobrem quatro partes: ação, velocidade, comportamento da câmera e estilo. Cada parte como uma cláusula curta supera prompts longos que redescrevem o que os keyframes já mostram.
Anatomia do prompt
- Ação: o que se move. "A tampa levanta," "a figura vira," "o céu escurece."
- Velocidade: quão rápido. "Lento," "gradual," "ao longo de três segundos."
- Câmera: o que a câmera faz. "Estática," "aproximação sutil," "fixa."
- Estilo: tratamento visual. "Cinemático," "documentário," "foco suave."
Anti-padrão: excesso de prompt
Resista à tentação de redescrever o assunto. Se o primeiro keyframe é uma caixa de presente fechada, seu prompt não precisa dizer "uma caixa de presente fechada em uma mesa de madeira." O modelo já sabe. Redescrever força o modelo a renderizar novamente a caixa, o que atrapalha a interpolação.
[INSIGHT ÚNICO] O trabalho do prompt de transição é restringir o movimento, não declarar o assunto. Trate-o como notas de coreografia para um dançarino que já conhece o figurino.
Passo 5: Renderize e Avalie em Cinco Eixos
Toda renderização de primeiro-último-quadro precisa de uma passagem de avaliação explícita. Avaliamos em cinco eixos, cada um pontuado como aprovado ou reprovado. Uma renderização que falha em qualquer eixo retorna ao passo 1 ou passo 4, não para a entrega final.
Os cinco eixos cobrem identidade, câmera, iluminação, movimento e precisão do quadro-alvo. Os três primeiros vêm da qualidade do keyframe. Os dois últimos vêm das escolhas de prompt e duração.
Cápsula de Citação: As renderizações de primeiro-último-quadro do Wan 2.7 devem ser avaliadas em cinco eixos binários: consistência de identidade, continuidade da câmera, continuidade da iluminação, plausibilidade do movimento e alcance do quadro-alvo. Uma renderização que falha em qualquer eixo deve ser retrabalhada na fase de keyframe ou prompt, em vez de ser refeita cegamente.
Eixo 1: Consistência de identidade
O assunto parece o mesmo em todos os quadros? Para personagens, verifique a geometria do rosto. Para produtos, verifique a silhueta e a marca. A deriva aqui geralmente se deve a keyframes que discordam no ângulo.
Eixo 2: Continuidade da câmera
A câmera permanece onde deveria? Se você especificou estática, verifique se há aproximações indesejadas. Se você especificou uma aproximação, verifique se o movimento é suave e não gaguejante.
Eixo 3: Continuidade da iluminação
A direção da luz permanece constante? Observe as inversões de sombra no meio do clipe, que indicam que o modelo trocou as fontes de luz entre os quadros.
Eixo 4: Plausibilidade do movimento
O movimento parece fisicamente crível? Tampas não atravessam caixas. Membros não se dobram para trás. Cabelo não congela no ar. Movimento implausível geralmente significa que o prompt pediu demais em uma duração muito curta.
Eixo 5: Alcance do quadro-alvo
O último quadro do vídeo gerado corresponde à sua imagem de último quadro carregada? Este é o teste que dá nome ao modo. Se o modelo aterrissa em algum lugar próximo, mas não exato, ajuste seu prompt ou encurte a duração.
Três Exemplos Práticos (Revelação de Produto, Virada de Personagem, Dia para Noite)
Os três padrões abaixo cobrem aproximadamente 80 por cento dos casos de uso de primeiro-último-quadro que vemos na PixMind. Cada um inclui preparação de keyframe, prompt, duração e o modo de falha que ocorre com mais frequência.
Exemplo 1: Revelação de produto (caixa de presente fechada para aberta)
Keyframes: duas fotos de produto, câmera e iluminação idênticas. Primeiro quadro: tampa fechada. Segundo quadro: tampa totalmente aberta com interior visível.
Prompt: "A tampa levanta lentamente para cima e inclina para trás, revelando o interior. Câmera estática, iluminação cinematográfica suave, duração de três segundos."
Duração: 3 segundos em 1080P, 16:9.
Modo de falha: deformação de superfície reflexiva. Se a caixa tiver um acabamento brilhante, o modelo borra o destaque à medida que a tampa se move. Mitigue reduzindo o brilho nos keyframes ou adicionando "superfície fosca" ao prompt.
Exemplo 2: Virada de personagem (vista de costas para vista de frente)
Keyframes: duas renderizações de personagem, iluminação e distância focal idênticas. Primeiro quadro: personagem visto por trás. Segundo quadro: personagem de frente para a câmera.
Prompt: "A figura gira lentamente para encarar a câmera, virando no sentido horário ao longo de quatro segundos. Plano médio estático, profundidade de campo cinematográfica."
Duração: 4 a 5 segundos em 1080P.
Modo de falha: deriva de identidade. O rosto pode mudar no meio da virada. Mitigue tornando ambos os keyframes o mais de frente possível dentro da virada, ou usando o modo de referência-para-vídeo (R2V) para uma preservação de identidade mais forte.
Exemplo 3: Dia para noite (passagem do tempo)
Keyframes: duas fotos de paisagem, composição idêntica. Primeiro quadro: luz do dia. Segundo quadro: noite com luzes artificiais acesas.
Prompt: "O céu escurece gradualmente de dia para noite ao longo de cinco segundos, luzes artificiais acendem, temperatura de cor esfria. Câmera estática, tripé travado."
Duração: 5 segundos em 1080P.
Modo de falha: salto de câmera. Se as duas fotos de paisagem foram tiradas de posições mesmo que ligeiramente diferentes, o modelo inventa um movimento de câmera para conectá-las. Mitigue filmando ambos os keyframes de um tripé travado, ou usando uma única foto com bracketing de exposição.
Modos de Falha Comuns (e Como Corrigi-los)
Nomear os modos de falha é como você entrega mais rápido. Os três abaixo respondem pela maioria das renderizações rejeitadas que vemos.
Deformação de superfície reflexiva
Vidro, metal polido e água borram durante a interpolação porque o modelo não consegue rastrear reflexos de forma consistente. Reduza a amplitude do movimento, mude para superfícies foscas nos keyframes ou encurte a duração para que o modelo tenha menos quadros para inventar.
Deriva de identidade
Rostos e silhuetas mudam entre os quadros. Isso é mais comum quando os dois keyframes discordam no ângulo ou expressão. Refilme os keyframes em ângulos correspondentes, ou mude para o modo R2V com uma imagem de referência para ancorar a identidade.
Salto de câmera
O modelo inventa um movimento de câmera para conectar dois keyframes que implicam ângulos diferentes. A solução está a montante: trave a distância focal, o ângulo e a altura em ambos os keyframes. Se você não puder refilmar, aceite o movimento da câmera e escreva-o no prompt.
Descobrimos que os saltos de câmera são o modo de falha mais frequentemente diagnosticado erroneamente como um "bug do modelo". O modelo está fazendo exatamente o que os keyframes lhe dizem para fazer. Corrija as entradas.
FAQ do Primeiro-Último-Quadro do Wan 2.7
Qual é a diferença entre primeiro-quadro e primeiro-último-quadro no Wan 2.7?
O modo de primeiro-quadro aceita uma imagem como estado inicial e permite que o modelo invente o estado final. O modo de primeiro-último-quadro aceita duas imagens e força o modelo a terminar na segunda imagem. O primeiro-último-quadro oferece controle do estado final que o primeiro-quadro não pode.
Qual deve ser a duração da minha primeira renderização de primeiro-último-quadro do Wan 2.7?
Comece com 2 a 5 segundos. Durações curtas revelam modos de falha de forma barata. De acordo com a referência da API I2V da Alibaba Cloud, durações de 2 a 15 segundos são suportadas, mas durações longas aumentam a distância de interpolação e o risco de artefatos.
O primeiro-último-quadro do Wan 2.7 pode lidar com superfícies reflexivas como vidro e metal?
Sim, mas com cautela. Superfícies reflexivas são o modo de falha de deformação mais comum. Mitigue reduzindo o brilho nos keyframes, mantendo a amplitude do movimento pequena e escrevendo "superfície fosca" no prompt. Espelhos e cromo polido continuam sendo os casos mais difíceis.
Como evito a deriva de identidade entre os dois keyframes?
Combine o ângulo da câmera, a distância focal e a iluminação em ambos os keyframes dentro de tolerâncias apertadas. Se a deriva persistir, mude para o modo de referência-para-vídeo (R2V) e passe uma imagem de referência para ancorar a identidade. O R2V está documentado no guia do gerador de vídeo Wan 2.7 da PixMind.
O primeiro-último-quadro do Wan 2.7 suporta 1080P?
Sim. O Wan 2.7 I2V suporta saída 720P e 1080P. O primeiro-último-quadro herda ambos. 1080P consome aproximadamente o dobro de créditos por segundo de 720P, então itere em 720P e finalize em 1080P.
Veja em Ação
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
