Управление первым и последним кадром в Wan 2.7: Пошаговое руководство из 5 этапов

Управление первым и последним кадром в Wan 2.7: Пошаговое руководство из 5 этапов

Ключевые выводы

• Режим первого и последнего кадра в Wan 2.7 I2V позволяет зафиксировать как начальное, так и конечное состояния клипа, при этом модель интерполирует движение между ними.
• Пять шагов обеспечивают чистый рендеринг: подготовьте ключевые кадры, загрузите оба кадра, установите продолжительность, напишите подсказку для перехода, затем оцените по пяти осям.
• Распространенными режимами отказа являются деформация отражающих поверхностей, дрейф идентичности персонажей и скачки камеры, когда два ключевых кадра не совпадают по углу.
• Начинайте с короткой продолжительности от 2 до 5 секунд; продолжительность линейно увеличивает стоимость кредитов, а длительные рендеры усиливают артефакты.
• Кластер подсказок PixMind для первого и последнего кадра содержит шаблоны, соответствующие трем примерам в этом руководстве.

Что такое режим первого и последнего кадра?

Первый-последний кадр — это подрежим Wan 2.7 image-to-video (I2V). Вы предоставляете два изображения: одно для первого кадра, одно для последнего. Wan 2.7 генерирует промежуточные кадры, которые их соединяют. Согласно справочнику API Alibaba Cloud I2V, модель принимает упорядоченную пару входных изображений и выводит MP4 с разрешением до 1080P.

Это важно, потому что I2V с одним изображением оставляет конечное состояние на усмотрение модели. Если ваш кадр должен заканчиваться на определенном кадре, например, полностью повернутом продукте или полностью открытой коробке, режим первого и последнего кадра — это то, как вы гарантируете это. Для контекста режима см. видеогенератор PixMind Wan 2.7, где одна поверхность создания обрабатывает каждый подрежим I2V.

Основной рабочий процесс состоит из пяти шагов: подготовьте два ключевых кадра, загрузите их по порядку, установите продолжительность, напишите подсказку для перехода, затем отрендерите и оцените. Каждый шаг имеет одно решение, которое определяет, будет ли рендеринг успешным.

Шаг 1: Подготовьте ключевые кадры

Качество ключевых кадров является самым важным показателем чистого рендеринга первого и последнего кадра. Руководство пользователя Wan 2.7 image-to-video рекомендует согласовывать композицию, освещение и угол камеры между обоими кадрами. Мы обнаружили, что несогласованные ключевые кадры заставляют модель изобретать переход, что приводит к деформации и дрейфу идентичности.

Три правила согласованности охватывают большинство случаев. Согласуйте композицию, размещая оба объекта в одном и том же положении на экране. Согласуйте освещение, сохраняя одно и то же направление основного света и цветовую температуру. Согласуйте камеру, сохраняя постоянными фокусное расстояние, угол и расстояние. Нарушьте любое из правил, и модель будет вынуждена интерполировать через разрыв.

Цитата: Согласованность ключевых кадров является доминирующим фактором в качестве первого и последнего кадра Wan 2.7. Руководство пользователя Alibaba Cloud image-to-video рекомендует согласовывать композицию, освещение и угол камеры между обоими входными кадрами, чтобы избежать созданных моделью переходов, которые вызывают деформацию и дрейф идентичности.

Контрольный список композиции

• Объект занимает один и тот же квадрант экрана в обоих кадрах.
• Элементы фона остаются в фиксированных положениях.
• Соотношение сторон обоих кадров соответствует целевому соотношению вывода.
• Сохраняется негативное пространство, чтобы движение имело куда двигаться.

Контрольный список освещения

• Направление основного света идентично в обоих кадрах.
• Цветовая температура совпадает в пределах 200K.
• Длина и угол тени соответствуют одному источнику света.
• Зеркальные блики попадают на одни и те же области поверхности.

Контрольный список камеры

• Фокусное расстояние идентично (используйте данные EXIF или метаданные).
• Угол съемки совпадает в пределах 5 градусов.
• Высота камеры постоянна.
• Характеристики искажения объектива совпадают (фикс против зума).

Мы потратили кредиты, тестируя пары, где первый кадр был снят на 35 мм, а последний на 50 мм. Модель выдала резкий "щелчок" в середине клипа. Зафиксируйте фокусное расстояние перед генерацией.

Шаг 2: Загрузите первый и последний кадры

Wan 2.7 ожидает два кадра в определенном порядке. Первое изображение, которое вы передаете, становится начальным состоянием, второе — конечным. Согласно обзору Alibaba Cloud Model Studio, вызов I2V принимает URL-адреса изображений или полезные данные в кодировке base64, и модель обрабатывает входной массив как упорядоченную последовательность.

Порядок имеет большее значение, чем ожидают люди. Если вы сначала загрузите изображение открытой коробки, а затем изображение закрытой коробки, вы получите анимацию закрытия. Измените порядок, и вы получите анимацию открытия. Модель не выводит намерение только из подсказки; последовательность кадров является источником истины для направления.

Формат и размер загрузки

Оба кадра должны иметь одинаковое соотношение сторон, как и целевой вывод. Подача первого кадра 9:16 и последнего кадра 1:1 приводит к обрезке, а обрезка вносит артефакты по краям. Измените размер обоих кадров до выходного разрешения перед загрузкой.

Практический рецепт размера: цель 1920x1080 для вывода 16:9 при 1080P, 1080x1920 для 9:16 и 1080x1080 для 1:1. Держите размер файла менее 10 МБ на кадр, чтобы избежать сбоев по тайм-ауту на медленных соединениях.

Дисциплина именования и порядка

Называйте файлы так, чтобы последовательность была очевидной. keyframe-01-closed.png и keyframe-02-open.png устраняют догадки при загрузке. Это звучит тривиально, но загрузки в обратном порядке — это второй по распространенности сбой, который мы видим.

Шаг 3: Установите продолжительность (и почему следует начинать с короткой)

Продолжительность контролирует, сколько интерполированных кадров модель должна произвести между вашими двумя ключевыми кадрами. Большая продолжительность означает больше интерполяции, что означает больше шансов для модели дрейфовать. Справочник API Wan 2.7 I2V поддерживает продолжительность от 2 до 15 секунд для I2V.

Мы рекомендуем начинать с 2-5 секунд для любой новой пары ключевых кадров. Короткие рендеры дешево выявляют режимы отказа. Если модель может чисто интерполировать в течение 3 секунд, вы можете уверенно увеличить продолжительность до 8 или 10 секунд на следующем проходе.

Цитата: Wan 2.7 I2V поддерживает продолжительность от 2 до 15 секунд, но стоимость кредитов линейно масштабируется с продолжительностью. Тестирование на 2-5 секундах выявляет режимы отказа, такие как деформация, дрейф и скачки камеры, за долю стоимости 10-секундного рендеринга.

Продолжительность против амплитуды движения

Короткая продолжительность подходит для небольших движений. 3-секундный рендеринг подходит для поднятия крышки с коробки. 5-секундный рендеринг подходит для поворота персонажа со спины на перед. Превысьте 8 секунд, и модель должна будет изобретать промежуточное движение, которое не подразумевается ни одним из ключевых кадров, что приводит к галлюцинаторному движению.

Математика стоимости кредитов

Продолжительность масштабирует стоимость линейно. 10-секундный рендеринг 1080P стоит примерно в пять раз дороже, чем 2-секундный рендеринг 1080P. Если вы тестируете на 10 секундах и терпите неудачу, вы платите полную цену за рендеринг, который не можете использовать. Тестируйте коротко, затем подтверждайте.

Шаг 4: Напишите подсказку для перехода

Подсказка в режиме первого и последнего кадра описывает движение между двумя кадрами. Она не переописывает объект; ключевые кадры уже делают это. Кластер подсказок PixMind для первого и последнего кадра каталогизирует шаблоны подсказок для трех приведенных ниже примеров.

Подсказка для перехода состоит из четырех частей: действие, скорость, поведение камеры и стиль. Держите каждую часть в одном коротком предложении. Длинные подсказки рассеивают внимание модели и производят более мягкое движение.

Цитата: Подсказки для перехода в режиме первого и последнего кадра Wan 2.7 должны описывать движение, а не объект. Эффективные подсказки охватывают четыре части: действие, скорость, поведение камеры и стиль. Каждая часть в виде короткого предложения превосходит подсказки длиной в абзац, которые переописывают то, что уже показывают ключевые кадры.

Анатомия подсказки

• Действие: что движется. "Крышка поднимается", "фигура поворачивается", "небо темнеет".
• Скорость: как быстро. "Медленно", "постепенно", "за три секунды".
• Камера: что делает камера. "Статичная", "тонкий наезд", "зафиксированная".
• Стиль: визуальная обработка. "Кинематографический", "документальный", "мягкий фокус".

Антипаттерн: избыточные подсказки

Сопротивляйтесь желанию переописывать объект. Если первый ключевой кадр — это закрытая подарочная коробка, ваша подсказка не должна говорить "закрытая подарочная коробка на деревянном столе". Модель уже знает. Переописание заставляет модель перерендеривать коробку, что мешает интерполяции.

[УНИКАЛЬНОЕ ПОНИМАНИЕ] Задача подсказки для перехода — ограничивать движение, а не объявлять объект. Относитесь к ней как к хореографическим заметкам для танцора, который уже знает костюм.

Шаг 5: Рендеринг и оценка по пяти осям

Каждый рендеринг первого и последнего кадра требует явного этапа оценки. Мы оцениваем по пяти осям, каждая из которых оценивается как "пройдено" или "не пройдено". Рендеринг, который не проходит по какой-либо оси, возвращается к шагу 1 или шагу 4, а не к окончательной доставке.

Пять осей охватывают идентичность, камеру, освещение, движение и точность целевого кадра. Первые три зависят от качества ключевых кадров. Последние два зависят от выбора подсказки и продолжительности.

Цитата: Рендеры первого и последнего кадра Wan 2.7 должны оцениваться по пяти бинарным осям: согласованность идентичности, непрерывность камеры, непрерывность освещения, правдоподобность движения и достижение целевого кадра. Рендер, который не проходит по какой-либо оси, должен быть переработан на этапе ключевых кадров или подсказок, а не переделываться вслепую.

Ось 1: Согласованность идентичности

Выглядит ли объект как тот же самый объект на всех кадрах? Для персонажей проверьте геометрию лица. Для продуктов проверьте силуэт и брендинг. Дрейф здесь обычно прослеживается до ключевых кадров, которые не совпадают по углу.

Ось 2: Непрерывность камеры

Остается ли камера там, где должна? Если вы указали статичность, проверьте на наличие непреднамеренных наездов. Если вы указали наезд, проверьте, что движение плавное и без рывков.

Ось 3: Непрерывность освещения

Остается ли направление света постоянным? Следите за переворотами теней в середине клипа, которые указывают на то, что модель поменяла источники света между кадрами.

Ось 4: Правдоподобность движения

Выглядит ли движение физически правдоподобным? Крышки не проходят сквозь коробки. Конечности не сгибаются назад. Волосы не застывают в воздухе. Неправдоподобное движение обычно означает, что подсказка требовала слишком многого за слишком короткое время.

Ось 5: Достижение целевого кадра

Совпадает ли последний кадр сгенерированного видео с загруженным вами изображением последнего кадра? Это тест, который дает название режиму. Если модель попадает куда-то близко, но не точно, уточните подсказку или сократите продолжительность.

Три примера (Раскрытие продукта, Поворот персонажа, День в ночь)

Три приведенных ниже шаблона охватывают примерно 80 процентов случаев использования первого и последнего кадра, которые мы видим на PixMind. Каждый включает подготовку ключевых кадров, подсказку, продолжительность и режим отказа, который встречается чаще всего.

Пример 1: Раскрытие продукта (подарочная коробка закрыта, затем открыта)

Ключевые кадры: два снимка продукта, идентичные камера и освещение. Первый кадр: крышка закрыта. Второй кадр: крышка полностью открыта, виден интерьер.

Подсказка: "Крышка медленно поднимается вверх и откидывается назад, открывая интерьер. Статичная камера, мягкое кинематографическое освещение, продолжительность три секунды."

Продолжительность: 3 секунды при 1080P, 16:9.

Режим отказа: деформация отражающей поверхности. Если коробка имеет глянцевую отделку, модель размазывает блик при движении крышки. Смягчите, уменьшив глянец в ключевых кадрах или добавив "матовую поверхность" в подсказку.

Пример 2: Поворот персонажа (вид сзади на вид спереди)

Ключевые кадры: два рендера персонажа, идентичные освещение и фокусное расстояние. Первый кадр: персонаж виден сзади. Второй кадр: персонаж смотрит в камеру.

Подсказка: "Фигура медленно поворачивается лицом к камере, вращаясь по часовой стрелке в течение четырех секунд. Статичный средний план, кинематографическая глубина резкости."

Продолжительность: от 4 до 5 секунд при 1080P.

Режим отказа: дрейф идентичности. Лицо может смещаться в середине поворота. Смягчите, сделав оба ключевых кадра максимально фронтальными в пределах поворота, или используя режим reference-to-video (R2V) для более сильного сохранения идентичности.

Пример 3: День в ночь (течение времени)

Ключевые кадры: два пейзажных снимка, идентичная композиция. Первый кадр: дневной свет. Второй кадр: ночь с включенным искусственным освещением.

Подсказка: "Небо постепенно темнеет от дня к ночи в течение пяти секунд, искусственное освещение плавно включается, цветовая температура охлаждается. Статичная камера, зафиксированный штатив."

Продолжительность: 5 секунд при 1080P.

Режим отказа: скачок камеры. Если два пейзажных снимка были сделаны даже с немного разных позиций, модель изобретает движение камеры, чтобы соединить их. Смягчите, снимая оба ключевых кадра с зафиксированного штатива или используя один снимок с брекетингом экспозиции.

Распространенные режимы отказа (и как их исправить)

Называние режимов отказа — это способ ускорить выпуск. Три нижеперечисленных объясняют большинство отклоненных рендеров, которые мы видим.

Деформация отражающей поверхности

Стекло, полированный металл и вода размазываются во время интерполяции, потому что модель не может последовательно отслеживать отражения. Уменьшите амплитуду движения, переключитесь на матовые поверхности в ключевых кадрах или сократите продолжительность, чтобы у модели было меньше кадров для изобретения.

Дрейф идентичности

Лица и силуэты смещаются между кадрами. Это наиболее распространено, когда два ключевых кадра не совпадают по углу или выражению. Переснимите ключевые кадры под согласованными углами или переключитесь в режим R2V с эталонным изображением для закрепления идентичности.

Скачок камеры

Модель изобретает движение камеры, чтобы соединить два ключевых кадра, которые подразумевают разные углы. Исправление находится выше по течению: зафиксируйте фокусное расстояние, угол и высоту для обоих ключевых кадров. Если вы не можете переснять, примите движение камеры и включите его в подсказку.

Мы обнаружили, что скачки камеры — это режим отказа, который чаще всего ошибочно диагностируется как "ошибка модели". Модель делает именно то, что ей говорят ключевые кадры. Исправьте входные данные.

Часто задаваемые вопросы по Wan 2.7 First-Last-Frame

В чем разница между режимами "первый кадр" и "первый-последний кадр" в Wan 2.7?

Режим "первый кадр" принимает одно изображение в качестве начального состояния и позволяет модели изобретать конечное состояние. Режим "первый-последний кадр" принимает два изображения и заставляет модель завершить работу на втором изображении. Режим "первый-последний кадр" дает вам контроль над конечным состоянием, чего не может режим "первый кадр".

Какой должна быть продолжительность моего первого рендеринга Wan 2.7 в режиме "первый-последний кадр"?

Начинайте с 2 до 5 секунд. Короткая продолжительность дешево выявляет режимы отказа. Согласно справочнику API Alibaba Cloud I2V, поддерживается продолжительность от 2 до 15 секунд, но большая продолжительность увеличивает расстояние интерполяции и риск артефактов.

Может ли Wan 2.7 в режиме "первый-последний кадр" обрабатывать отражающие поверхности, такие как стекло и металл?

Да, но с осторожностью. Отражающие поверхности являются наиболее распространенным режимом отказа из-за деформации. Смягчите, уменьшив глянец в ключевых кадрах, сохраняя небольшую амплитуду движения и добавив "матовую поверхность" в подсказку. Зеркала и полированный хром остаются самыми сложными случаями.

Как предотвратить дрейф идентичности между двумя ключевыми кадрами?

Согласуйте угол камеры, фокусное расстояние и освещение между обоими ключевыми кадрами с жесткими допусками. Если дрейф сохраняется, переключитесь в режим reference-to-video (R2V) и передайте эталонное изображение для закрепления идентичности. R2V задокументирован в руководстве по видеогенератору PixMind Wan 2.7.

Поддерживает ли Wan 2.7 в режиме "первый-последний кадр" разрешение 1080P?

Да. Wan 2.7 I2V поддерживает вывод 720P и 1080P. Режим "первый-последний кадр" наследует оба. 1080P потребляет примерно в два раза больше кредитов в секунду, чем 720P, поэтому итерируйте на 720P и завершайте на 1080P.

Посмотрите в действии

11 minutes of work turned into 8.7M views in 5 days

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

— Woody (@woody_research) May 28, 2026