Wan 2.7 首尾帧控制：5步操作指南

核心要点

• Wan 2.7 I2V 中的首尾帧模式允许您固定视频片段的起始和结束状态，模型会在两者之间进行运动插值。
• 实现清晰渲染的五步流程：准备关键帧、上传两个帧、设置时长、编写过渡提示，然后从五个维度进行评估。
• 常见的故障模式包括反射表面变形、角色身份漂移以及当两个关键帧的角度不一致时出现的镜头跳跃。
• 从2到5秒的短时长开始；时长与信用点成本线性相关，长时间渲染会放大伪影。
• PixMind 首尾帧提示集群 包含与本指南中三个示例模式相匹配的模板。

什么是首尾帧模式？

首尾帧是 Wan 2.7 图像到视频 (I2V) 的一个子模式。您提供两张图像：一张作为第一帧，一张作为最后一帧。Wan 2.7 会生成连接它们的中间帧。根据 Alibaba Cloud I2V API 参考，该模型接受一对有序的图像输入，并输出最高1080P的MP4视频。

这很重要，因为单图像I2V会将最终状态留给模型。如果您的镜头必须停留在特定帧上，例如产品完全旋转或盒子完全打开，那么首尾帧模式是您保证实现这一目标的途径。有关模式背景信息，请参阅 PixMind Wan 2.7 视频生成器，其中一个创建界面处理所有I2V子模式。

核心工作流程分为五步：准备两个关键帧、按顺序上传它们、设置时长、编写过渡提示，然后渲染并评估。每一步都有一个决定，决定着渲染是否成功。

步骤1：准备您的关键帧

关键帧质量是干净的首尾帧渲染最重要的预测因素。Wan 2.7 图像到视频用户指南 建议在两个帧之间匹配构图、光照和摄像机角度。我们发现，不匹配的关键帧会迫使模型发明过渡，从而导致变形和身份漂移。

三条一致性规则涵盖了大多数情况。通过将两个主体置于相同的屏幕位置来匹配构图。通过保持相同的主光源方向和色温来匹配光照。通过保持焦距、角度和距离不变来匹配摄像机。打破任何一条规则，模型都必须在不连续性之间进行插值。

引用摘要：关键帧一致性是 Wan 2.7 首尾帧质量的主导因素。Alibaba Cloud 图像到视频用户指南建议在两个输入帧之间匹配构图、光照和摄像机角度，以避免模型发明的过渡导致变形和身份漂移。

构图检查表

• 主体在两个帧中占据相同的屏幕象限。
• 背景元素保持固定位置。
• 两个帧的宽高比与目标输出宽高比匹配。
• 保留负空间，以便运动有可去之处。

光照检查表

• 主光源方向在两个帧中相同。
• 色温在200K以内匹配。
• 阴影长度和角度与单一光源保持一致。
• 镜面高光落在相同的表面区域。

摄像机检查表

• 焦距相同（使用EXIF数据或元数据）。
• 拍摄角度在5度以内匹配。
• 摄像机高度一致。
• 镜头畸变特性匹配（定焦与变焦）。

我们曾因测试第一帧以35mm拍摄而最后一帧以50mm拍摄的组合而浪费了信用点。模型在视频中间产生了刺耳的“咔嚓”声。在生成之前锁定焦距。

步骤2：上传第一帧和最后一帧

Wan 2.7 期望这两个帧以定义的顺序排列。您传递的第一张图像成为起始状态，第二张成为结束状态。根据 Alibaba Cloud Model Studio 概述，I2V 调用接受图像URL或base64编码的负载，模型将输入数组视为有序序列。

顺序比人们预期的更重要。如果您先上传打开的盒子图像，然后上传关闭的盒子图像，您将得到一个关闭动画。反转顺序，您将得到一个打开动画。模型不会仅仅从提示中推断意图；帧序列是方向的真实来源。

上传格式和尺寸

两个帧应与目标输出共享相同的宽高比。如果第一帧是9:16而最后一帧是1:1，将强制进行裁剪，裁剪会在边缘引入伪影。在上传之前，将两个帧都调整为输出分辨率。

一个实用的尺寸建议：对于1080P的16:9输出，目标尺寸为1920x1080；对于9:16，目标尺寸为1080x1920；对于1:1，目标尺寸为1080x1080。每个帧的文件大小应保持在10MB以下，以避免在慢速连接上出现超时失败。

命名和顺序规范

以一种能明确显示序列的方式命名您的文件。例如，keyframe-01-closed.png 和 keyframe-02-open.png 可以消除上传时的猜测。这听起来微不足道，但上传顺序颠倒是我们看到的第二常见的失败。

步骤3：设置时长（以及为什么应该从短时长开始）

时长控制模型必须在两个关键帧之间生成的插值帧数。更长的时长意味着更多的插值，也意味着模型更容易出现漂移。Wan 2.7 I2V API 参考 支持I2V的时长范围为2到15秒。

我们建议任何新的关键帧对都从2到5秒开始。短时长渲染可以廉价地暴露出故障模式。如果模型可以在3秒内干净地插值，那么您可以在下一次尝试中自信地延长到8或10秒。

引用摘要：Wan 2.7 I2V 支持2到15秒的时长，但信用点成本与时长线性相关。在2到5秒进行测试，可以以10秒渲染成本的一小部分暴露出变形、漂移和镜头跳跃等故障模式。

时长与运动幅度

短时长适用于小幅度运动。3秒的渲染适合盒子盖子抬起。5秒的渲染适合角色从背面转向正面。如果超过8秒，模型必须发明两个关键帧都没有暗示的中间运动，这时就会出现幻觉运动。

信用点成本计算

时长与成本线性相关。一个10秒的1080P渲染成本大约是2秒1080P渲染成本的五倍。如果您在10秒时测试失败，您将为无法使用的渲染支付全价。先进行短时长测试，然后再提交。

步骤4：编写过渡提示

首尾帧模式中的提示描述的是两个帧之间的运动。它不重新描述主体；关键帧已经完成了这一点。PixMind 首尾帧提示集群 整理了下面三个实操案例的提示模式。

过渡提示有四个部分：动作、速度、摄像机行为和风格。每个部分都应保持一个简短的从句。过长的提示会分散模型的注意力，并产生更柔和的运动。

引用摘要：Wan 2.7 首尾帧模式中的过渡提示应描述运动，而非主体。有效的提示涵盖四个部分：动作、速度、摄像机行为和风格。每个部分作为一个简短的从句，其效果优于重新描述关键帧内容的段落式提示。

提示结构

• 动作：什么在移动。“盖子抬起”、“人物转身”、“天空变暗”。
• 速度：多快。“缓慢”、“逐渐”、“在三秒内”。
• 摄像机：摄像机做什么。“静态”、“轻微推近”、“固定”。
• 风格：视觉处理。“电影感”、“纪录片”、“柔焦”。

反模式：过度提示

抵制重新描述主体的冲动。如果第一个关键帧是一个关闭的礼品盒，您的提示不需要说“木桌上的一个关闭的礼品盒”。模型已经知道。重新描述会促使模型重新渲染盒子，这会干扰插值。

[独特见解] 过渡提示的作用是限制运动，而不是声明主体。将其视为给已了解服装的舞者提供的编舞笔记。

步骤5：渲染并从五个维度进行评估

每个首尾帧渲染都需要明确的评估环节。我们从五个维度进行评估，每个维度都评定为通过或失败。任何维度失败的渲染都将返回步骤1或步骤4，而不是最终交付。

这五个维度涵盖了身份、摄像机、光照、运动和目标帧准确性。前三个来自关键帧质量。后两个来自提示和时长选择。

引用摘要：Wan 2.7 首尾帧渲染应从五个二元维度进行评估：身份一致性、摄像机连续性、光照连续性、运动合理性以及目标帧达成度。任何维度失败的渲染都应在关键帧或提示阶段进行修改，而不是盲目地重新生成。

维度1：身份一致性

主体在所有帧中看起来是否相同？对于角色，检查面部几何结构。对于产品，检查轮廓和品牌。这里的漂移通常源于关键帧在角度上的不一致。

维度2：摄像机连续性

摄像机是否保持在应有的位置？如果您指定了静态，请检查是否有意外的推近。如果您指定了推近，请检查移动是否平滑且没有卡顿。

维度3：光照连续性

光照方向是否保持不变？注意视频中间的阴影翻转，这表明模型在帧之间切换了光源。

维度4：运动合理性

运动看起来是否符合物理规律？盖子不会穿过盒子。肢体不会向后弯曲。头发不会在半空中凝固。不合理的运动通常意味着提示在过短的时长内要求过多。

维度5：目标帧达成度

生成视频的最后一帧是否与您上传的最后一帧图像匹配？这是该模式得名的测试。如果模型接近但不完全精确，请收紧您的提示或缩短时长。

三个实操案例（产品展示、角色转身、昼夜更替）

以下三种模式涵盖了我们在 PixMind 上看到的大多数首尾帧用例。每个案例都包括关键帧准备、提示、时长以及最常出现的故障模式。

案例1：产品展示（礼品盒从关闭到打开）

关键帧：两张产品照片，相同的摄像机和光照。第一帧：盖子关闭。第二帧：盖子完全打开，内部可见。

提示：“盖子缓慢向上抬起并向后倾斜，露出内部。静态摄像机，柔和的电影感光照，三秒时长。”

时长：3秒，1080P，16:9。

故障模式：反射表面变形。如果盒子有光泽表面，模型会在盖子移动时涂抹高光。通过减少关键帧的光泽或在提示中添加“哑光表面”来缓解。

案例2：角色转身（背面到正面）

关键帧：两张角色渲染图，相同的光照和焦距。第一帧：从背面看角色。第二帧：角色面向摄像机。

提示：“人物缓慢旋转面向摄像机，在四秒内顺时针转动。静态中景，电影景深。”

时长：4到5秒，1080P。

故障模式：身份漂移。面部可能在转身过程中发生变化。通过使两个关键帧在转身过程中尽可能正面，或使用参考到视频（R2V）模式以更强地保留身份来缓解。

案例3：昼夜更替（时间流逝）

关键帧：两张风景照片，构图相同。第一帧：白天。第二帧：夜晚，人工灯光亮起。

提示：“天空在五秒内从白天逐渐变暗到夜晚，人工灯光逐渐亮起，色温变冷。静态摄像机，固定三脚架。”

时长：5秒，1080P。

故障模式：镜头跳跃。如果两张风景照片的拍摄位置即使略有不同，模型也会发明一个摄像机移动来连接它们。通过使用固定三脚架拍摄两个关键帧，或使用单次曝光包围拍摄来缓解。

常见故障模式（及如何修复）

命名故障模式是您更快交付的方式。以下三种故障模式占我们看到的大多数被拒绝渲染。

反射表面变形

玻璃、抛光金属和水在插值过程中会涂抹，因为模型无法一致地跟踪反射。减少运动幅度，在关键帧中切换到哑光表面，或缩短时长，以便模型需要发明的帧数更少。

身份漂移

面部和轮廓在帧之间发生变化。当两个关键帧在角度或表情上不一致时，这种情况最常见。以匹配的角度重新拍摄关键帧，或切换到R2V模式并使用参考图像来锚定身份。

镜头跳跃

模型会发明一个摄像机移动来连接暗示不同角度的两个关键帧。修复方法在于上游：锁定两个关键帧的焦距、角度和高度。如果您无法重新拍摄，请接受摄像机移动并将其写入提示中。

我们发现镜头跳跃是最常被误诊为“模型错误”的故障模式。模型正在完全按照关键帧的指示进行操作。修复输入。

Wan 2.7 首尾帧常见问题

Wan 2.7 中的首帧和首尾帧有什么区别？

首帧模式接受一张图像作为起始状态，并让模型发明结束状态。首尾帧模式接受两张图像，并强制模型停留在第二张图像上。首尾帧为您提供了首帧模式无法提供的结束状态控制。

我的第一个 Wan 2.7 首尾帧渲染应该多长时间？

从2到5秒开始。短时长可以廉价地暴露出故障模式。根据 Alibaba Cloud I2V API 参考，支持2到15秒的时长，但长时间会增加插值距离和伪影风险。

Wan 2.7 首尾帧能否处理玻璃和金属等反射表面？

可以，但需谨慎。反射表面是最常见的变形故障模式。通过减少关键帧的光泽、保持较小的运动幅度以及在提示中写入“哑光表面”来缓解。镜子和抛光铬仍然是最难处理的情况。

如何防止两个关键帧之间的身份漂移？

在严格的公差范围内匹配两个关键帧的摄像机角度、焦距和光照。如果漂移持续存在，请切换到参考到视频（R2V）模式，并传递参考图像以锚定身份。R2V 在 PixMind Wan 2.7 视频生成器指南 中有详细说明。

Wan 2.7 首尾帧支持1080P吗？

是的。Wan 2.7 I2V 支持720P和1080P输出。首尾帧模式继承了这两者。1080P每秒消耗的信用点大约是720P的两倍，因此请在720P下迭代，并在1080P下完成。

观看实际操作

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