Alibaba Wan 2.7 es una familia de generación con perfiles de texto a video, imagen a video y referencias. El fabricante documenta escenas con audio sincronizado y narraciones de varias tomas, mientras el flujo de imagen añade primero/último fotograma y continuación de video inicial. El resultado útil es un clip corto con sonido, como transición de producto, historia compacta o continuación que encaje con una toma. Selecciona modo según fuente y control necesario del inicio o final.
Para texto a video, describe sujeto, entorno, acción, cámara, estilo y sonido. Un storyboard puede identificar cada toma y tiempo; una toma única debe indicar acción continua. La guía 2.7 deja interpretar estructura desde el encargo en vez de usar shot_type de 2.6. La API textual actual acepta chino o inglés hasta 5,000 caracteres, con instrucción negativa separada de 500; el exceso se trunca. Mantén claras acción esencial y restricciones dentro del límite.
Imagen a video de primer fotograma anima una apertura aportada. Primero/último también define extremo y movimiento conector. La guía 2.7 admite una fuente de audio que guíe esas combinaciones. Prepara extremos de la misma escena y sujeto y describe la transición en vez de pedir reinterpretar ambas imágenes como estilos sin relación. La salida aproxima las proporciones iniciales; la guía trata resolución como nivel de cantidad de píxeles y redondea adecuadamente dimensiones codificadas.
La continuación parte de un clip y también puede usar imagen final. La duración solicitada es el total devuelto, incluido el original. El ejemplo combina fuente de dos segundos y diez nuevos en doce totales. Prepara la acción final e indica qué sigue para que cámara y sujeto continúen coherentemente. Revisa unión en apariencia, movimiento, luz y sonido en vez de evaluar solo el final nuevo.
El perfil actual separado de referencias usa imágenes o video para guiar personajes, objetos o escena. Permite hasta cinco imágenes y videos de referencia en total y etiquetas por tipo como Image 1 y Video 1. Describe función e interacción de cada material. Una escena puede mostrar al personaje de una referencia llevando el objeto de otra por un lugar especificado. El encuadre de referencias difiere del primer fotograma: el encargo puede establecer composición nueva sin exigir abrir con una imagen aportada.
Para audio personalizado en generación textual, se documentan WAV y MP3, duración de dos a treinta segundos y máximo de 15 MB. La duración de video determina la porción usada: audio más largo se recorta y audio más corto deja silencio en el resto. Prepara el pasaje exacto y espacio para acción. Sin archivo de audio, el fabricante describe generar música o efectos adecuados; revisa sonido real y habla solicitada junto a la imagen.
La matriz actual enumera MP4 720p o 1080p a 30 fps, con salida de texto e imagen de dos a quince segundos. El perfil de referencia se limita a dos a diez. Texto ofrece 16:9, 9:16, 1:1, 4:3 y 3:4. Las tareas condicionadas por imagen usan reglas propias de aproximación a proporciones fuente; prepara el recorte según destino. No sustituyas reglas de duración o aspecto de referencia por las del flujo de fotogramas o continuación.
El flujo documentado es asíncrono: un identificador sigue el procesamiento y el éxito aporta ubicación del video. Los enlaces tienen validez documentada de veinticuatro horas; conserva clip y materiales creativos para revisión. Reescritura de instrucciones, marca de agua y semilla dependen de la interfaz elegida. El fabricante dice que una semilla fija mejora reproducibilidad sin garantizar igualdad. Compara recurso y encargo en vez de suponer que los ajustes conservan cada detalle.
Frente a Wan 2.6, la guía de imagen 2.7 añade específicamente primero/último y continuación mediante entradas multimodales. Wan 3.0 introduce estructura integral distinta y mayor duración. Este perfil 2.7 conserva controles y límites específicos. Revisa continuidad, anclas, identidad de referencia, diálogo, movimiento y uniones en toda la escena y concreta la siguiente corrección al problema real.
", "aboutText": "Alibaba Wan 2.7 es una familia de generación con perfiles de texto a video, imagen a video y referencias. El fabricante documenta escenas con audio sincronizado y narraciones de varias tomas, mientras el flujo de imagen añade primero/último fotograma y continuación de video inicial. El resultado útil es un clip corto con sonido, como transición de producto, historia compacta o continuación que encaje con una toma. Selecciona modo según fuente y control necesario del inicio o final.\n\nPara texto a video, describe sujeto, entorno, acción, cámara, estilo y sonido. Un storyboard puede identificar cada toma y tiempo; una toma única debe indicar acción continua. La guía 2.7 deja interpretar estructura desde el encargo en vez de usar shot_type de 2.6. La API textual actual acepta chino o inglés hasta 5,000 caracteres, con instrucción negativa separada de 500; el exceso se trunca. Mantén claras acción esencial y restricciones dentro del límite.\n\nImagen a video de primer fotograma anima una apertura aportada. Primero/último también define extremo y movimiento conector. La guía 2.7 admite una fuente de audio que guíe esas combinaciones. Prepara extremos de la misma escena y sujeto y describe la transición en vez de pedir reinterpretar ambas imágenes como estilos sin relación. La salida aproxima las proporciones iniciales; la guía trata resolución como nivel de cantidad de píxeles y redondea adecuadamente dimensiones codificadas.\n\nLa continuación parte de un clip y también puede usar imagen final. La duración solicitada es el total devuelto, incluido el original. El ejemplo combina fuente de dos segundos y diez nuevos en doce totales. Prepara la acción final e indica qué sigue para que cámara y sujeto continúen coherentemente. Revisa unión en apariencia, movimiento, luz y sonido en vez de evaluar solo el final nuevo.\n\nEl perfil actual separado de referencias usa imágenes o video para guiar personajes, objetos o escena. Permite hasta cinco imágenes y videos de referencia en total y etiquetas por tipo como Image 1 y Video 1. Describe función e interacción de cada material. Una escena puede mostrar al personaje de una referencia llevando el objeto de otra por un lugar especificado. El encuadre de referencias difiere del primer fotograma: el encargo puede establecer composición nueva sin exigir abrir con una imagen aportada.\n\nPara audio personalizado en generación textual, se documentan WAV y MP3, duración de dos a treinta segundos y máximo de 15 MB. La duración de video determina la porción usada: audio más largo se recorta y audio más corto deja silencio en el resto. Prepara el pasaje exacto y espacio para acción. Sin archivo de audio, el fabricante describe generar música o efectos adecuados; revisa sonido real y habla solicitada junto a la imagen.\n\nLa matriz actual enumera MP4 720p o 1080p a 30 fps, con salida de texto e imagen de dos a quince segundos. El perfil de referencia se limita a dos a diez. Texto ofrece 16:9, 9:16, 1:1, 4:3 y 3:4. Las tareas condicionadas por imagen usan reglas propias de aproximación a proporciones fuente; prepara el recorte según destino. No sustituyas reglas de duración o aspecto de referencia por las del flujo de fotogramas o continuación.\n\nEl flujo documentado es asíncrono: un identificador sigue el procesamiento y el éxito aporta ubicación del video. Los enlaces tienen validez documentada de veinticuatro horas; conserva clip y materiales creativos para revisión. Reescritura de instrucciones, marca de agua y semilla dependen de la interfaz elegida. El fabricante dice que una semilla fija mejora reproducibilidad sin garantizar igualdad. Compara recurso y encargo en vez de suponer que los ajustes conservan cada detalle.\n\nFrente a Wan 2.6, la guía de imagen 2.7 añade específicamente primero/último y continuación mediante entradas multimodales. Wan 3.0 introduce estructura integral distinta y mayor duración. Este perfil 2.7 conserva controles y límites específicos. Revisa continuidad, anclas, identidad de referencia, diálogo, movimiento y uniones en toda la escena y concreta la siguiente corrección al problema real.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4ca26c1aa179b61c3cc345e2f9ce8a2be70d56c98f44159dfed8d90d46767a72", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "alibaba/wan-2.7Alibaba Wan 2.7 crea videos con sonido a partir de texto, imágenes iniciales y finales o referencias visuales. Su flujo con imágenes también prolonga un clip original utilizando la duración total solicitada. El fabricante indica MP4 de 720p o 1080p a 30 fps: de 2 a 15 segundos para los modos de texto e imagen y hasta 10 segundos para generación con referencias.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Alibaba Wan 2.7 es una familia de generación con perfiles de texto a video, imagen a video y referencias. El fabricante documenta escenas con audio sincronizado y narraciones de varias tomas, mientras el flujo de imagen añade primero/último fotograma y continuación de video inicial. El resultado útil es un clip corto con sonido, como transición de producto, historia compacta o continuación que encaje con una toma. Selecciona modo según fuente y control necesario del inicio o final.
Para texto a video, describe sujeto, entorno, acción, cámara, estilo y sonido. Un storyboard puede identificar cada toma y tiempo; una toma única debe indicar acción continua. La guía 2.7 deja interpretar estructura desde el encargo en vez de usar shot_type de 2.6. La API textual actual acepta chino o inglés hasta 5,000 caracteres, con instrucción negativa separada de 500; el exceso se trunca. Mantén claras acción esencial y restricciones dentro del límite.
Imagen a video de primer fotograma anima una apertura aportada. Primero/último también define extremo y movimiento conector. La guía 2.7 admite una fuente de audio que guíe esas combinaciones. Prepara extremos de la misma escena y sujeto y describe la transición en vez de pedir reinterpretar ambas imágenes como estilos sin relación. La salida aproxima las proporciones iniciales; la guía trata resolución como nivel de cantidad de píxeles y redondea adecuadamente dimensiones codificadas.
La continuación parte de un clip y también puede usar imagen final. La duración solicitada es el total devuelto, incluido el original. El ejemplo combina fuente de dos segundos y diez nuevos en doce totales. Prepara la acción final e indica qué sigue para que cámara y sujeto continúen coherentemente. Revisa unión en apariencia, movimiento, luz y sonido en vez de evaluar solo el final nuevo.
El perfil actual separado de referencias usa imágenes o video para guiar personajes, objetos o escena. Permite hasta cinco imágenes y videos de referencia en total y etiquetas por tipo como Image 1 y Video 1. Describe función e interacción de cada material. Una escena puede mostrar al personaje de una referencia llevando el objeto de otra por un lugar especificado. El encuadre de referencias difiere del primer fotograma: el encargo puede establecer composición nueva sin exigir abrir con una imagen aportada.
Para audio personalizado en generación textual, se documentan WAV y MP3, duración de dos a treinta segundos y máximo de 15 MB. La duración de video determina la porción usada: audio más largo se recorta y audio más corto deja silencio en el resto. Prepara el pasaje exacto y espacio para acción. Sin archivo de audio, el fabricante describe generar música o efectos adecuados; revisa sonido real y habla solicitada junto a la imagen.
La matriz actual enumera MP4 720p o 1080p a 30 fps, con salida de texto e imagen de dos a quince segundos. El perfil de referencia se limita a dos a diez. Texto ofrece 16:9, 9:16, 1:1, 4:3 y 3:4. Las tareas condicionadas por imagen usan reglas propias de aproximación a proporciones fuente; prepara el recorte según destino. No sustituyas reglas de duración o aspecto de referencia por las del flujo de fotogramas o continuación.
El flujo documentado es asíncrono: un identificador sigue el procesamiento y el éxito aporta ubicación del video. Los enlaces tienen validez documentada de veinticuatro horas; conserva clip y materiales creativos para revisión. Reescritura de instrucciones, marca de agua y semilla dependen de la interfaz elegida. El fabricante dice que una semilla fija mejora reproducibilidad sin garantizar igualdad. Compara recurso y encargo en vez de suponer que los ajustes conservan cada detalle.
Frente a Wan 2.6, la guía de imagen 2.7 añade específicamente primero/último y continuación mediante entradas multimodales. Wan 3.0 introduce estructura integral distinta y mayor duración. Este perfil 2.7 conserva controles y límites específicos. Revisa continuidad, anclas, identidad de referencia, diálogo, movimiento y uniones en toda la escena y concreta la siguiente corrección al problema real.
POST /v1/videostextvideo| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites alibaba/wan-2.7 | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites Máximo de bytes UTF-8: 10,000 Se requiere contenido distinto de espacios en blanco: Sí | Predeterminado— |
Campoduration | Tipointeger | RequisitoObligatorio | Valores y límites 2, 3, 4, 5, 6, 7, 8, 9, 10 | Predeterminado— |
Camporesolution | Tipostring | RequisitoObligatorio | Valores y límites 720p | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoObligatorio | Valores y límites 16:9, 9:16, 1:1, 4:3, 3:4 | Predeterminado— |
Campogenerate_audio | Tipoboolean | RequisitoObligatorio | Valores y límites false, true | Predeterminado— |
Texto a video · Obligatorio: prompt
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt, duration, resolution, aspect_ratio, generate_audio |
Parámetroadditional_properties | Contratofalse |
Parámetroparameters | Contrato{"name":"model","type":"string","required":true,"enum":["alibaba/wan-2.7"]}, {"name":"prompt","type":"string","required":true,"non_whitespace":true,"max_utf8_bytes":10000}, {"name":"duration","type":"integer","required":true,"enum":[2,3,4,5,6,7,8,9,10]}, {"name":"resolution","type":"string","required":true,"enum":["720p"]}, {"name":"aspect_ratio","type":"string","required":true,"enum":["16:9","9:16","1:1","4:3","3:4"]}, {"name":"generate_audio","type":"boolean","required":true,"enum":[false,true]} |
Parámetromaterial_types | Contratotext |
Alias de método: /v1/videos/generations, /videos, /videos/generations
Ciclo de vida: submit_once_poll_original
GET /v1/videos/{request_id}
GET /v1/videos/generations/{request_id}
GET /v1/videos/{request_id}/content
GET /v1/videos/generations/{request_id}/content
Conserva la respuesta completa y los ID originales devueltos.
Nunca vuelvas a enviar una creación de resultado desconocido.
Las tarifas mostradas permiten estimar el costo antes de la generación. El cargo final se calcula a partir del costo registrado para la generación original. La duración medida de la salida y las cantidades estimadas no son la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Opciones de generación de audio | Resolución | Unidad de facturación | Cargo |
|---|---|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Opciones de generación de audio— | Resolución— | Unidad de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| ConfiguraciónUltra | Tabla de tarifas— | Cantidad previstaConfiguración solicitada; solo una estimación. | Opciones de generación de audioSin audio · Con audio | Resolución720p | Unidad de facturaciónpor segundo de video de salida | Cargo Salida · segundo estimado de video · Estimación solo para comparar $0.2 por segundo de video de salida La tarifa mostrada estima el costo antes de generar. El cargo final se calcula a partir del costo registrado para la generación original. La duración física del video no es la cantidad facturable. |
| ConfiguraciónCosto estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Opciones de generación de audio— | Resolución— | Unidad de facturación— | Cargo Salida · Costo estimado de generación · Estimación solo para comparar $0.4 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija por la generación completada. |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Las tablas de referencia del modelo no cambian la selección del método, las cotizaciones ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
| Configuración | Condiciones de facturación | Cargo |
|---|---|---|
| ConfiguraciónPrecio del video | Condiciones de facturaciónNo se declara ninguna condición adicional en esta clave de precios. | Cargo Salida · Precio del video $0.2 por segundo de video Referencia de precio publicada para la configuración mostrada. Los cargos finales corresponden a la configuración realmente facturada. |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "alibaba/wan-2.7", "prompt": "a calm greenhouse", "duration": 6, "resolution": "720p", "aspect_ratio": "16:9", "generate_audio": true}')\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nmp4
GET /v1/videos/{request_id}GET /v1/videos/generations/{request_id}GET /v1/videos/{request_id}/contentGET /v1/videos/generations/{request_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_STATUS_URL'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nr=json.loads(Path('result.json').read_text())\nif not isinstance(r.get('id'),str) or not r['id']:raise SystemExit('Keep the original response and headers for reconciliation; no returned ID')\nPath('status-url.txt').write_text('https://api.ailoot.ai/v1/videos/'+quote(r['id'],safe=''))\nPY_STATUS_URL\ncurl --fail-with-body --silent --show-error "$(cat status-url.txt)" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -D status-headers.txt -o status.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('status.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path('status.json').read_text())\nif r.get('status')!='completed':raise SystemExit('Keep the original ID and read its status; never recreate an unknown job')\nif not isinstance(r.get('data'),list) or not r['data']:raise SystemExit('Keep the complete original status; no completed outputs supplied')\nurls=[]\nfor i,u in enumerate(r.get('data',[])):\n if not isinstance(u,str):raise SystemExit('Keep the original response; unexpected asset shape')\n urls.append((str(i),u))\nfor label,path in urls:\n u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)\n if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')\n target=Path('owned-'+label+'.bin')\n subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)\nprint('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')\nPY_ASSETS\nGuarda todos los videos completados o archivos recibidos; descarga cada URL de archivo que se haya devuelto.
Conserva cada URL firmada de data[] completado que te pertenezca y todos los metadatos de estado. Guarda todas las salidas, incluido su audio generado. Puede haber una pista AAC válida incluso con generate_audio=false; conserva el MP4 original completo, incluido ese audio.
Consulta el trabajo original existente; nunca repitas un envío de resultado desconocido.
Máximo de salidas: 4.
| Campo | Tipo | Significado |
|---|---|---|
Campoid | Tipostring | Significado— |
Campoobject | Tipostring | Significado— |
Campomodel | Tipostring | Significado— |
Campostatus | Tipostring | Significado— |
Campodata[] | Tiposigned content URL | Significado— |
Campocharge_pending_check | Tipoboolean | Significado— |
Campoerror.code | Tipostring | Significado— |
Campoerror.message | Tipostring | Significado— |
Campooperation_id | Tipostring | SignificadoRespuesta HTTP503 result_pending_check del estado o contenido original: el mismo ID público del video original como id. |
Campoerror.type | Tipostring | Significadoserver_error en HTTP503 result_pending_check. |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónFalla la lectura del cuerpo sin procesar de la solicitud antes de analizar el perfil de video | Siguiente pasoConserva la respuesta devuelta y corrige el cuerpo ilegible de la solicitud. |
Respuesta422 · price_unavailable | CondiciónFalla el análisis del perfil exacto de video o el perfil completo analizado no tiene una ficha exacta de precios lista | Siguiente pasoConserva la respuesta; usa el perfil completo y exacto admitido y su ficha publicada. Esta rama se ejecuta antes de enviar al proveedor. |
Respuesta409 · video_not_ready | CondiciónEl contenido del resultado original todavía no está disponible | Siguiente pasoConsulta periódicamente el ID original devuelto y respeta Retry-After. |
Respuestaserver_error | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión | Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. |
Respuesta503 · result_pending_check | CondiciónGET del estado o contenido original: la tarea no está publicada, el trabajo original no tiene estado failed/cancelled/expired y el estado local es unknown o el estado del trabajo original es completed. | Siguiente pasoConserva el id y operation_id originales (el mismo ID público de video), la respuesta y los encabezados; consulta únicamente el estado o contenido original. Nunca envíes una solicitud nueva de generación. |
Ailoot Ultra alibaba/wan-2.7
/v1/videos/generations, /videos, /videos/generations