Spesifikasi Teknis Wan 2.7
| Item | Wan 2.7 (Video Suite) |
|---|---|
| Penyedia | Alibaba Tongyi Lab |
| Keluarga model | Wan 2.7 Video Suite |
| Arsitektur | Mixture-of-Experts (MoE) dengan 27B parameter |
| Jenis input | Teks, gambar, video, referensi audio |
| Jenis output | Klip video yang dihasilkan/diedit dengan audio opsional |
| Mode yang didukung | Text-to-video (T2V), Image-to-video (I2V), Reference-to-video (R2V), Video Editing |
| Resolusi | Output 720P dan 1080P |
| Durasi video | 2–15 detik |
| Dukungan audio | Pembuatan audio bawaan, referensi suara, alur kerja lip-sync |
| Kapabilitas referensi | Gambar/video multi-referensi, konsistensi identitas |
| Konsistensi karakter | Mendukung hingga beberapa subjek referensi tergantung alur kerja |
| Generasi rilis | Penerus utama Wan 2.6 |
Apa itu Wan 2.7?
Wan 2.7 adalah paket pembuatan video multimodal unggulan dari Alibaba yang dibangun untuk alur kerja pembuatan film AI yang dapat dikendalikan, bukan sekadar pembuatan video dari prompt sederhana. Keluarga model ini menggabungkan pembuatan, pengeditan, kelanjutan, dan konsistensi berbasis referensi ke dalam satu sistem, memungkinkan kreator membuat klip sinematik pendek dengan pelestarian subjek yang lebih kuat dan kontrol adegan yang lebih baik.
Berbeda dari generator video sebelumnya yang sebagian besar berfokus pada kualitas prompt, Wan 2.7 menekankan keterkendalian melalui penjangkaran frame, input referensi, sinkronisasi audio, dan alur kerja multi-shot terstruktur.
Fitur Utama Wan 2.7
- Pipeline perencanaan Thinking Mode: Model merencanakan komposisi adegan dan gerak sebelum rendering, meningkatkan kepatuhan terhadap prompt dan mengurangi kegagalan koherensi.
- Kontrol frame pertama dan terakhir: Pengguna dapat menentukan frame pembuka dan penutup sehingga sistem melakukan interpolasi gerak di antaranya.
- Konsistensi identitas berbasis referensi: Mempertahankan tampilan karakter, pakaian, objek, dan gaya di beberapa shot.
- Alur kerja multimodal bawaan: Mendukung referensi teks, gambar, audio, dan video dalam alur kerja yang sama.
- Pembuatan audio terintegrasi: Musik latar, suara lingkungan, dan sinkronisasi suara dapat dihasilkan bersamaan dengan visual.
- Dukungan pengeditan dan kelanjutan: Video yang ada dapat diperpanjang, diubah, atau diberi gaya ulang tanpa membangun ulang dari awal.
Performa Benchmark Wan 2.7
Pengungkapan benchmark publik untuk Wan 2.7 masih terbatas dibandingkan LLM teks, tetapi evaluasi pihak ketiga dan pengujian komunitas menunjukkan peningkatan nyata dalam stabilitas gerak, kepatuhan terhadap prompt, dan keterkendalian dibandingkan Wan 2.6.
Pengamatan ekosistem yang dilaporkan mencakup:
- Kontinuitas gerak yang lebih kuat dibanding rilis Wan sebelumnya.
- Posisi papan peringkat yang lebih tinggi dalam evaluasi text-to-video pihak ketiga.
- Peningkatan konsistensi multi-subjek dan pelestarian referensi.
- Integrasi audio yang lebih baik dibanding banyak model video terbuka sebelumnya.
Transparansi benchmark formal masih terbatas, sehingga klaim performa perlu ditafsirkan dengan hati-hati.
Wan 2.7 vs Model Video Lain
| Fitur | Wan 2.7 | Veo 3.1 | Seedance 2.0 |
|---|---|---|---|
| Alur kerja audio bawaan | Kuat | Kuat | Sedang |
| Konsistensi berbasis referensi | Kuat | Sedang | Sedang |
| Kontrol Frame Pertama + Terakhir | Ya | Parsial | Terbatas |
| Alur kerja pengeditan video | Ya | Ya | Terbatas |
| Resolusi umum maksimum | 1080P | Output sinematik kelas atas | 1080P |
| Dukungan multi-referensi | Penekanan kuat | Sedang | Sedang |
Keterbatasan Wan 2.7
- Durasi klip pendek dibandingkan alat produksi long-form.
- Output maksimum 1080P membatasi alur kerja beresolusi sangat tinggi.
- Adegan dengan gerak cepat masih dapat menghasilkan artefak ketidakstabilan.
- Alur kerja multi-referensi meningkatkan kompleksitas dan kebutuhan rekayasa prompt.
- Pelaporan benchmark publik tetap relatif sedikit.
Kasus Penggunaan Representatif
- Film pendek dan storyboard yang konsisten karakter.
- Klip pemasaran dengan sinkronisasi audio.
- Pembuatan video media sosial.
- Visualisasi produk dan trailer konsep.
- Kelanjutan video dan alur kerja interpolasi adegan.
- Animasi avatar dan karakter berbasis referensi.
Cara Menggunakan WAN 2.7 Video API di CometAPI
Langkah 1: Coba WAN 2.7 Video API di Kie Al Playground
Pertama, uji fungsi WAN 2.7 menggunakan WAN 2.7 Video API di CometAPI Playground. Unggah gambar, tambahkan prompt, atau gunakan referensi untuk mempratinjau video WAN yang dihasilkan sebelum mengintegrasikan video AI WAN 2.7 ke dalam alur kerja produksi Anda.
Langkah 2: Dapatkan kunci API WAN 2.7 dan tinjau dokumentasi API
Dapatkan kunci API WAN 2.7 dari konsol CometAPI dan tinjau dokumentasinya. Pahami endpoint, autentikasi, dan parameter WAN 2.7 Video API untuk mendukung alur kerja text-to-video, image-to-video, dan alur kerja video WAN.
Langkah 3: Hasilkan video AI WAN 2.7 dan integrasikan ke dalam alur kerja Anda
Gunakan WAN 2.7 Video API untuk menghasilkan video AI WAN 2.7 dengan prompt, gambar, atau referensi. Integrasikan output WAN 2.7 ke dalam alur kerja produk, pipeline konten, atau alat video AI untuk memungkinkan pembuatan video yang dapat diskalakan.