wan-2-7

Wan 2.7 — RunComfy の Pro Pack

runcomfy.com · テキストから動画生成 · GitHub

Wan-AI の Wan 2.7 は、複数の参照素材による条件付けと音声駆動のリップシンクに対応した、フラッグシップ動画モデルです。RunComfy Model API 上でホストされています。

npx skills add agentspace-so/runcomfy-skills --skill wan-2-7 -g

このモデルを選ぶ場面（同系列モデルとの比較）

実現したいこと	使用するモデル
用意した音声トラックに動画のリップシンクを合わせる	Wan 2.7（audio_url）
複数の参照素材による細かなモーション制御	Wan 2.7
滑らかなトランジションと正確なモーション物理	Wan 2.7
現在、ブラインド投票で第1位の動画モデル	HappyHorse 1.0
画像・動画・音声の参照素材と、生成時の音声作成に対応したマルチモーダルなシネマティック動画	Seedance 2.0 Pro
既存映像のシネマティックなモーション編集	Kling Video O1
超高速の反復作業	LTX 2

ユーザーが「Wan」／「Wan 2.7」／「wan-ai」／「alibaba video」と明示した場合は、常にこちらに振り分けてください。

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy アカウント — runcomfy login を実行すると、ブラウザーでデバイスコード認証が始まります。
3. CI／コンテナ — runcomfy login の代わりに RUNCOMFY_TOKEN=<token> を設定します。

エンドポイントと入力スキーマ

wan-ai/wan-2-7/text-to-video

フィールド	型	必須	デフォルト	備考
prompt	string	はい	—	最大約5000文字／約1500トークンです。
audio_url	string	いいえ	—	WAV／MP3、3～30秒、≤15MB。**リップシンクを駆動します。**省略すると、BGMが自動生成されます。
aspect_ratio	enum	いいえ	16:9	16:9、9:16、1:1、4:3、3:4。
resolution	enum	いいえ	1080p	720p または 1080p。
duration	enum	いいえ	5	2～15（整数の秒数）。
negative_prompt	string	いいえ	—	最大500文字。避ける具体的な問題を指定します。
enable_prompt_expansion	bool	いいえ	true	短いプロンプトを自動で書き換えます。文字どおりに制御する場合は無効にします。
seed	int	いいえ	—	0..2^31-1。同じプロンプトのバリエーションには同じ値を再利用します。

呼び出し方法

デフォルト（5秒、1080p、16:9、プロンプト拡張あり）：

runcomfy run wan-ai/wan-2-7/text-to-video \
  --input '{"prompt": "<user prompt>"}' \
  --output-dir <absolute/path>

音声駆動のリップシンク（独自のトラックを使用）：

runcomfy run wan-ai/wan-2-7/text-to-video \
  --input '{
    "prompt": "Medium close-up of the spokesperson, warm key light, locked tripod, slight breathing motion.",
    "audio_url": "https://.../voiceover.mp3",
    "duration": 12,
    "aspect_ratio": "9:16"
  }' \
  --output-dir <absolute/path>

文字どおりの制御（自動拡張なし）：

runcomfy run wan-ai/wan-2-7/text-to-video \
  --input '{
    "prompt": "<exactly what you want, verbatim>",
    "enable_prompt_expansion": false,
    "negative_prompt": "no subtitles, no flicker, no distorted hands"
  }' \
  --output-dir <absolute/path>

プロンプトの書き方 — 効果的な方法

カメラと動きを平易な英語で指定します。「Slow dolly in」「locked tripod, low angle」「handheld follow」「crane move from above」などです。ショットの説明を先に書きます。

**1つのクリップにつき、主な動作は1つにします。**複数の動作を詰め込まないでください。動作を1つ選びます。「彼女が振り向いてから微笑む」とし、「彼女が振り向き、微笑み、バスが通り過ぎて……」とはしないでください。

**具体的な問題には negative_prompt を使います。**良い例：「no subtitles, no watermark, no flicker」。悪い例（曖昧）：「no bad lighting」。

**プロンプト拡張はデフォルトで有効です。**短いプロンプトはモデルによって自動で書き換えられます。簡潔なプロンプトや文字どおりの指定（ブランド表現を厳守する広告コピーなど）では、enable_prompt_expansion: false で無効にします。

音声の仕様は重要です。audio_url は3～30秒、≤15MB、WAV／MP3である必要があります。範囲外のファイルは拒否されます。音声の長さをクリップの長さに合わせてください。

**シードを変えて反復します。**同じプロンプトのバリエーション間で一貫した出力を得たい場合は、同じシードを再利用します。多様な結果が必要な場合はシードを変更します。

避けるべきパターン：

• 静止画の説明だけでは、動きが曖昧になります。
• 曖昧なネガティブ指定（「no bad colors」など）は無視されます。
• 3～30秒／15MB／WAV-MP3の仕様外の音声は拒否されます。
• 5000文字／1500トークンを超えるプロンプトでは、出力品質が低下します。

得意な用途

用途	Wan 2.7 が適している理由
独自のナレーションを使ったリップシンク広告	audio_url で独自のトラックを指定できます
多言語吹き替え版	同じプロンプトを使い、言語ごとに異なる audio_url を指定できます
複数の参照素材によるモーション制御	参照メディア（画像／動画／音声）を最大5つ指定できます
滑らかなトランジションとモーション物理	物理を考慮した強力なモーション事前分布を備えています
ネガティブプロンプトによるクリーンな出力	特定の問題を狙って除外できます

サンプルプロンプト（優れた結果が得られることを確認済み）

ページの例（製品紹介）：

Cinematic medium shot of a product on a marble surface, soft studio
lighting, slow subtle camera push-in, shallow depth of field, premium
commercial look, crisp 1080p detail

リップシンクするスポークスパーソン（audio_url を使用）：

Medium close-up of a confident spokesperson in a softly-lit recording
booth, leaning slightly toward the camera, locked tripod, shallow depth
of field, warm key light from camera-left.

縦型プラットフォームに最適化：

9:16 vertical short. A barista pulls a single espresso shot, steam
rising into morning sun, rich crema slowly forming. Close-up handheld,
shallow DOF, warm cafe ambience.

制限事項

• 長さの上限は15秒です。 より長いナレーションでは、複数回の呼び出しをつなぎ合わせてください。
• ネイティブの4Kには対応していません — 上限は1080pです。
• アスペクト比 — ドキュメントに記載された5種類のみです。
• 音声の仕様 — 3～30秒、≤15MB、WAV/MP3のみです。
• 参照メディアの上限は5件（画像＋動画＋音声の合計）です。
• 別個の音声トラックを使わず、生成時に音声を生成する場合は、Seedance 2.0 Proを使用してください — Wanは音声を生成するのではなく、音声を受け付けます。

終了コード

code	意味
0	成功
64	CLI 引数が不正です
65	入力 JSON が不正、またはスキーマが一致しません
69	上流の 5xx
75	再試行可能：タイムアウト／429
77	サインインしていないか、トークンが拒否されました

完全なリファレンス：docs.runcomfy.com/cli/troubleshooting。

動作の仕組み

このスキルは、スキーマに一致する JSON ボディを指定して runcomfy run wan-ai/wan-2-7/text-to-video を呼び出します。CLI は https://model-api.runcomfy.net/v1/models/wan-ai/wan-2-7/text-to-video に POST リクエストを送信し、リクエストの状態を確認して結果を取得し、.runcomfy.net／.runcomfy.com の URL を --output-dir にダウンロードします。Ctrl-C を押すと、終了前にリモートリクエストをキャンセルします。

セキュリティとプライバシー

• トークンの保存：runcomfy login は API トークンをモード 0600（所有者のみ読み書き可能）で ~/.config/runcomfy/token.json に書き込みます。CI／コンテナでは、ファイルを完全に介さないように RUNCOMFY_TOKEN 環境変数を設定してください。
• 入力の境界：ユーザープロンプトは --input を介して JSON 文字列として CLI に渡されます。CLI はプロンプトをシェル展開せず、JSON ボディを HTTPS 経由で Model API に直接送信します。プロンプトの内容によるシェルインジェクションの危険はありません。
• サードパーティーコンテンツ：指定した画像／マスク／動画の URL は、お使いのマシン上の CLI ではなく、RunComfy モデルサーバーによって取得されます。外部 URL は信頼できないものとして扱ってください。画像を使ったプロンプトインジェクションは、あらゆる画像編集／動画編集モデルにおける既知のリスクです。
• 外部送信先：model-api.runcomfy.net（リクエストの送信）および *.runcomfy.net／*.runcomfy.com（生成結果のダウンロード許可リスト）のみです。テレメトリーもコールバックもありません。
• 生成ファイルのサイズ上限：悪意のある、または暴走したモデル出力によるディスク容量の枯渇を防ぐため、CLI は 2 GiB を超える単一のダウンロードを中止します。