scenario-wan

Scenario Wan Video

概述

Scenario 上的阿里巴巴视频模型系列 Wan 会为每项任务提供一个独立成员，而相隔一个世代的成员在参数名称上也可能不同，而不只是参数值不同：先用 search 选择成员，然后每次运行前都将 model_schema_get 视为规范。Wan 2.7 Image 是图像模型，相关内容由 scenario-image 技能介绍。

有关连接和核心工作循环，请参阅此仓库中的 scenario 技能；有关与模型无关的视频工作，请参阅 scenario-video 技能。如果你可用的技能中缺少此处提到的某个相关技能，请让用户安装该技能（npx skills add scenario-labs/skills --skill <name>）；在无人值守的情况下，请根据工具架构继续操作并指出缺失项。

快速参考

按任务分类的成员（撰写时）：

任务	成员	必需输入
文本生成视频	2.7、2.6、2.5 T2V	prompt
让静帧动起来	2.7、2.6、2.5 I2V	image + 运动 prompt
延长片段	2.7 I2V	video + prompt（不含 image）
重塑视频素材风格	2.7 Video Edit	video + 编辑 prompt
让角色演绎视频中的动作	2.2 Animate (Move)	imageUrl + videoUrl
替换视频素材中的人物	2.2 Animate (Replace)	videoUrl + imageUrl
更改宽高比	2.2 Reframe	videoUrl
扩展画布	2.2 Outpainting	videoUrl + prompt

各代参数不能通用。撰写时：2.7 生成器使用 resolution（720p 或 1080p）和 2 至 15 秒的整数 duration，其中只有 T2V 支持 aspectRatio（16:9 至 3:4）。2.6 和 2.5 T2V 则使用一个 size 字符串，例如 "1920*1080"；duration 必须从固定档位中选择（2.6 为 5、10 或 15 秒；2.5 为 5 或 10 秒），而它们的 I2V 成员使用 resolution。Video Edit 的源视频时长需为 2 至 10 秒；duration 为可选参数，可用于截短视频。Reframe 和 Outpainting 没有 duration：时长由 numFrames（81 至 241）和 framesPerSecond（5 至 30）决定，只有在 matchInputNumFrames 和 matchInputFramesPerSecond 均为 true 时，输出才会与源视频匹配（两者默认均为 false）。Outpainting 最多可通过 10 个 refImageUrls 引导生成新内容。

在 2.7 I2V 中，image 和 video 不能同时使用；endImage（最后一帧）仅可与 image 一起使用。分辨率和时长会影响成本（撰写时，2.7 T2V 的 1080p 成本约为 720p 的三倍），因此批量运行前请使用 dry_run。

编写符合成员任务的提示词

T2V 需要用自然语言描述完整场景：主体动作、一个镜头移动、光线和风格标签。I2V 只需要描述动作：静帧已经确定了外观和构图，因此重复描述只会浪费提示词。Video Edit 需要清晰的指令，每句话只说明一项更改并指定明确的目标，同时加入保留要求（“保持主体身份和镜头路径不变”）；referenceImage 用于提供目标风格参考。所有成员都难以可靠地生成画面中清晰可读的文字；请将伪影相关要求放入 negativePrompt（Video Edit 和 Animate 不支持该参数）。

只有 2.6 支持多镜头：设置 multiShots 为 true（默认值，但只有在 enablePromptExpansion 为 true 时才会启用），先写一行全局风格描述，然后写 Shot 1 [0-3s] ...、Shot 2 [3-7s] ...，并保持角色和地点连续一致。生成器的 enablePromptExpansion 默认值为 true（有助于扩展简短提示词，但会增加延迟）；Reframe 和 Outpainting 的默认值为 false。

音频的来源

2.7 生成器始终会输出音频：上传一个 audio 文件来驱动生成，或者省略该文件，系统就会根据提示词描述的声音生成同步音轨，因此请在提示词中描述你想要的环境音。对于 2.6 和 2.5，音频只能来自上传的文件（创作时长为 3 到 30 秒，文件大小不超过 15 MB），2.6 会为其生成口型同步。Video Edit 的 audioSetting 决定音轨：origin 会保留源音频，auto 则允许模型重新生成音频。只要 mergeAudio 保持为 true（默认值），Animate 就会保留源音轨。

示例：在两张静帧之间设置镜头边界

1. 使用 target="models"、query="wan image to video"、public=true 执行 search。优先选择最新的非弃用结果，例如 model_wan-2-7-i2v（创作时有此结果：每次会话都要重新搜索）。
2. 使用该 ID 执行 model_schema_get：查看互斥说明、上限和默认值。
3. 使用 upload_asset 上传起始和结束静帧（参见 scenario 技能），以获取资源 ID。
4. 使用该 model_id 执行 model_run，设置 dry_run=true，并传入 parameters={"prompt": "She turns from the window and walks toward the door, coat swaying; slow push-in. Room tone and distant traffic.", "image": "asset_open", "endImage": "asset_close", "duration": 5, "resolution": "1080p"} 以估算费用；更改时长或分辨率后，请重新估算。
5. 使用 wait=false 重新运行，然后对返回的任务 ID 调用 jobs_wait；超时时，使用 pending_job_ids 再次调用，切勿再次执行 model_run。
6. 使用 asset_display 查看输出，并一并检查动作和音频。

常见错误

• 在 2.7 I2V 中同时使用 image 和 video，或未提供 image 却传入 endImage：架构不允许这两种情况。
• 将 2.7 的参数移植到 2.6 或 2.5 T2V：它们使用 size（"1280*720" 这种格式），而不是 resolution 加 aspectRatio；不符合网格的时长会导致失败。
• 以为 Reframe 或 Outpainting 会保留时长：默认会以 16 fps 渲染 81 帧；请设置这两个匹配标志。
• Outpainting 的扩展标志默认会扩展四个方向：请将不需要的方向（expandTop、expandBottom、expandLeft、expandRight）设为 false。
• 设置 enablePromptExpansion 为 false，却在提示词中写镜头边界：multiShots 在未启用该选项时不起作用；其他成员都不会读取镜头边界。
• 在 I2V 提示词中重新描述静帧或要求更改内容：I2V 负责为画面添加动态效果；Video Edit 则负责更改内容。