Wan 2.7 : guide du générateur vidéo IA d'Alibaba

Wan 2.7 est le dernier modèle de génération vidéo IA d'Alibaba, lancé début 2026 par Tongyi Lab et concurrent d'outils comme Kling V3. Il crée des vidéos de qualité professionnelle selon quatre modes : texte-vers-vidéo (T2V), image-vers-vidéo (I2V), référence-vers-vidéo (R2V) et édition vidéo. Avec le contrôle de la première et de la dernière image, l'expansion de prompt et la synchronisation audio native, il simplifie la production vidéo des équipes marketing, e-commerce et médias. Alibaba met aussi en avant une étape de planification appelée "Thinking Mode", que l'API vidéo d'APIMart ne propose pas comme paramètre.

Détails clés :

• Résolutions : 720p ($0.0664/sec) et 1080p ($0.1096/sec)
• Durées : 2–15 secondes
• Formats d'image : 16:9, 9:16, 1:1, 4:3, 3:4
• Modes :
  • T2V : générer des vidéos à partir d'invites textuelles.
  • I2V : animer des images statiques.
  • R2V (Wan 2.7 R2V API) : conserver le style entre les références.
  • Édition vidéo (Wan 2.7 Video Edit API) : modifier des clips en langage naturel.

Wan 2.7 est accessible via APIMart sous la forme de la Wan 2.7 API, avec une facturation à l'usage. Alibaba ne propose Wan 2.7 qu'en API hébergée et n'a pas publié ses poids. Malgré certaines limites, comme le plafond de 15 secondes et la résolution maximale de 1080p, il offre souplesse et précision pour la vidéo courte.

Points clés

• Wan 2.7 est un modèle vidéo lancé par Tongyi Lab d'Alibaba début 2026, avec les modes texte-vers-vidéo, image-vers-vidéo, référence-vers-vidéo et édition vidéo en langage naturel.
• Il produit des clips de 2 à 15 secondes en 720p ou 1080p natif aux formats 16:9, 9:16, 1:1, 4:3 et 3:4, avec expansion de prompt, réutilisation de seed, contrôle de la première et de la dernière image et continuation vidéo.
• APIMart facture 0,0664 $/s en 720p et 0,1096 $/s en 1080p, à l'usage, et l'édition vidéo est facturée sur la durée cumulée de l'entrée et de la sortie.
• Reference-to-Video accepte jusqu'à cinq références mixtes mais se limite à 10 secondes, et la qualité baisse nettement au-delà de trois références, d'où la recommandation de trois au maximum.
• Une génération 1080p de 15 secondes peut dépasser 10 minutes et expirer ; l'article conseille des clips de 5 à 10 secondes, des brouillons en 720p, le polling asynchrone ou les callbacks, et Video Continuation pour les séquences longues.

Wan 2.7 en bref

Fonctionnalités et capacités principales de Wan 2.7

Modes de génération multimodaux

Wan 2.7 propose quatre modes de génération distincts :

• Text-to-Video (T2V) : ce mode crée des clips vidéo en 720p ou 1080p directement à partir d'invites écrites.
• Image-to-Video (I2V) : il anime des images statiques en utilisant FLF2V pour garantir des transitions fluides au niveau des images d'ouverture et de fermeture.
• Reference-to-Video (R2V) : ce mode conserve l'identité, la voix et le style visuel d'un personnage à travers jusqu'à cinq références, telles que des images, des extraits audio ou des séquences vidéo, sans nécessiter de fine-tuning ^[2].
• Édition vidéo : accepte des instructions en langage naturel pour modifier des séquences existantes, permettant des changements comme modifier la couleur d'une veste ou appliquer des ajustements de style globaux à un clip entier.

De plus, la fonctionnalité Video Continuation prolonge des clips de 2 à 10 secondes en séquences plus longues tout en préservant la cohérence visuelle.

Ces modes sont renforcés par des contrôles avancés qui rehaussent la qualité visuelle, les rendant idéaux pour un usage professionnel.

Qualité visuelle et contrôles avancés

Wan 2.7 utilise un Diffusion Transformer avec Flow Matching et une attention spatio-temporelle complète, ce qui lui permet de traiter simultanément l'espace et le temps. Cette approche minimise les artefacts et garantit un mouvement tridimensionnel réaliste, en évitant des problèmes comme la distorsion d'objets ou le morphing entre les images.

Les contrôles clés incluent :

• Thinking Mode : Alibaba met en avant une étape de planification qui prévoit la composition, l'éclairage et les mouvements de caméra pour les prompts complexes. L'API vidéo wan2.7 d'APIMart ne propose pas de paramètre pour cela ; sur APIMart, on pilote les plans complexes avec prompt_extend, le contrôle de la première et de la dernière image et la continuation vidéo.
• Prompt Expansion : enrichit automatiquement les invites courtes avec des détails cinématographiques, tels que les conditions d'éclairage, les repères de profondeur et le contrôle cinématographique, avant le début du processus de génération.
• Seed Value : enregistrer une valeur de seed issue d'une génération réussie permet aux utilisateurs de reproduire le même style visuel sur plusieurs résultats, garantissant la cohérence.

Ces outils sont conçus pour les équipes marketing, e-commerce et média américaines souhaitant déployer efficacement une production vidéo de qualité professionnelle à grande échelle.

Résolutions, durées et formats d'image pris en charge

Wan 2.7 prend en charge des sorties vidéo en 720p et en 1080p natif dans tous les modes. La durée des clips va de 2 à 15 secondes, offrant de la flexibilité pour divers cas d'usage, des courtes publicités sur les réseaux sociaux aux séquences de prévisualisation. Si la génération d'images prend en charge jusqu'à la résolution 4K, les sorties vidéo restent plafonnées à 1080p ^[2][5].

La plateforme prend en charge nativement cinq formats d'image, chacun optimisé pour des cas d'usage spécifiques :

Pour les clips en appel synchrone, 5–10 secondes constituent la durée optimale. La génération d'une vidéo 1080p de 15 secondes peut prendre plus de 10 minutes ^[2][4]. Pour maîtriser les coûts, créer les premiers brouillons en 720p - ce qui permet d'économiser environ 33 % - et réserver le 1080p aux sorties finales est une stratégie pratique. Les modèles de tarification et les options d'accès sont présentés dans la section suivante.

Tarifs et options d'accès de Wan 2.7

Tarification de l'API directe

Wan 2.7 fonctionne selon un modèle à la seconde, à l'usage. Il n'y a ni abonnement, ni frais par siège, ni exigence d'usage minimum, ce qui facilite la maîtrise des coûts et le passage à l'échelle de la production selon les besoins.

Votre coût final dépend de trois facteurs clés : la résolution (720p ou 1080p), la durée du clip (de 2 à 15 secondes) et le mode de génération. Les modes Standard Text-to-Video et Image-to-Video sont facturés au même tarif, tandis que Reference-to-Video est plus élevé en raison de sa capacité à traiter jusqu'à cinq fichiers de référence mixtes. En règle générale, la génération de vidéos 1080p coûte environ 1,5 fois plus cher que le 720p.

Pour les tâches d'édition vidéo, le coût est calculé sur la base de la durée combinée des séquences en entrée et en sortie ^[6]. Cette approche tarifaire transparente facilite la planification et la budgétisation de vos projets.

Offres gratuites et plateformes hébergées

Bien qu'Alibaba ne propose pas d'offre gratuite centralisée pour Wan 2.7, les développeurs peuvent tout de même effectuer de brefs tests pour ajuster leurs invites et paramètres avant de passer à l'échelle. Le modèle flexible à l'usage d'APIMart vous permet de démarrer avec des sorties à moindre coût ou d'explorer des alternatives comme MiniMax Hailuo 2.3 à mesure que votre workflow évolue.

Accéder à Wan 2.7 via APIMart

APIMart simplifie l'utilisation de Wan 2.7 en offrant un accès unifié via une seule clé API et une facturation consolidée. Le système sélectionne automatiquement le mode approprié en fonction de vos paramètres d'entrée, et puisque les deux modes sont facturés au même tarif, le suivi des coûts devient simple.

« En tant que développeur, j'accorde de l'importance à la stabilité et à la rapidité. Wan 2.7 sur APIMart offre d'excellentes performances avec une API facile à utiliser. » - David Chen, ingénieur full-stack ^[6]

Avec un tarif fixé à $0.0664 par seconde pour le 720p et $0.1096 par seconde pour le 1080p, APIMart offre une solution évolutive aux coûts prévisibles, aussi bien pour les développeurs que pour les équipes de production.

Cas d'usage métier et intégration au workflow

Marketing et publicité

Les quatre modes de génération de Wan 2.7 en font un atout majeur pour les équipes marketing souhaitant créer du contenu vidéo rapidement et efficacement. Prenons l'exemple du mode Édition vidéo. Il permet aux marketeurs d'effectuer facilement des tâches comme les tests A/B. Imaginez lui demander de « changer la veste de rouge à bleu marine » - en quelques secondes, vous obtenez un clip révisé prêt à tester. Cette itération rapide est idéale pour peaufiner les éléments créatifs des campagnes sociales payantes.

Pour les campagnes mondiales, Wan 2.7 brille avec son rendu de texte en 12 langues et son clonage vocal localisé. Ces fonctionnalités vous permettent d'adapter un même actif visuel à plusieurs régions, économisant temps et ressources tout en conservant un message cohérent. Pour des couleurs de marque exactes, la palette de couleurs HEX appartient à Wan 2.7 Image et non à l'API vidéo : créez-y des visuels fidèles à votre marque, puis animez-les en image-vers-vidéo.

« Wan 2.7 a considérablement réduit le délai de production de nos vidéos courtes. Les mouvements de caméra cinématographiques et la cohérence stable des personnages font ressortir notre marque sur les réseaux sociaux. » - Sarah Kim, créatrice de contenu ^[6]

La plateforme simplifie également la création de contenu visuel pour les applications e-commerce, en faisant un outil polyvalent pour les professionnels du marketing.

E-commerce et visualisation de produits

Pour les détaillants en ligne, Wan 2.7 propose des outils qui simplifient la présentation des produits. Une fonctionnalité phare est l'outil Image-to-Video en grille de 9, qui transforme une grille 3×3 de photos de produits en une séquence vidéo fluide. C'est un gain de temps énorme pour gérer des catalogues comportant un grand nombre de SKU.

Une autre fonctionnalité puissante est le First and Last Frame Control (FLF2V), qui vous permet de définir exactement où un plan commence et se termine. Cette précision est parfaite pour les révélations de produits ou les rotations fluides à 360°. Combinez cela avec le mode Reference-to-Video (R2V), et vous pouvez verrouiller l'identité visuelle d'un produit sur jusqu'à cinq références mixtes. Cela garantit un rendu cohérent sur toute une gamme de produits sans recourir à de fastidieux ajustements manuels.

Divertissement et production média

Wan 2.7 offre aussi des possibilités passionnantes pour le divertissement et la production média, en particulier pour garantir une représentation cohérente des personnages et simplifier les workflows de prévisualisation.

Les animateurs indépendants et les équipes de studio peuvent utiliser le mode R2V pour verrouiller l'apparence, la voix et le style de caméra d'un personnage à travers plusieurs clips. Cela élimine le besoin d'un fine-tuning coûteux pour chaque sujet, ce qui le rend parfait pour les récits courts où la cohérence des personnages est essentielle.

« La cohérence de Wan 2.7 est incroyable ! Les images des personnages restent stables sur plusieurs clips, ce qui était auparavant difficile à obtenir. » - Wei Zhang, animateur indépendant ^[6]

Pour la prévisualisation, le mode Text-to-Video avec Prompt Expansion donne vie à des descriptions de scène sommaires. Il crée des storyboards entièrement réalisés avec des transitions professionnelles et des mouvements de caméra dynamiques, tels que des plongées de drone FPV ou des plans orbitaux. Les sorties sont disponibles aux formats MP4, WEBM et MOV, garantissant la compatibilité avec les logiciels de montage populaires et les plateformes web ^[7].

Limites, risques et bonnes pratiques

Limites techniques et de contenu

Wan 2.7 s'accompagne de quelques contraintes qui peuvent influencer la conception de vos workflows. L'une des plus notables est la limite de durée des clips : les vidéos sont plafonnées à 15 secondes, et en mode Reference-to-Video, la limite descend encore à 10 secondes ^[1][7]. De plus, la résolution vidéo est plafonnée à 1080p, contrairement au modèle Wan 2.7 Image Pro, qui prend en charge des images fixes de plus haute résolution ^[8].

La génération d'une vidéo 1080p de 15 secondes peut prendre plus de 10 minutes, ce qui risque de provoquer des timeouts lors des appels d'API synchrones.

« Les vidéos 1080P de 15 secondes peuvent dépasser 10 minutes de temps de génération. J'ai atteint des timeouts lors de mon test sur cette combinaison précise. » - Segmind Review ^[4]

Pour éviter ces problèmes, tenez-vous-en à des clips de 5 à 10 secondes pour une meilleure stabilité. Pour les premiers brouillons ou les invites expérimentales, envisagez d'utiliser la résolution 720p - elle réduit les coûts de génération d'environ 33 % par rapport au 1080p ^[2]. Réservez le 1080p à vos sorties finales. Pour des séquences de plus de 15 secondes, utilisez le mode Video Continuation pour enchaîner des clips plus courts, plutôt que d'essayer d'étirer une seule génération. Sachez que le modèle a du mal à simuler une physique complexe, comme l'eau, la dynamique des tissus et les collisions multi-objets, produisant souvent des résultats incohérents ^[9].

Considérations juridiques et éthiques

Au-delà des défis techniques, les facteurs juridiques et éthiques jouent un rôle important lors de l'utilisation de Wan 2.7.

Wan 2.7 n'est pas un modèle à poids ouverts : Alibaba ne le propose qu'en API hébergée et n'a pas publié ses poids, il n'y a donc ni licence open source, ni auto-hébergement, ni fine-tuning possible. Les modèles à poids ouverts d'Alibaba sont la famille Wan 2.2 et des modèles spécialisés comme Wan-Dancer, tandis que Wan 2.5 et les modèles vidéo généraux suivants ne sont disponibles que par API. Les contenus générés via des plateformes API professionnelles s'accompagnent de droits d'utilisation commerciale, ce qui simplifie leur usage dans l'édition ou la publicité ^[6].

Cependant, la fonctionnalité Reference-to-Video (R2V) introduit des risques potentiels. Puisqu'elle peut reproduire le visage et la voix d'une personne à partir d'une seule image et d'un échantillon audio, vous devez vous assurer de disposer de droits légaux explicites sur toute ressemblance ou voix utilisée. Utiliser l'image ou la voix de quelqu'un sans consentement approprié - même pour des tests internes - pourrait enfreindre les lois sur le droit à l'image dans de nombreux États américains. Pour les équipes travaillant avec la version open source, il n'existe aucun filtre de contenu intégré, c'est donc à vous qu'il revient de vérifier les sorties avant leur diffusion publique ^[9]. Ces précautions sont particulièrement importantes pour les entreprises souhaitant intégrer du contenu généré par IA dans des campagnes commerciales.

Conseils pour tirer le meilleur parti de Wan 2.7

Pour relever ces défis et maximiser le potentiel du modèle, tenez compte des conseils suivants :

• Des invites structurées donnent de meilleurs résultats. Organisez-les en précisant des éléments clés comme le Sujet, l'Action, le Repère de caméra, l'Environnement et l'Ambiance. Utilisez des instructions précises (par ex. « changer l'arrière-plan en un studio blanc ») pour affiner les sorties sans tout régénérer - économisant à la fois du temps et des crédits ^[2][3][4].
• Enregistrez la valeur de seed de toute génération réussie. Cela vous permet d'ajuster les invites ultérieurement sans perdre la qualité de votre résultat d'origine ^[2][4].
• Pour les projets multi-références, limitez le nombre d'images de référence à trois ou moins. Bien que l'API en prenne en charge jusqu'à cinq, la qualité tend à chuter sensiblement au-delà de trois ^[9].
• Limitez les appels d'API par lot à 3–4 à la fois pour éviter d'atteindre les limites de débit ^[4].

Conclusion

Wan 2.7 réunit text-to-video, image-to-video, reference-to-video et édition en langage naturel au sein d'un système de production rationalisé. En consolidant ces capacités, il simplifie les workflows et accélère la création de contenu pour les entreprises américaines. Le résultat ? Moins d'outils, des frais réduits et une livraison plus rapide de tout, des publicités pour les réseaux sociaux aux démonstrations de produits.

Ce système trouve un équilibre entre contrôle créatif et accessibilité financière, offrant une précision de niveau professionnel pour une fraction du coût habituel. Des fonctionnalités comme le First and Last Frame Control, la l'expansion de prompt et la continuation vidéo confèrent aux équipes un contrôle de niveau réalisateur sur leurs projets. En plus, la tarification transparente à l'usage d'APIMart - $0.0664/sec pour le 720p et $0.1096/sec pour le 1080p - est déjà 20 % en dessous des tarifs standards, ce qui la rend économique que vous produisiez quelques clips ou gériez des campagnes à grande échelle ^[6].

Avec un accès API facturé à l'usage et des droits d'utilisation commerciale garantis, Wan 2.7 assure des performances fiables et flexibles. Bien que la plateforme exige une certaine courbe d'apprentissage - récompensant les utilisateurs qui rédigent des invites précises et structurées - elle ouvre la voie à d'importantes possibilités créatives.

Pour les entreprises américaines souhaitant intégrer la production vidéo pilotée par IA à leurs workflows, Wan 2.7, disponible via APIMart, est un choix pratique et économique.

FAQ

Combien coûte une vidéo Wan 2.7 typique ?

Wan 2.7 propose un système de tarification simple à la seconde - sans abonnement, sans lots de crédits. Le coût dépend de la résolution et du mode que vous choisissez. Par exemple :

• Les vidéos 720p coûtent 0,0664 $ par seconde sur APIMart.
• Les vidéos 1080p coûtent 0,1096 $ par seconde.

Par exemple, une vidéo 720p de 5 secondes coûte environ 0,33 $. Le prix final correspond à la durée de la vidéo multipliée par le tarif à la seconde (tarifs APIMart d'octobre 2026).

Comment conserver le même personnage et le même style sur plusieurs clips ?

Pour maintenir un personnage et un style cohérents dans Wan 2.7, tirez parti de ses outils de référence multimodaux avancés. Vous pouvez téléverser jusqu'à cinq références mixtes - telles que des images, de la vidéo ou de l'audio - pour définir des éléments clés comme la structure faciale, la voix et le style global. Pour des exigences plus complexes, envisagez de téléverser une grille 3x3 d'images de référence, qui garantit la cohérence sous plusieurs angles. De plus, utilisez la fonctionnalité de contrôle de la première et de la dernière image pour conserver un positionnement du sujet et des trajectoires de mouvement stables tout au long des clips.

Que faire si ma génération 1080p expire ?

Si votre processus de génération 1080p expire, vous pouvez vous appuyer sur les méthodes de polling asynchrone ou de livraison par callback offertes par l'API d'APIMart. Ces méthodes sont conçues pour gérer efficacement le temps de traitement prolongé nécessaire aux sorties haute résolution. Avec ces workflows, vous pouvez soumettre votre requête et récupérer le résultat une fois terminé - sans avoir à maintenir une connexion ouverte pendant l'attente.