Wan 2.7 是 Wan-AI 的旗舰视频模型，具备多参考条件控制与音频驱动唇形同步能力，托管在 RunComfy Model API 上。
用途与模型选择 该模型用于文生视频。文档给出了选择建议：需要将视频唇形同步到自己提供的音轨、需要多参考的精细运动控制、需要平滑转场与准确运动物理时，选择 Wan 2.7；当前盲投排名第一的视频模型为 HappyHorse 1.0；需要图像+视频+音频多模态电影化生成且在同一次生成中产生语音时使用 Seedance 2.0 Pro；在已有素材上做电影化运动编辑使用 Kling Video O1；超快速迭代使用 LTX 2。若用户明确提到 Wan、Wan 2.7、wan-ai 或 alibaba video，则一律路由到本模型。
主要能力 支持文生视频，并根据 audio_url 驱动唇形同步；最多可使用 5 个参考媒体（图像、视频与语音合计）。提示词上限约 5000 字符 / 约 1500 token。可选参数包括宽高比、分辨率、时长、负面提示词、提示词自动扩写与随机种子。
前置条件与安装 需要 RunComfy CLI，安装命令为 npm i -g @runcomfy/cli；需要 RunComfy 账户，runcomfy login 会打开浏览器设备码流程进行登录。在 CI 或容器环境中，改用设置 RUNCOMFY_TOKEN=<token> 环境变量的方式，而不用 runcomfy login。技能安装命令为 npx skills add agentspace-so/runcomfy-skills --skill wan-2-7 -g。
接口与输入结构 接口为 wan-ai/wan-2-7/text-to-video。输入字段包括：prompt（字符串，必填，最长约 5000 字符 / 约 1500 token）；audio_url（字符串，可选，WAV/MP3，3–30 秒，不超过 15MB，用于驱动唇形同步，省略则自动生成背景音乐）；aspect_ratio（枚举，可选，默认 16:9，可选 16:9、9:16、1:1、4:3、3:4）；resolution（枚举，可选，默认 1080p，可选 720p 或 1080p）；duration（枚举，可选，默认 5，取值 2–15 的整数秒）；negative_prompt（字符串，可选，最长 500 字符，用于说明要避免的具体问题）；enable_prompt_expansion（布尔，可选，默认 true，自动改写简短提示词，设为 false 可进行字面控制）；seed（整数，可选，范围 0 到 2^31-1，复用以生成变体）。
使用方式
默认调用（5 秒、1080p、16:9、启用提示词扩写）：
runcomfy run wan-ai/wan-2-7/text-to-video
--input '{"prompt": "<user prompt>"}'
--output-dir <absolute/path>
音频驱动唇形同步（使用自己的音轨）：
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>
字面控制（关闭自动扩写）：
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>
提示词建议 用平实的英文描述镜头与运动，如 slow dolly in、locked tripod, low angle、handheld follow、crane move from above，并把镜头信息前置。每个片段只安排一个主要动作，不要堆叠多个相互竞争的动作，例如用 she turns, then smiles 而不是把转身、微笑、公交车经过等全部叠加。negative_prompt 用于描述具体问题，例如 no subtitles, no watermark, no flicker；模糊的写法如 no bad lighting 效果不佳。提示词扩写默认开启，简短提示词会被模型自动改写；对于需要严格字面控制的提示词（如品牌严格的广告文案），可设置 enable_prompt_expansion: false 关闭。音频规格很重要：audio_url 必须为 3–30 秒、不超过 15MB 的 WAV/MP3，超出范围的文件会被拒绝，并应让音频长度与片段时长匹配。可通过复用同一种子在同一提示词的不同变体间保持一致输出，更换种子以获得真正的多样性。应避免的反模式包括：静态画面描述会导致运动模糊不清；模糊的负面描述会被忽略；音频超出 3–30 秒 / 15MB / WAV-MP3 规格会被拒绝；提示词超过 5000 字符 / 1500 token 会导致输出质量下降。
适用场景 文档列出的优势场景包括：带自定义配音的唇形同步广告（audio_url 可接受自己的音轨）；多语言配音变体（同一提示词、每种语言使用不同 audio_url）；多参考运动控制（最多 5 个参考媒体，可组合图像、视频与语音）；平滑转场与运动物理（具备较强的物理感知运动先验）；通过负面提示词获得干净输出（可定向排除具体问题）。文档提供的示例提示词包括：产品展示镜头、带 audio_url 的唇形同步发言人镜头，以及 9:16 竖屏平台原生短片。
限制 时长上限 15 秒，更长的叙事需要拼接多次调用。不支持原生 4K，分辨率上限 1080p。宽高比仅支持文档列出的 5 个取值。音频规格限制为 3–30 秒、不超过 15MB、仅 WAV/MP3。参考媒体上限 5 个（图像、视频与语音合计）。如需在同一次生成中产生语音（不使用单独音轨），应使用 Seedance 2.0 Pro；Wan 接受音频而不是生成音频。
退出码 0 表示成功；64 表示 CLI 参数错误；65 表示输入 JSON 错误或 schema 不匹配；69 表示上游 5xx；75 表示可重试的超时或 429；77 表示未登录或 token 被拒绝。完整参考见 docs.runcomfy.com/cli/troubleshooting。
工作原理 该技能通过 runcomfy run wan-ai/wan-2-7/text-to-video 调用，并传入与 schema 匹配的 JSON 请求体。CLI 会向 https://model-api.runcomfy.net/v1/models/wan-ai/wan-2-7/text-to-video 发送 POST 请求，轮询请求状态，获取结果，并将任何 .runcomfy.net/.runcomfy.com URL 下载到 --output-dir。按 Ctrl-C 会在退出前取消远程请求。
安全与隐私 令牌存储：runcomfy login 会把 API 令牌写入 ~/.config/runcomfy/token.json，权限为 0600（仅所有者可读写）。在 CI 或容器中可设置 RUNCOMFY_TOKEN 环境变量以完全绕过该文件。输入边界：用户提示词通过 --input 作为 JSON 字符串传给 CLI，CLI 不会对提示词做 shell 展开，而是通过 HTTPS 直接把 JSON 请求体发送到 Model API，因此提示词内容不构成 shell 注入面。第三方内容：传入的图像、遮罩、视频 URL 由 RunComfy 模型服务器获取，而非本机 CLI；应将外部 URL 视为不可信，基于图像的提示词注入是任何图像编辑/视频编辑模型的已知风险。出站端点：仅 model-api.runcomfy.net（提交请求）以及 *.runcomfy.net / *.runcomfy.com（生成输出的下载白名单），无遥测、无回调。生成文件大小上限：CLI 会中止任何超过 2 GiB 的单次下载，以防止恶意或失控的模型输出占满磁盘。