wan2.7-r2v · Standard

Wan2.7-R2V 是参考生视频模型，支持文本、图像、视频三种模态输入，能够从参考素材中复刻角色外观、音色和动作，生成自然逼真的表演视频。其核心能力在于角色一致性保持：最多可提供5个参考素材，支持单人或多人表演，参考视频还能复刻语音音色。模型支持多分镜叙事，用户可通过时间段描述镜头逻辑，模型自动识别分镜结构。此外，通过 reference_voice 音频文件可独立设定音色，未指定时默认使用参考视频中的音频。输出支持720P/1080P分辨率，画面比例可选16:9、9:16、1:1等，视频时长最长10秒。