TL;DR
- 要控制图生视频预算、显式选择有声或无声,可看Wan 2.6 Flash;要2–15秒整数时长、首尾帧或驱动音频输入,可看Wan 2.7。720P请求5秒时,2.6无声$0.145,2.7为$0.50,详见Wan 2.6价格页。
- 本文成品对照统一使用1080P、请求5秒:2.6无声$0.215、有声$0.430;2.7为$0.835。音频设置分别标注,不把有声与无声当成同一价格档。
- 两个都在HiAPI:Wan 2.6 Flash · Wan 2.7。同一个
/v1/tasks接口,提交后读取data.taskId再查询结果。
一眼看懂
| 项目 | Wan 2.6 Flash | Wan 2.7 |
|---|---|---|
| 720P每秒 | 无声$0.029;有声$0.0575 | $0.1 |
| 1080P每秒 | 无声$0.043;有声$0.086 | $0.167 |
| 1080P请求5秒 | 无声$0.215;有声$0.430 | $0.835 |
| 时长 | 5 / 10 / 15秒 | 2–15秒整数 |
| 图像输入 | image_urls,恰好1张 | media,含first_frame,另可用last_frame等类型 |
| 音频控制 | audio布尔值,默认false | 没有同名开关;本页两条成品均有非静音音轨 |
| 提示词扩写 | 无此字段 | prompt_extend,默认true |
同输入图、同提示词的1080P成品
两组双方分别使用相同输入地址与英文提示词,均请求1080P、5秒;返回MP4文件,实际视频尺寸都是1918×1080。音频模式和成片封装时长写在各组图注中,不把这些差异藏在“同参数”后面。
链接只预填提示词,请手动上传该组输入图,再按图注选择分辨率、5秒时长和可用的音频设置;没有进行声音内容听审,音轨检测只说明有无声音信号。
组A:狐狸穿过林间空地

The fox stands up, shakes off leaves and trots across the clearing, leaves crunching, birds singing in the forest
左:wan2.6-flash/image-to-video,resolution=1080p,duration=5,audio=true,成片5.01秒。右:wan2.7-video/image-to-video,resolution=1080P,duration=5,prompt_extend=false,成片5.04秒。双方1918×1080、MP4且均有非静音音轨;按各自请求档位计费,差$0.405。
用 Wan 2.6 生成 → · 用 Wan 2.7 生成 →
看得见的区别:两条成片都有狐狸从坐姿起身并走向右侧的动作;同一时间点的步幅和主体位置不同。检查时可逐帧看四肢、尾巴和落叶的连续性,不据此推断一代整体画质更高。
组B:日落公路敞篷车

The camera slowly dollies around the turquoise convertible as the sun sinks behind the mesas, dust drifting in the warm light
左:wan2.6-flash/image-to-video,resolution=1080p,duration=5,audio=false,成片5.00秒,无音轨。右:wan2.7-video/image-to-video,resolution=1080P,duration=5,prompt_extend=false,成片5.04秒,有非静音音轨。双方1918×1080、MP4;此组只对照画面,不作等音频条件比较;按相应档位差$0.620。
用 Wan 2.6 生成 → · 用 Wan 2.7 生成 →
看得见的区别:两条都有青绿色敞篷车、落日和扬尘;同一时间点的车身角度、镜头位置与背景显露范围不同。需要无声素材时,先确定生成档位,再决定是否在后期处理声音。
按场景怎么选
- 需要最低的已列预算档:2.6的720p无声5秒为$0.145;音频打开后按有声档计费。
- 需要1080P、5秒且带声音:本页狐狸组2.6为$0.430,2.7为$0.835,不拿720P价格标1080P成品。
- 需要2秒、3秒等整数时长或首尾帧配置:查看2.7的时长范围和
media类型。 - 需要5、10、15秒的单张首帧任务并显式控制声音:2.6可在请求中设置
audio。 - 需要制作前核算:按分辨率、请求时长和可用音频档计价,不把两条样片推成整个模型的画质排名。
切换成本:输入字段和音频参数
{
"model": "wan2.6-flash/image-to-video",
"input": {
"prompt": "The fox stands up, shakes off leaves and trots across the clearing, leaves crunching, birds singing in the forest",
"image_urls": [
"https://static.hiapi.ai/model-covers/2026/10/18/1792312422231-f555bfc4430b8edf-1792151147514-f555bfc4430b8edf-wan-in-fox.jpg"
],
"duration": 5,
"resolution": "1080p",
"audio": true
}
}
{
"model": "wan2.7-video/image-to-video",
"input": {
"prompt": "The fox stands up, shakes off leaves and trots across the clearing, leaves crunching, birds singing in the forest",
"media": [
{
"type": "first_frame",
"url": "https://static.hiapi.ai/model-covers/2026/10/18/1792312422231-f555bfc4430b8edf-1792151147514-f555bfc4430b8edf-wan-in-fox.jpg"
}
],
"resolution": "1080P",
"duration": 5,
"prompt_extend": false
}
}
2.6的image_urls换成2.7的media对象数组;不要把audio原样传给2.7。两边分辨率枚举的大小写不同。查询时用data.status判断终态,从data.output选择type=video的地址并及时保存。
常见问题
图注中的5秒为什么和文件时长略有不同?
5秒是请求的生成时长。已核对的MP4封装时长为5.00、5.01或5.04秒;本页价格按请求时长和分辨率档计算。
Wan 2.7只有画面没有声音吗?
不是。本页两条Wan 2.7成片都有非静音音轨。它的请求字段没有2.6的audio布尔开关,不要把“没有这个字段”写成“没有声音”。
同一张输入图可以直接复用吗?
可以复用公开可读的同一图片地址,但字段不同:2.6放入image_urls数组,2.7放入media中的first_frame对象。
两边时长可以不写吗?
本页示例都显式写duration: 5,也显式写分辨率和2.6的音频档,便于核对价格。2.6支持5/10/15秒,2.7支持2–15秒整数。
能只看两条成片就决定整体画质高低吗?
不能。先看自己的输入图、动作和运镜是否完成,再核对声音与预算;本页只记录两组画面的具体差异。
下一步:读Wan 2.6接入指南和价格与预算,也可查看图生视频提示词案例。




