Wan 2.7 — Pro Pack on RunComfy

runcomfy.com · Text-to-video · GitHub

Wan-AI の Wan 2.7 — マルチリファレンス条件付けとオーディオドリブンなリップシンク機能を備えたフラッグシップビデオモデル — RunComfy Model API でホストされています。

npx skills add agentspace-so/runcomfy-skills --skill wan-2-7 -g

このモデルを選ぶべき場合（他のモデルとの比較）

やりたいこと	使用モデル
提供したオーディオトラックにリップシンクするビデオを生成	Wan 2.7 (audio_url)
マルチリファレンスの細かいモーション制御	Wan 2.7
スムーズなトランジション、正確なモーション物理演算	Wan 2.7
現在のナンバー1ブラインドテスト優勝ビデオモデル	HappyHorse 1.0
画像 + ビデオ + オーディオリファレンスと通過中音声生成を含むマルチモーダルシネマティック	Seedance 2.0 Pro
既存フッテージのシネマティックモーション編集	Kling Video O1
超高速イテレーション	LTX 2

ユーザーが「Wan」「Wan 2.7」「wan-ai」「alibaba video」と明示的に言及した場合は、それがどれであってもここにルーティングしてください。

前提条件

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy アカウント — runcomfy login でブラウザのデバイスコードフローが開きます。
3. CI / コンテナ — runcomfy login の代わりに RUNCOMFY_TOKEN=<token> を設定します。

エンドポイント + 入力スキーマ

wan-ai/wan-2-7/text-to-video

フィールド	型	必須	デフォルト	備考
prompt	string	yes	—	最大 ~5000 文字 / ~1500 トークン
audio_url	string	no	—	WAV/MP3、3～30秒、≤15MB。リップシンクを駆動します。 省略 → バックグラウンド音楽を自動生成
aspect_ratio	enum	no	16:9	16:9、9:16、1:1、4:3、3:4
resolution	enum	no	1080p	720p または 1080p
duration	enum	no	5	2～15 (全秒数)
negative_prompt	string	no	—	最大 500 文字。回避すべき具体的な問題
enable_prompt_expansion	bool	no	true	短いプロンプトを自動改書。細かい制御が必要な場合は無効化
seed	int	no	—	0..2^31-1。バリエーション生成時に再利用

呼び出し方法

デフォルト（5秒 1080p 16:9、プロンプト拡張有効）:

runcomfy run wan-ai/wan-2-7/text-to-video \
  --input '{"prompt": "<user prompt>"}' \
  --output-dir <absolute/path>

オーディオドリブンリップシンク（自分のトラックを使用）:

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>

細かい制御（自動拡張なし）:

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>

プロンプティング — 実際に機能するもの

カメラとモーションを平易な英語で。 「Slow dolly in」「locked tripod, low angle」「handheld follow」「crane move from above」などです。ショットを最初に記述します。

1 クリップあたり 1 つの主要アクション。 複数の競合するアクションを積み重ねないでください。1 つのビートを選びます。「she turns, then smiles」であって「she turns AND smiles AND a bus passes AND...」ではありません。

具体的な問題には negative_prompt を使用。 良い例：「no subtitles, no watermark, no flicker」。悪い例（曖昧）：「no bad lighting」。

プロンプト拡張はデフォルトで有効。 短いプロンプトはモデルによって自動改書されます。簡潔なプロンプトまたは文字通りのプロンプト（例：ブランドに厳密な広告コピー）の場合は、enable_prompt_expansion: false で無効化します。

オーディオ仕様は重要。 audio_url は 3～30秒、≤15MB、WAV/MP3 である必要があります。範囲外のファイルは拒否されます。オーディオ長をクリップ長に合わせます。

シードを反復処理。 同じプロンプトのバリエーション全体で一貫性のある出力が必要な場合、同じシードを再利用します。本当のバリエーションが必要な場合、シードを変更します。

アンチパターン:

• 静止フレーム記述 → モーションが曖昧になります。
• 曖昧なネガティブプロンプト（「no bad colors」）→ 無視されます。
• 3～30秒 / 15MB / WAV-MP3 仕様外のオーディオ → 拒否されます。
• 5000 文字 / 1500 トークン超のプロンプト → 出力品質が低下します。

得意な領域

ユースケース	Wan 2.7 が優れている理由
カスタムボイスオーバー付きのリップシンク広告	audio_url が自分のトラックを受け入れます
多言語ダブバージョン	同じプロンプト、言語ごとに異なる audio_url
マルチリファレンスモーション制御	最大 5 つのリファレンスメディア（画像 / ビデオ / 音声）
スムーズなトランジション + モーション物理演算	強いな物理認識モーションプライア
ネガティブプロンプト付きクリーン出力	ターゲット指向の問題除外

サンプルプロンプト（強い結果を生み出すことが検証済み）

ページ例（製品ショーケース）:

Cinematic medium shot of a product on a marble surface, soft studio
lighting, slow subtle camera push-in, shallow depth of field, premium
commercial look, crisp 1080p detail

リップシンク話者（audio_url 付き）:

Medium close-up of a confident spokesperson in a softly-lit recording
booth, leaning slightly toward the camera, locked tripod, shallow depth
of field, warm key light from camera-left.

垂直プラットフォームネイティブ:

9:16 vertical short. A barista pulls a single espresso shot, steam
rising into morning sun, rich crema slowly forming. Close-up handheld,
shallow DOF, warm cafe ambience.

制限事項

• 期間上限 15 秒。 より長いナレーションの場合は、複数の呼び出しを繋ぎます。
• ネイティブ 4K なし — 1080p が上限です。
• アスペクト比 — ドキュメント化された 5 つの値のみ。
• オーディオ仕様 — 3～30秒、≤15MB、WAV/MP3 のみ。
• リファレンスメディア上限 5（画像 + ビデオ + 音声の合計）。
• 通過中音声生成（別のオーディオトラックなし）の場合は Seedance 2.0 Pro を使用 — Wan はオーディオを生成するのではなく受け入れます。

終了コード

コード	意味
0	成功
64	不正な CLI 引数
65	不正な入力 JSON / スキーマ不一致
69	アップストリーム 5xx
75	再試行可能：タイムアウト / 429
77	サインインしていないか、トークンが拒否されました

完全なリファレンス：docs.runcomfy.com/cli/troubleshooting。

動作方法

このスキルは runcomfy run wan-ai/wan-2-7/text-to-video をスキーマに一致する JSON 本文で呼び出します。CLI は https://model-api.runcomfy.net/v1/models/wan-ai/wan-2-7/text-to-video に POST し、リクエストをポーリングし、結果を取得し、任意の .runcomfy.net/.runcomfy.com URL を --output-dir にダウンロードします。Ctrl-C は終了前にリモートリクエストをキャンセルします。

セキュリティとプライバシー

• トークンストレージ: runcomfy login は API トークンを ~/.config/runcomfy/token.json に mode 0600（所有者のみ読み取り/書き込み）で書き込みます。CI / コンテナで完全にファイルをバイパスするには RUNCOMFY_TOKEN 環境変数を設定します。
• 入力境界: ユーザープロンプトは --input 経由で JSON 文字列として CLI に渡されます。CLI はプロンプトをシェル展開しません。JSON 本文を HTTPS 経由で Model API に直接送信します。プロンプト内容からのシェルインジェクション面がありません。
• サードパーティコンテンツ: 渡した画像 / マスク / ビデオ URL は、CLI がマシンで取得するのではなく RunComfy モデルサーバーで取得されます。外部 URL を信頼されていないものとして扱います。画像ベースのプロンプトインジェクションは、任意の画像編集/ビデオ編集モデルの既知リスクです。
• アウトバウンドエンドポイント: model-api.runcomfy.net（リクエスト送信）と *.runcomfy.net / *.runcomfy.com（生成出力のダウンロードホワイトリスト）のみ。テレメトリーなし、コールバックなし。
• 生成ファイルサイズ上限: CLI は単一ダウンロードが 2 GiB を超える場合、悪意のあるまたは暴走したモデル出力からのディスク満杯を防ぐために中止します。