Vorhandenes Material umbauen und eigene Bildebenen erzeugen mit Wan 2.7

Ein bestehendes Video per Anweisung ändern, Auflösung und Seitenverhältnis der Zielplattform vorgeben oder aus einem geprüften Skript eine Mehrschnitt-Sequenz erzeugen: Wan 2.7 liefert bei VideoAI ein MP4 (H.264) in 720P oder 1080P mit 30 fps, dessen Ton synchron zum Bild entsteht — 2 bis 15 Sekunden bei Text- und Bild-zu-Video, 2 bis 10 Sekunden bei Referenz-zu-Video und Videoschnitt. Diese Website ist unabhängig und steht in keiner offiziellen Verbindung, Partnerschaft, Lizenz- oder Empfehlungsbeziehung zu Alibaba, dem Tongyi Lab oder Alibaba Cloud.

Sequenzen, die in diesem Markt entstehen

Erklärstrecken mit selbst gesetztem Erst- und Endbild, eigens erzeugte Bildebenen für Sport- und Meinungsformate statt Fundmaterial, Messe-Rückblicke aus Standfoto und Handy-Clip in Quer- und Hochformat, Unterweisungssequenzen aus einer Betriebsanweisung, umgebaute Twitch-Mitschnitte für Shorts sowie Animationsfolgen mit gleichbleibender Figur und fest besetzter Stimme. Die Beispiele zeigen, welche Art von Ergebnis möglich ist; ein identisches Resultat sichern sie nicht zu.

Neon-Horizont-Reveal

Markenpromo

Kirschkuchen-Teaser

Produktfilm

Cyber-City-Launch

Markenpromo

Begegnung im goldenen Feld

Cinematic Promo

Actionheldin-Reveal

Entertainment-Promo

Convenience-Store-Smash

Markenpromo

Helm-Nahaufnahme

Produktfilm

Sunset-Café-Promo

Lifestyle-Promo

Vier Fähigkeiten von Wan 2.7 im Detail

Die Videolinie besteht aus vier Modellen mit klarer Arbeitsteilung: Instruktions-Editing für vorhandenes Material, Text-zu-Video mit Formatvorgabe, Bild-zu-Video mit Kontrolle über Anfang und Ende, Referenz-zu-Video für Figuren, die über Folgen tragen müssen.

Instruktions-Editing und Videotransfer

Ein Clip, den Sie bereits haben, wird per Anweisung geändert — in Teilen oder im gesamten Bild: störender Hintergrund getauscht, ein Element über ein Referenzbild ersetzt, eine Kamerafahrt, ein Effekt oder eine Bewegung aus einer Referenz nachgebaut. Die ursprüngliche Bewegung des Mitschnitts bleibt dabei erhalten, es wird nichts nachgedreht. Ob das Ergebnis Ton hat oder still bleibt, richtet sich nach dem Eingangsvideo. Dauer: 2 bis 10 Sekunden.

Auflösungsstufen und Seitenverhältnis

720P oder 1080P, dazu ein frei wählbares Seitenverhältnis: Text-zu-Video bringt Auflösungsstufen und Formateinstellungen mit, die auf die Veröffentlichungsanforderungen unterschiedlicher Plattformen ausgelegt sind. Dieselbe Sequenz läuft damit als 16:9 auf YouTube DE, LinkedIn und im Schulungsordner und als 9:16 im Reel, auf TikTok und in Shorts, ohne dass ein zweiter Schnittauftrag nötig wird. Eingaben sind Text und Audio; erzählt wird in VideoAI über mehrere Einstellungen hinweg, mit synchronem Ton.

Erstbild, Endbild, Fortsetzung

Bild-zu-Video kennt drei kontrollierte Einstiege in vorhandenes Material. Sie animieren ein Standfoto, ein Katalogbild oder einen einzelnen Frame. Sie setzen Start und Ziel selbst — Erst- und Endbild — und lassen nur den Weg dazwischen generieren, etwa von der Maschine vor dem Rüsten zur Maschine danach. Oder Sie führen einen bestehenden Clip fort, auf Wunsch mit Endbild-Kontrolle. Angenommen werden Text, Bild, Audio und Video; die Dauer liegt bei 2 bis 15 Sekunden.

Subjektreferenz mit eigener Stimmfarbe

Aussehen und Klang einer Figur tragen über Einstellungen und Folgen hinweg: Referenz-zu-Video legt jede Figur als Subjektreferenz fest, und jeder Entität lässt sich eine eigene Stimmfarbe zuweisen — eine Besetzung statt einer Nachvertonung. Auch eine einzelne mehrteilige Storyboard-Kachel genügt als Eingabe, um daraus direkt eine szenisch geordnete Sequenz zu bekommen. Eingaben: Text, Bild, Video, Audio. Dauer: 2 bis 10 Sekunden.

So funktioniert Wan 2.7 in drei Schritten

Vom Ausgangsmaterial über die Anweisung bis zur Datei auf der Timeline — mit dem Detail, das beim ersten Versuch meist fehlt.

SCHRITT 01

Ausgangsmaterial wählen

Liegt nur ein Text vor — ein Skript, eine Redaktionsfassung, eine Betriebsanweisung —, geht er an das Text-zu-Video-Modell. Ein Foto, ein Standbild, ein einzelner Frame oder ein Clip, der weitergeführt werden soll, geht an Bild-zu-Video. Eine Figur, die konstant bleiben muss, oder eine Storyboard-Kachel gehört zu Referenz-zu-Video, vorhandenes Videomaterial zum Umbau an das Editing-Modell. Für den ersten Versuch reicht der Text allein: Er ergibt bereits ein Video mit Ton, eigenes Bildmaterial ist dafür nicht erforderlich.

Start Now
SCHRITT 02

Anweisung schreiben, Ausgabe festlegen

Beschreiben Sie im Prompt die Einstellungen, den Dialog und die deutsche Sprachspur. Beim Editing formulieren Sie stattdessen genau, was geändert wird und was unangetastet bleibt. Danach setzen Sie Auflösung — 720P oder 1080P — und das Seitenverhältnis der Zielplattform. Dauern werden in ganzen Sekunden angegeben: 2 bis 15 Sekunden bei Text- und Bild-zu-Video, 2 bis 10 Sekunden bei Referenz-zu-Video und Editing. Dasselbe Skript lässt sich ohne Umschreiben in Quer- und Hochformat ausgeben.

Start Now
SCHRITT 03

Ergebnis übernehmen und schneiden

Die Datei kommt als MP4 mit H.264 und 30 fps und liegt ohne Konvertierung in Premiere, Resolve oder CapCut auf der Timeline. Dort entstehen Tempo, Untertitel und das Branding für Kanal oder Firma. Der Ton steckt bereits in der Datei; nur beim Editing richtet sich Ton oder Stille nach dem Eingangsvideo.

Start Now

Weitere Modelle entdecken

Entdecke weitere KI-Modelle für Bild- und Videoerstellung.

GPT-Image-2

GPT-Image-2

Seedance 2.0

Seedance 2.0

Nano Banana Pro

Nano Banana Pro

Kling 3

Kling 3

Kling 2.6

Kling 2.6

Kling 2.5

Kling 2.5

Hailuo

Hailuo

PixVerse

PixVerse

Nano Banana 2

Nano Banana 2

Flux

Flux

Fangen Sie beim Material an, das schon da ist

Fangen Sie beim Material an, das schon da ist

Eine geprüfte Skriptfassung, die eine eigene Bildebene braucht. Ein Standfoto von der Messe, das sich bewegen soll. Eine Betriebsanweisung, aus der eine Schulungssequenz wird. Ein Prozess, dessen Anfang und Ende feststehen. Ein Mitschnitt, der umgebaut gehört. Eine Figur samt Stimme, die eine Serie tragen muss. Für jeden dieser Einstiege gibt es in VideoAI ein passendes Modell der Videolinie; die Konditionen unterscheiden sich je nach Anbieter.

Jetzt mit VideoAI loslegen

Häufige Fragen vor dem ersten Projekt

Was ist Wan 2.7, wer steckt dahinter — und ist das hier die offizielle Seite?

Wan 2.7 ist ein Modell zur Videogenerierung aus dem Tongyi Lab von Alibaba, veröffentlicht im April 2026. Die Videolinie umfasst vier Modelle: Text-zu-Video, Bild-zu-Video, Referenz-zu-Video und Videoschnitt. Und zur zweiten Hälfte der Frage: Nein. Diese Website ist unabhängig und hat keine offizielle Verbindung, Partnerschaft, Lizenz oder Empfehlung vonseiten des Entwicklers.

Wie funktioniert Wan 2.7 konkret, wenn ich nur ein Skript habe?

Der Text geht an das Text-zu-Video-Modell, und daraus entsteht eine Sequenz über mehrere Einstellungen hinweg, deren Sprachspur bereits synchron im Bild liegt. Sie geben zusätzlich Auflösung und Seitenverhältnis vor, damit die Datei zum Zielkanal passt. Ein eigenes Bild müssen Sie dafür nicht liefern — genau das macht den Einstieg für Redaktionen und Ausbilder kurz, deren Vorlage ohnehin ein Textdokument ist.

Welche Auflösung, welche Länge, welches Dateiformat — geht auch 4K?

720P oder 1080P, ausgegeben als MP4 mit H.264-Codierung und 30 fps. 4K ist auf dieser Seite nicht möglich: Die Videolinie geht nicht über 1080P hinaus. Die Längen werden in ganzen Sekunden angegeben und liegen bei 2 bis 15 Sekunden für Text- und Bild-zu-Video sowie bei 2 bis 10 Sekunden für Referenz-zu-Video und Videoschnitt.

Kommt die deutsche Sprachspur synchron aus dem Modell, oder muss ich sie im Schnitt unterlegen?

Sie kommt aus dem Modell. Die Videolinie erzeugt den Ton nativ zusammen mit dem Bild, synchron zur Bewegung — eine Nachvertonung im Schnitt entfällt also. Die einzige Ausnahme ist das Editing-Modell: Dort hängt es vom Eingangsvideo ab, ob das Ergebnis Ton hat oder still bleibt.

Kann ich einen Clip umbauen, den ich schon habe — Hintergrund tauschen, Kamerafahrt nachbauen?

Ja, dafür ist das Editing-Modell da. Es ändert per Anweisung Teile des Bildes oder das gesamte Bild, ersetzt Elemente über Referenzbilder und baut Bewegung, Effekt und Kamerafahrt aus einer Referenz nach; die ursprüngliche Bewegung des Ausgangsclips bleibt dabei erhalten. Ob Ton mitkommt, entscheidet das Eingangsvideo. Die Dauer liegt bei 2 bis 10 Sekunden. In VideoAI arbeitet das Modell hier auf Ihrem Material, statt eine neue Aufnahme zu verlangen.

Gibt es Wan 2.7 kostenlos, und was kostet eine Generierung?

Auf dieser Seite stehen bewusst weder feste Preise noch Generierungsdauern. Den aktuellen Wan 2.7 Preis finden Sie auf der Preisseite von VideoAI, wo Sie das Modell direkt nutzen. Credit-Tabellen von Drittplattformen sind keine offiziellen Preisangaben und sollten nicht als solche gelesen werden.

Bleibt eine Figur samt Stimme über mehrere Folgen gleich, und kann ich Anfang und Ende vorgeben?

Beides ist vorgesehen, aber über zwei verschiedene Modelle. Für die Konstanz über Folgen hinweg sorgt Referenz-zu-Video: Sie legen die Figur als Subjektreferenz fest und weisen jeder Entität eine eigene Stimmfarbe zu, sodass Aussehen und Klang von Folge 1 bis Folge 6 tragen. Anfang und Ende setzen Sie dagegen mit Bild-zu-Video — Erstbild, Erst- und Endbild sowie die Fortsetzung eines bestehenden Videos, auch mit Endbild-Kontrolle; generiert wird nur der Weg dazwischen.

Wan 2.7: Video mit synchronem Ton erzeugen - VideoAI