Wan 2.7 es uno de los modelos de texto a video con IA más capaces que hay ahora mismo. Convierte prompts en lenguaje natural en clips de video completos de hasta 1080p, con movimiento cinematográfico y render realista de las escenas. Este artículo explica cómo funciona el modelo, qué hace diferente cada una de las tres versiones de Wan 2.7 y cómo escribir prompts que den los mejores resultados.
Wan 2.7 hace algo que todavía resulta un poco irreal: escribes una frase y el modelo genera un clip de video. No un boceto aproximado ni una sucesión de fotogramas fijos, sino una secuencia de movimiento completa, con desplazamientos realistas, una progresión de fotogramas correcta y un render cinematográfico a 1080p. La distancia entre "escribí esto" y "aquí tienes un video" se ha reducido tanto que el texto a video empieza a parecerse a una herramienta de producción real y no a una demo experimental.
Este artículo explica qué es Wan 2.7, cómo funcionan sus tres versiones (T2V, I2V y R2V), cómo usarlas en PicassoIA y cómo escribir prompts que produzcan resultados que merezca la pena conservar.
Wan 2.7 es un modelo de difusión de video. Usa un proceso parecido al de la difusión de imágenes (refinar progresivamente el ruido hasta convertirlo en información visual coherente), pero aplicado a una secuencia de fotogramas a lo largo del tiempo. El modelo tiene en cuenta a la vez el contenido espacial (cómo se ven los objetos y las escenas) y la coherencia temporal (cómo deben moverse esos objetos de un fotograma al siguiente).
La entrada es un prompt de texto. La salida es un clip de video.
Lo que hace importante a la versión 2.7 es la combinación de escala del modelo, calidad de la síntesis de movimiento y resolución de salida. Mientras que las versiones anteriores de Wan llegaban como máximo a 720p, Wan 2.7 T2V genera salida a 1080p. Ese salto de resolución tiene consecuencias prácticas: el material aguanta bien cuando se integra en producciones, presentaciones o contenido para redes sociales, sin la calidad suave y descolorida que lastraba a las generaciones de menor resolución.
Cuando envías un prompt de texto a Wan 2.7, el modelo codifica tus palabras en una representación vectorial de alta dimensión. Esa codificación condiciona un proceso de difusión con eliminación de ruido que genera una secuencia de video en espacio latente. Después, un decodificador de video convierte los fotogramas latentes en datos de píxeles reales. El proceso produce varios fotogramas que, reproducidos en secuencia, crean un movimiento continuo.
El modelo se entrenó con un corpus masivo de datos de video. Ha interiorizado cómo se comportan los objetos a lo largo del tiempo: cómo camina una persona, cómo fluye el agua, cómo se despliegan los paneos de cámara en segundos. Tu prompt de texto orienta la generación hacia sujetos, escenarios y movimientos concretos. El modelo completa el resto con lo que aprendió durante el entrenamiento.
Tu prompt puede especificar:
Cuanto más precisas sean tus palabras, más reflejará el resultado lo que quieres. Los prompts vagos, como "una persona en un parque", producen resultados genéricos aceptables. Los prompts específicos que describen el movimiento, la luz y el comportamiento de la cámara se acercan mucho más a lo que de verdad buscas.
El lanzamiento de Wan 2.7 no es una herramienta única. Es un conjunto de tres versiones diferentes, cada una pensada para un flujo de trabajo creativo distinto.
Wan 2.7 T2V es la versión central de texto a video. Escribes un prompt y genera un video. No hace falta ninguna imagen de entrada. El modelo sintetiza tanto el contenido visual como el movimiento a partir únicamente de tu descripción textual.
Es la herramienta adecuada cuando partes de cero: sin imágenes de referencia, sin material previo, solo una idea que necesita convertirse en un clip de video. Con salida a 1080p, Wan 2.7 T2V ofrece una resolución lista para producción que aguanta en la mayoría de contextos reales, desde publicaciones en redes sociales hasta material para presentaciones.
Wan 2.7 I2V toma una imagen existente como primer fotograma y genera un video que avanza animando desde ese punto de partida. El prompt de texto controla después qué movimiento y qué acción se desarrollan a partir de esa imagen inicial.
Esto te da un control preciso sobre el punto de partida visual. Si ya tienes una imagen fija (de una sesión de fotos, de un generador de imágenes con IA o de cualquier otra fuente), Wan 2.7 I2V tiende un puente entre lo estático y lo que se mueve. El movimiento que genera respeta el contenido de la imagen original y sigue la dirección textual que le des.
Wan 2.7 R2V amplía el concepto de I2V específicamente a la animación de sujetos. En lugar de animar una escena completa a partir de un primer fotograma, R2V se centra en animar un sujeto concreto (una persona, un objeto o un personaje) a partir de una imagen de referencia de ese sujeto. El modelo capta la identidad y la apariencia de la referencia y genera un video en el que ese sujeto concreto se mueve según el prompt de texto.
Esto hace que Wan 2.7 R2V sea especialmente útil para contenido basado en personajes, donde importa la coherencia visual. La misma persona o el mismo personaje tiene que aparecer en varios clips generados sin que haya deriva visual entre ellos.
PicassoIA da acceso directo desde el navegador a Wan 2.7 T2V sin configuración de API, instalación local ni requisitos de cómputo. Así se usa:
Paso 1: Abre la página del modelo
Ve a la página de Wan 2.7 T2V en PicassoIA. Verás de inmediato el campo de prompt y los controles de parámetros disponibles.
Paso 2: Escribe tu prompt
Este es el paso más importante. Describe con detalle lo que quieres que muestre el video. Incluye un sujeto claro con una descripción física concreta, la acción que ocurre durante la duración del clip, el entorno y su carácter de iluminación, y el ángulo de cámara con cualquier movimiento.
💡 Consejo para el prompt: describe el movimiento en orden cronológico. Empieza por el estado del primer fotograma y luego describe lo que cambia. "Una mujer se sienta a una mesa de café y luego gira lentamente hacia la cámara mientras la luz de la mañana le cruza la cara" le da al modelo un arco temporal claro que seguir.
Paso 3: Ajusta los parámetros
Configura la resolución en 1080p si la opción está disponible. Deja la relación de aspecto por defecto, salvo que tu contenido necesite un formato distinto. La duración por defecto es un clip corto, que funciona bien para la mayoría de casos en la primera generación.
Paso 4: Genera y revisa
Envía la generación. Wan 2.7 T2V procesa bastante más rápido que las versiones anteriores del modelo. Cuando el clip esté listo, revisa la calidad del movimiento y la fidelidad al prompt. Si algún elemento no coincide con lo que buscas, ajústalo en el prompt y vuelve a generar.
Paso 5: Descarga o continúa
Descarga el clip directamente desde PicassoIA. Si estás construyendo una pieza más larga, genera clips adicionales con iluminación y descripciones de escena coincidentes, y después móntalos en el editor de video que prefieras.
La diferencia de calidad entre una generación débil y una buena con Wan 2.7 depende casi por completo del prompt. El modelo tiene la capacidad. El prompt es lo que lo dirige.
Un prompt sólido de texto a video suele tener cinco componentes:
| Componente | Función | Ejemplo |
|---|---|---|
| Sujeto | Quién o qué aparece en el clip | "Un hombre con un abrigo de lana oscuro" |
| Acción | Qué ocurre a lo largo del tiempo | "cruza una calle empedrada mojada por la lluvia" |
| Entorno | Escenario y contexto espacial | "callejón vacío de noche, farola encima" |
| Iluminación | Fuente, dirección y calidad | "una única luz cálida de sodio desde la derecha" |
| Cámara | Tipo de plano y movimiento | "travelling lento de seguimiento, objetivo de 35 mm" |
Combina los cinco y obtienes: "Un hombre con un abrigo de lana oscuro cruza una calle empedrada mojada por la lluvia en un callejón vacío de noche, iluminado por una única lámpara cálida de sodio desde la derecha, travelling lento de seguimiento, objetivo de 35 mm."
Ese nivel de especificidad produce resultados que de verdad sirven, no solo resultados técnicamente correctos.
Demasiado abstracto: "Hermoso paisaje natural" le dice al modelo casi nada. ¿Qué paisaje? ¿A qué hora del día? ¿Qué se mueve? Los prompts abstractos producen resultados medios que rara vez coinciden con una intención creativa concreta.
Sin dirección de movimiento: describir solo el primer fotograma sin especificar qué acción ocurre durante la duración del clip deja al modelo adivinando. Describe siempre lo que cambia desde el inicio hasta el final del clip, aunque el movimiento sea sutil.
Indicaciones contradictorias: pedir "atmósfera oscura y melancólica" junto con "día soleado y brillante" crea contradicciones que el modelo resuelve de forma impredecible. Cada elemento de tu prompt debería reforzar la misma dirección visual.
💡 Si tu primera generación no coincide con lo que imaginas, no abandones el prompt por completo. Identifica el único elemento que falló, revisa solo ese elemento y vuelve a generar. Iterar de forma precisa es más rápido que empezar de nuevo.
La familia de modelos Wan ha evolucionado rápido. Así se compara la generación 2.7 con sus predecesoras disponibles en PicassoIA:
| Modelo | Resolución máxima | Notas |
|---|---|---|
| Wan 2.1 1.3B | 480p | Ligero, rápido, detalle limitado |
| Wan 2.1 T2V 720p | 720p | Calidad base sólida |
| Wan 2.5 T2V | 720p | Mejor coherencia de movimiento que 2.1 |
| Wan 2.6 T2V | 1080p | Mejor render de escenas, salida más limpia |
| Wan 2.7 T2V | 1080p | Mejor calidad de movimiento y salida más nítida |
El salto de 2.6 a 2.7 se nota sobre todo en la calidad del movimiento más que en la resolución bruta (ambas salen a 1080p). Los objetos se desplazan por el espacio de forma más convincente. El movimiento del cuerpo humano resulta menos rígido. Las descripciones de movimiento de cámara producen resultados más suaves y creíbles. Si ya has usado Wan 2.6 T2V, la mejora de Wan 2.7 se aprecia de inmediato al pasar el mismo tipo de prompt por ambos modelos.
La mejora principal de Wan 2.7 es la coherencia temporal entre los fotogramas generados. Las versiones anteriores producían clips en los que los objetos se desviaban sutilmente, se deformaban o perdían su identidad a mitad del clip. Wan 2.7 mantiene los sujetos unidos durante toda la duración, con una degradación visual notablemente menor. El movimiento rápido (correr, objetos que caen, paneos de cámara) también muestra menos artefactos que en las versiones anteriores de la serie Wan.
Esta mejora de coherencia importa sobre todo en clips con sujetos humanos. Las proporciones del cuerpo, la estructura facial y los detalles de la ropa se mantienen estables a lo largo del clip, algo con lo que los modelos Wan anteriores tenían problemas en secuencias más largas o con movimiento rápido.
Wan 2.7 es lo bastante versátil como para servir a varios flujos de trabajo creativos distintos:
Contenido corto para redes sociales: plataformas como Instagram, TikTok y YouTube Shorts se construyen en torno a clips de entre 5 y 60 segundos. Wan 2.7 T2V genera clips cortos que pueden montarse en una publicación terminada sin grabar un solo fotograma de metraje real.
Visuales para propuestas y presentaciones: cuando necesitas un visual que acompañe una presentación y no tienes tiempo para un rodaje de producción, un clip de texto a video cubre el hueco de forma limpia. Describe el visual que necesitas, genéralo e insértalo en tus diapositivas.
Storyboards en movimiento: en lugar de bocetos estáticos, Wan 2.7 I2V te permite animar una imagen conceptual para obtener una vista previa de movimiento aproximada. Usa una ilustración conceptual o una foto de referencia como fotograma de origen y escribe la acción prevista como prompt.
Contenido basado en personajes: Wan 2.7 R2V permite a los creadores definir la identidad visual de un personaje y animar esa referencia concreta en varios clips, manteniendo la continuidad visual sin necesidad de repetir rodajes ni ajustar un modelo personalizado.
Visualización de productos: describe un producto en un escenario concreto con una iluminación específica, y Wan 2.7 T2V genera un clip que lo muestra en contexto. Es útil para contenido de comercio electrónico, anuncios en redes sociales y presentaciones internas de producto donde no hay presupuesto para una sesión de fotos.
Wan 2.7 no es la única opción en PicassoIA. Según tus necesidades, otros modelos pueden encajar mejor en casos de uso concretos:
Cada modelo tiene un perfil de fortalezas distinto. Wan 2.7 T2V se sitúa en la intersección entre resolución y calidad de movimiento. Produce salida a 1080p en la que el movimiento en sí resulta creíble, una combinación que pocos modelos ofrecen de forma constante.
Ejecutar Wan 2.7 en local requiere mucha potencia de cómputo, del tipo de configuración con GPU que la mayoría de la gente no tiene a mano. PicassoIA se encarga de la infraestructura, así que obtienes la misma calidad de modelo sin la carga del hardware. La interfaz funciona desde el navegador, los resultados se descargan directamente y el catálogo completo de modelos (con categorías de texto a video, generación de imágenes, síntesis de voz y edición de video) está en un solo lugar.
💡 PicassoIA tiene más de 87 modelos de texto a video disponibles, incluidas las tres versiones de Wan 2.7. Puedes cambiar entre modelos para comparar resultados sin salir de la plataforma.
La forma más rápida de entender lo que Wan 2.7 puede hacer es usarlo con un prompt real que te importe. La teoría solo llega hasta cierto punto. El comportamiento práctico del modelo, su respuesta a un lenguaje concreto y la forma en que maneja distintos tipos de escena solo se aclaran con el uso directo.
Empieza con Wan 2.7 T2V en PicassoIA. Escribe un prompt específico con la estructura de cinco componentes de este artículo: sujeto, acción, entorno, iluminación y cámara. Revisa el resultado, afina el prompt y vuelve a generar. Después de tres o cuatro iteraciones sobre la misma descripción de escena, tendrás una idea clara de cómo responde el modelo a tu dirección creativa.
Si ya tienes imágenes con las que trabajar, prueba Wan 2.7 I2V. Sube una imagen como primer fotograma y escribe el movimiento que quieres que se desarrolle desde ese punto de partida. Los resultados de I2V suelen ser los más satisfactorios en el primer intento, porque le das al modelo un ancla visual concreta sobre la que trabajar.
Para proyectos más largos o contenido que requiera una apariencia de personaje coherente en varios clips, Wan 2.7 R2V merece un hueco en tu flujo de trabajo. Resuelve uno de los problemas más difíciles de la producción de video con IA: mantener reconocible al mismo sujeto en varios clips generados sin ajustar un modelo personalizado.
PicassoIA aloja la suite completa de Wan 2.7 junto con decenas de otros modelos de generación y edición de video. Sea cual sea tu punto de partida (solo texto, una imagen de referencia o un sujeto existente), hay un camino de flujo de trabajo que te lleva a un clip de video terminado. Visita picassoia.com/en/all-models para ver todo lo disponible y empieza con la versión de Wan 2.7 que mejor encaje en tu proyecto actual.
Elige tu idioma
