
引言
图像模型的评价标准,这几年换了一次。早期看"像不像""好不好看",现在看三件事:字写不写得对、人还是不是同一个人、指令听不听得懂。前两条决定了它能不能进商业流程,第三条决定了它好不好用。
Wan-Image(万相 2.7 图像生成与编辑,模型 ID wan2.7-image)正是在这三条上做了加强。它不只做文生图,还支持组图、图生组图、图像编辑、多图参考与交互式编辑,价格 0.2 元一张。下面从定位、特征、能力、场景与计费五个层面完整介绍。详情👉访问阿里云百炼大模型服务平台页面 了解。


一、模型定位:图像生成与编辑一体化
官方描述是"万相2.7-图像生成与编辑",六个能力并列:文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑。这六个词其实说明了一件事——它不想只当"出图工具",而是想当"出图+改图"的完整链路。
这个定位的现实意义很大。过去做一套电商素材,流程是:文生图出一张 → 换别的工具改背景 → 再换工具换模特 → 再调色。每换一个工具,主体一致性就掉一次。现在从生成到编辑在同一个模型内完成,主体与风格能守住。
同代还有旗舰版 wan2.7-image-pro,价格 0.5 元/张,主打更高分辨率(文生图最高 4096×4096)与更强控制。两者的分工很清楚:
| 维度 | wan2.7-image | wan2.7-image-pro |
|---|---|---|
| 价格 | 0.2 元/张 | 0.5 元/张 |
| 最大分辨率(文生图) | 2048×2048 | 4096×4096 |
| 最大分辨率(编辑) | 2048×2048 | 2048×2048 |
| 最大输出数 | 4(连续 12) | 4(连续 12) |
| 调色盘/品牌色 | 支持 | 支持 |
| 定位 | 主力、速度更快 | 高分辨率、精细控制 |
详情👉访问阿里云百炼大模型服务平台页面 了解。


二、核心特征
第一,文字渲染更强。 这是它最实用的一条升级。图里要写字——海报标题、价格标签、包装文案——过去是图像模型的重灾区,错字、糊字、乱码随处可见。官方明确写了"在文字渲染……上有更强表现"。
第二,主体一致性更强。 同一角色、同一商品、同一场景,在多张图之间保持一致。这是"能不能做成套素材"的前提。官方示例就是"同一只橘猫的四季影像",要求外形在所有图中保持一致。
第三,复杂指令遵循更强。 一段长 prompt 里塞了场景、光线、构图、服装、姿态、禁止项,模型能不能全听进去。这条能力决定了"提示词工程师"这个岗位到底存不存在。
第四,组图能力(sequential)。 一次请求可出多张相关联的图,最多 4 张(连续场景 12 张)。这不是"批量跑 4 次",而是"一次生成就带着叙事连贯性"——做分镜、做套图、做多角度商品图,差别很大。
第五,多图参考。 输入可以是多张图(Pro 版最多 9 张),模型据此生成新图。用途包括:风格迁移、元素组合、角色形象延展。
第六,交互式编辑。 支持基于区域/边界框的局部修改。改一处不影响全局,这是"修图"和"重画"的本质区别。
第七,支持微调。 可用 SFT-LoRA 在自有数据上训练,官方训练价为 0.08 元/千 Token,部署免费,调用按基础模型标准价计费。对需要固定风格、固定 IP 形象的品牌,这条是刚需。
第八,能力边界。 不支持 Function Calling、结构化输出、联网搜索、前缀续写、上下文缓存、批量推理。它是图像引擎,不是对话模型。
详情👉访问阿里云百炼大模型服务平台页面 了解。


三、能力拆解:能做好什么,做不好什么
做得好:
- 电商主图与详情图:商品一致、多角度、可换背景。
- 营销海报:中文标题渲染、品牌色可控。
- 分镜与套图:组图模式一次出多张连贯画面。
- IP 形象延展:同一角色的多场景表达。
- 包装与 VI 应用:品牌色盘约束下的批量延展。
- 旧图改造:局部编辑、扩图、换元素。
- 风格迁移:多图参考带入指定风格。
不擅长或需注意的:
- 需要 4K 以上成品(主力版最高 2K,Pro 版文生图可到 4K);
- 需要极致低价的海量出图(另有 z-image-turbo,价格约 1/5);
- 需要模型直接输出文案或做决策(只出图);
- 需要实时交互式连续生成(异步任务制,RPM 300、并发 5);
- 需要绝对精准的文字排版(文字渲染强不等于排版引擎,密集小字仍需实测)。
一个必须先接受的事实:图像生成是概率性的。 同一个 prompt 跑三次会出三张不同的图。所以真正的生产效率不来自"一次成功",而来自"能快速筛、能局部改"。组图+编辑这两条能力,正是为"快速迭代"设计的——先出四张选一张,再对选中的那张局部修。
四、适用场景
| 场景 | 关键能力 | 说明 |
|---|---|---|
| 电商主图 | 主体一致性、编辑 | 一套图保持同款同色 |
| 详情页配图 | 组图、文字渲染 | 一次出多张连贯画面 |
| 营销海报 | 文字渲染、调色盘 | 中文标题要写对 |
| 短视频分镜 | 组图(连续 12) | 叙事连贯性 |
| IP/角色延展 | 多图参考、微调 | 形象固定 |
| 品牌物料 | 调色盘、LoRA | 品牌色不跑偏 |
| 老图翻新 | 交互式编辑 | 局部改、不重画 |
| 海量低价值出图 | — | 改用更低价型号 |
详情👉访问阿里云百炼大模型服务平台页面 了解。


五、计费解析:按张计费,与分辨率无关
计费规则非常干净:输入不计费,按成功生成的图像张数计费。
| 计费项 | 华北2(北京) | 国际(新加坡等) |
|---|---|---|
| 图片生成(wan2.7-image) | 0.2 元/张 | 0.224826 元/张 |
| 图片生成(wan2.7-image-pro) | 0.5 元/张 | 0.562065 元/张 |
| 限流 | RPM 300 | RPM 300 |
| 并发(参考) | 5 | 5 |
| 异步队列上限(参考) | 500 任务 | 500 任务 |
五个必须记住的结论:
第一,价格与分辨率、宽高比无关。 这是全篇最重要的一条:出 1K 和出 2K,都是 0.2 元。既然如此,就默认出 2K——同样的钱换更高分辨率的资产,后期裁切、缩放、印刷都有余量。出 1K 是纯浪费。
第二,费用 = 单价 × 成功张数,失败不计费。 请求失败不产生费用,也不消耗额度。这条对批量跑图很友好——失败重试不会额外烧钱。
第三,n 直接影响账单。 关闭组图时 n 是生成张数(1–4);开启组图时 n 是最大张数(1–12,实际由模型决定)。n=12 一次最多 12 张,即 12×0.2=2.4 元/次。调参前先算清一次要花多少。
第四,Pro 版是 2.5 倍价格换 4K 与更强控制。 0.5 vs 0.2。只有"确实需要 4K"或"需要更精细的品牌色/多图编辑"时才值;日常素材 2K 足够。
第五,微调是按训练量算,不是按张算。 训练 0.08 元/千 Token,部署免费,调用仍按基础模型价。以官方示例口径估算(200 步、1K 文生图),一次微调约 204.8 元——这个成本对品牌方很低,对一次性需求则偏高。
省钱五个实招:
- 默认 2K:同价,不选白不选。
- 先组图后精修:一次出 4 张选最好的,再对选中那张做局部编辑,比反复重跑便宜。
- 关掉不必要的思考模式:
thinking_mode默认开启,会增加耗时;常规出图可关。 - 长尾需求换低价模型:不需要编辑、只要出图的,用更便宜的型号。
- 失败重试不心疼:失败不计费,网络与超时问题放心重试。
详情👉访问阿里云百炼大模型服务平台页面 了解。


六、接入示例
文生图(异步任务制):
import os, requests, json
H = {
"Authorization": f"Bearer {os.environ['DASHSCOPE_API_KEY']}",
"Content-Type": "application/json",
"X-DashScope-Async": "enable"}
payload = {
"model": "wan2.7-image",
"input": {
"prompt": "极简风格咖啡包装,正面写“冷萃”三个字,深棕配色"},
"parameters": {
"size": "2K", "n": 1, "thinking_mode": False},
}
r = requests.post("[https://dashscope.aliyuncs.com/api/v1/services/aigc/](https://dashscope.aliyuncs.com/api/v1/services/aigc/)"
"text2image/image-synthesis", headers=H, json=payload)
print(r.json()["output"]["task_id"])
组图模式(一次出多张连贯画面):
payload["parameters"].update({
"enable_sequential": True,
"n": 4, # 最多 12;实际张数由模型决定
"size": "2K",
})
品牌色控制(仅非组图可用,3–10 色,推荐 8 色):
payload["parameters"]["color_palette"] = [
{
"hex": "#1F3A5F", "ratio": "0.45"},
{
"hex": "#C9A227", "ratio": "0.25"},
{
"hex": "#F5F1E8", "ratio": "0.30"},
]
查询任务结果:
task_id = "上一步返回的 task_id"
url = f"[https://dashscope.aliyuncs.com/api/v1/tasks/{task_id}](https://dashscope.aliyuncs.com/api/v1/tasks/{task_id})"
while True:
j = requests.get(url, headers={
"Authorization": H["Authorization"]}).json()
st = j["output"]["task_status"]
if st in ("SUCCEEDED", "FAILED"):
print(st, j["output"].get("results"))
break
详情👉访问阿里云百炼大模型服务平台页面 了解。


七、使用注意事项
第一,"与分辨率无关"要用足。同价的话,1K 没有任何理由。
第二,组图的 n 是上限不是承诺。实际张数由模型决定且不超过 n,但计费按成功张数算,跑多了就是多花钱。
第三,thinking_mode 只在特定条件下生效。仅"关闭组图且无图片输入"时才起作用,开启会提升质量但拉长耗时。
第四,调色盘只在非组图模式可用。要品牌色约束就不开组图,二者互斥。
第五,文字渲染强 ≠ 排版引擎。密集小字、多语言混排、精确对齐仍需实测;海报类任务建议先跑小样。
第六,微调要先想清楚"是否长期用"。一次训练约两百元起,部署免费但调用照常计费;一次性项目不划算。
第七,涉及人物形象、品牌标识、艺术风格参考时,注意肖像权、商标权与版权边界;能力可用不等于可商用。
结语
Wan-Image 的取向很清楚:把"生成"和"编辑"合到一条链路里,用组图解决连贯性,用多图参考解决一致性,用局部编辑解决返工。价格上也给了两个很实用的规则——按成功张数计费、与分辨率无关。前者让失败重试没有心理负担,后者意味着 2K 才是默认选项。判断要不要用它,看业务形态就够了:是"一次出一张就完事",还是"一套图要改很多轮"? 后者才是它真正的主场。