1实现原理 · 为什么它能做到

实现方式是「零代码 + 外部 CLI 委托」：wan-2-7/ 只有一份 SKILL.md，无脚本；运行时由宿主 agent 用 Bash 执行 `runcomfy run wan-ai/wan-2-7/text-to-video --input '<JSON>' --output-dir <path>`，把提示与参数打成 JSON 交给仓外 CLI。skill 的增量是文档化的 schema + 提示法，不是任何本地推理能力（视频生成本身在 RunComfy 云上）。

wan-2-7/SKILL.md

The skill invokes `runcomfy run wan-ai/wan-2-7/text-to-video` with a JSON body matching the schema.

git ls-tree HEAD 核实 wan-2-7/ 下只有 SKILL.md 一个 entry；同仓 31 个技能同一形态，runcomfy-cli/SKILL.md 是这套 CLI 的独立说明书。

核心差异化能力是「自带音轨驱动口型」：audio_url 字段接收 WAV/MP3（3–30s、≤15MB），由它驱动 lip-sync；不传则自动生成背景音乐。这是 Wan 2.7 相对于该家族其它视频模型的关键分界（别的模型要么自生成语音，要么无法接外部音轨）。

wan-2-7/SKILL.md

| `audio_url` | string | no | — | WAV/MP3, 3–30s, ≤15MB. **Drives lip-sync.** Omit → background music auto-generated. |

文档补了配套纪律 'Match audio length to clip duration.'，并把越界素材列为直接拒绝的反模式（'Audio outside the 3–30s / 15MB / WAV-MP3 spec → rejected.'）。

输入 schema 共 8 个字段，覆盖长度/画幅/清晰度/否定词/提示扩写/复现：prompt（~5000 字符 / ~1500 tokens）、aspect_ratio（5 值，默认 16:9）、resolution（720p/1080p，默认 1080p）、duration（2–15 秒，默认 5）、negative_prompt（≤500 字符）、enable_prompt_expansion（默认 true）、seed。

wan-2-7/SKILL.md

| `enable_prompt_expansion` | bool | no | true | Auto-rewrites short prompts. Disable for literal control. |

schema 里没有任何 image/video 参考输入字段，但同一份文档的『Where it shines』与『Limitations』却宣称支持多参考（见 verification.second_pass 的 discrepancy 项）。

提示法把视频生成拆成可操作规则：镜头与运动用平实英语前置、一条主要动作、negative_prompt 只写具体问题、默认开启的提示扩写对品牌严格文案应关闭、seed 固定做变体对照。

wan-2-7/SKILL.md

**Use `negative_prompt` for concrete issues.** Good: "no subtitles, no watermark, no flicker". Bad (vague): "no bad lighting".

这类『好/坏写法对照』是文档价值所在——把模型对否定词的容忍度写成可执行判据，避免 agent 写无效提示。

路由表让本技能与家族其它视频模型互为分流：要自生成语音走 Seedance 2.0 Pro、要榜单最佳质量走 HappyHorse 1.0、要在既有素材上做运动编辑走 Kling、要极快迭代走 LTX 2；用户显式说 Wan 则无条件路由回来。

wan-2-7/SKILL.md

| Lip-sync video to an audio track you supply | **Wan 2.7** (`audio_url`) |

同页首段还有 'If the user said "Wan" / "Wan 2.7" / "wan-ai" / "alibaba video" explicitly, route here regardless.' 建议目标里 Seedance 2.0 与 HappyHorse 1.0 在仓内均有同名技能目录；『Kling Video O1』与『LTX 2』在仓内没有同名技能（见 second_pass）。

限制与失败面明确：时长上限 15s（更长要拼接多次调用）、分辨率上限 1080p、音频规格硬约束、参考素材上限 5，以及『本模型不生成语音，只接受音轨』的边界。

wan-2-7/SKILL.md

- **For in-pass voice generation (no separate audio track), use Seedance 2.0 Pro** — Wan accepts audio rather than generating it.

『能力边界 + 该换哪个模型』成对出现，是这套 Pro Pack 文档的固定写法；退出码表（0/64/65/69/75/77）给出重试语义。

2核心能力

01文生视频（prompt ≤ ~5000 字符 / ~1500 tokens，超长会退化）

02外部音轨驱动的口型同步（audio_url：WAV/MP3、3–30s、≤15MB；省略则自动配乐）

03时长/分辨率/画幅控制（2–15 秒、720p/1080p、5 种画幅，默认 5s/1080p/16:9）

04具体问题的否定词排除（negative_prompt ≤500 字符，只写具体缺陷）

05提示扩写开关（默认开启，短提示自动改写；品牌严格文案可关掉取字面控制）

06seed 复现的变体对照（同 prompt 同 seed 比对，换 seed 取多样性）

07多语言配音变体工作流（同提示换不同 audio_url 出多语版本）

08退出码语义与重试判断（75 可重试、77 需重新登录）

3外部依赖

Kind	Dependency / Endpoint
cli	runcomfy（RunComfy 官方 CLI）
package	@runcomfy/cli（npm 全局包）
package	npx skills（skills.sh 安装器）
api	RunComfy Model API（Wan 2.7 text-to-video）
network	RunComfy 产物下载白名单
network	用户传入的音轨/参考 URL（由 RunComfy 服务器抓取，非本机）
network	RunComfy 站点/文档（文档引用，非运行时调用）
network	GitHub（技能源码链接）

4管控建议与判定依据

建议配套管控措施

面向 Agent

分级或逐次授权，建议在沙箱运行

面向管理者

审批流程、可回滚、全程审计

判定依据（文件路径与关键语句摘要）

scripts/: 执行本地脚本或命令: （skill 本体无脚本）由宿主 agent 以 Bash 执行仓外 CLI：`runcomfy run <vendor>/<model>/<endp
网络端点: 声明外部网络访问: POST https://model-api.runcomfy.net/v1/models/wan-ai/wan-2-7/text-to-video（
本地工作目录: 文件读写与工件输出: 生成产物由仓外 CLI 下载写入 `--output-dir`（文档称单文件 > 2 GiB 时中止，防磁盘灌满）

审计说明： 。按本次统一分档准则（同仓 image-edit 已取橙）：运行时驱动第三方 npm 包/CLI `@runcomfy/cli`，该 CLI 每次调用读取用户 RunComfy 凭证（~/.config/runcomfy/token.json 或 RUNCOMFY_TOKEN）——命中『调第三方 CLI/远程包且触凭证/配额』档；CLI 实现、Model API 行为、token 权限 0600、2 GiB 下载上限、退出码语义等断言全部在仓库外，本 pin 内无源码可核，按『拿不准取高一档』定橙。另：视频生成为高单价推理，每次调用按次计费，75 重试码可能放大消耗；音轨与（宣称的）参考素材出网至第三方云，未发布配音/人声的保密性由第三方决定。skill 本体纯 markdown、无脚本、无混淆、无隐藏端点，未触红档。

5第二遍独立确认

[ok] skill 目录内容 = 仅 SKILL.md — git ls-tree HEAD 与 ls -a 双向核实；仓库根仅 LICENSE + README.md + 31 个技能目录，无 scripts/、plugins/、.claude/。
[ok] 全部外部依赖条目回查调用点真实存在 — runcomfy CLI 调用点 4 处（默认/带音轨/字面控制示例）、npm 安装 1 处、npx skills 1 处、model-api 端点 1 处（How it works）、下载白名单 1 处（Security & Privacy）、文档/模型页/GitHub 链接多处，均实读命中。
[discrepancy] 『multi-reference conditioning / 最多 5 个参考素材』与输入 schema 一致 — description 写着 multi-reference conditioning，Where it shines 写 'Up to 5 reference media (image / video / voice)'，Limitations 写 'Reference media cap 5 (image + video + voice combined)'；但『Endpoints + input schema』表只有 prompt / audio_url / aspect_ratio / resolution / duration / negative_prompt / enable_prompt_expansion / seed 八个字段，没有任何 image/video 参考输入。结论：文档宣称了 schema 无法表达的能力（要么 schema 表不完整、要么能力被夸大），照 schema 写调用的 agent 拿不到该能力。
[discrepancy] 路由建议的目标模型在本仓有对应技能 — 'Cinematic motion editing on existing footage | Kling Video O1' 与 'Ultra-fast iteration | LTX 2' 两个建议目标在仓库内没有同名技能目录（全仓无 ltx-* 目录；kling-3-0/SKILL.md 自称 'Kling 3.0 (also called Kling V3.0)'，未使用 'Kling Video O1' 这一名称，该名称只出现在 wan-2-7/seedance-v2/happyhorse-1-0/ai-video-generation 四份文档里）。路由表能指向自家技能（Seedance/HappyHorse），但这两条是悬空引用。
[unlocatable] Security & Privacy 的技术断言可在本仓证实 — token 权限 0600、2 GiB 下载上限、CLI 不做 shell 展开、下载白名单、退出码语义均为仓外 @runcomfy/cli 行为；仓内无 CLI 源码或版本 pin，只能作为文档自述引用。同仓 runcomfy-cli/SKILL.md 是同一套自述（同源转述，非独立证据）。
[discrepancy] 安装一行与 GitHub 链接指向旧仓 agentspace-so/runcomfy-skills — SKILL.md 安装行写 `npx skills add agentspace-so/runcomfy-skills --skill wan-2-7 -g`，GitHub 链接指向 agentspace-so/runcomfy-skills；本仓储物 pin 在 prime-skills/runcomfy-agent-skills（README 亦用 runcomfy-agent-skills）。gh api：agentspace-so/runcomfy-skills 仍存在（5★、最后推送 2026-04-29、含 wan-2-7 目录），是另一份较旧仓；prime-skills/runcomfy-agent-skills 与 agentspace-so/runcomfy-agent-skills 为同一仓（gh 对两者返回相同 stats，full_name=prime-skills/runcomfy-agent-skills）。按文档安装可能装到旧版。
[ok] 音轨规格纪律在正文各处一致 — schema 行（WAV/MP3, 3–30s, ≤15MB）、Prompting 段（'`audio_url` must be 3–30s, ≤15MB, WAV/MP3. Out-of-range files reject.'）、Limitations 段（'Audio specs — 3–30s, ≤15MB, WAV/MP3 only.'）三处口径一致。
[ok] 时长/画幅/分辨率口径一致 — duration 2–15（default 5）与 Limitations 'Duration cap 15s' 一致；aspect_ratio 5 值与 'only the 5 documented values' 一致；resolution 720p/1080p 与 'No native 4K — 1080p ceiling' 一致。

6结论

把『外部音轨驱动口型』这条差异化能力讲透：字段规格（3–30s/≤15MB/WAV-MP3）、省略时的行为（自动配乐）、与配音时长匹配的纪律、多语言配音变体用法，一次调用即可写对。

参数纪律与默认值全部前置成表：8 字段、默认 5s/1080p/16:9、扩写默认开启且可关，agent 不必查外部文档。

提示法给出可执行判据（镜头语言前置、一条主动作、否定词要具体、扩写开关与字面控制的关系），并配三条示例提示。

能力边界划得清：不生成语音、上限 15s/1080p、音频规格硬拒，并直说该换哪个模型，减少用错模型的试错成本。

零代码、零资产：单份 SKILL.md 可完整审读，无脚本执行面。

适合： 适合：需要自有配音/口播的多语言视频变体（同一提示换不同 audio_url 出多语版）、口型需对齐指定音轨的广告与讲解片段、需要固定 seed 做变体对照的工程化视频流水线。前提是已装好 runcomfy CLI 并登录（或配置 RUNCOMFY_TOKEN）。

不适合： 不适合：需要模型自己生成对白语音（应换 Seedance 2.0 Pro）、需要 >15s 连续镜头（应分镜多次生成再拼接）、需要 4K 交付（1080p 天花板）、以及任何要求数据不出本地的场景——全部推理在 RunComfy 云上，只有 JSON 与产物过本机。也不适合指望本技能提供多图/多视频参考条件的用法（schema 不支持，见风险第 1 条）。

Install Agent-Ready

① Verified Mirror 2026-09-15

Option A · Direct DownloadDownload wan-2-7.tar.gz

sha256: 63f9073a45acf23a…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit fca19ae084.