Cómo usar Wan 2.7 Image (texto a imagen, edición y conjuntos de imágenes)

Texto a imagen. Sin imagen de entrada, solo un prompt. Es el único modo que admite 4K en el modelo Pro, y el único donde aplica el modo de razonamiento (una pasada de razonamiento extra antes de generar).

Edición de imagen. Le das una imagen y un prompt que describe el cambio (cambiar un fondo, cambiar una prenda, rehacer la iluminación) y edita la imagen en lugar de empezar de cero.

Edición interactiva (por región). Igual que la edición, pero además pasas un cuadro delimitador para que el modelo solo toque esa parte de la imagen y deje el resto intacto. Útil cuando una edición global sigue cambiando cosas que no pediste.

Referencia multiimagen. Le das hasta nueve imágenes y un prompt que describe cómo combinarlas: una persona de una, una prenda de otra, un fondo de una tercera. El modelo las compone en una sola imagen nueva.

Generación de conjuntos de imágenes. Una petición, varias imágenes que comparten un sujeto o estilo coherente: un conjunto del mismo personaje en las cuatro estaciones, o una pequeña serie de productos. Fijas un número máximo y el modelo decide cuántas necesita realmente.

Para una edición de una sola imagen, di qué cambia y, si importa, qué se queda igual: "mantén la persona y la pose, reemplaza solo el fondo por una playa soleada." El modelo tiende a preservar todo lo que no mencionas, así que un cambio no deseado suele significar que el prompt fue vago sobre esa parte de la imagen, no que el modelo te ignorara.

Para la referencia multiimagen, trata el prompt como un conjunto de instrucciones para un compositor: nombra qué imagen aporta qué elemento, en el orden en que las listaste. "Pon la prenda de la imagen 2 en la persona de la imagen 1, en el entorno de la imagen 3" es mucho más fiable que una sola frase que describe el resultado final sin referencia a las fuentes.

Para un conjunto de imágenes, describe el hilo conductor que debe permanecer constante (normalmente un personaje o un estilo) y luego la única cosa que cambia por imagen. El ejemplo de la documentación es un gato naranja callejero cuyos "rasgos deben ser coherentes en todas las imágenes", con una estación distinta en cada toma. Nombra el constante explícitamente; de lo contrario el modelo trata cada imagen como una nueva tirada de dados.

Una edición cambió partes de la imagen que no pediste: el prompt no dijo qué debía quedarse igual. Añade una cláusula explícita "mantén X sin cambios", o cambia a la edición interactiva con un cuadro delimitador para que solo pueda moverse la región prevista.

Una composición multiimagen mezcla los elementos equivocados: el prompt no ató una instrucción a una imagen concreta. Refiérete a cada imagen de origen explícitamente por su posición ("imagen 1", "imagen 2") en lugar de describir el resultado en abstracto.

Un conjunto de imágenes no se mantiene coherente: el constante (personaje, estilo) no se planteó como requisito firme. Di directamente que los rasgos del sujeto deben coincidir en cada imagen, y mantén el elemento variable en un solo eje claro, como la estación o el ángulo.

Una petición 4K falló o se ignoró: la 4K solo está disponible en wan2.7-image-pro, y solo para texto a imagen sin imagen de entrada. Cualquier petición de edición, retoque de región, multiimagen o conjunto tiene su tope en 2K sea cual sea el modelo.

Lo comparamos lado a lado con Z-Image con el mismo prompt para ver dónde está de verdad: Wan 2.7 Image fue notablemente más lento en generar, y la calidad de salida quedó como mucho igual, en algunos casos peor. Si la velocidad importa y no buscas específicamente uno de sus cinco modos (edición, retoque de región, multiimagen o conjuntos), Z-Image es el que usaríamos primero.