Pexo
Wan 3.0

Wan 3.0
より豊かな構想を、1つのシーンに。

Wan 3.0は、Alibabaの動画生成モデルです。テキスト、画像、動画、音声、文書を基に制作できます。最大30秒のシーン、音声の同時生成、指示による編集に対応し、より多くの制作意図を1つの生成工程に取り込めます。

Alibaba Cloud Model Studio · StandardとPrime

太陽に照らされた緑茶のテラスが、層状の青い山々に向かってカーブしています。
30秒まで

シーンにオープニング、展開、エンディングを与える

マルチモーダルリファレンス

映像・音声・文書の情報を組み合わせる

映像+音声

ダイアログ、音楽、効果音を生成する

主な機能

ポートレート、かばん、アジサイのパスの参照を、これらの詳細を組み合わせたシーンの横に表示
参照素材の役割

人物:青いコートの女性。小道具:黄褐色の肩掛けかばん。舞台:アジサイの小道。女性が門に向かって歩き、立ち止まって振り返る。

01 / マルチモーダルリファレンス

重要な情報を、1つの制作指示にまとめる

参照素材ごとに、シーン内の役割を決めます。

Wan 3.0は、画像、動画、音声に加え、文書やWebページの情報も受け付けます。人物の画像で見た目を、かばんの画像で小道具を、庭の小道で舞台を指定できます。 映画のような動画では、素材をただ列挙するのではなく、それぞれがどう関わるのかを説明します。

参照モードと、開始・終了フレームを厳密に指定するモードでは、組み合わせられる入力が異なります。必要な制御に合わせて制作方法を選びます。

明るいビーチのピクニックの上で大きなシャボン玉を眺める母親と幼児
始まり→行動→反応

海辺のピクニックから始まる。母親が大きなシャボン玉を1つ吹き、幼児が手を伸ばす。カメラがシャボン玉を追い、割れたら2人の笑い声と表情に戻る。

02 / より長いシーンとサウンド

時間の経過とともに小さな物語を発展させましょう

意味のある出来事の連なりに、動画の長さを使います。

1回の生成で最大30秒の映像を作れ、セリフ、BGM、効果音も同期させられます。母親がシャボン玉を作る、子どもが追う、割れたら2人が反応する、という順序を計画します。 ストーリー動画 は、動作が自然に次の動作へつながると、流れを追いやすくなります。

スマートな長さ設定では、モデルが適切な尺を提案します。参照動画を使う場合は、入力と出力の長さを合わせて30秒以内にします。

ピンクのバラとミントのドレスを着た女性の一致するポートレートが白いバラに変更されました
編集ディレクション

つるバラをピンクから白に変える。女性、ミント色のドレス、籐のかご、カメラの位置、庭の暖かな光は保つ。

03 / ビデオ編集

明確な変更を中心にシーンを修正する

変える点と、引き継ぐ細部を指定します。

Wan 3.0は、参照動画と編集指示を使い、要素、照明、映像のスタイル、セリフを変更できます。庭のシーンなら、女性、ミント色のドレス、かごを保ちながら、アーチの周りのバラを白くするよう指示します。これにより、 短編映画 の修正で目指す見た目が具体的になります。

同じシリーズは動画の延長にも対応します。編集の指示で場面を修正し、続きを求める指示でその後の出来事を展開できます。

長さとキャンバスを選ぶ

シーンの内容と、完成した動画を見せる場所に合わせて形式を設定します。

動画の長さ

2~30秒

テキスト・画像からの動画生成、またはモデルによる長さの提案。

解像度

480p・720p・1080p

シーンに合う納品時のサイズを選びます。

フレームレート

30fps

出力にはデフォルトでオーディオ トラックが含まれます。

キャンバス

6つの画面比率+自動調整

ワイドスクリーン 21:9 からポートレート 9:16 まで。

Wan 3.0とWan 3.0 Primeの比較

2つのバージョンは同じ制作機能に対応します。Primeは、処理全体の生成時間の短縮を重視しています。

ワークフローWan 3.0Wan 3.0 Prime
モデル識別子wan3.0-videowan3.0-video-prime
クリエイティブなインプットテキストとサポートされているマルチモーダル参照サポートされている同じ入力ワークフロー
生成モードテキスト、画像、参照、編集、拡張同じ生成モード
出力設定最大 30 秒。 480p、720p、1080p最大 30 秒。 480p、720p、1080p
位置付け標準バージョンスピード重視バージョン

ユースケース

美容広告、旅先のシーン、キャラクターの物語に使えるCreateの制作方法を紹介します。

シーンを、明確な3つの展開で書く

目に見える動作を、カメラとその場所の音に結びつけます。

日当たりの良い庭のピクニック テーブルに白いヒナギクを並べる 2 人の友人

01

場面を設定する

庭のピクニックテーブルに、友人2人が座っている。テーブルにはガラスの水差しと白いヒナギクがある。背景を花の咲く木々が囲む。

02

アクションを開発する

1人が花の茎を整え、もう1人が水差しを光の方に向ける。2人を映すショットから、手元に近づく。

03

反応で締めくくる

彼女が「これだね」と言う。2人が完成した生け花を見てほほ笑む。鳥のさえずり、ガラスが軽く触れる音、静かな庭の環境音を入れる。

よくある質問

Wan 3.0とは何ですか?

Wan 3.0は、Model Studioで利用できるAlibabaの動画生成モデルです。テキスト・画像からの動画生成、複数種類の参照素材、動画編集、延長に対応します。

Wan 3.0は何秒の動画を生成できますか?

動画を入力しない場合は2〜30秒を指定するか、モデルによる長さの提案を使えます。参照動画を指定する場合は、その合計の長さと出力動画の長さを合わせて30秒以内にする必要があります。文書化されているMP4出力は30 fpsです。

Wan 3.0 ではドキュメントや Web ページを使用できますか?

はい。対応する参照素材と合わせ、文書や公開Webページの情報を使えます。文書入力は、一般的なプレゼンテーション、文書、表計算、PDF、テキスト形式に対応します。上限は100 MBで、ページ単位の形式は最大50ページです。対応形式にはDOCX、XLSX、PPTX、PDF、TXT、Markdownなどがあり、ファイル1個またはリンク1件を指定できます。Webページは、ログインせずに公開アクセスできる必要があります。

どのような参考資料を組み合わせることができますか?

参照素材を使う制作方法では、画像、動画、音声を扱えます。現在の上限は、画像10枚、合計15秒の動画5本、合計15秒の音声5本です。ファイルやWebページから追加の情報も取り込めます。

Wan 3.0 は音を出しますか?

はい。同期したセリフ、音楽、効果音を生成します。音声出力は既定で有効ですが、無効にもできます。音声参照は参照素材を使う制作方法に属し、開始・終了フレームを厳密に指定する生成では使いません。開始・終了フレームを厳密に指定する場合は、first_frameとlast_frameの入力を使います。

Wan 3.0 Prime の違いは何ですか?

Primeは速度を重視したバージョンで、識別子はwan3.0-video-primeです。Standardと同じ制作機能・出力設定に対応しながら、処理全体の生成速度を高めることに重点を置いています。StandardとPrimeはいずれもWan 3.0 APIに記載されています。モデル、エンドポイント、APIキーは、同じ対応リージョンのものを使います。利用できるモデルは、そのリージョンのModel Studioコンソールで確認してください。

アイデアを伝えて、次の作品づくりを始めましょう。

作成を始める