Wan

AlibabaのWan 3.0：480p、720p、1080p、2～30秒の音声付き動画を一般的なアスペクト比で生成できます。1ショットに最大10枚の参照画像を使えます。

料金

音声の追加料金はありません。generate_audioをfalseにすると、音声なしの動画を生成できます。動画が完成した場合にのみ課金されます。

必要な入力

• プロンプトは最大8,000文字です。Wanにはネガティブプロンプトはありません。
• first_frame（必要に応じてlast_frameも指定可能）、または最大10枚のreference_imagesを指定します。両方は使えません。
• 長さは2～30秒で、1秒単位で指定します。
• 16:9, 9:16, 1:1, 4:3, 3:4と21:9。最初のフレームを指定すると、aspect_ratioを設定しない限り、動画はその画像のアスペクト比になります。
• 気に入った結果を少し変えて再生成するためのseedを指定できます。

参照画像

人物、商品、場所、雰囲気を示す画像を最大10枚指定し、プロンプトではImage 1、Image 2のように送信順で参照してください。Playgroundで使われる@Image1も同じように機能します。Wanは画像の要素を1ショットに組み合わせるため、選んだ場所に人物を立たせたり、商品を持たせたりできます。

{
  "model": "wan-3.0",
  "reference_images": [
    "https://example.com/beekeeper.jpg",
    "https://example.com/honey-jar.jpg"
  ],
  "prompt": "The beekeeper from Image 1 holds up the honey jar from Image 2 and smiles, in a lavender field.",
  "seconds": 5,
  "resolution": "720p",
  "aspect_ratio": "16:9"
}

プロンプトの書き方

• シーンだけでなく、動きやカメラワークも指定してください。「ゆっくり寄る」「固定のワイドショット」「湾の上を上昇するドローンショット」などです。
• 光と雰囲気を指定しましょう。「曇りの朝」「夜のネオン」「夕日の逆光」などが使えます。
• セリフは引用符で囲み、誰が話すかを指定してください。
• ネガティブプロンプトは使えません。避けたいものではなく、「すっきりした画面、鮮明なピント」のように望む仕上がりを指定してください。

知っておくと便利なこと

• ほとんどのクリップは約2分で完成します。長い1080pクリップはさらに時間がかかります。
• まず480pで試作し、プロンプトが決まったら720pまたは1080pで完成版をレンダリングしてください。
• コンテンツルールに違反する可能性があるプロンプトや画像は拒否される場合があります（content_policy）。拒否された動画に料金はかかりません。
• 動画の保存期間は30日間です。残しておきたい動画はダウンロードしてください。

APIの詳細は動画生成をご覧ください。ダッシュボードのプレイグラウンドでも試せます。各動画のコードも表示されます。