最大10枚の参照画像
プロンプト内でImage 1、Image 2などと指定すると、キャラクター、商品、背景、スタイルの一貫性を保てます。
Wan 3.0 API: Alibabaのモデルがテキスト、フレーム、または最大10枚の参照画像から音声付き動画を生成します。料金は1秒あたり$0.039から。
wan-3.0更新 import os, time, requestsAPI = "https://api.zurelay.com/v1"KEY = os.environ["ZURELAY_API_KEY"]headers = {"Authorization": f"Bearer {KEY}"}res = requests.post(f"{API}/videos", headers=headers, json={ "model": "wan-3.0", "prompt": "A red fox trotting through snow at dawn, cinematic", "seconds": 5, "resolution": "720p", "aspect_ratio": "16:9",})res.raise_for_status()job = res.json()url = f"{API}/videos/{job['id']}"# Takes a few minutes: poll until it's donewhile job["status"] in ("queued", "in_progress"): time.sleep(5) job = requests.get(url, headers=headers).json()if job["status"] == "failed": raise SystemExit(job["error"]["message"])video = requests.get(f"{url}/content", headers=headers)with open("video.mp4", "wb") as f: f.write(video.content)print(f"Saved video.mp4 for ${job['cost']}")ベースURL https://api.zurelay.com/v1. HTTPS経由のシンプルなJSONで、ジョブの開始、状況の確認、MP4のダウンロードができます。 Wanガイド
料金
プリペイド残高からの従量課金で、サブスクリプションは不要です。$10からチャージできます。動画は納品後にのみ課金され、生成に失敗した動画は無料です。
画像A clip costs its length in seconds times the price at its resolution. It's held from your balance when the job is accepted and charged when the video is delivered. Sound, first and last frames, reference枚s and the aspect ratio don't change the price.
AI動画のすべてのモデルと料金解像度、長さ、動画の作成数を選んでください。
100 クリップ × $0.395
料金
代表的なワークロードでの Zurelay の実際の価格を、定価と並べて比較できます。
5 秒で720p。
30 秒で1080p、生成できる中で最長かつ最も精細な設定です。
5 秒のクリップ100本を720pで。
概要
Wan 3.0はAlibabaの最新動画生成モデルです。参照、編集、再現、動きの制御に1つのモデルで対応します。Zurelayでは、テキスト、最初と最後のフレーム、または最大10枚の参照画像から、生成音声付きの480p~1080p、長さ2~30秒のクリップを作れます。ZurelayのWan 3.0 APIは動画1秒あたり$0.039からで、料金は動画の納品後にのみ請求されます。
WanはAlibabaの動画生成モデルのシリーズで、Wan 3.0はその最新版です。Alibabaが参照、編集、再現、動きの制御に対応する単一のモデルとして開発しました。Alibabaは2026年8月6日にModel Studio APIへ追加し、8月24日に広く公開しました。ZurelayでのモデルIDはwan-3.0で、wan3.0-videoとalibaba/wan-3.0も使用できます。
Zurelayでは、Wan 3.0はテキストプロンプト、最初のフレーム、最初と最後のフレーム、または最大10枚の参照画像から動画を生成します。参照画像はプロンプト内でImage 1、Image 2などと指定します。映像とともに会話、音楽、効果音なども生成し、generate_audioで音声をオフにできます。クリップは480p、720p、1080p、長さは2~30秒の整数秒、アスペクト比は16:9、9:16、1:1、4:3、3:4、21:9、または自動調整に対応します。プロンプトは自動で書き換えず、入力どおりに使用します。Alibabaのモデルは参照動画、音声、ドキュメントの入力や、動画の編集・延長にも対応していますが、これらの機能はZurelayでは利用できません。
動画生成には時間がかかるため、APIは非同期です。POST https://api.zurelay.com/v1/videosはすぐにジョブを返します。statusがcompletedになるまでGET /v1/videos/{id}で確認し、/v1/videos/{id}/contentまたはジョブに含まれる署名付きurlからMP4をダウンロードしてください。5秒の720pクリップは通常about 2.5 minutesかかります。動画は30 fpsのMP4で返され、30日間保存されます。
ZurelayのWan 3.0は動画の秒数に応じた料金です。1秒あたり480pは$0.039、720pは$0.079、1080pは$0.158で、5秒の720pクリップは$0.395です。音声に追加料金はかからず、参照画像やアスペクト比によって料金は変わりません。ジョブの受け付け時に残高から料金を確保し、動画の納品後にのみ請求します。コンテンツフィルターで拒否された場合を含め、生成に失敗した動画には料金がかかりません。
強み
プロンプト内でImage 1、Image 2などと指定すると、キャラクター、商品、背景、スタイルの一貫性を保てます。
映像とともに会話、音楽、効果音を生成します。音声の有無で料金は変わりません。
まず最も安い480pでプロンプトを試し、採用する動画を720pまたは1080pで生成できます。
Zurelayはプロンプトの自動書き換えをオフにしているため、ショットごとの指示がそのままモデルに届きます。Alibabaのガイドでは、1ショットあたり4~6秒を推奨しています。
ユースケース
複数のクリップで同じ参照画像を使うと、人物、マスコット、商品の見た目を揃えられます。
Image 1に商品、Image 2に背景を指定すれば、1回で音声付きのクリップを生成できます。
タイムスタンプ付きでショットごとのプロンプトを書くと、Wan 3.0は最大30秒の1つのクリップ内でショットを切り替えられます。
最初と最後のフレームを指定するだけで、その間をつなぐ動画を作れます。
始める
ウェイトリストもインストールも不要。必要なのは3つのHTTPSエンドポイントとAPIキーだけです。
Sign up, add creditとcreate an API key. Set a monthly budget or a rate limit per key if you like.
Every video endpoint lives under this base URL. Send your key as a Bearer token.
https://api.zurelay.com/v1POST a prompt~/v1/videos, poll the job every few seconds until it's completed, then download the MP4. Videos are kept for 30 days.
wan-3.0普段使っているツールに対応
比較
1秒あたり$0.125から
5言語の会話を生成し、方言やアクセントにも対応して各セリフを正しい話者に割り当てたい場合は、Kling 3.0を選んでください。
Kling 3.0 API1秒あたり$0.135から
ByteDanceの最高品質で、最大1080p・30秒、最大9枚の参照画像に対応するモデルなら、Seedance 2.5を選んでください。
Seedance 2.5 API1秒あたり$0.097から
フレームや最大9枚の参照画像で動きを指定できる、ByteDanceの映画のような動きを求めるなら、Seedance 2.0を選んでください。
Seedance 2.0 APIZurelayでは動画の秒数に応じて請求します。1秒あたり480pは$0.039、720pは$0.079、1080pは$0.158です。クリップの料金は長さにこの単価を掛けた額で、5秒の720pクリップは$0.395です。音声、最初と最後のフレーム、参照画像、アスペクト比によって料金は変わりません。ジョブの受け付け時に残高から料金を確保し、動画の納品後にのみ請求します。生成に失敗した動画には料金がかかりません。
ZurelayキーをBearerトークンとして指定し、POST https://api.zurelay.com/v1/videosにJSONボディを送信します。modelにwan-3.0とpromptを指定し、必要に応じてseconds(デフォルト5)、resolution(デフォルト720p)、aspect_ratio(デフォルト16:9)を指定します。ジョブがすぐに返されます。数秒ごとにGET /v1/videos/{id}で確認し、statusがcompletedになったら/v1/videos/{id}/contentからMP4をダウンロードしてください。任意のHTTPクライアントを使えます。SDKのインストールは不要です。
5秒の720pクリップは通常about 2.5 minutesかかります。Alibabaによると、Wan 3.0のジョブは通常1~5分で完了します。ポーリング中は、ジョブの進捗フィールドで0~100の推定進捗を確認できます。
はい。デフォルトでオンのgenerate_audioを使うと、Wan 3.0は動画とともにセリフ、BGM、効果音を生成します。プロンプトにセリフや音の内容を書いてください。無音のクリップにするにはgenerate_audioをfalseに設定します。料金はどちらも同じです。
はい。first_frameで開始画像を指定し、last_frameを追加すると別の画像を終了画像にできます。Alibabaは両方の画像を正確に再現できるよう、このモードを設計しました。画像には、最大10 MBのPNG、JPEG、WebPファイルのhttps URLまたはbase64データURLを使用できます。開始画像を指定した場合、aspect_ratioのデフォルトはadaptiveとなり、画像の縦横比に合わせます。
reference_imagesに最大10枚の画像を渡し、プロンプトでは順番に「Image 1」「Image 2」のように指定します。Wan 3.0は、人物、製品、場所、ビジュアルスタイルの参考として使用します。参照画像と開始・終了画像は併用できません。また、Zurelayでは参照動画と参照音声には対応していません。
解像度は480p、720p、1080p、長さは2~30秒の整数秒です。アスペクト比は16:9、9:16、1:1、4:3、3:4、21:9に加え、開始画像に合わせるか参照素材に適した比率を選ぶadaptiveに対応します。1280x720のようなOpenAI形式のsizeも使えます。
いいえ。AlibabaのAPIには、生成前に言語モデルでプロンプトを書き換える機能があります。短いプロンプトには役立ちますが、処理時間が延びます。Zurelayではこの機能をオフにしているため、Wan 3.0には入力したプロンプトがそのまま渡されます。ショット、カメラ、動き、照明、セリフを具体的に記述してください。ショットごとに指定する場合、Alibabaのガイドではタイムスタンプを付け、各ショットを4~6秒にすることを推奨しています。
いいえ。Wan 2.2などの旧モデルは重みが公開されていますが、AlibabaはWan 3.0の重みを公開していません。AlibabaのAPIを通じて利用できます。
30日間です。完了したジョブの url は有効期間 24時間の署名付きリンクです。ジョブを再取得すると新しいリンクが発行されます。また、/v1/videos/{id}/content からもダウンロードできます。GET /v1/videos で最近の動画を一覧表示できます。
はい。リクエストはAlibabaのWan 3.0で処理され、Zurelayが別のモデルや小型モデルに差し替えることはありません。動画生成の結果は毎回異なるため、同じプロンプトでもクリップは変わります。Zurelayは独立したサービスであり、Alibabaとは提携していません。