Wan 3.0
Alibaba Cloud · 動画 · 中国のAI
Wan 3.0はアリババのオールインワンAI動画生成モデルだ。テキストや画像、音声、動画、文書から、音声が同期した30秒のクリップを生成する。
Wan 3.0 について
About
Wan 3.0とは
Wan 3.0はアリババクラウドの動画生成モデルで、Model Studioプラットフォーム経由で提供され、通義万相シリーズに属する。このアリババ動画モデルはテキストから動画、画像から動画、リファレンスから動画を1つのモデルでこなすため、入力が変わってもエンドポイントを切り替えなくていい。1回のリクエストで最大20件の参照素材を読み込み、画像・動画・音声・文書・Webリンクを混ぜられる。
売りは長さと一貫性にある。多くのAI動画ツールは数秒で止まり、カットが変わるたびに人物の顔が崩れる。Wan 3.0は1本のクリップを最大30秒まで生成し、人物や小道具をカメラアングルが変わっても同じ見た目に保ち、セリフ・BGM・効果音を同じパスで書き込む。
オープンウェイトではない。Wan 3.0はクローズドで、クラウド上でのみ動く。ダウンロードも自前のデータでの微調整もできない。モデルコードはwan3.0-videoで、同じ能力のままエンドツーエンドの生成時間を縮めたwan3.0-video-primeという高速版がある。高速版はWan3.0 Videoの別ラインとして提供される。
はじめかた
- アリババクラウドにログインしてModel Studioを開き、Wan 3.0の利用を申請する。一部の高度な機能はまだウェイトリストの内側にある。
- コンソールでAPIキーを取得する。万相の公式サイト、万鏡一刻、千問創作アプリなら、コードを書かずに試せる。
- 主体・シーン・動きを書いたプロンプトを用意し、解像度（480P／720P／1080P）と2〜30秒の長さを選ぶ。
- 特定の人物、カメラワーク、ビートに合わせた動きが欲しいときは、参照用の画像・動画・音声・文書を追加する。
- リクエストを送り、MP4をダウンロードし、結果が決まるまでプロンプトや参照素材を調整する。
AIツール情報
Wan 3.0の料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- ショート動画の制作者：セリフと音楽が同期した30秒の1本で1シーンを丸ごと覆える。今の最大の関門は一部の高度な機能が置かれたウェイトリストだ。
- 広告・マーケティングの担当者：参照画像を使えば、商品の見た目がカットをまたいでも安定する。生成した秒数で課金される点を受け入れられれば、キャンペーン用の映像に向く。
- EC事業者：画像から動画への変換と文書入力を使えば、商品写真や仕様表が撮影班なしでプロモーション用のクリップになる。
- 語り手や個人のアニメーター：マルチショットのプロンプトと人物の一貫性で短い物語を支えられる。ただしスタイル化したアニメは、写実的な作風に比べて精細さで見劣りする。
タスク
- テキストから動画：プロンプトを書けば、音まで混ざった動くクリップが手に入る。時間で区切ったマルチショットの構成も含められる。
- 画像から動画：1枚の写真を最初のフレームに使うか、最初と最後のフレームを渡して2枚の静止画の間をつなぐ。
- リファレンスから動画：最大20件の素材を混ぜて渡し、人物・小道具・スタイルを出力全体で一貫させる。
- 動画の編集と延長：要素を足したり消したり、スタイルや光を変え、セリフを書き換え、クリップを前・後ろ・双方向に延ばす。
- 文書から動画：PDF、PPT、DOCX、XLS、公開Webリンクを渡し、それを軸にクリップを組ませる。
シーン
- スライドを製品デモに変える：PPTやExcelのファイルをモデルに渡すと、編集ソフトなしでナレーション付きの解説ができあがる。
- カメラワークを再現する：短い参照動画を渡すと、その動きや振り付けを新しい主体に写し取る。
- 音に合わせて体を動かす：楽曲や音声のクリップを入れると、ビートに沿ったダンスやリップシンクのアニメが返ってくる。
主な機能
ネイティブ30秒のロングクリップ
Wan 3.0 動画モデルは1回で最大30秒を生成する。Wan 2.6シリーズの15秒という上限から倍に伸びた形だ。この余裕が、30秒AI動画を断片ではなく1シーンとして成立させる。連続するカメラワークも一鏡到底も、断片をつながずに走り切れる。スマート尺のオプションはプロンプトに合わせて適切な長さを提案する。
同じファイルに同期した音
モデルは映像と同時にセリフ、BGM、効果音を書き込む。あとから音を足す手間はいらない。音声トラックを入れてリップシンクやダンスの動きを駆動させることもできる。仕上がりはMP4が1本で、映像と音はすでにそろっている。
オールインワンのマルチモーダル参照
1つのモデルがテキスト・画像・動画・音声の入力を同時に扱い、1リクエストで最大20件の参照を読む。画像・動画・音声は別々に数えるため、人物写真・参照クリップ・楽曲をぶつけ合わずに混ぜられる。単一モードの動画モデルとの差はここにある。
人物と小道具の一貫性
Wan 3.0は人物の顔立ち、髪、体格、服装をカットをまたいで安定させ、小道具もアングルが変わって同じ姿に保つ。構造・ロゴ・素材まで含む。カメラに対する主体の位置も追うため、シーンが破綻しない。マルチショットの作業では、一貫性の途切れが招く手作業の修正を減らせる。
文書とWebリンクの入力
メディア以外に、Wan 3.0はdoc、xls、ppt、pdf、txt、key、pages、numbers、mdのファイルと公開Webリンクを読む。1リクエストにつきファイルかリンクを1つ、最大100MB・50ページまでだ。オフィス資料が、手作業の変換なしで教材スライドや製品デモ、動くグラフになる。
動画の編集・延長ツール
モデルは新規のクリップ生成だけでなく、既存の映像も編集する。要素の追加や削除、スタイルや光の変更、セリフの書き換え、前後・双方向への延長ができる。編集と生成が同じモデル上で走るため、作業の流れを切り替えずに済む。
メリットとデメリット
メリット
- 1回で最大30秒を生成でき、1シーンや連続したカメラワークをまるごと覆える。
- セリフ・音楽・効果音を同じファイルで届けるため、映像と音がすでにそろっている。
- テキスト・画像・動画・音声・文書を1つのモデルで受け止め、複数サービスの連結を省ける。
- 人物と小道具をカットをまたいで一貫させ、繰り返し登場する主体がある作品で効く。
- 高速なprime版は同じ能力のまま、エンドツーエンドの生成時間を短くする。
デメリット
- オープンウェイトがない。ダウンロードも自前ホストも微調整もできず、アリババクラウドに縛られる。
- 出力は1クリップ30秒まで。長尺の内容には短く、延長やクリップの連結が必要になる。
- 一部の高度な機能はウェイトリスト経由で、初日から使えるとは限らない。
- 生成した動画の秒数で課金され、解像度が上がるほど高くなる。1080Pで長時間作ると金額が膨らむ。
よくある質問
Wan 3.0はオールインワンの動画生成モデルで、テキスト・画像・動画・音声・文書から最大30秒のクリップを作る。生成と編集を同じ場所でこなし、同期したセリフ・音楽・効果音を同じファイルに書き込む。
関連コンテンツ
Wan 3.0に関連するツール、スキル、記事を探す。
Wan 3.0の代替ツール
ngram 2.0
ngram · 動画 · マーケティングngram 2.0はチーム向けのAI動画生成ツールだ。プロンプト、画面録画、製品URLのいずれかから、ナレーション付きのAI解説動画、製品デモ、AIアバター動画を作れる。生成後も全シーンを編集できる。
OpenScreen 2
OpenScreen (open-source project) · 動画 · 生産性向上OpenScreen 2 は Windows、macOS、Linux に対応した無料のオープンソースの画面録画ソフト兼デモ動画編集ツール。クリックに合わせた自動ズーム、枠、ローカル字幕、エージェント編集を備える。
Skreno
Skreno · 動画 · 生産性向上Skreno はブラウザ画面録画ツールだ。タブ、ウインドウ、画面全体をそのまま録り、AI 文字起こしと要約、コンソールログをひとつの共有リンクに載せる。