Wan 2.2 Animate に必要なのはキャラ画像 1 枚と駆動動画 1 本です。画像が外見を与え、動画が体の動き、顔の表情、長さを与えます。animate を選べば画像に写る人物が画像そのものが持つ場所で動き、replace を選べばその人物を駆動動画のシーンに配置します。初回は、全身が写る成人 1 名、6 秒のジェスチャー、カットなしの構成にしてください。
Wan 2.2 Animate キャラクターアニメーションを開きます。2026 年 10 月 3 日時点の公開価格では、6 秒は480p で $0.318、720p で $0.66です。どちらのモードもプロンプトから新しい場所を作り出すことはありません。背景は常に 2 つのファイルのうち一方から来ます。
撮影前にモードを決める
| ほしい結果 | モード | 結果の背景とカメラ |
|---|---|---|
| 参照キャラクターが記録した動きを出す | animate | キャラ画像そのものの場所。動きとカメラは駆動動画から |
| 既存の部屋で演者を置き換える | replace | 駆動動画のシーンとカメラ移動。見える演者 1 名と、妥当な体格が必要 |
たとえば、プラム色のジャケットとアイボリー色のズボンを着たイラストの成人女性が、歓迎の横ステップを演じます。リハーサルの部屋がどうでもよければ、プレーンな背景のキャラ画像で animate を使います。アーチ型の窓と木の床をそのまま残す必要があるなら replace を使い、新しい体がその床にどう触れるかを観察します。複数人が写る駆動動画では replace に誰を置き換えるか選べません。演者は 1 名にするか、最後の節を見てください。
公式 Wan-Animate プロジェクトは 2 つのタスクを説明しています。置き換えがシーンの照明や色にどう合わせられるかも含みます。その前処理ガイドは、キャラクターと演者の体格差が大きいと置き換えでアーティファクトが出る、と警告しています。
動く部位が分かるキャラ画像を作る
靴を含めた全身画像を使います。正面を向いた穏やかな姿勢で、腕を胴から少し離し、動かしたい服装をそのまま着てください。平坦で均一に照らされた背景は animate の結果をきれいに保ちます。その背景がそのままシーンになるからです。顔だけの写真ではズボンの脚、靴、体型が定まりません。プロンプトで衣装を長く書いても、その視点は補えません。
ファイルは 10 MB 未満の JPEG、PNG、WebP のいずれかで、認識できる顔か人物が含まれている必要があります。満たさなければ invalid_request でタスクは拒否されます。
画像生成ツールで使える、非露出の架空の成人の画像ブリーフです。
架空の成人女性、およそ 30 歳。短い暗いカール、プラム色のリハーサルジャケット、アイボリー色のズボン、フラットなチャコール色の靴。快適でバランスの取れた姿勢、腕は胴から少し離して自然に、両手と両靴が見える。簡素で静かなスタジオ背景、顔と服装が判読できる、文字入れなし、他の人物なし。
様式化された人物でも構いませんが、演者に比べて四肢の長さが大きく違うと、接地とリーチの判断が難しくなります。
イラスト：キャラクターデザインが外見を与え、演者の動きが動きを与えます。Wan の出力ではありません。
始めと終わりが使える 6 秒の動きを撮る
最初の駆動動画ではカメラを安定した台に固定し、体の動きが読み取りやすくします。どちらのモードも駆動動画からカメラ移動を継承できます。animate はキャラ画像の場所を残し、replace は動画のシーンを残します。成人演者 1 名を、両方の靴と腕を完全に開いた状態が収まるようにフレーミングします。キャラ画像に似た中立的な正面姿勢から始めて、短い静止、横ステップ 1 回、浅い腕の開き、腕を下げる動き、最後の静止を撮ります。手は顔から離し、誰かが前を横切る状況は避けてください。
演者の顔は重要です。表情は動きと一緒に動画から写し取られるので、顔を画面に入れたまま、読むのに十分な大きさに保ってください。参照そのものを、希望するテンポにしてください。プロンプトで速い回転をゆっくりした挨拶に変えたり、椅子の裏に隠れた足の着地を取り戻したりすることはできません。
アップロード前に不要な部分を切ります。FFmpeg がインストール済みなら、このコマンドは録画の 1 秒目から始めて 6 秒の MP4 を書き出し、縦を最大 720 ピクセルに縮小しながら、元の比率を保ちます：
ffmpeg -ss 1 -i rehearsal.mov -t 6 \
-vf "scale=-2:'min(720,ih)'" \
-c:v libx264 -crf 18 -pix_fmt yuv420p driving-six-seconds.mp4レターボックスの帯やパディングは避けてください。replace ではそれらがシーンの一部になります。
元動画は2〜30 秒でなければなりません。短い、または長いファイルは課金前に拒否されます。90 MB までの MP4 をアップロードするか、MP4 か MOV の直接 URL を渡してください。動画を再生するだけのページはファイル直接 URL ではなく、タスクは課金分を返金して失敗します。元動画の長さがそのまま出力の長さになるので、2 秒の演技を 6 秒に伸ばす duration_seconds 項目は存在しません。
イラスト：全身のフレーミングは横ステップの余白を保ち、接地が見えるようにします。
まず Playground で試す
- キャラクターアニメーションのページを開き、Playground タブの Form ビューに留まります。実行するには、残高のあるアカウントでサインインします。
- キャラ画像を Input image に、切った MP4 を Input video に配置します。どちらの欄も Asset URL を受け付けます。
- Animation mode を Animate the image か Replace in the video にします。
- キャラクターの同一性とシルエットを確かめる間は Resolution を 480p にして、残す映像は 720p でレンダリングし直します。
- 下の補助プロンプトを貼り付け、
42のような Seed を設定すると、同じ駆動動画に対する 2 回の実行を比較できます。 - 価格の見積もりを確認して実行します。
渡された画像に含まれる架空の成人女性を、渡された演技を使ってアニメートしてください。歓迎の横ステップ 1 回と浅い腕の開きが読み取れるようにし、足は地面についている状態、終わりは穏やかなものにしてください。プラム色のジャケット、アイボリー色のズボン、短いカール、フラットな靴は維持してください。文字は追加しないでください。
プロンプトは記録した動きを補強します。誰が出るかは画像から決まります。シーン置き換え版では Replace in the video を選び、新しい場所を頼むのではなく、渡された部屋のカメラ、照明、床を維持してください。
| 項目 | 現在の契約 |
|---|---|
Input image (image_url) | 必須のキャラ画像。JPEG、PNG、WebP、10 MB 未満 |
Input video (video_url) | 必須の駆動動画。2〜30 秒、90 MB までの MP4 アップロード、または MP4/MOV ファイル直接 URL |
Animation mode (animation_mode) | animate か replace。既定は animate |
Resolution (resolution) | 480p か 720p。既定は 720p |
Prompt (prompt) | 任意、最大 2,000 文字 |
Seed (seed) | 任意の整数 0〜2,147,483,647。0 はランダムを要求します |
このタスクに LoRA、アスペクト比、音声入力の項目はありません。別の Wan エンドポイントから借りないでください。
請求は納品された 1 秒あたりです。480p で $0.053、720p で $0.11 なので、12 秒の元動画なら $0.636 または $1.32 になります。料金を変えるのは解像度だけで、モードとプロンプト、Seed は変えません。各タスクはまず 30 秒の上限で見積もられ、実際の長さで確定した時点で差額が返金されます。まず無駄なリハーサル時間を切り詰めてから、完成カットに必要な接地は残してください。
それからコードで実行する
Python SDK をインストールし（pip install spicyapi）、サーバー環境で SPICY_API_KEY を設定して、次を実行します：
import uuid
from spicyapi import SpicyClient, output_assets
client = SpicyClient() # reads SPICY_API_KEY from the environment
image = client.upload_file("./character.png") # local files become spicy:// URIs
video = client.upload_file("./driving-six-seconds.mp4")
task = client.create_task(
model="alibaba/wan-2.2-animate/character-animation",
input_data={
"image_url": image["uri"],
"video_url": video["uri"],
"animation_mode": "animate",
"resolution": "720p",
"prompt": "Animate this fictional adult character using the supplied sidestep and open-arm "
"performance. Retain the plum jacket and ivory trousers. No added lettering.",
"seed": 42,
},
idempotency_key=str(uuid.uuid4()),
)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
raise RuntimeError(f"{task['taskId']} ended as {final['state']}: {final.get('errorCode')}")
print(output_assets(final)[0]["url"]) # copy the clip to your own storage now見積もり、ポーリング、ダウンロード、リトライ、エラーコードはタスクガイドとPython SDK リファレンス で扱っています。
代わりに Agent に実行させる
アシスタントに生成を任せたい場合、3 つの公式ツールはいずれも価格を表示し、有料呼び出しの前に確認を求めます。
- CLI。 各ファイルを
spicyapi files upload ./character.pngでアップロードし、返ってきたspicy://のアドレスを、上の項目を入れたinput.jsonのimage_urlとvideo_urlに入れてから、spicyapi tasks create --model alibaba/wan-2.2-animate/character-animation --input-file input.json --waitを実行します。CLI のドキュメントも参照ください。 - MCP サーバー。 アシスタントに MCP サーバー を追加して、「Wan 2.2 Animate で、animate モード、480p、/path/to/character.png を /path/to/driving.mp4 でアニメートして」と依頼します。
spicyapi_upload_fileで両ファイルをアップロードし、spicyapi_task_createを呼び出すと、価格確認のための停止が入ります。 - Skill。
npx skills add spicyapi-ai/spicy-skillは Agent Skillをインストールします。項目を推測せずに、コーディングアシスタントに実際のモデルスキーマを読ませます。
失敗の説明になる入力を変える
| 返ってきた問題 | 最初に効く修正 |
|---|---|
| 上半身は動くのに足が滑る | 重心の移動と両靴の接地が見える元動画を使い、歩幅を小さくする |
| 袖と手が一つにつながる | 駆動するジェスチャーで手と胴を離し、矛盾する服装表現を削除する |
| 回転中にキャラクターが変わる | 元動画の姿勢に近いキャラ画像、または回転量の小さい元動画を使う |
| 顔が平たい、またはおかしい | 表情は動画から来る。顔が画面に入って大きく保たれ、極端な首の回転がない映像を使う |
| 置換した人物が部屋の中で浮く | 体格と接地を比較する。目標のキャラクターの体型に近い駆動動画を使う |
| 腕が画面外に出る | もっと広く撮り直すか、収まる動きに切り詰める |
| 出力が置き換えた人物より元の演者に似ている | replace モードと、実際のキャラ画像を確認する。演者が 1 名だけ明確に見える元動画を使う |
| 違う演技が発生する | 実際にアップロードした動画を確認し、そこにない動作をプロンプトから削除する |
replace では、床、窓の縁、手前の小物を元動画と比べてください。
権利と、他のタスクが合うとき
2 つのファイルの権利と、映った人の同意が要ります。Wan 2.2 Animate は無検閲モデルとして掲載されています。SpicyAPI はコンテンツフィルターを一切追加しないので、この責任はあなた側です。
変えたいのが顔だけなら、Video Face Swap は元のクリップのそれ以外を残します。複数人の中で 1 人を置き換える必要があるとき、またはクリップの元の音を残したいときは Character Swap を使ってください。クリップを解析し、編集前に人を選べます。特定の演技を再現する必要がないなら、画像から動画のほうが簡単です。
