Alibaba の Wan 2.5 text-to-video は、書いたショットを音声付きの 5 秒か 10 秒にします。480p・720p・1080p、16:9・9:16・1:1・4:3・3:4 から選べ、追従させる音声トラックも渡せます。
最低価格 $0.045/秒公式価格より 10% 安い
プレイグラウンド
この実行例は、このエンドポイント向けに書き下ろしたものです。プロンプトとサンプル素材の URL は、ご自身がアクセスできるものに差し替えてください。送信前に、最新の見積もりとモデルの提供状況もあわせてご確認ください。
- 出力5 秒
bar-slow-dance 言葉だけで描く、2 人の 1 つの動きです。閉店後、彼女はネクタイを引いて彼を引き寄せ、顔がほとんど触れそうになるところまで近づけ、それから彼の腕の中で身体をのけぞらせて笑い、その周りをカメラが回ります。琥珀色の光の筋に漂う霞が、この周回撮影に見せどころを与えてくれます。
- 720p
- 16:9
- 5s
- 出力10 秒
sax-solo-ten-seconds `duration_seconds` はこのエンドポイントが受け付ける二つの尺のうち長いほうの `10`、`1080p` で `16:9` です。指示文は音声の工程に具体的な要求を出しています — 管楽器の音が運指と一致すること。環境音の要求ではなく同期の要求です。生成される音を試すなら、目に見える機構に対して試してください。そうすれば合っているかどうかを自分の目で確かめられます。
- 1080p
- 16:9
- 10s
- 出力5 秒
harbour-dawn-swim 動作 1 つとカメラ位置 1 つに絞り、音も書き出しているので、水しぶきと笑い声が正しいフレームに乗ります。
- 720p
- 16:9
- 5s
- 出力10 秒
record-shop-vertical 1080p の縦型 10 秒。手元から顔へのティルトで、ネガティブプロンプトが字幕と余計な人物を締め出しています。
- 250924
- 1080p
- 9:16
この例は 出力秒 あたり $0.045 からです。設定を変更すると、プレイグラウンドの概算料金がその場で更新されます。