本文へスキップ

Wan 2.5 でクリップを続けます。動画の最後のフレームから音つきの 5 秒または 10 秒の新しい区間を作り、元の動画と続きをつないだ 1 本のファイルを 480p、720p、1080p で返します。任意の音声トラックで新しい部分のタイミングを決められます。

最低価格 $0.045/秒

プレイグラウンド

入力

動画延長
  1. 1

    続きを作るクリップを選ぶ

    動画を1本選ぶと、その最後のフレームから続きを作ります。

  2. 2

    この先の展開

    ステップ 1 でクリップを選ぶと、ここが開きます。

    0/1500
    任意です。次に起きること、つまり続く動作、カメラの動き、音のひとことを書きます。被写体とセットは最後のフレームで決まっているので、言葉は動きに使ってください。1,500 文字まで。 1500 文字以内
    0/500
    新しい区間に出したくないものです。2 人目の人物、字幕、最後のフレームが繰り返し持ち込む小物などを書きます。500 文字まで。 500 文字以内
    料金に影響
    新しい区間を生成するときの解像度です。480p、720p、1080p から選び、既定は 720p です。つなぎ目で精細さに段差が出ないよう、元の動画の解像度に合わせてください。つないだ MP4 は元の動画のフレームレートと画面の構図を保ち、黒帯は入りません。つなぎ目を合わせるため、画面の端が数パーセント切り取られたり調整されたりすることがあります。モデルが返した映像の縦横比が大きく異なる場合は、新しい区間を画面いっぱいに拡大して中央に合わせ、はみ出した部分を切り取ります。料金もこれで決まります。
    長さ料金に影響
    510
    新しい区間の長さです。5 秒か 10 秒のどちらかで、既定は 5 です。元の動画はその前に足されますが課金されません。短いほど手や髪が崩れにくいので、まず 5 秒で見た目を固めてください。
    0/1

    音声ファイルをここにドロップ、またはここから選択 · 1 ファイル・1 件 90 MB まで・MP3 · WAV

    0 / 1 ファイル
    新しい区間の音声です。セリフや音楽のきっかけを渡すと、話す位置や拍が狙ったところに来ます。WAV または MP3、3〜30 秒、15 MB まで。新しい区間より長い音声は最後で切られ、短い場合は残りが無音になります。元の動画は自分の音を保ちます。 1 文字以上
セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

必須項目が 1 件未入力です:入力動画

出力

実行待ち

結果はここに表示されます。

入力を設定し、概算料金を確認してからモデルを実行します。

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

必要なモデルと用途をお知らせください。次に何を追加するかを決めるチームに直接届きます。

音声つき動画 API

ショットを書くか 1 枚の画像を送るだけで、音声つきで 5 秒か 10 秒の動画が返ってきます。

主なスペック

エンドポイント
3
テキストから動画、画像から動画、動画延長、それぞれ別の契約です。
長さ
5/10
2 つの固定値のみ。中間の値は丸めずに拒否されます。
最高解像度
1080P
リクエストごとに 480p・720p・1080p。既定は 720p。
音声
音声同期
映像と同じ生成の中で作られます。
アスペクト比
5
テキストから動画は 5 種類、画像から動画は元画像の比率。
音声入力
音声入力
audio_url でセリフやビートに動きを合わせます。

課金前に知っておくこと

text-to-video

アスペクト比は 16:9、9:16、1:1、4:3、3:4 の 5 種類です。480p で出せるのは横長・縦長・正方形だけなので、4:3 や 3:4 は 720p 以上を指定してください。テキストだけでは、特定の顔や商品を複数回の生成で同じに保つことはできません。

image-to-video

先頭フレームは必須で、衣装・セット・光・画面の形はすべてここで決まります。比率を指定する項目がないため、送る前に画像をトリミングしてください。プロンプトは省略できますが、動作を 1 つはっきり書くと動きがずっと安定します。

all

長さは 5 秒か 10 秒のどちらかです。長いクリップほど手や髪、細部が崩れやすくなります。アップロードや描写に関わる同意・権利・現地の法律への責任は利用者にあります。公開ページとサンプルは一般の閲覧に適した内容に保っています。

できること

手元の音声に合わせる

セリフを渡せば、口の動きがついてくる

どのエンドポイントも audio_url を受け付けます。録音済みのセリフや音楽のきっかけを送ると、生成されるクリップは独自のリズムを作らず、そのファイルに合わせて動きと口の形を運びます。承認済みの台本どおりに話すショットを作る、いちばん手間の少ない方法です。

活用シーン

  • 音声ありでそのまま投稿できる縦型ショート

    テキストから動画で 9:16 を選び、長さは 5 秒のまま、サウンドはファイルに入った状態で受け取ります。投稿前に別途音をつける工程がいらないので、毎日まとまった本数の下書きを回せます。

  • 確定した台本どおりに話すショット

    画像から動画でポートレートを先頭フレームにし、録音したセリフを audio_url で渡します。顔は画像から、タイミングは音声から来るので、確認は口の同期ではなく演技そのものに集中できます。

  • 商品写真 1 枚から作る短いカット

    パッケージ写真を先頭フレームにして、カメラの動きを 1 つだけ書きます。ラベルと形は画像が固定するため、プロンプトは光と動きだけを担当すればよく、1080p ならトリミングの余裕も残ります。

Wan 2.5 の作例

  • 5 秒
  • 10 秒
  • 5 秒
  • 5 秒
  • 10 秒
  • 5 秒
  • 10 秒

モデルリファレンス

Wan 2.5 API リファレンス

Wan 2.5 API の仕様

開発元
Alibaba
公開エンドポイント
text-to-video、image-to-video、video-extend
長さ
5・10 秒、既定 5
解像度
480p・720p・1080p、既定 720p
アスペクト比
テキストから動画は 16:9・9:16・1:1・4:3・3:4、画像から動画は元画像に準拠
音声
映像と同時に生成、audio_url で追従させる音声を指定可能
課金
動画の秒数で課金、単価は解像度で決定

Wan 2.5 API の呼び出し方

  1. 1. 手元の素材でエンドポイントを選ぶ

    アイデアだけなら テキストから動画、aspect_ratio で画面の形を決めます。動かしたい静止画があれば 画像から動画、クリップはその画像の比率を引き継ぎます。手元のクリップを続けるなら動画延長です。長さ・解像度・音声まわりの設定は共通です。

  2. 2. まず 5 秒・720p でショットを固める

    被写体、動作 1 つ、カメラの動き 1 つ、音についての一文を書きます。試行中は seed を固定し、決まったテイクを 10 秒、または 1080p で出し直します。

  3. 3. 非同期で送信する

    Idempotency-Key を付けてタスクを作成し、タスク ID を保存してポーリングするかコールバックを登録します。完成した動画はプラットフォームのストレージから配信されます。

モデルの概要

Wan 2.5 は本プラットフォーム上で独立した API です。テキストから動画はショットの説明と 5 種類のアスペクト比から 1 つを受け取り、画像から動画は先頭フレームを受け取ってその比率を保ち、動画延長は手元のクリップを続けます。いずれもちょうど 5 秒または 10 秒を 480p・720p・1080p で返し、音声は映像と一緒に生成されます。audio_url でセリフや音楽のタイミングを合わせられ、ネガティブプロンプトと seed も指定できます。タスクは非同期で実行され、納品された動画の秒数に応じて課金、秒単価は選んだ解像度で決まります。

Wan 2.5 API のよくある質問

Wan のすべてのモデル22

動画モデル18