本文へスキップ

Alibaba の Wan 2.6 reference-to-video は、1〜3 本の参照クリップの人物・動物・物を、プロンプトで書いた新しい場面に登場させます。2〜10 秒、720p か 1080p で、ワンカットでもマルチショットでも作れます。

エンドポイントごとにフィルタリングの扱いが異なります:画像から動画 — 規制なし, テキストから動画 — 規制なし, 参照素材から動画 — フィルターあり。

最低価格 $0.065/秒

プレイグラウンド

入力

参照素材から動画
279/1500

並べ替えるとプロンプト内の番号も更新されます。素材を削除すると参照も消えるため、プロンプトを確認してください。

新しい場面です。各参考クリップが何を提供するのかを述べ、そのうえで設定、動き、カメラ、光を書きます。1,500 文字以内に収めてください。映像がすでに写しているものを書き直すと予算を使ううえ、クリップと競合することがあります。 1 文字以上 · 1500 文字以内
0/1500
出てほしくないもの。余計な人物、字幕、参考クリップから持ち越したくない小物などです。最初からすべての除外を書くより、複数回の生成で繰り返し出てきたものに対して使ってください。 1500 文字以内
次のうち少なくとも 1 つを指定条件を満たしています
料金に影響-0 / 5 秒1/3

動画をここにドロップ、またはここから選択 · 最大 3 ファイル・1 件 90 MB まで・MP4 · WEBM

  • character1
1 / 3 ファイル
起用する人物や物のクリップを最大 3 本。プロンプトの中では送った順に character1、character2、character3 と指してください。Wan はこの名前でしか登場人物を見分けません。reference_image_urls の静止画は、クリップの後ろに続けて番号が振られます。被写体が画面内で大きく、十分な光があり、複数の角度から見えている短い映像がいちばんよく移ります。送った秒数は課金対象なので、アップロード前に切ってください。 1 件以上 · 3 件以内
0/2

ファイルやメディアのリンクをドロップ、貼り付け、または選択 · 最大 2 ファイル・1 件 10 MB まで・JPG · PNG · WEBP · GIF

0 / 2 ファイル
起用する人物や物の静止画を最大 2 枚。クリップと一緒にも、クリップの代わりにも送れ、クリップと合わせて 1 リクエスト 5 件までです。番号はクリップの後ろに続き、クリップが 2 本なら最初の画像は character3、クリップがなければ character1 です。静止画は色や雰囲気をよく運びますが、形はクリップほど忠実に再現されないことがあるので、形が大事なときはプロンプトで形を書いてください。画像は課金されません。 1 件以上 · 2 件以内
16:9、9:16、1:1、4:3、3:4 のいずれか。既定は 16:9 で、どちらの解像度でも使えます。組み合わせごとの画素数は仕様表に載せています。入力フレームから継承するのではなくここで選ぶパラメーターなので、同じ参考素材を複数の画面比で出し分けられます。
料金に影響
720p か 1080p、既定は 720p です。秒あたりの単価とタスクにかかる時間を決めます。どちらの解像度も 5 種類の比率すべてに対応します。
長さ料金に影響
2 から 10 までの整数、既定は 5 です。価格を最も左右する要素であり、似姿がずれるのもここです。長めの尺にする前に、最後の 1 秒を確認してください。 2 以上 · 10 以下
ショット構成
ワンカットマルチカット
single は 1 カットの連続撮りを保ち、multi は同じ場面の中でモデルにカットを割らせます。場面に展開があるときは multi の価値がありますが、2〜3 秒ではカットを入れる余地はほとんどありません。
シード値
0 から 2147483647 まで。参考クリップを 1 本ずつ入れ替えて比べるあいだは固定しておくと、乱数の引きが一定に保たれ、変えたところだけが動きます。比較のための道具であって、フレーム単位で同じものが再現される保証ではありません。 0 以上 · 2147483647 以下
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。

出力

実行待ち
サンプル出力

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。

マルチショット動画 API

ショットを書くか、フレームを送るか。最大 15 秒を、ワンカットでも切り分けた連続ショットでも。

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、リファレンスから動画。それぞれ別の契約です。
長さ
15秒
5・10・15 秒ちょうど。リファレンスから動画は 2〜10 秒です。
最高解像度
1080P
720p または 1080p。既定は 720p。
ショット
マルチ
ワンカット、または複数ショットに分割。
音声
音声
映像と一緒に生成されて返ります。

課金前に知っておくこと

text-to-video

5 種類のアスペクト比をどちらの解像度でも使えます。multi を選ぶと、そのリクエストではプロンプト拡張が自動でオンになります。特定の顔や商品は、テキストだけでは実行ごとに同じ姿を保てません。その場合は画像から動画でフレームから始めます。

image-to-video

先頭フレームは必須で、衣装・セット・光・画面の形はここで決まります。送る前にトリミングしてください。長さは 5・10・15 秒ちょうどです。マルチショットは性質上つながりが途切れるので、動いてはいけない商品カットは single のままにしてください。

reference-to-video

参照は少なくとも 1 件必要です。参照動画は最大 3 本、静止画は最大 2 枚です。動画の合計の長さは出力に加えて最大 5 秒まで課金対象になり、静止画は課金されません。長さは 2〜10 秒の任意の整数秒です。似せる手がかりはプロンプトではなく参照側にあるため、画面の中で小さいままの被写体や逆光が続く被写体は、似ているという程度でしか返ってきません。

all

解像度は 720p または 1080p です。映っているすべての人物とアップロードするすべてのファイルについて、同意・権利・現地の法律への責任は利用者にあります。公開ページと作例は一般向けに問題のない内容に保ちます。

できること

1 枚から一連の場面へ

物語のカット割りはモデルに任せる

shot_type を multi にし、プロンプトを番号つきのショットで書きます。画像から動画は先頭フレームの見た目を保ったままアングルを切り替えるので、15 秒のクリップに引きの画、寄りのディテール、締めの一枚を収められます。漂うだけのカメラワーク 1 本で終わりません。

活用シーン

  • 15 秒のストーリーカード

    キーフレーム 1 枚、プロンプトに番号を振った 3 ショット、shot_type は multi、15 秒。編集者なしでプリロールや商品ティザーが作れ、音声はファイルの中に入って返ります。

  • 1 枚の商品写真からターンテーブル

    承認済みのパッケージ写真から始め、プロンプトには動きだけを書きます。ゆっくり 4 分の 1 回転、表面を走る光。商品そのものはフレームが決めているので書き直す必要はありません。

  • 配信先ごとに形を決めてから作る

    テキストから動画なら、seed を固定して同じ指示を 9:16 と 16:9 で生成します。画像から動画なら、送る前に写真をそれぞれの比率に切ります。どちらの場合も、画面比はクリップができる前に決まり、あとから直すものではありません。

Wan 2.6 の作例

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

モデルリファレンス

Wan 2.6 API リファレンス

Wan 2.6 API の仕様

開発元
Alibaba
公開エンドポイント
text-to-video, image-to-video, reference-to-video
長さ
5・10・15 秒ちょうど。リファレンスから動画は 2〜10 秒
解像度
720p・1080p、既定 720p
アスペクト比
テキストから動画とリファレンスから動画は 16:9・9:16・1:1・4:3・3:4、画像から動画はフレームに従う
ショット
ワンカット、または複数ショット編集
音声
映像と同時に生成。audio_url は text-to-video と image-to-video のみ
課金
出力動画の秒数で課金、単価は解像度で決定

Wan 2.6 API の呼び出し方

  1. 1. 手元にある素材で選ぶ

    アイデアだけなら、テキストから動画を使い、形は aspect_ratio で決めます。動かしたいフレームがあるなら、画像から動画を使い、衣装・セット・光・比率はフレームが決めます。別の場面に出したい人物やものがあるなら、リファレンスから動画を使い、1〜3 本のリファレンス動画から 2〜10 秒の新しい場面を作ります。解像度とショットの種類は 3 つとも共通で、audio_url はテキストから動画と画像から動画にだけあります。

  2. 2. 書く前に single か multi かを決める

    ワンカットは 1 つの動きと 1 つのカメラワーク。複数ショットは番号を振ったショットごとの画づくり。比べるときは seed を固定します。

  3. 3. 非同期で投げる

    Idempotency-Key をつけてタスクを作り、task id を保持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 2.6 は本プラットフォームでは独立した 3 つの API として公開しています。テキストから動画は文章で書いたショットと 5 種類のアスペクト比を受け取り、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、リファレンスから動画は 1〜3 本の動画を受け取って、そこに映るものを書いたシーンへ移します。テキストと画像は 5・10・15 秒ちょうどを音声つきで返し、追従させる audio_url を任意で指定できます。リファレンスから動画は 2〜10 秒の任意の整数秒を返します。3 つとも 720p または 1080p で動き、shot_type でワンカットと複数ショット編集を切り替えられます。タスクは非同期で、課金は出力動画の秒数、単価は選んだ解像度で決まります。

Wan 2.6 API のよくある質問

Wan のすべてのモデル22

動画モデル18