はじめに
Wan 3.0 Prime 画像から動画 は、Prime のレンダリングで開始フレームを 2〜30 秒動かします。フィールドは Wan 3.0 画像から動画と同じです。image_url は必須で、そのまま最初のフレームになります。プロンプトは省略でき、書くとしても動きだけで十分です。任意の last_image_url で最後のフレームを固定できます。解像度は 480p・720p・1080p（既定は 720p）で、generate_audio を false にしない限り音声は映像と一緒に生成されます。
開始素材に応じてモードを選ぶ
| 開始素材 | モード |
|---|---|
| 書いたブリーフから、場面、行動、カメラ、必要に応じて音を組み立てます。 | Wan 3.0 Prime テキストから動画 |
| 承認済みの開始画像が被写体と構図を決め、指示文がその後の動きを導きます。 | Wan 3.0 Prime 画像から動画 |
| 別々の参照素材に、人物、場所、動き、音の役割を明確に割り当てられます。 | Wan 3.0 Prime 参照から動画 |
主な機能とハイライト
セットと衣装は静止画から、動作はプロンプトから
フレームがすでに見た目を担っているため、リクエスト全体を動きと音に集中させられます。サウナの例は、セットと衣装がすでに収まった一枚の静止画から始まり、そのプロンプトは柄杓の水が熱い石に当たること、蒸気が立つこと、手首の裏が鎖骨をなぞること、そして蒸気の「シュー」という音、杉板がきしむ音、ゆっくりした呼吸を名指しする音声の一行を含みます。
終わりが決まっていれば長い変化も安心
last_image_url を使うと、クリップは渡した画像でぴったり終わります。ダンスフロアのサンプルは空っぽのフロアから始まり、渡した満員の部屋のフレームで終わります。1080p・3:4 で 10 秒、音声はオフです。モデルが考えるのは部屋が「どう」埋まっていくかで、「何まで」埋まるかではありません。
既定ではフレーム本来の形のまま
aspect_ratio を省くとクリップは開始フレームの形を保ち、合わない値を指定するとトリミングされます。使える画像は JPEG、透過なしの PNG、BMP、WEBP で、1 辺 240〜8000 ピクセル、最大 20 MB、縦横比は 8:1 以内です。終わりのフレームにも同じ条件が適用されます。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | いいえ | 任意です。省略すると、モデルが開始フレームをもとに自ら動きを付けます。 1 文字以上 |
image_url | はい | 開始フレームで、そのまま最初のフレームとして使われ、カットの実質的な画質の上限にもなります。衣装、身体、セット、光の向きはここから引き継がれるので、プロンプトは動きだけを運べば済みます。 |
last_image_url | いいえ | 任意で、 |
aspect_ratio | いいえ | 16:9、9:16、1:1、4:3、3:4、adaptive から選びます。adaptive はモデルに選ばせる指定です。 |
enable_thinking | いいえ | 生成の前に、指示と参照素材をモデルにじっくり読み込ませます。長いドキュメントや Web ページ、複雑な参照画像に向いていますが、処理は遅くなります。 デフォルト値: |
resolution | いいえ | 480p、720p、1080p。既定は 720p。 |
duration_seconds | いいえ | 2〜30 の任意の整数秒、または -1 でスマート尺です。スマート尺ではモデルが長さを決め、上限の 30 秒分を先に確保して、実際に出力された長さで精算します。 |
generate_audio | いいえ | 既定でオン。映像に固定された音付きでクリップが返ります。 デフォルト値: |
enable_prompt_expansion | いいえ | 既定でオフ。オンにすると生成前にプロンプトが書き直され、薄いブリーフには効き、詳細なブリーフとは喧嘩します。 デフォルト値: |
seed | いいえ | 0〜2147483647。1 フィールドずつ比べるときは固定し、幅が欲しいときは外してください。 |
料金
| 仕様 | 料金 |
|---|---|
| $0.0612 / 秒 |
| $0.126 / 秒 |
| $0.252 / 秒 |
ユースケース
静止画から速いアクションへ
浜辺のサンプルは馬に乗った女性の静止画から始まり、キャンターからギャロップに移り、蹄の後ろに砂と浅い水が跳ね上がり、低い太陽の中へ走り抜ける彼女に並走する速いトラッキングを求めています。この速さになると開始フレームはもう助けにならないので、物理はプロンプトが担います。何が跳ね、どの方向へ飛び、カメラがどう付いていくのか。
終わりを固定したひとつの動作
仮面舞踏会のサンプルは両端を固定しています。同じ大理石の大階段に立つ同じ女性の最初と最後のフレームを渡し、その間の登場を書いています。金の仮面を外し、ドレスの裾を持って、仮面の客たちがグラスを掲げるなかカメラへ向かって数段降りてくる。終わりの静止画を開始の静止画から作っているので、ドレスもシャンデリアも客も同じ場所に残ります。720p で 5 秒、音声付きです。
プロンプトガイドと実践のヒント
着地フレームを先に静止画で承認する
終わり方が大事なときは、レンダリングの前に、最初のフレームと同じセット、同じトリミングで最後のフレームを作ります。静止画で承認するほうが長い中間部を何度も試すよりはるかに安く、プロンプトの仕事も「行き先を作る」ことから「移り変わりを書く」ことに変わります。
音は音源のリストとして書く
サウナのプロンプトは、各音源を並べた「Audio:」の行で終わっています。ムードを表す言葉より確実で、それぞれの音を原因となる動作に結び付けられます。編集で音楽を付けるクリップでは、ダンスフロアのサンプルと同じように generate_audio を false にしてください。
短く固めてから延ばす
seed を固定して 5 秒で動きを試し、それから延ばします。長いクリップほど人物や形が崩れやすく、30 秒で速く手足が交差する場面は、アーティファクトが最初に現れるところです。正確な動きの指示が生成前に書き換えられないよう、enable_prompt_expansion は既定の false のままにしておきます。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/wan-3.0-prime/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
