どの入力モードを選べばよいですか？

文章から作る場合は見た目を新しく決めます。画像から作る場合は開始画像を使い、終了画像も指定できます。参考素材から作る場合は人物、場所、動き、音を新しい構図に持ち込みます。手元の素材と、次の動画に引き継ぎたい要素で選びます。

総額は何で決まりますか？

固定長の動画は、選択した秒単価と長さで費用が決まります。まず5秒で動きを選び、納品解像度に変更してから送信前の見積もりを確認します。

同じseedでテイクを比較できますか？

はい。このエンドポイントはseedを受け付けます。画像、プロンプト、ほかの設定をそろえ、一つだけ変えて比べます。seedは比較のための設定で、完全に同じフレームを保証するものではありません。

NSFWではどの手順から始めるとよいですか？

同意した成人キャラクターを描く、構図の整った画像から始めます。しぐさ、視線、距離、カメラ移動を指定します。同じ人物を続けて使うなら開始画像のモードを選びます。Examplesで実際の動画を見て、短いテイクから尺を延ばします。

Wan 3.0 Prime NSFW Text to Video API – テキストから動画

alibaba/wan-3.0-prime/text-to-video

Wan 3.0 Prime text-to-video は Alibaba の高速版 Wan 3.0 で、プロンプトを音声入りの 2〜30 秒にします。480p・720p・1080p、5 種の比率で、リクエスト形式は Wan 3.0 と同じです。

最低価格 $0.061/秒

モデルを実行 API を見る

入力

テキストから動画

プロンプト

アスペクト比

深い思考

解像度料金に影響

長さ料金に影響

音声を生成

プロンプト自動拡張

シード値

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

延長

動画編集

動画アップスケール

{
  "model": "alibaba/wan-3.0-prime/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "enable_thinking": false,
    "resolution": "720p",
    "duration_seconds": 5,
    "generate_audio": true,
    "enable_prompt_expansion": false,
    "prompt": "Golden hour on a Mediterranean rooftop. An adult woman in a sheer white linen shirt over a bikini top sits on the ledge, wind lifting the open shirt behind her like a sail, she pushes sunglasses into her hair and laughs at someone off camera. Slow orbit around her, warm backlight and lens bloom, sea breeze and gulls."
  }
}

はじめに

Wan 3.0 Prime テキストから動画 は、書いたプロンプトだけから音声付きの 2〜30 秒のクリップを生成します。フィールドは Wan 3.0 テキストから動画と完全に同じで、prompt が必須、duration_seconds、resolution（480p・720p・1080p、既定は 720p）、aspect_ratio（既定は 16:9）、generate_audio、enable_prompt_expansion、seed は任意です。そのため、既存の Wan 3.0 のリクエストはモデル名を変えるだけでそのまま使えます。Alibaba は Prime を、同じ能力を持つ Wan 3.0 の高速版と位置づけています。

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

そのまま差し替えられるリクエストで、より速く

スキーマ、既定値、列挙値がすべて同じなので、Wan 3.0 と Prime のあいだでジョブを移すのは 1 語の変更で済みます。締め切りのある仕事はこちらに送り、ターンアラウンドより秒単価を重視するジョブは Wan 3.0 に残してください。両方のモデルでシードを固定すれば、2 つのファイルを直接比べられます。

連続性を確かめられる長いテイク

灯台のサンプルは 720p・音声付きで 10 秒です。回転する光が数秒ごとに 2 人を照らし、通り過ぎるたびに闇に戻します。サウンドトラックには霧笛と海。周期的な被写体は、長いクリップが途切れずに続いているか、それとも気づかないうちにリセットしているかを見極める、正直なテストになります。

逆光、薄い布、風

屋上のサンプルは 720p で 5 秒です。ゴールデンアワーの地中海の屋上の縁で、女性の背後に薄いリネンのシャツが持ち上がり、ゆっくり回り込むカメラ、暖かい逆光とレンズのにじみ、潮風とカモメの声。逆光の薄い布と揺れる髪は難しい被写体なので、自分のレンダリングでも念入りに確認する価値があります。

リクエストパラメーター

Wan 3.0 Prime · Text to Video のリクエストパラメーター
パラメーター	必須	説明
`prompt`	はい	カットそのものです。被写体、動作 1 つ、カメラの動き 1 つ、そのあとに光と音。 1 文字以上
`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。 `16:9` · `9:16` · `1:1` · `4:3` · `3:4` · `adaptive` · デフォルト値: `16:9`
`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: `false`
`resolution`	いいえ	480p、720p、1080p。既定は 720p。 `480p` · `720p` · `1080p` · デフォルト値: `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。 `-1` · `2–30` · デフォルト値: `5`
`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: `true`
`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: `false`
`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。 `≥ 0` · `≤ 2147483647`

料金

料金
仕様	料金
`480p`	$0.0612 / 秒
`720p`	$0.126 / 秒
`1080p`	$0.252 / 秒

ユースケース

一貫性が求められる幻想的な場面

塩湖のサンプルは、空と地面の境目が見えない鏡のような水面、カメラに向かって歩く女性と、その下を逆さまに歩く映り込み、そして彼女が回ったときに水面に広がる波紋を求めています。フレームは最初固定で、あとからゆっくりプッシュインするだけなので、確認すべき対象として映り込みだけが浮かび上がります。

声まで同じ工程で生成するパフォーマンス

レコーディングブースのサンプルでは、リボンマイクの前で歌手が長く低い音を伸ばし、片方のイヤーカップを外してコントロールルームのガラス越しに微笑みます。マイクのメッシュから彼女の顔へのラックフォーカスもプロンプトに書かれています。声は映像と同じ工程で生成されるので、両方が 1 つのファイルで返ってきます。

主なユースケースのチュートリアルを見る

プロンプトガイドと実践のヒント

カメラの変化は出来事として書く

ショットの途中でカメラが何かをするときは、順番のある出来事として書きます。ブースのプロンプトは「rack focus from the microphone mesh to her face」、塩湖のプロンプトは「wide static frame that then pushes slowly in」と書いています。1 つのビートに 1 つのカメラ指示にしておけば、結果を確認しやすくなります。

長いクリップにはリズムを与える

5 秒より長いクリップでは、繰り返すもの、進んでいくもの（数秒ごとの光、潮の満ち引き、人で埋まっていく部屋など）を与えて、連続性を判断できるようにします。尺は 2〜30 の任意の整数秒、または -1 でモデルに任せられます。まず 5 秒で見た目を固めてください。

シードを固定して Prime と Wan 3.0 を比べる

同じ seed で 1 つのボディを両方のモデルに送り、そのあと 1 回に 1 つのフィールドだけを変えます。シードを固定すれば比較は公平になりますが、同じフレームになる保証はありません。細かいプロンプトでは enable_prompt_expansion を既定の false のままにし、2 行程度の薄いアイデアのときだけオンにしてください。

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/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "duration_seconds": 5
  }
}'

# 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。

Wan 3.0 Prime テキストから動画：同じ契約を、速度重視で

文章からキャラクターのティザー、映画的な場面、音を生かした短編を作れます。誰がいて、何が変わり、カメラがどう動くかを指定し、長さは2–30秒、出力は480p / 720p / 1080pから選びます。

プレイグラウンドを開く

開始素材: 場面を文章で指定。元画像は不要
長さ: 2–30 s · 5 s 既定
納品サイズ: 480p / 720p / 1080p · 720p 既定
音声: 音声生成は既定でオン。別の音源を使う場合はオフにします。

開始素材

手元の素材でモードを選ぶ

見た目を探す段階なら文章から始めます。繰り返し登場する人物には、気に入ったフレームを保存し、次のショットを画像から作ります。

長さ: 長くする前に費用を決める固定長の動画は、選択した秒単価と長さで費用が決まります。まず5秒で動きを選び、納品解像度に変更してから送信前の見積もりを確認します。

Wan 3.0 Primeで作れる場面

使う場所に合わせてサイズを選ぶ
構図を探す間は480pか720pを使い、納品には必要な解像度を選びます。解像度を比べるときは掲載先の比率と長さをそろえます。
夜の灯台
回る灯台の光で周期を作ります。一般的な映画音楽ではなく霧笛と海を音源に指定します。

Wan 3.0 Primeの使いどころ

キャラクター制作
一つの動きを軸にティザーを作る
成人キャラクターの視線、接近、小さなしぐさを演出します。一つのカメラ移動と明確な終点があると、短いNSFWティザーにも流れが生まれます。
ファッション・編集
布、光、姿勢に見せ場を作る
衣装と光を先に決めます。窓に振り向く、カーテンが動く、カップを持ち上げるなど、見る対象を具体的にします。
音を生かした場面
場の音を演出に加える
雨音、室内の環境音、足音、短いせりふなど音源を指定します。映像と音を一緒に試すなら音声をオン、編集で曲を加えるならオフにします。
シリーズ・キャンペーン
次の作品にも使える画像を残す
採用した画像、プロンプト、設定を一緒に保存します。次の画像生成動画にはその画像を、場所を変える場面には整合した参考素材を使います。冒頭だけでなく中盤も確認します。

Wan 3.0 Primeで最初の動画を作る

タグの羅列ではなく一場面を書く
成人の人物、場所、動作を決め、カメラと音を続けます。5秒なら中心となる出来事を一つにし、長い尺には始まりと終わりのある展開を用意します。
変化を演出する
一つの動作、速さ、一つのカメラ移動を指定します。「カメラがゆっくり近づく間にレンズへ振り向く」のように具体的に書きます。人物の同一性が重要なら顔を見せます。
5秒で見積もりを確認する
確認用の解像度で短く始めます。動きが決まったら長さかサイズを一つずつ上げ、その都度新しい見積もりを見ます。
採用したテイクを保存する
冒頭、中盤、終わりで顔、手、衣装、背景を確認します。入力も動画と一緒に残します。一つの変更を比べるときはseedを固定し、別テイクを探すときは変えます。

Wan 3.0 Prime：保存済みリクエストとプロンプト案

保存済みの例：夜の灯台

保存済みの例夜の灯台ではduration_seconds=10; resolution="720p"; aspect_ratio="16:9"; generate_audio=trueを指定しています。Examplesで実際の入力と動画を見比べ、自分の素材で一つだけ変更して試します。

Cast: one man and one woman. Thirty seconds at a lighthouse through one night: the keeper and the visitor who came up out of the fog, the revolving beam sweeping across the two of them once every few seconds and leaving them in dark between passes. The visitor's soaked shirt clings to the chest; the beam finds a bare throat, then leaves them dark; close two-shot. Foghorn and sea. Cinematic, heavy film grain, beam white in fog green.

締め切りに追われる状況設定ショット
標準のWan 3.0で機能する同じ構造化されたブリーフが、このクリップの完成を編集が待っているときにそのまま動きます。
```
A cargo train crosses a long steel bridge at dawn, mist rising off the river below, camera holding a fixed lateral tracking shot as the train passes, distant horn fading
```
縦型コンセプトの素早い反復
各テイクがより早く返ってくるため、9:16のコンセプトで複数のプロンプトバリエーションを試すのが現実的になります。
```
Vertical shot of a runner crossing an empty rooftop at sunrise, city skyline behind her, steady jogging pace, warm rim light along her shoulders
```
タイトなスケジュールで納品する抑えたシーン
画像参照なしで文面だけが近さを演出し、同じブリーフがどちらのビルドでも動きます。
```
Two people share a quiet embrace on a fire escape at dusk, city lights blurred behind them, foreheads resting together, a light breeze moving their hair
```