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 Pro Prime API — 無検閲の NSFW 動画、最大 4K

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

Wan 3.0 Pro Prime text-to-video は、プロンプトを 1080p・2K・4K の 2〜30 秒に音声込みで描画します。2K と 4K は、ネイティブ 1080p の Wan 3.0 Prime を拡大したものです。

最低価格 $0.234/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1375/20000

Photorealistic gothic cinematography. Framing is a classic medium shot: her entire head is in frame with clear headroom above her hair, and the frame cuts at her waist. Her face is fully visible at all times and is the centre of the shot. A vaulted stone crypt beneath an old castle at night, a branched candelabrum burning at frame left. An adult woman with pale skin, long dark hair and dark red lips stands three metres from the lens in a deep-crimson velvet gown worn off both shoulders with a black lace choker at her throat and a black lace shawl over her upper arms. She lifts her chin and turns her head slowly to look straight down the lens, draws one fingertip from behind her ear down the side of her throat, then parts her lips in a slow closed-eyed smile that shows the tips of two sharp canines, and finally opens her eyes at the camera. All the candle flames lean at once and the light flickers across her face and bare shoulders. Very slow push in from eye level, 50mm, shallow focus with the stone vault falling away into black behind her, hot candle gold against near-black and deep crimson, drifting mist. Audio: candle flames guttering, a heavy iron door groaning far off, velvet rustling, one slow breath. Adult woman, the gown and shawl stay fully on throughout, nothing is removed. Keep the whole face in frame, do not crop the head. No text, no logos.

解像度料金に影響

アスペクト比

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

動画アップスケール

動画編集

{
  "model": "alibaba/wan-3.0-pro-prime/text-to-video",
  "input": {
    "resolution": "1080p",
    "aspect_ratio": "16:9",
    "duration_seconds": 5,
    "generate_audio": true,
    "enable_prompt_expansion": true,
    "prompt": "Photorealistic gothic cinematography. Framing is a classic medium shot: her entire head is in frame with clear headroom above her hair, and the frame cuts at her waist. Her face is fully visible at all times and is the centre of the shot. A vaulted stone crypt beneath an old castle at night, a branched candelabrum burning at frame left. An adult woman with pale skin, long dark hair and dark red lips stands three metres from the lens in a deep-crimson velvet gown worn off both shoulders with a black lace choker at her throat and a black lace shawl over her upper arms. She lifts her chin and turns her head slowly to look straight down the lens, draws one fingertip from behind her ear down the side of her throat, then parts her lips in a slow closed-eyed smile that shows the tips of two sharp canines, and finally opens her eyes at the camera. All the candle flames lean at once and the light flickers across her face and bare shoulders. Very slow push in from eye level, 50mm, shallow focus with the stone vault falling away into black behind her, hot candle gold against near-black and deep crimson, drifting mist. Audio: candle flames guttering, a heavy iron door groaning far off, velvet rustling, one slow breath. Adult woman, the gown and shawl stay fully on throughout, nothing is removed. Keep the whole face in frame, do not crop the head. No text, no logos."
  }
}

はじめに

Wan 3.0 Pro Prime テキストから動画 は、プロンプトから 2〜30 秒のショットを生成し、音声を同じファイルに収めて 1080p・2K・4K で納品します。フィールド一覧は Wan 3.0 Pro テキストから動画と完全に同じですが、ベースのレンダリングは Wan 3.0 Prime です。Alibaba は Prime を、同じ能力を持つ高速版と位置づけています。Prime のネイティブレンダリングは 1080p が上限なので、2k と 4k の段階はそこから拡大したもので、ネイティブにレンダリングしたものではありません。

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 Pro 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 Pro 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 Pro Prime 参照から動画

主な機能とハイライト

Wan 3.0 Pro と同じボディ

必須フィールドは prompt（最大 20,000 文字）だけで、resolution の既定は 1080p、aspect_ratio は adaptive、enable_prompt_expansion は true です。契約が同一なので、1 つの JSON ボディがモデル名を変えるだけで Pro と Pro Prime の両方で動きます。プロジェクトをどちらかに決める前に、同じシードでテストショットを両方に送ってみてください。

ブリーフにフレーミングを書き込む

地下聖堂のサンプルは、プロンプトの 3 分の 1 をフレーミングだけに使っています。頭全体を画面に入れ、髪の上に余白を取り、腰でフレームを切り、顔は常に見えていること。クローズアップでよくある失敗は、モデルが自分のフレームから顔を切り落としてしまうことで、フレーミングを名指しするのがその対策です。キーライトはろうそくの光だけで、音声（揺らぐ炎、遠くの鉄の扉）も同じ工程で届きます。

落ち着く場所のない動き

水中のサンプルには基準になる地面がありません。沈んでいく被写体のまわりで深紅のシルクのガウンが花のように広がり、髪が扇状に広がり、指先から泡が尾を引き、カメラは弧を描きながら同時にティルトします。解像度を指定していないので、既定の 1080p で実行されます。何も静止しないショットこそ、大きい納品段階の恩恵をいちばん受けます。

リクエストパラメーター

Wan 3.0 Pro 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	被写体、動作 1 つ、カメラの動き 1 つ、そのあとに光と音。4K では曖昧なブリーフが実費になるので、雰囲気ではなくカットを書いてください。 1 文字以上 · 20000 文字以内
`resolution`	いいえ	1080p、2k、4k、既定は 1080p です。Wan 3.0 Prime のネイティブ出力は最大 1080p なので、それより上の段である 2k と 4k は、その解像度でネイティブにレンダリングしたものではなく、レンダリングを拡大して納品されます。 `1080p` · `2k` · `4k` · デフォルト値: `1080p`
`aspect_ratio`	いいえ	16:9、4:3、1:1、3:4、9:16、または adaptive。既定は adaptive でモデルに選ばせます。 `16:9` · `4:3` · `1:1` · `3:4` · `9:16` · `adaptive` · デフォルト値: `adaptive`
`duration_seconds`	いいえ	2〜30 の任意の整数秒、既定 5。-1 はスマート尺で、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。音は映像と一緒に生成され、同じファイルに入って届きます。デフォルト値: `true`
`enable_prompt_expansion`	いいえ	この家族では既定でオン。薄いブリーフを埋め、詳細なブリーフは書き直します。デフォルト値: `true`
`seed`	いいえ	0〜2147483647。解像度や尺を詰めるあいだは固定してください。 `≥ 0` · `≤ 2147483647`

料金

料金
仕様	料金
`1080p`	$0.234 / 秒
`2k`	$0.252 / 秒
`4k`	$0.279 / 秒

ユースケース

縦長フレームで動く色の光

オーロラのサンプルは、凍った湖で 1 枚の毛布を分け合う 2 人の肌と髪の上を緑の光が流れていく様子を、9:16 のフレームで求めています。肌の上を動く色の光は、バンディングや色ノイズが最初に現れる場所です。こうした被写体で 2K や 4K を使うのは、場面が本当にそれを必要とするときだけにしてください。静止した被写体を 4K にしても、ファイルが大きくなるだけです。

手持ち・自然光の場面

夜のフェリーのサンプルは意図的に素朴です。手持ちのドキュメンタリー風フレーミング、デッキの投光器と遠くの港の明かり、船尾の手すりで額を寄せ合い、航跡が白く渦巻く下でキスをする成人男性 2 人。どのシーンもほかのプロンプトと同じように送れるので、設定すべきコンテンツフラグはありません。同意、権利、年齢、現地の法律については利用者が責任を負います。

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

小さく探して、大きく納品する

seed を固定し、1080p・5 秒でプロンプトを調整します。テイクが決まったら、まったく同じボディを resolution を 4k にして送り直してください。解像度とシードを同時に変えると 2 つのことを一度に変えることになり、どちらが結果を動かしたのか分からなくなります。

拡大したファイルでは硬い光を最初に確認する

夜の単一の硬い光源（吊り下げ電球 1 つ、デッキライト 1 つ）は、拡大した映像の限界が最初に現れるところです。減衰部のバンディング、ろう人形のような肌、灰色のにじみになる濡れた布。グレーディングやシーケンスの編集に入る前に、納品された 2K や 4K のファイルでその部分を確認してください。

最終レンダリングの前に文言を固める

このファミリーではプロンプト拡張が既定でオンで、細かいブリーフを書き換えます。プロンプトが正確なショットの記述になったら enable_prompt_expansion をオフにし、調整した版がそのまま実行されるようにします。被写体、動作を 1 つ、カメラの動きを 1 つ、そのあとに光と音を書いてください。

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-pro-prime/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "1080p",
    "aspect_ratio": "adaptive",
    "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。

2秒から予約枠30秒まで、長さを自由に選べる

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1080p / 2k / 4k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: 1080p / 2k / 4k · 1080p 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 Pro Primeで作れる場面

使う場所に合わせてサイズを選ぶ

まず1080pで動きを選びます。2kと4kはそのレンダーを拡大した納品サイズです。掲載先で必要な場合に選び、拡大前の映像も確認します。

Wan 3.0シリーズの作風参考
このろうそくの肖像プロンプトはWan 3.0シリーズの作風参考です。顔全体を画面に残し、主光源を決め、小さなしぐさを順に書きます。ギャラリーでもシリーズの参考として掲載しています。

Wan 3.0 Pro 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
成人のキャラクターの視線、接近、小さな仕草を演出します。カメラの動きを一つと、明確な結末があれば、短いティーザーにも分かりやすい流れが生まれます。
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 Pro 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 Pro Prime：保存済みリクエストとプロンプト案

Wan 3.0シリーズの作風参考

このろうそくの肖像プロンプトはWan 3.0シリーズの作風参考です。顔全体を画面に残し、主光源を決め、小さなしぐさを順に書きます。ギャラリーでもシリーズの参考として掲載しています。

Photorealistic gothic cinematography. Framing is a classic medium shot: her entire head is in frame with clear headroom above her hair, and the frame cuts at her waist. Her face is fully visible at all times and is the centre of the shot. A vaulted stone crypt beneath an old castle at night, a branched candelabrum burning at frame left. An adult woman with pale skin, long dark hair and dark red lips stands three metres from the lens in a deep-crimson velvet gown worn off both shoulders with a black lace choker at her throat and a black lace shawl over her upper arms. She lifts her chin and turns her head slowly to look straight down the lens, draws one fingertip from behind her ear down the side of her throat, then parts her lips in a slow closed-eyed smile that shows the tips of two sharp canines, and finally opens her eyes at the camera. All the candle flames lean at once and the light flickers across her face and bare shoulders. Very slow push in from eye level, 50mm, shallow focus with the stone vault falling away into black behind her, hot candle gold against near-black and deep crimson, drifting mist. Audio: candle flames guttering, a heavy iron door groaning far off, velvet rustling, one slow breath. Adult woman, the gown and shawl stay fully on throughout, nothing is removed. Keep the whole face in frame, do not crop the head. No text, no logos.

縦位置フィード向けの固定長プロダクトカット
duration_secondsを9、aspect_ratioを9:16に設定することで、長いレンダーを後から切り抜くのではなく、目的の尺を直接指定します。
```
A ceramic pour-over coffee dripper on a marble counter, steam rising in a thin column, morning light raking across the surface from the left, camera holds static then racks focus from the dripper to the steam
```
探索的な場面でのスマート長さ調整
適切な尺がまだ決まっていない場面でduration_secondsを-1にすると、モデル自身に長さを見つけさせられます。課金は実際に返された結果に従います。
```
A cargo train crossing a long steel bridge at dusk, fog rolling beneath the trusses, the camera tracking alongside at a fixed distance, wheels clicking over the rail joints, distant horn
```
スコア付けのために音声を無効化
generate_audioをfalseにすると、消す必要のある生成トラックを付けずに、作曲家へそのままカットを渡せます。
```
A lone hiker crests a ridge line at sunrise, wind moving through dry grass, wide establishing shot slowly pushing in as clouds shift across the valley below
```