本文へスキップ

Alibaba の Wan 3.0 が、1〜15 秒のクリップを一文の指示で編集します。衣装、光、天気、セリフを差し替えても、出演者の動きとカメラワークは元のまま、長さも元クリップと同じです。480p〜1080p で、音も編集内容に合わせて作り直されます。

最低価格 $0.045/秒公式価格より 10% 安い

プレイグラウンド

入力

動画編集
「Edit the video:」で書き始めて変更点を書き、そのあとに動かしてはいけない要素を並べます。元クリップは Video 1、追加の静止画はアップロード順に Image 1、Image 2、声や音楽のクリップは Audio 1、Audio 2 です。Wan 3.0 は言い回しから意図を読み取るため、場面の説明だけを書くと、編集ではなくクリップを下敷きにした新しいテイクとして返ることがあります。 1 文字以上
0/10

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 10 ファイル・1 件 10 MB まで・JPG · PNG · WEBP · GIF

0 / 10 ファイル
任意で、目指す見た目の静止画を最大 10 枚まで渡せます(ジャケット、帽子、小道具など)。プロンプトで「Image 1 の帽子」のように番号で指定してください。静止画を足しても Wan 3.0 の編集料金は変わりません。 1 件以上 · 10 件以内
料金に影響1/1

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

  • 1
1 / 1 ファイル
編集するクリップです。長さ 1〜15 秒、各辺 240〜4096 ピクセルの MP4 を指定します。1〜15 秒の範囲外は課金前に受付を断り、編集結果は送ったクリップと同じ長さ・アスペクト比で返ります。 1 文字以上
0/5

音声ファイルをここにドロップ、またはここから選択 · 最大 5 ファイル・1 件 90 MB まで・MP3 · WAV

0 / 5 ファイル
任意で、作り直すサウンドトラックの声、話し方、音楽の手本を最大 5 本、合計 15 秒まで渡せます。プロンプトでは Audio 1、Audio 2 と呼びます。料金はかかりません。 1 件以上 · 5 件以内
料金に影響
480p、720p(既定)、1080p から選びます。ピクセル数と 1 秒あたりの料金はこの設定で決まりますが、画面の縦横比は元クリップに従うため、正方形のクリップは正方形のまま返ります。
音声を生成
既定でオンです。Wan 3.0 が編集後の映像に合わせて新しい音を作ります。雨の夜にすれば雨音が入り、セリフを指定すれば新しいセリフが話されます。オフにすると音声トラックのないファイルが返ります。どちらでも料金は同じです。
シード値
0〜2147483647 の整数を任意で指定します。同じシードを使うと 2 回の Wan 3.0 編集を比べやすくなりますが、まったく同じフレームになる保証はありません。 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?

検閲なしの動画 API

テキストや静止画、参照 10 枚から、音付きの 2〜30 秒を作れます。

主なスペック

エンドポイント
5
Wan 3.0 は文章からの生成、開始画像の動画化、既存動画の延長、参照素材からの生成、手持ちのクリップの編集を別々のエンドポイントで提供します。手元の素材に合わせて選びます。
クリップ尺
2-30秒
1 リクエストで任意の整数秒。既定は 5 です。
最大解像度
1080P
SpicyAPI の Wan 3.0 は 480p、720p、1080p を提供し、既定値は 720p です。選択した解像度で秒単価が決まり、待ち時間も変わる場合があります。
音声
音声あり
Wan 3.0 では映像と音声を同時に生成する設定が標準です。generate_audio=false にすると新しく作る映像は無音になり、料金区分は変わりません。
参照
10+5+5
1 回の参照呼び出しに画像 10 枚、動画 5 本、音声 5 本まで。
アスペクト比
5
16:9、9:16、1:1、4:3、3:4。image-to-video は元フレームを継げます。

課金前に知っておくこと

すべてのモード

Wan 3.0 の長さは 2〜30 秒の整数で指定し、既定値は 5 秒です。-1 ではモデルが長さを選び、先に 30 秒分を確保して完成尺で精算します。SpicyAPI の Wan 3.0 は 480p、720p、1080p を提供し、既定値は 720p です。選択した解像度で秒単価が決まり、待ち時間も変わる場合があります。Wan 3.0 の制作では、画像、動画、声の使用許可と本人の同意、プライバシーを確認します。公開する完成版は人が確認して承認します。SpicyAPI 上の Wan 3.0 の内容範囲にかかわらず、成人であること、同意、権利、適法性への責任は残ります。公開用の作例は一般向けの内容にします。

テキストから動画

検閲なしの幅が見えるのはここです。ネオンの路地での 2 人の女性のキスは、文言だけから出てきました。同じ文言は一部の他社モデルではコンテンツフィルタで断られます。テキストだけでは得られないのは、特定の顔や衣服です。参照がなければモデルは両方を作り出し、回すたびにずれます。

画像から動画

最も文字どおりの経路です。用意した開始フレームが衣装、体型、セットを固定するので、プロンプトは動きだけを運べば済みます。終わり方が効くときは last_image_url を足してください。aspect_ratio を省くとクリップは元フレームの形を継ぎ、矛盾する比率を送ると切り抜かれます。

参照素材から動画

Wan 3.0 の参照動画生成では、画像、動きの動画、音声、文書、公開ページに役割を割り当てます。商品資料と見本画像を同じショットの制作に利用できます。Wan 3.0 では画像 10 枚に加えて動画 5 本と音声 5 本を参照でき、動画尺と音声尺には別々に合計 15 秒の上限を設けています。Wan 3.0 の参照動画は最大 5 本、各 1〜15 秒、合計 15 秒以下です。参照尺と出力尺の合計は 30 秒以下で、両方が課金対象です。MP4 または MOV、16 fps 以上、各辺 240〜4096 px、比率 8:1 以下、各 100 MB 以下で、受理後の生成中に制限違反となる場合があります。

できること

2 人のシーン

ほかのモデルが断るキス

このページのクリップは、text-to-video の 5 秒 1 回で生成しています。ネオンの路地でひとつの傘を分け合う 2 人の女性、最後にキス。同じ文言は、一部の他社モデルではコンテンツフィルタで断られます。Wan 3.0 はそれを受け付け、ドリーインのあいだ 2 人の顔を保ち、同じ工程で雨の音まで返してきました。

音は映像と一緒に

音は映像とちゃんと合っています

音声生成は既定でオンなので、1 リクエストで 1 ファイルが返り、足音は本来のフレームに乗り、カメラが寄るにつれて雨音が上がります。走らせるべき 2 本目のジョブも、あとからの同期工程もありません。自分で音を付けるつもりのときだけオフにしてください。

参照による制御

画像 10 枚、クリップ 5 本、声 5 本

reference-to-video は 1 リクエストで画像 10 枚、動画 5 本、音声 5 本まで受け取るので、顔、衣装、ロケーションの素材、声がすべて同じカットに入れます。各参照が何のためのものかはプロンプトで書いてください。ラベルのない積み上げは平均され、どれにも似ていないものになります。

Wan 3.0 の作例

  • 5 秒
  • 5 秒
  • Wan 3.0 の文生動画作例です。720p、5 秒、16:9 で、映像と一緒に音声も生成しています。
    5 秒
  • Wan 3.0 のドライブイン作例です。文章から 720p、16:9 の 5 秒動画と音声を生成しています。
    5 秒
  • 5 秒
  • 5 秒
  • 5 秒
  • 5 秒
  • 10 秒
  • 8 秒
  • 5 秒
  • 5 秒
  • 10 秒

活用シーン

  • 他所で断られる無検閲のシーン

    性別を問わないカップル、雨の中のキス、ひとつのフレームに収まる 2 人。ここまで率直に書いたプロンプトは、競合する動画モデルのいくつかでコンテンツフィルタに弾かれます。Wan 3.0 はそれを走らせますし、文言どおりの出力を最短で得る方法は、自分で用意した開始フレームです。

  • 縦位置カットダウンを量で

    aspect_ratio を 9:16 にし、尺を 5〜6 秒に保って、同じ撮影リストを seed で振ります。音のベッドがファイルの中に入って返るので、音楽の工程なしに API の出力をそのまま投稿できます。1 週間で 40 本という数が現実的になる理由です。

  • 商品写真 1 枚からの商品映像

    image-to-video はパックショットを開始フレームに、last_image_url を終了フレームに取るので、ボトルが回り、ハイライトを拾い、5 秒でヒーローアングルへ戻ってこられます。動きの両端が固定されているので、ラベルの文字もシルエットも生き残ります。

  • キャラクターを固定した連作

    エピソードのすべてのカットで、同じ顔のプレートと衣装の静止画を reference-to-video に入れ、seed とプロンプトの骨格を使い回して、動作の行だけを変えます。別々にレンダリングした十数本のクリップをまたいで、キャストが見分けられるままになります。

モデルリファレンス

Wan 3.0 API リファレンス

Wan 3.0 API の仕様

出品元
Alibaba
公開エンドポイント
text-to-video、image-to-video、video-extend、reference-to-video、video-edit
クリップ尺
Wan 3.0 の長さは 2〜30 秒の整数で指定し、既定値は 5 秒です。-1 ではモデルが長さを選び、先に 30 秒分を確保して完成尺で精算します。
解像度
SpicyAPI の Wan 3.0 は 480p、720p、1080p を提供し、既定値は 720p です。選択した解像度で秒単価が決まり、待ち時間も変わる場合があります。
アスペクト比
16:9、9:16、1:1、4:3、3:4
音声
Wan 3.0 では映像と音声を同時に生成する設定が標準です。generate_audio=false にすると新しく作る映像は無音になり、料金区分は変わりません。
参照の上限
Wan 3.0 では画像 10 枚に加えて動画 5 本と音声 5 本を参照でき、動画尺と音声尺には別々に合計 15 秒の上限を設けています。
コンテンツ
無検閲。リクエストごとの申告は不要

Wan 3.0 API の呼び出し方

  1. 1. 手元にあるものからエンドポイントを選ぶ

    Wan 3.0 は文章からの生成、開始画像の動画化、既存動画の延長、参照素材からの生成、手持ちのクリップの編集を別々のエンドポイントで提供します。手元の素材に合わせて選びます。

  2. 2. 被写体 → 動作 → カメラ → 光と音の順で書く

    Wan 3.0 には、まず動作とカメラのタイミングを伝え、次に光や音を補います。参照素材がある場合は Image 1、Video 1、Audio 1 が何を担当するかを明記します。

  3. 3. 非同期で送り、ポーリングするかコールバックを受ける

    作成の呼び出しに Idempotency-Key を付けて送り、タスク ID を控え、ポーリングするかコールバック URL を登録します。回し直しごとに変えるフィールドは 1 つにし、seed は保ってください。解像度と文言のどちらが結果を動かしたのかを知る唯一の方法です。

モデルの概要

Wan 3.0 の文生動画は、文章で指定した場面を 2〜30 秒の映像に展開します。人物や舞台を固定する画像は使わず、必要に応じて音声も同時に生成します。Wan 3.0 の画像動画化では image_url が開始構図を決めます。last_image_url で終了構図も指定でき、プロンプトではその間の動きを伝えます。Wan 3.0 の参照動画生成では、画像、動きの動画、音声、文書、公開ページに役割を割り当てます。商品資料と見本画像を同じショットの制作に利用できます。SpicyAPI の Wan 3.0 動画延長は、元動画の最終フレームを取り出して画像から続きを生成し、元動画につなぎます。モデルに元動画全体の動きを見せる処理ではありません。SpicyAPI 上の Wan 3.0 の内容範囲にかかわらず、成人であること、同意、権利、適法性への責任は残ります。公開用の作例は一般向けの内容にします。

Wan 3.0 API のよくある質問

Wan のすべてのモデル22

動画モデル18