本文へスキップ

Wan 3.0 でクリップを続けます。動画の最後のフレームから 2〜30 秒の新しい区間を作り、元の動画と続きをつないだ 1 本のファイルを 480p、720p、1080p で返します。

最低価格 $0.045/秒

プレイグラウンド

入力

動画延長
  1. 1

    続きを作るクリップを選ぶ

    動画を1本選ぶと、その最後のフレームから続きを作ります。

  2. 2

    この先の展開

    ステップ 1 でクリップを選ぶと、ここが開きます。

    省略できます。空のままなら、モデルが最後のフレームから自動で場面を続けます。方向を指定したいときは、次に起きること、つまり続く動作、カメラの動き、音を書きます。被写体とセットは開始フレームで決まっているので、言葉は動きに使ってください。 1 文字以上
    料金に影響
    新しい区間を生成するときの解像度です。480p、720p、1080p から選び、既定は 720p です。つなぎ目で精細さに段差が出ないよう、元の動画の解像度に合わせてください。つないだ MP4 は元の動画のフレームレートと画面の構図を保ち、黒帯は入りません。つなぎ目を合わせるため、画面の端が数パーセント切り取られたり調整されたりすることがあります。モデルが返した映像の縦横比が大きく異なる場合は、新しい区間を画面いっぱいに拡大して中央に合わせ、はみ出した部分を切り取ります。料金もこれで決まります。
    長さ料金に影響
    新しい区間の長さです。2〜30 の任意の整数秒、または -1 でモデルに任せます。-1 のときは 30 秒分を先に確保し、実際に出力された長さで精算します。既定は 5 です。元の動画はその前に足されますが課金されません。 2 以上 · 30 以下
    音声を生成
    既定でオンで、新しい区間に生成した音が付きます。元の動画の音はどちらの場合も残ります。片方が無音のときは、つないだファイルを無音で埋めます。
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。

必須項目が 1 件未入力です:入力動画

出力

実行待ち

結果はここに表示されます。

入力を設定し、概算料金を確認してからモデルを実行します。

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。

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
4
text-to-video、image-to-video、video-extend、reference-to-video。それぞれ固有の契約です。
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
480p、720p、1080p を、リクエストごとに選びます。
音声
音声あり
映像と同じ工程で生成され、既定でオンです。
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

text-to-video

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。

image-to-video

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。

reference-to-video

参照の配列、参照ファイル、ウェブリンクのうち最低 1 つが必須で、プロンプトは任意です。画像 10 枚、動画 5 本、音声 5 本で、参照動画と参照音声はそれぞれ合計 15 秒までです。参照動画の秒数は出力と合わせて課金され、両者の合計は 30 秒を超えられません。各参照が何を制御するのか——人物、衣装、ロケーション、声——を書いてください。書かなければ、モデルはそれらを平均して一般的な被写体にします。

all

2〜30 秒、480p から 1080p。1080p の 30 秒はこの家族で最も時間のかかる処理です。まず 5 秒・720p で見た目を決めてから拡大してください。写っている全員、およびアップロードするすべてのファイルについて、同意、権利、年齢、現地法の順守の責任は利用者にあります。プラットフォームは内容を審査しません。公開ページと作例は一般向けの範囲に留めています。

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
  • text-to-video・5 秒・720p・16:9・音声も同じ工程で生成
    5 秒
  • text-to-video・5 秒・720p・16:9・音声も同じ工程で生成
    5 秒
  • 5 秒
  • 5 秒
  • 5 秒
  • 5 秒
  • 10 秒
  • 8 秒
  • 5 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
クリップ尺
2〜30 秒、既定 5
解像度
480p、720p、1080p — 既定 720p
アスペクト比
16:9、9:16、1:1、4:3、3:4
音声
映像と一緒に生成。既定でオン
参照の上限
画像 10 枚、動画 5 本、音声 5 本。参照動画・参照音声はそれぞれ合計 15 秒まで
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

    文章のアイデアだけ → text-to-video。動かしたいフレームがある → image-to-video。カットをまたいで残さなければならない顔、衣装、ロケーション、声がある → reference-to-video。それぞれが別々の契約で、家族名がフィールドを統合してくれるわけではありません。

  2. 2. 被写体 → 動作 → カメラ → 光と音の順で書く

    被写体 1 つ、動作 1 つ、カメラの動き 1 つ、光と音の注記を各 1 つ。このページのクリップの元になったテキストがこれで、duration_seconds 5、resolution 720p、aspect_ratio 16:9、音声オンで走らせています。"Two adult women in a rain-soaked neon alley at night share one umbrella, shoulders pressed together. One tucks a wet strand of hair behind the other's ear, they look at each other and kiss, the umbrella tilting to half-hide them. Slow dolly-in, pink and green neon bleeding across wet ground, anamorphic flare, 35mm grain, rain on the umbrella."

  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 はこのプラットフォームにおける Alibaba の旗艦動画ファミリーで、独立した API として公開しています。text-to-video、image-to-video、video-extend、reference-to-video です。どのエンドポイントも 480p / 720p / 1080p で 2〜30 秒、5 種のアスペクト比、任意の seed、そして同期して生成される音声を取ります。reference-to-video には参照画像 10 枚、参照動画 5 本、参照音声 5 本が加わり、image-to-video は image_url と last_image_url で両端を固定します。作業は非同期で作成され、課金は納品された映像 1 秒あたり(reference-to-video では参照動画の秒数も加算)、送信前に米ドル建てで提示されます。Wan 3.0 は検閲なしです。他社のモデルがフィルタで断る 2 人のロマンスのプロンプトもここでは生成され、実測した境界は上に書いてあります。

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