Wan 2.5 レビュー：音声付きクリップを安く撮る方法

このページのギャラリーには、Wan 2.5 のモデルページで公開している職場でも見られる作例を載せています。

夜明けのダイブ。 石造りの波止場にいる水泳選手が腕を振ってダイブし、笑いながら浮かび上がります。水しぶきとその後に続く波の音が、水面が割れる瞬間にほぼ合っています。

サテンのターン。 静止画のポートレートから、1080p で 10 秒。彼女は肩を回して 2 歩踏み出し、ネガティブプロンプトのおかげでアクセサリーや余計な人物がフレームに紛れ込みません。

10 秒のサックスソロ。 ジャズバーでのひと続きのワンカット。審査員はここでのクローズアップの表情の細かさを称賛する一方、別のギターのプロンプトでは指の動きを弱点として挙げました。

同じプロンプトで比較した直近のアリーナ検証では、音声を主役にしたプロンプト（カフェの会話、涙ながらの告白、割れるワイングラス、燃え上がる中華鍋）を試すたびに同じ傾向が出ました。台詞と感情の表現はうまく決まる一方、精密な手や物体の物理現象への依存度が高いプロンプトほど、当て推量が増えていきます。

音の出どころを動作と同じ文の中で名指しすれば、Wan 2.5 は追加の指示なしでも大抵その 2 つを合わせてくれます。

1. 目に見える音源に音を同期させる。

A wine glass slides off the edge of a wooden table and shatters on a stone floor, with a sharp crash and the tinkle of scattering shards, in a quiet kitchen.

このプロンプトを Wan 2.5 で試す →

2. ターンをまたいでポートレートの顔を保つ（画像から動画）。

She shifts her weight, turns her shoulders toward the lens and takes two slow steps forward, the satin of the dress catching the light as it moves. She tucks her hair behind one ear and holds the look. Locked camera, clean grey studio, soft light.

このプロンプトを Wan 2.5 画像から動画で試す →

弱いプロンプト：「A woman dances in a room.」音の手がかりも、音声トラックが従うべき名指しされた動作もありません。強いプロンプト： プロンプト 1 のように、音を出す物や声と、それがショットのどこで起きるかを名指ししましょう。

Wan 2.5 は、テキストと画像の両方の入力で試したすべての段階——L1 ほのめかしから L3 強め、L4 高強度、L5 極限（L5a 合意ある拘束と刺激プレイ、L5b 映画的なゴア表現）まで——を出力しました。唯一の例外は、プレーンテキストで送った L5a のプロンプト 5 本中 2 本が、書いたとおりではなく弱めて返ってきたことです。同じ場面を静止画から送ったときは、試すたびに全編そのまま出ました。ページ上の表示は 規制なし。当社側でコンテンツフィルターは追加していません。段階ごと・入力形式ごとの通過率はこのモデルのテストレポートにあります。

プロンプト、静止画、出力のすべてで成人のみ。実在し特定できる人物には本人の同意が必要で、開始フレームに使う写真の権利もお客様側でご用意ください。

Wan 2.5 は Alibaba の Wan ラインをオープンウェイトから切り離したリリースで、コミュニティも当日のうちに気づきました。GitHub では、いまもオープンソースの Wan 2.2 リポジトリに対して「オープンソースコミュニティを騙して利用してくれてありがとう、Alibaba」というタイトルの issue が立てられ、以前のオープンリリースは、2.5 を含むその後のクローズドモデルのマーケティングとして機能しただけだったのではないか、と主張しています。この issue は今も開いたままです。

私たちの検証はオープンウェイトの是非については何も語りませんが、コミュニティが反応していた取引条件そのものは裏付けています。2.5 は API 限定であり、同時に、それ以前のオープンな Wan 2.2 にはなかったネイティブ音声を初めて搭載したバージョンでもあります。

• 同じ発想で複数ショットの切り替えが欲しい？ Wan 2.6 は 1 回の呼び出しに番号付きショットリストと参照動画からのキャスティングを加えますが、1 秒あたりの価格は倍になります。
• さらに安く、音声なしでいい？ Wan 2.6 Flash は音声とテキストから動画を省く代わりに、Wan 2.6 の約 4 分の 1 の価格です。Wan 2.6 Flash のレビュー。
• 自分で動かせるオープンウェイトが欲しい？ Wan 2.2 は Alibaba が最後に公開したオープン版で、ネイティブ音声はなく、2.5 と比べて最も厳しいコンテンツ段階は出し渋ります。
• まったく別のシリーズを試したい？ MiniMax H3 も音声と試した全コンテンツ段階を出力し、価格の付き方が異なります。MiniMax H3 のレビュー。