Wan 3.0 動画生成AI
Wan 3.0はAlibaba Cloud Model Studioのオールインワン型Wan動画生成モデルです。最大30秒、ネイティブ音声、480P〜1080P、開始/終了フレーム制御、画像・動画・音声・ドキュメント・Webページを使う参照ワークフローに対応します。
WanVideoMakerはWanに関する独立した情報リソースで、Alibabaとは提携していません。実際の生成はマルチモデルAI動画スタジオIkatで利用できます。
Wan 3.0とは？
Wan 3.0は、複数の動画生成ワークフローを現在の同一モデルファミリーにまとめたものです。公式資料では、テキストから動画、開始フレームから動画、開始/終了フレーム生成、マルチモーダル参照生成、動画編集、動画延長が案内されています。
重要なのは単に最大30秒になったことだけではありません。映像・音声・参照素材を同じワークフローで組み合わせられるため、人物や商品の一貫性、会話シーン、より長いショット設計に使いやすくなっています。
Wan 3.0で利用できるワークフロー
以下は現在のAlibaba Cloud公式資料に記載されているワークフローです。入力数やファイル制限は変更される可能性があるため、本番API利用時は最新ドキュメントを確認してください。
テキストから動画
テキストプロンプトから動画を生成し、対応するワークフローで解像度・比率・長さ・音声を設定します。
開始フレームから動画
1枚の画像を最初のフレームとして使い、主体や構図を起点に動画へ展開します。
開始 + 終了フレーム
最初と最後の画像を与え、その間の動きや遷移をガイドします。
マルチモーダル参照
画像・動画クリップ・音声を使い、人物、動き、シーン、声、スタイルを参照できます。
ドキュメント / Webページ参照
対応するワークフローでは、ファイルや公開Webページを生成の参考情報として利用できます。
現行の公式ガイドでは、対応ワークフローで最大20個のマルチモーダル参照素材（最大10画像、5動画、5音声）が案内されています。各入力には個別のサイズ・時間制限があります。
Wan 3.0で何が変わった？
最大30秒
1回の生成でより長い動作、カメラワーク、短いストーリーを構成しやすくなりました。
ネイティブ音声・映像生成
公式資料では、会話、BGM、効果音を映像と合わせて生成する機能が説明されています。
マルチモーダル参照
画像、動画、音声、対応ドキュメントやWebページをワークフローに組み込めます。
統合されたモデルファミリー
StandardとPrimeが現在のオールインワン系ワークフローを担い、Primeは高速推論を重視します。
Wan 3.0 StandardとPrimeの違い
| モデル | 向いている用途 | 料金 |
|---|---|---|
wan3.0-video | 一般的なWan 3.0動画生成 | 出力解像度と課金対象動画秒数に応じた従量課金 |
wan3.0-video-prime | 処理時間をより重視するワークフロー | リージョン別の個別料金 |
Primeはリージョン別に別料金が公開されているため、本サイトのStandard計算ツールには含めていません。
Wan 3.0の料金概要
日本語ページでは、Alibaba Cloud公式料金表に掲載された Japan (Tokyo) / Global の wan3.0-video Standard料金を使用します。定価は 480P $0.041256/秒、720P $0.082513/秒、1080P $0.165025/秒 です。
現行の公式料金ルールでは、課金対象時間は入力動画時間 + 正常に生成された出力動画時間です。入力動画がないワークフローでは出力時間のみが対象になります。
2026年8月28日時点の公式料金表では、東京リージョンのWan 3.0 Standardに「期間限定30%オフ」と明記されています。料金表に割引後の数値と終了時刻が別表示されていないため、割引額は公式定価 × 70% の算術見積もりとしてのみ扱います。確認から7日を過ぎた場合、計算ツールは自動的に定価へ戻り、再確認されるまで割引を現行価格として扱いません。
Wan 3.0料金計算ツールを開くWan 3.0の使い方
- 1
ワークフローを選ぶ
テキスト、開始フレーム、開始/終了フレーム、または参照素材から目的に合う入口を選びます。
- 2
出力設定を決める
解像度、アスペクト比、生成時間を設定します。対応モードでは自動比率やスマート時間も利用できます。
- 3
生成して比較する
最初の結果を見てから、プロンプトまたは参照素材を一度に一要素ずつ調整すると改善点を判断しやすくなります。
Wan 3.0プロンプトの基本
扱いやすいプロンプトは、主体、動作、環境、カメラワーク、照明やビジュアルスタイル、音声意図を分けて書くのが基本です。参照素材を使う場合は、それぞれの素材から何を引き継ぐかを明示します。
検索需要を確認せずに大量の薄いプロンプトページを作る方針は取りません。専用ガイドはSearch Consoleの実際の需要を見て拡張します。
Wan 3.0 よくある質問
Wan 3.0とは何ですか？
Alibaba Cloud Model Studioの現行オールインワン型Wan動画生成モデルです。Standardはwan3.0-video、Primeはwan3.0-video-primeです。
Wan 3.0は何秒まで生成できますか？
現行の公式資料では2〜30秒の出力に対応しています。
対応解像度は？
現在の公式資料では480P、720P、1080P、30fpsが案内されています。
音声も生成できますか？
はい。公式資料では会話、BGM、効果音を含むネイティブな音声・映像生成が説明されています。
画像や動画、ドキュメントを参照できますか？
はい。画像、動画、音声、対応ファイル、公開Webページを使う参照ワークフローが案内されています。
料金はどう計算されますか？
現行ルールでは入力動画時間 + 正常に生成された出力動画時間が課金対象です。入力動画がない場合は出力秒数のみです。
Wan 3.0は無料ですか？
API利用はAlibaba Cloudの現行料金に基づく従量課金です。一部リージョンには期間限定の無料クォータがありますが、WanVideoMakerが永久無料生成を提供するという意味ではありません。
Wan 3.0公式情報
機能・仕様・料金はAlibaba Cloud公式資料を優先し、価格や制限が変わったときに再確認できるよう検証日を明記しています。