最長30秒、1テイクで
4・6・8・10・15・20・30秒。つなぎ合わせも、セグメント間のドリフトもなし。ここで次に長いモデルでも15秒、Google のモデルは8秒か10秒で止まります。
モデル · Alibaba Wan 3.0
Wan 3.0 — 1回の生成で30秒の動画
Alibaba の動画モデル。ここにある Google のモデルにはできないことが1つあります——長さです。1回の生成で4〜30秒、音声込み、480p・720p・1080p、横でも縦でも。料金は秒単位で、解像度に応じて$0.05・$0.10・$0.20——短い下書きなら$0.20、プラットフォーム最長・最高画質のクリップでも$6.00です。暗号資産またはカード、サブスクリプションなし。
01Wan 3.0とは
Wan 3.0 とは？
Wan 3.0 は Alibaba の動画生成モデルで、2026年8月に Alibaba Cloud Model Studio で公開されました。4〜30秒のクリップを、映像と同じ生成で音声までレンダリングします。ここではプロンプトに加えて、任意の開始フレームと終了フレーム、または最大10枚の参照画像を読み込み、480p・720p・1080p の完成クリップを1本返します。料金は Alibaba が提示するモデル価格そのまま——解像度別に1秒あたり$0.05・$0.10・$0.20——で、上乗せはしません。Google のモデルにも同じ方針を適用しています。
30秒が本当に必要なのは誰？
つなぎ合わせに疲れた人すべてです。多くの動画モデルは8秒か10秒で頭打ちなので、30秒のシーケンスには3〜4回の生成と手作業のつなぎ、そしてモデルが照明の解釈を変えた継ぎ目との折り合いが必要になります。Wan は全体を1テイクでレンダリングします。商品ループ、アンビエントな背景、工程カット、カメラが動き続けるだけの映像なら、編集工程そのものがなくなります。縦型も同じで——3つの解像度すべてで9:16、Shorts や Reels が求める形です。
02得意なこと
課金する前に知っておきたい6つのこと
追加料金ゼロの音声
音声は映像と一緒に生成され、デフォルトでオン。オフはトグル1つで、どちらでも価格は同じです。ネイティブ音声が有料オプションの Veo とは違います。
最初と最後のフレーム
動かしたい開始画像を渡し、任意で着地させたい終了画像も指定できます。両方に同じ画像を入れれば、きれいなループになります。
参照画像は最大10枚
参照画像は、被写体やスタイルを生成をまたいで揃えます。フレームの代わりであって、追加ではありません——モデルはどちらか一方だけを受け取ります。
シード
シードを固定すれば、同じプロンプトはほぼ同じ絵に着地します。1語ずつ調整して、その1語が何をしたのか確かめたいときに便利です。
3段階の価格
下書きは480pで1秒$0.05、公開用は720pで$0.10、1080pは$0.20。下書きは安く、本命だけ一度きれいに。
03正直な限界
Wan 3.0 にできないこと
ここでの編集は会話ではありません。Gemini Omni Flash なら「光をもっと暖かく」と言えば、モデルが覚えているシーンを調整してくれます。Wan は渡されたクリップを撮り直すことはできます——元素材は最長15秒、元素材と結果の合計が30秒以内——が、リクエストは毎回ゼロから始まり、元素材の秒数も結果の秒数と一緒に課金されます。また、1回の生成で出てくるクリップは1本で、4案から選ぶグリッドはありません。ネガティブプロンプトもないので、不要なものは禁止するのではなく、シーンに登場しないように書くしかありません。アスペクト比は16:9と9:16のみ、上限は1080pです。さらに開始フレームと参照画像は排他で、フレームか参照のどちらか一方しか使えません。
モデルがまだ成長途中の部分について、Alibaba は率直です。自社のリリースノートで音の質感と画面内テキストの描画はまだ目標に届いていないと述べており、これは私たちの実感ともおおむね一致します——環境音は説得力がありますし、セリフも予想より良く出ましたが、細かく作り込めるトラックではありません。長回しには固有のリスクもあります。上の20秒の陶芸クリップは予想以上に持ちこたえましたが、30秒となると整合性を保つべきフレーム数が多いので、15秒を超えるものはリトライ1回分を予算に入れておいてください。上流のモデルにはあって私たちが接続していない機能が一つあります。ドキュメント（PPT、PDF、スプレッドシート）を入力として受け取れることです。また、Wan の「extend」は同じ出演者・同じセットによる次のシーンであり、フレーム単位で正確な続きではありません。音を一文ずつ指示したいなら Gemini Omni Flash のほうが適していますし、Wan では届かない4Kが必要なら、代わりの選択肢は Veo 3.1 です。
04現場メモ
実制作が教えてくれたこと
このメモは、2026年9月に Wan 3.0 で行った実際の広告制作から生まれました。商品クリップ、実写素材のクリーンアップ、最初のフレームから組み立てたリメイク。どれもドキュメントには載っておらず、どれもお金を払って知ったことです。
ブロックの順番が結果を決める
プロンプトの先頭にあるものが注意を集め、長い商品説明はそれを全部持っていきます。私たちの実行では、7番目に置いたクリーンアップの指示は飛ばされ、同じ文言を「TASK 1」として先頭に移したら実行されました。いちばん必要なことを最初に置いてください。
否定は「描くものリスト」として働く
「No ring, no watch, no ink」と書いたら、新しい金の指輪と、より濃いタトゥーが出てきました。私たちの実行では、名前を挙げることはそれを注文することでした。代わりにそこにあるべきものを描写してください。「each finger is plain skin from base to tip」は、3つの否定にできなかったことをやってのけました。
空いた手を埋めてしまう
商品が映ってはいけない私たちのショットでは、Wan が手に持っているものを商品に置き換えました——櫛がトリマーに変わりました。道具は一つずつ名指しし、商品のないフレームでも構わないとはっきり書き、「ちょうど1つ」ではなく「決して1つを超えない」と書いてください。さらに安全なのは、そうしたショットを別セグメントとして生成し、そのプロンプトでは商品に一切触れないことです。
最初のフレームが物体を保つ
開始画像1枚だけで参照なしでも、Wan は商品を10秒間そのまま保ちました。ボタンは定位置、シーンに余計なものもなし。同じフレームでの私たちのテストでは、他のモデルは余計なケーブルや無関係な物体を生やしました。商品そのものが重要なら、まずフレームを作り、Wan に1回の生成で動かしてもらいましょう。
クリーンアップはフレーム単位で返ってくる
実写クリップを編集してタトゥー、腕時計、ブレスレットを消したところ、元素材とショットごとに一致し、肌がきれいになった映像が返ってきました。私たちが信頼できたサイズは8秒程度までのピースでした。それより長い素材は分割したほうが確実です。
連結より長尺1回
Wan の extend は「次のシーン」であり、フレーム単位で正確な続きではありません。15秒、20秒、30秒が必要なら、短いものをつなぐのではなく、1回の生成として注文してください。
尺は整数秒
結果は注文した整数秒に切り詰められます。30 fps で、94フレーム入れたら90フレームで返ってきました。そのため私たちはショットの境目ぴったりで切ることができませんでした——つなぎ目が整数秒に来るようにセグメントを設計してください。
参照写真は服装まで連れてくる
プロンプトに「顔と髪だけ」と書いても、私たちの実行では Wan が人物写真の服やアクセサリーをコピーしました。本当に引き継ぎたい部分だけになるよう、参照画像をトリミングしてください。
ショットごとの指示書が入る余裕
プロンプトは最大20,000文字。番号付きのタスク、道具ごとのロック、各ショットの描写を書く余地があります。Wan はこの構造に応えてくれます。ブロックがフレーム内にあるものを正確に述べるほど、即興は減ります。
あらかじめ織り込むべき欠点。音は普通は入りますし、セリフの発話も悪くありません——英語だけではありません。ただ、あるプロジェクトでは逆でした。編集や、複雑なプロンプトの text-to-video で、トリマーのモーター音が小さく（−45 dB 前後）返ってきたのです。聞こえはしますが弱い音でした。ほかの実行では音声トラックはきちんと入っていたので、モデルの性質というより個別のケースです。音が小さいと困る場合は、レベルを確認し、必要なら元素材の音を使ってください。機器のディスプレイの小さな数字は競合より上手に描きますが、安定はしません——フレームでは84なのに89が出たことがあり、横持ちでは数字が回転して出ました。ミドルショットでは商品の形が甘くなることがあります。また実写素材の編集では、元素材のもっと後に出てくるディテールを先に描いてしまうことがあります——ヘアカットの剃りラインが1ショット早く現れ、次のショットで消える、といった具合です。私たちの場合はリトライでも直らず、その部分を切り落としました。
05使い方
プロンプトからクリップまで3ステップ
テーマではなく、画を描写する
被写体、その動き、カメラ、光。「single continuous shot（途切れない1カット）」は明記する価値があります。最後に、聞こえるべき音を「Audio/sound:」の短い1行で足せば、Wan はそのヒントを拾います。
まず480pで下書き
480pの4秒は$0.20。そこで構図を決めてから、勝ち残った1本を必要な長さで720pか1080pで回し直します。
生成した秒数ぶんだけ支払う
残高はジョブ開始時に引き落とされ、失敗したりフィルターに弾かれた場合は自動で返金されます。チャージは暗号資産かカードで。待ち構えている月額はありません。
06料金
2026年のWan 3.0の料金はVeo 3.1やOmniと比べていくら？
| モデル | 4秒 | 10秒 | 30秒 | 音声 |
|---|---|---|---|---|
| Wan 3.0 · 480p1秒$0.05 — 下書きとSNS向け | $0.20 | $0.50 | $1.50 | 込み・無料 |
| Wan 3.0 · 720p1秒$0.10 — 標準的な選択 | $0.40 | $1.00 | $3.00 | 込み・無料 |
| Wan 3.0 · 1080p1秒$0.20 — いちばん精細 | $0.80 | $2.00 | $6.00 | 込み・無料 |
| Veo 3.1 Fast · 720pGoogle のモデル、4〜8秒のみ | $0.35 | — | — | 追加料金 |
| Gemini Omni 1.1 Flash · 720pGoogle のモデル、秒単位課金、1回3〜10秒 | $0.40 | $1.00 | — | 常にオン |
| Gemini Omni 1.1 Flash · 1080p同じモデルの1080p、1秒$0.15 | $0.60 | $1.50 | — | 常にオン |
価格は完成クリップ1本あたりで、音声トラック込みです。ダッシュは、そのモデルが1回の生成でその長さを出せないことを示します。Veo は8秒で止まり、Omni は仕上がったクリップをシーンごとに延長して初めて40秒に届きます。$50の入金で残高に5%、$100で10%が加算され、有効なプロモコードがあれば同じ入金にさらに10%が上乗せされます。+5% / +10%のボリュームボーナスは暗号資産でのチャージのみが対象です。
全モデルの一覧表は料金ページにあります。
07次に読む
さらに踏み込むガイド
08よくある質問
実際によく聞かれる質問
Wan 3.0 の動画は何秒まで作れますか？
1回の生成で最長30秒です。選べる長さは4・6・8・10・15・20・30秒で、クリップは途切れない1テイクで返ってきます——短いクリップを4本つないだものではありません。Google の Veo と Omni は1クリップ8秒・10秒で止まります。
Wan 3.0 のクリップはいくらかかりますか？
料金は秒単位です。480pで$0.05、720pで$0.10、1080pで$0.20。つまり下書きの4秒は$0.20、720pの10秒は$1.00、最大の1080p・30秒で$6.00。音声トラックはこの価格に含まれます。
詳しい回答を読むWan 3.0 は音声も生成しますか？
はい、デフォルトでオンです。音は後付けではなく映像と一緒にレンダリングされるので、足音は着地に合います。無音にしたければオフにでき、支払額は変わりません。聞かせたい音は、プロンプトの最後に「Audio/sound:」の短い1行で書いてください。知っておくとよいこと：Alibaba 自身の公開ノートは音声の質感をまだ改良中の領域として挙げています。私たちの実行ではトラックはそのまま使え、セリフもよく聞こえましたが、重要なクリップではレベルを確認しておくと安心です。
自分の写真を動かせますか？
はい。開始フレームの枠に画像を入れ、それに何が起きるかをプロンプトで書きます。終了フレームを足せば着地点を指定でき、両方に同じ画像を使えばループになります。注意点が1つ：フレームと参照画像は併用できません。
Wan 3.0 と Veo 3.1、どちらを使うべき？
2つのうち、Wan 3.0 のほうが新しく高性能です。8秒に対して最長30秒のテイク、音声込みの価格、参照クリップの入力、そして最初のフレームから動かしても商品がそのままの姿を保つこと。Veo 3.1 は、Wan がカバーしない部分——4K出力——と、Google らしいルックの短いクリップのための代替です。私の目安は、まず Wan から始め、要件に4Kとあれば Veo に切り替えることです。
生成した後にクリップを編集できますか？
はい、ただし条件付きです。Wan に最長15秒のクリップ——Wan が作ったものでも自分で撮ったものでも——を渡して変更点を説明すると、新しいクリップが返ってきます。元素材と結果の合計は30秒以内に収める必要があり、元素材の秒数も結果と同じ秒単価で課金されます。これは会話ではありません。編集は毎回、前回の記憶を持たない新しいリクエストで、「extend」が返すのはフレーム単位で正確な続きではなく次のシーンです。自分が作ったクリップを覚えているモデルは Gemini Omni Flash です。
Wan 3.0 の動画を商用利用できますか？
はい。生成したものはあなたのもので、クライアントワークや商用利用も含まれます（利用規約のコンテンツルールの範囲内で）。出力にウォーターマークはなく、別途ライセンスを買う必要もありません。
30秒を、プロンプト1つで
新規アカウントは残高$0.20からスタート——Wan が自分のモデルか確かめる480pの下書きには十分です。クリップは$0.20から、サブスクリプションも縛りもありません。