Wan 3.0 ジェネレーターガイド：入力、プロンプト構造、費用の実例

Wan 3.0 の 30 秒テイクは、プロンプトを書くよりずっと前から始まります：正しい入力の選択からです。アリババのモデルが読むのはテキストだけではありません。アップロードされた脚本、リンクされた Web ページ、添付された最大 10 枚の画像、5 本の動画、5 つの音声クリップも読みます。本記事はWan 3.0 30 秒ガイド（スペックと計画方法を扱う）の実践編です。各入力、30 秒を支えるプロンプトの書式、各解像度の費用、予算を溶かすミスを順に見ていきます。最終確認：2026-10-10。

5 種類の入力とそれぞれの役割

入力	上限	役割
ドキュメント	1 ファイル、100 MB・50 ページまで	内容の唯一の情報源。脚本、ブリーフ、絵コンテ、スライドをそのまま渡せて、プロンプトへの貼り付けは不要。
Web リンク	1 件	ページ上に存在する文脈——商品ページ、記事、ブランドドキュメント——手元にファイルがないときに。
画像	10 枚まで	同一性のアンカー：キャラクター、商品、場所、スタイル参照。最後の 1 秒を最初の 1 秒と同じ見た目に保つのはこの画像です。
動画	5 本まで、合計 15 秒	動きと連続性：被写体の動き方、前のテイクのカメラワーク、延長したいクリップ。
音声	5 つまで、合計 15 秒	サウンド参照：一貫させたい声、ジングル、揃えたい環境音。

ドキュメントとリンクはどちらか一方で、両方は渡せません。素材の上限は API が強制する厳格な上限です。実用的な分担はこうです：ドキュメントかリンクが何が起きるかを担い、画像が誰に起きるかを担い、プロンプトがどう撮るかを担います。プロンプト自体は 20,000 文字まで書けるので、ドキュメントに入りきらないビート表もプロンプトには収まります。

ロングテイクのプロンプト構成

アリババの公式ガイドは、長いプロンプトをタイムスタンプ付きセグメント（各セグメントにカメラ行とシーン行）として、グローバルのスタイル行と音声行の下に置く書式を示しています。長さより書式が重要です：

Style: warm documentary realism, golden-hour light, 16:9.
Audio: quiet street ambience, soft acoustic guitar under the dialogue.

(0:00 - 0:08) Camera: wide shot, slow push-in. Scene: a cyclist rides into an empty market square.
(0:08 - 0:20) Camera: continues to a medium shot, handheld follow. Scene: she stops at a flower stall. Dialogue (vendor): "You're early today."
(0:20 - 0:30) Camera: slow orbit to a close-up. Scene: she smiles and picks up a bunch of sunflowers.

グローバル行を先に。スタイル、光、音のベッドはクリップ全体に効きます。各セグメントではなく、先頭で一度だけ書きます。
1 セグメント 1 アクション。2 つのアクションを詰め込んだセグメントこそ、モデルが平均化して泥沼にする対象です。
カメラの推移を明示する。ワンテイクにカットはありません。カメラが次のビートへどう移動するか（"continues to a medium shot"）を書き、行き先だけを書かない。
セリフに予算を。自然な話し方は毎秒 2〜3 語。30 秒を埋めるのではなく、セリフの間に空気を残します。
秒数は意識的に選ぶ。デフォルトは 5 秒。-1 はモデルが決める「スマートな長さ」。楽曲のキューや 15 秒の広告枠に収める必要があるなら、秒数を明示します。

この書式の実例はWan 3.0 プロンプト集に、モデルの能力まとめはWan 3.0 概要にあります。

1 回の生成にかかる費用：実例

Wan 3.0 は出力秒数ごとに課金され、レートは解像度とティアで決まります。標準モデル（wan3.0-video）は国際価格リストで 480p / 720p / 1080p 毎秒 $0.05 / $0.10 / $0.20、同じ能力で高速な wan3.0-video-prime は毎秒 $0.068 / $0.14 / $0.28 です。ネイティブ音声をオフにしても価格は変わりません。

クリップ	標準	Prime
5 秒 720p	$0.50	$0.70
10 秒 480p	$0.50	$0.68
10 秒 720p	$1.00	$1.40
30 秒 480p	$1.50	$2.04
30 秒 720p	$3.00	$4.20
30 秒 1080p	$6.00	$8.40

この計算から 2 つの習慣が導かれます。第一に、安く草案し、鮮明に仕上げる：30 秒の草案は 480p で $1.50、1080p では $6.00。タイミングとブロッキングは最終レンダの前に低解像度で確定させます。第二に、Prime はレンダを待つ時間があるときだけ払う：夜間バッチでは標準ティアが同じクリップを安く作ります。また Wan 3.0 は既存クリップを前後に延長でき、入力と出力の合計が 30 秒以内なら、再生成より安く済むことが多いです。

よくある失敗パターン

ドキュメントが拒否される。100 MB 超、50 ページ超だと生成前に失敗します。資料を分割するか、ページをリンクします。
参照の上限は厳格。11 枚目の画像、6 本目の動画、合計 15 秒を超える参照動画は「リスクがある」のではなく拒否されます。重要なアンカーだけに絞ります。
ロングテイクでの同一性ドリフト。30 秒は顔やラベルにとって長い時間です。キャラクターや商品を参照画像として渡し、クリップの最初ではなく最後の 3 分の 1 を確認します。
スマート長さの誤作動。長さ -1 ではモデルが尺を選びます。探索には便利、15 秒広告枠には不向き。納期がある出力では秒数を明示します。
上限を超える延長。延長は入力＋出力で数えます：20 秒の入力に 15 秒は足せません。延長分は 30 秒以内に収めて計画します。
重みを期待する。Wan 3.0 は API のみで、重みは公開されていません。セルフホストできるオープンモデルが必要なら、シリーズ最後のオープンフラッグシップは Apache-2.0 の Wan 2.2 です。

今日 Imgo で使えるもの

Wan 3.0 は Imgo に統合されておらず、Imgo のクレジット価格もありません——本ページは外部参照です。Imgo で稼働中なのは Seedance 2 ファミリーです：5〜15 秒のクリップ、Seedance 2.0 では 480p から 4K まで（Fast と Mini は 480p と 720p）、参照画像は 4 枚まで、参照動画は 3 本、参照音声 3 トラックまで、そして映像とともに生成されるネイティブ音声。知っておくべき制約が 2 つ：参照画像は開始・終了フレームと併用できず、終了フレームには開始フレームが必須です。課金はモデルのレートで毎秒計算され——Seedance 2.0 は Volcengine の公式レートに従い、Seedance 2 Fast はその約 55%——ジェネレーターは送信前に毎回正確なクレジット価格を表示します。

今すぐ生成できるすべては稼働中モデル一覧で、Wan 3.0 クラスの他の選択肢はWan 3.0 の代替ページとWan 3.0 vs Seedance 2.5 比較が整理しています。

Wan 3.0 動画ジェネレーターの使い方：入力、プロンプト、予算

5 種類の入力とそれぞれの役割

ロングテイクのプロンプト構成

1 回の生成にかかる費用：実例

よくある失敗パターン

今日 Imgo で使えるもの

ソース

共有

Related Posts