Wan 3.0 Prime プロンプト：実際に生成した3本の動画と再利用できる骨組み

以下の3本の動画はすべて Wan 3.0 Prime（wan3.0-video-prime）で一度に生成したものです：テキストから動画1本、同期音声付きのテキストから動画1本、参照画像で被写体を固定した参照から動画1本。それぞれに完全なプロンプト、リクエストパラメータ、価格を掲載しており、「このプロンプトで生成」をクリックするとモデルページが開き、プロンプトが自動入力されます。3本とも 480P、5秒で、1本あたり $0.4375、合計 $1.3125 です。

Prime のプロンプトは何が違うのか

• カメラと動きを理解する。 dolly-forward、180-degree orbit、slow push-in といった言葉が本当にカメラを制御します。名詞を並べるだけ（「猫、通り、ネオン」）では無駄です。監督の意図を込めた一文こそが、監督感のあるショットを生みます。
• 音声を出せる。 audio はデフォルトで有効になっており、モデルが映像に合わせて環境音、効果音、軽い音楽を付けます。false にすると無音動画になります。
• 参照画像を使える。 テキストではある種類のもの（「陶器のキツネ」）しか表現できませんが、参照画像なら特定の1つのものを固定できます。画像を渡せば、Prime が動かすのはその1つであり、毎回新しく作り直すことはありません。

1. 商品フードショット（テキストから動画）

A single scoop of pistachio gelato in a frosted coupe glass on a pale marble
counter; slow 180-degree orbit as a bead of condensation slides down the glass,
soft window light from the left, shallow depth of field, warm late-afternoon
tones, faint steam curling from an espresso cup just behind in soft focus.

このプロンプトで生成 →（5秒、480P、16:9、音声オフ）

wan3.0-video-prime、480P、5秒、16:9、音声オフ、$0.4375。

文の順序がそのままモデルがショットを読む順序になります：被写体、カメラの動き、主役となるディテール、光の方向、被写界深度、色調。「slow 180-degree orbit」で明確なカメラワークを1つだけ示し、「水滴がグラスの縁を伝い落ちる」で小さな動きを1つだけ示すことで、リアリティが生まれます。光が左から来ること、浅い被写界深度を明記すれば、背景はごちゃついた塊ではなく、きれいなぼけになります。商品やフードのショットはすべてこの構造に当てはめられます：被写体1つ、カメラワーク1つ、小さな動き1つ。

2. 同期音声付きの雰囲気ショット（テキストから動画）

この1本は音声をオンにするのを忘れずに：雨音、遠くの車の流れ、グリルのジュージューという音はすべて映像に合わせて生成されます。

Rain streaking down a narrow neon-lit alley at night; a slow dolly-forward past
steaming street-food stalls, magenta and cyan reflections rippling in the wet
pavement, a tabby cat darting between crates mid-shot. Ambient sound: steady
rain, distant traffic hiss, the sizzle of a grill and a low synth drone.

このプロンプトで生成 →（5秒、480P、16:9、音声オン）

wan3.0-video-prime、480P、5秒、16:9、音声あり、$0.4375。

音声を書くのは別の技術です：まず映像を書き、そのあとに別の一文として「Ambient sound:」を加え、3〜4つの具体的な音のレイヤーを列挙します：持続するベース（雨音）、遠くのレイヤー（車の流れ）、近くの効果音（グリル）、トーンのレイヤー（シンセの低音）。「シネマティックな効果音」とだけ書くと濁った塊になります。レイヤーを名指しすれば、モデルが混ぜる材料を持ちます。映像パートも同様に、カメラワークを1つだけ（slow dolly-forward）与え、動く被写体（猫）を1つ加えることで、画面に活気がありつつ散らかりません。

3. 被写体を固定する（参照から動画）

これは Prime の得意技です。テキストだけでは毎回被写体を作り直しますが、参照画像を1枚渡せば固定されます。まず陶器のキツネの置物の画像を用意し、reference_image_urls に入れます。動画の中で動くのはこのキツネです：同じ釉薬の色、同じスカーフ。

参照画像：

生成結果：

Bring the referenced ceramic fox figurine to life: it slowly turns its head
toward camera, blinks, and tilts with a curious expression; subtle idle
breathing, a light breeze stirring the tiny scarf, soft studio key light on a
clean seamless backdrop, smooth loopable motion.

このプロンプトで生成 →（参照画像をアップロード、5秒、480P、9:16、音声オフ）

wan3.0-video-prime、参照画像、480P、5秒、9:16、音声オフ、$0.4375。

完全なリクエスト：

{
  "model": "wan3.0-video-prime",
  "input": {
    "prompt": "Bring the referenced ceramic fox figurine to life ...",
    "resolution": "480P",
    "duration": 5,
    "aspect_ratio": "9:16",
    "audio": false,
    "reference_image_urls": [
      "https://static.hiapi.ai/blog/wan3-0-video-prime-prompt-recipes/recipe-3-reference-fox.jpg"
    ]
  }
}

参照画像があれば、被写体がどんな見た目かをもう描写せず、字数はすべて「演出」に使いましょう。プロンプトの冒頭に「Bring the referenced … to life」と書き、画像が被写体の根拠であることをモデルに伝え、あとは画像にない動きだけを書きます：首を回す、まばたきする、呼吸する、風がスカーフを揺らす。「smooth loopable motion」で始点と終点をつなげてループにしやすくなり、9:16 ならそのまま縦版になります。参照画像は被写体がはっきりしていて、光が良く、背景がシンプルなものを選びましょう。背景が雑で被写体が多い参照画像は、一貫性が最も失われやすいです。

繰り返し使える骨組み

上の3つのプロンプトは実は同じ骨組みです：

1. 被写体：はっきりした主役（参照画像を渡したなら「the referenced …」と書く）。
2. カメラ：カメラワークを1つだけ（周回、プッシュイン、追従）。3つは不要。
3. 動き：実際に動く小さなものを1〜2個。活気がありつつ散らからない。
4. 画面：光の方向、被写界深度、色調。
5. 音声（任意）：別の一文「Ambient sound:」で、いくつかの音のレイヤーを名指しする。

名詞を入れ替え、構造は保つ。

API で再現する

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video-prime",
    "input": {
      "prompt": "A single scoop of pistachio gelato in a frosted coupe glass on a pale marble counter; slow 180-degree orbit",
      "resolution": "480P", "duration": 5, "aspect_ratio": "16:9", "audio": false
    }
  }'

data.taskId が返ったら、GET /v1/tasks/{taskId} で status が success になるのを確認し、output[0].url からダウンロードします。これは一時リンクなので、早めに保存してください。完全な連携方法は Wan 3.0 Prime API 中国語チュートリアル をご覧ください。

料金

• 480P 1秒あたり $0.0875：5秒で $0.4375
• 720P 1秒あたり $0.18：5秒で $0.90
• 1080P 1秒あたり $0.36：5秒で $1.80

480P でプロンプトを調整し、確定したら resolution を 720P または 1080P に変えてもう一度実行します。プロンプトは変更不要です。resolution のデフォルトは 1080P であることに注意してください。Prime の速度が不要なら、Wan 3.0 標準版 wan3.0-video のほうが1秒あたりの料金が安くなります。詳しくは Wan 3.0 Prime API の価格 をご覧ください。

よくある質問

Prime は本当に音声を出せますか？

出せます。audio が true（デフォルト）のときは同期音声トラック付きの動画が返り、false にすると無音になります。2本目は音声オンで生成したものです。

1本の最長はどれくらいですか？

duration は 2〜30 の整数で、料金は再生時間に比例して増えます。

対応している解像度とアスペクト比は？

resolution は 480P、720P、1080P（大文字）です。aspect_ratio は adaptive、16:9、4:3、1:1、3:4、9:16 から選べます。

同じ人物や製品を複数の動画で一貫させるには？

reference_image_urls で参照画像を渡し、プロンプトには外観ではなく動きを書きます。

下書きが少しぼやけて見えるのはなぜ？

480P だからです。これは下書き用に意図された安価な設定です。プロンプトが決まったら解像度を 720P または 1080P に上げてください。

自分のニーズに最も近いプロンプトを1つ選び、モデルページで最初の1本を生成してから、名詞を入れ替えましょう。