Wan 3.0 Video

位置づけの概要

wan3.0-video-prime は、Wan 3.0 Video ファミリーにおいてリファレンスから動画（reference-to-video）向けの高画質ラインであり、HiAPI.ai の統合インターフェースから呼び出せます。画像、音声、ドキュメント、Web ページなどのリファレンス素材を受け取り、プロンプトと組み合わせて最長 30 秒、最大 1080P の音声付き動画を生成し、開始・終了フレームの制御、長さ、アスペクト比の選択にも対応します。ブランドや製品素材で被写体の一貫性を保ちつつ、そのまま完成映像を出力したい開発者やコンテンツチームに適しています。

主な特長

• リファレンス素材駆動のマルチモーダル生成——1 回の呼び出しで最大 10 枚の画像、5 本の音声、さらにドキュメントまたは Web ページのリファレンスを組み合わせ可能。配列の順序に従い、プロンプト内で Image1、Audio1 などの形で参照します。
• 1 回で 2〜30 秒をカバー——duration パラメータが出力の長さを直接決定し、長いナラティブでも分割結合なしに一度で完全なクリップを生成できます。
• 最大 1080P、段階選択も可能——480P、720P、1080P の 3 段階の解像度と 6 種類のアスペクト比を用意し、画質とコストを回ごとに取捨選択できます。
• 同期音声と開始・終了フレーム制御——既定では同期音声付きで出力され、音声をオフにすることも可能。開始フレームと終了フレームの画像を組み合わせて、ショットの始点と終点の画面を制約できます。

機能説明

リファレンス一貫性生成：画像や音声などのリファレンス素材で被写体とスタイルを固定し、同じキャラクターや製品が動画全体で外観の一貫性を保ち、後工程のやり直しを削減します。

構造化された素材入力：1 つのドキュメントまたはログイン不要の Web ページをリファレンスとして渡すことができ、プロンプトと組み合わせて資料内容を解説系動画の画面に変換します。

制御可能な長さとアスペクト比：長さ 2〜30 秒、6 種類のアスペクト比から選択可能。adaptive は入力素材とプロンプトに自動的に追従するため、横長・縦長など配信枠への適合が容易です。

開始・終了フレームによるショット制約：開始フレームと終了フレームの画像をそれぞれ指定し、ショットの始点と終点を制約できます。正確なオープニングとエンディングが必要な完成映像のニーズに適しています。

再現性と音声トラックのオン/オフ：seed を固定して同じ結果を再現でき、audio パラメータで同期音声トラックを生成するかどうかを制御できるため、バッチ生成やバージョン比較に便利です。

適したシーン

• ブランドや製品素材から広告ショート動画へ——製品画像とセールスポイントのプロンプトを入力し、製品の外観を保った音声付きショート動画を出力。EC の詳細ページや SNS 配信に利用できます。
• マルチモーダルリファレンスによるキャラクターナラティブ——キャラクター画像と音声リファレンスで最長 30 秒の連続したクリップを生成し、ストーリーやショートドラマの素材パートとして使用します。
• 資料から解説動画へ——ドキュメントまたは Web ページのリンクをアップロードし、テーマに対応する解説画面を生成。社内研修や製品紹介に利用できます。
• 開始・終了画面を指定したショット補完——開始と終了の 2 枚のキーフレーム画像を提供し、長さを制御できるトランジションショットを生成して、編集工程に組み込みます。

制限と選定のヒント

出力秒数に応じた課金で、解像度と長さが高いほどコストも高くなるため、長尺と高画質の組み合わせは事前に見積もる必要があります。生成結果はプロンプトへの依存が顕著で、被写体、動作、ショット、スタイルの記述が不明確だと結果のばらつきが大きくなります。リファレンス素材と開始・終了フレームのモードは併用できず、1 回につき 1 つのドキュメントまたは 1 つの Web ページのリファレンスのみ受け付けます。より短く軽量な日常的なクリップが必要な場合は同ファミリーの標準ラインを選べます。固定パラメータと再現性が求められるバッチ処理では、seed を固定してから規模を拡大することをおすすめします。