映像と音声を一度に生成
Wan 3.0 はセリフ、BGM、効果音を映像と一緒に生成するので、話すキャラクターや街の風景も場面に合った音付きで仕上がります。Alibaba は音の質感をまだ改善中としているため、公開前にセリフの聞こえ方を確認してください。
Alibaba · Wan 3.0 · 2026年8月リリース
Wan 3.0 は Alibaba の最新動画モデルです。テキストのプロンプトや写真から動画を作り、セリフ・音楽・効果音も同時に生成します。ViNano ならブラウザ上で 480p・720p・1080p、5秒・10秒・15秒から選べ、開始フレームと終了フレームの両方を指定できます。
Wan 3.0 を使うには有料アカウントが必要で、動画1本ごとにクレジットを消費します(下の表をご覧ください)。無料アカウントでも、登録特典のクレジットで Seedance 1.0 Pro の動画を作れます。 ViNano は独立したプラットフォームで、Alibaba とは提携していません。
本プラットフォームで生成されるコンテンツは人工知能モデルによって生成され、プラットフォームの立場を代表するものではありません。 [免責事項]。 [プライバシーポリシー]。
Wan 3.0(モデル ID:wan3.0-video)は、Alibaba の動画モデル Tongyi Wanxiang(通義万相)の第3世代です。Alibaba は2026年8月上旬に公開ベータを始め、2026年8月24日に一般提供を開始しました。Alibaba Cloud の Wan 3.0 ガイドによると、出力はネイティブ音声付きの 30fps MP4 で、テキスト、画像、参照クリップ、さらにはドキュメントからも動画を作れます。
ViNano では、Wan 3.0 のなかでも特によく使われる機能を利用できます。テキストから動画と画像から動画(終了フレームの指定は任意)で、どの動画にも音声が付きます。Alibaba の API では最長30秒まで生成できますが、ViNano では5秒・10秒・15秒から選びます。モデルは ViNano がクラウドで動かすので、自前の GPU は必要ありません。
このページの情報は 2026年11月 に上記の公式資料と照合しています。
上の生成画面で Wan 3.0 に指定できる設定の一覧です。数値は生成画面と同じ設定から読み込んでいるので、料金が変わっても常に最新の内容になります。
| 解像度 | 480p / 720p / 1080p |
|---|---|
| 動画の長さ | 5 / 10 / 15秒 |
| アスペクト比 | 16:9 / 9:16 / 1:1 / 4:3 / 3:4 |
| 入力方法 | テキストのプロンプト、または画像最大2枚(開始フレームと終了フレーム) |
| 音声 | 動画と一緒に生成 |
| 5秒の動画に必要なクレジット | 480p 150 クレジット · 720p 300 クレジット · 1080p 600 クレジット |
動画が長いほど、クレジットも比例して増えます。同じ解像度なら、10秒の動画は5秒の動画の2倍のクレジットを使います。クレジットは有料プランまたはクレジットパックで入手でき、生成に失敗した動画のクレジットは残高に戻ります。
Wan 3.0 が普段使いの動画モデルとして頼れる4つの理由です。
Wan 3.0 はセリフ、BGM、効果音を映像と一緒に生成するので、話すキャラクターや街の風景も場面に合った音付きで仕上がります。Alibaba は音の質感をまだ改善中としているため、公開前にセリフの聞こえ方を確認してください。
写真を1枚アップロードすれば最初のフレームを、2枚なら動画の始まりと終わりを指定できます。その間の動きはモデルが補うので、商品の回転、ビフォーアフター、場面転換に向いています。
Alibaba のガイドでは、短いショットをいくつか並べて1本の動画にする、絵コンテ風のプロンプトが紹介されています。ロングショットのあとにクローズアップ、というように1ショットずつ文を分けて書くと、Wan 3.0 がショットを切り替えようとします。
16:9、9:16、1:1、4:3、3:4 から選べるので、同じアイデアをトリミングせずに YouTube 動画にも、縦型の Reels にも、正方形の投稿にもできます。
ここから始めて、被写体や場所、雰囲気を変えてみてください。どれも5〜10秒の動画に合う内容です。
夜市で、黄色いレインコートを着た街頭レポーターが、笑顔の老人にマイクを向ける。老人は笑って「この辺りで一番うまい麺だよ。毎晩ね」と言う。背景には中華鍋がジュージューいう音と人々のざわめき。手持ちカメラ、暖かいネオンの光。
マットブラックのワイヤレススピーカーが、濡れた石の上でゆっくり回転する。水滴が光を反射している。やわらかな低音の音楽が流れ始めると同時にカメラが寄り、スピーカーのリングライトが青く光る。スタジオ照明、浅い被写界深度。
ショット1:夕暮れの崖の上に立つ灯台のロングショット。下では波が砕けている。ショット2:灯台の中で少女が古いランプに火を灯すクローズアップ。その光が彼女の顔を照らす。穏やかなピアノの音楽、映画のような色調。
被写体、動き、カメラワーク、雰囲気など、動画の中で起きることを書きます。1つのプロンプトに、はっきりしたシーンを1つだけ書くのがおすすめです。
写真をアップロードすると、その写真を動かせます。Wan 3.0 が終了フレームに対応している場合は、2枚目の画像を追加して動画の終わりの場面を指定できます。
YouTube なら 16:9、TikTok や Reels なら 9:16、フィード投稿なら 1:1 を選びましょう。開始前に、必要なクレジットがボタンに表示されます。
ほとんどの動画は1〜3分でできあがります。MP4 をそのままダウンロードするか、あとから動画履歴で確認できます。
キャラクターが話したり反応したりする短い縦型動画を、声の録音や後からの BGM 追加なしで作れます。
商品写真を動かし、終了フレームにパックショットを設定。本番の撮影前に、いくつものコンセプトを試せます。
台本の1行を動くシーンにして、テンポやカメラアングルをチームで確認できます。
旅行写真やイラスト、AI 画像を開始フレームとしてアップロードすれば、動きのある映像になります。画像は先に AI 画像エディター で作ることもできます。
Wan 3.0 は Wan シリーズのうち価格が安いほうのモデルです。ViNano にある近いモデルとの比較は次のとおりです。
| モデル | 解像度 | 長さ | 音声 | 5秒動画の最低クレジット |
|---|---|---|---|---|
| Wan 3.0 | 480p / 720p / 1080p | 5 / 10 / 15秒 | あり | 150 クレジット |
| Wan 3.0 Prime | 480p / 720p / 1080p | 5 / 10 / 15秒 | あり | 230 クレジット |
| Kling 3.0 Turbo | 720p / 1080p | 5 / 10 / 15秒 | あり | 455 クレジット |
| Seedance 2.0 Mini | 480p / 720p | 5 / 10 / 15秒 | あり | 80 クレジット |
いいえ。Wan 3.0 は有料プランで利用でき、動画1本ごとにクレジットを消費します。解像度ごとの必要クレジットは上の表をご覧ください。無料アカウントでも、登録特典のクレジットで Seedance 1.0 Pro を使って AI 動画を作れます。
以前の Wan 2.x モデルはオープンウェイトで公開されましたが、Wan 3.0 のオープンウェイト版が公式に公開されたという情報は見つかっていません。Alibaba は Model Studio の API で提供しており、ViNano はクラウドで実行するので、インストールは不要です。
Alibaba の API では1回の生成で最長30秒です。ViNano では1本あたり5秒・10秒・15秒から選べます。もっと長いストーリーにしたい場合は、複数のクリップを生成して動画編集ソフトでつなげてください。
Alibaba の公式情報で、Wan 3.0 の 4K 対応を記載したものはありません。公開されている解像度は 480p・720p・1080p で、ViNano でもこの3つから選べます。
はい。セリフ、音楽、効果音が動画と一緒に生成されます。話させたいセリフは、プロンプトの中でかぎかっこで囲んでください。
機能と解像度は同じです。Prime は Alibaba の高速版で、より早く動画を返すように作られており、1秒あたりの料金が高くなります。急いでいなければ、Wan 3.0 なら同じ機能を少ないクレジットで使えます。