Alibaba動画 API$0.10$0.095から5%オフ

Wan 3.0 API

Alibaba の Wan 3.0 は、1回の生成処理で最長30秒のシネマティックな動画を作れます。これは Wan 2.7 の上限の2倍です。テキストから動画、最初と最後のフレームでガイドできる画像から動画、画像、動画、オーディオの参照をまとめて受け付けるリファレンスから動画に対応。480p / 720p / 1080pの出力、任意の音声生成、より高品質なモーションとシーンの連続性のためのプロンプト拡張も備えています。

1つのファミリーに3つのエンドポイントがあります。プロンプトから作るテキストから動画、最初のフレームをアニメーション化し、任意で最後のフレームもガイドできる画像から動画、マルチモーダルな参照で駆動するリファレンスから動画です。どのバリアントも、2〜30秒の長さ(デフォルトは5秒)、480p / 720p / 1080pの出力、5つのアスペクト比(16:9、9:16、1:1、4:3、3:4)、任意の音声のオン/オフ、プロンプト拡張の設定を受け付けます。

概要

Wan 3.0 APIについて

Wan 3.0でできること、Alibabaのモデルラインナップにおける位置づけ、そして多くのチームに選ばれる理由。

Wan 3.0はAlibabaの動画生成モデルで、WaveSpeedAIのREST APIから利用できます。Alibaba の Wan 3.0 は、1回の生成処理で最長30秒のシネマティックな動画を作れます。これは Wan 2.7 の上限の2倍です。テキストから動画、最初と最後のフレームでガイドできる画像から動画、画像、動画、オーディオの参照をまとめて受け付けるリファレンスから動画に対応。480p / 720p / 1080pの出力、任意の音声生成、より高品質なモーションとシーンの連続性のためのプロンプト拡張も備えています。

1つのファミリーに3つのエンドポイントがあります。プロンプトから作るテキストから動画、最初のフレームをアニメーション化し、任意で最後のフレームもガイドできる画像から動画、マルチモーダルな参照で駆動するリファレンスから動画です。どのバリアントも、2〜30秒の長さ(デフォルトは5秒)、480p / 720p / 1080pの出力、5つのアスペクト比(16:9、9:16、1:1、4:3、3:4)、任意の音声のオン/オフ、プロンプト拡張の設定を受け付けます。

WaveSpeedAIのWan 3.0ファミリーには、Video-Extend, Video-To-Video, Reference-To-Video, Image-To-Video, Text-To-Videoのワークフローをカバーする10個のRESTエンドポイントがあります。各バリアントには、それぞれ独自の料金、パラメーター、作例があります。入力の種類と本番環境の制約に合うものを選ぶか、同じAPIキーで複数を呼び出して、多段階のパイプラインを組み立ててください。

WaveSpeedAIの他の1,000以上のAIモデルと同じAPIキー、請求アカウント、レート制限の枠組みでWan 3.0を実行できます。ベンダーごとの設定も、プロバイダーごとのSDKも、ベンダーごとのレート制限も不要です。1つの連携で、テキストから画像、テキストから動画から、音声合成、3D生成、高画質化、編集まで、すべてカバーできます。

仕様

Wan 3.0 APIの機能とリリース状況

APIを選ぶ前に開発者が調べる、モデル固有の詳細情報:提供状況、想定される出力の長さ、参照入力への対応、そして現在利用できる代替エンドポイント。

最大の長さ

30秒

すべてのバリアントが、1回の生成処理で2〜30秒を受け付けます。デフォルトは5秒です。

解像度

480p / 720p / 1080p

テキストから動画、画像から動画、リファレンスから動画で、同じ3つの階層を使えます。

エンドポイント

3バリアント

text-to-video、image-to-video(最初と最後のフレーム)、reference-to-video(画像、動画、オーディオの参照)です。

アスペクト比

5種類

すべてのバリアントで 16:9、9:16、1:1、4:3、3:4 が使えます。

エンドポイント

Wan 3.0のAPIエンドポイント一覧

WaveSpeedAIで現在利用可能なWan 3.0のエンドポイントは10個です。ワークフローに合ったバリアントを選んでください。

video-extendWan 3.0 Video Extend — AlibabaのWan 3.0 video-extendプレビュー

Wan 3.0 Video Extend

Wan 3.0 Video Extend continues an existing video with a newly generated segment, preserving the source video and its original audio while supporting optional audio generation for the extension. It supports 480P / 720P / 1080P output, optional last-frame guidance, and prompt control for the next action and camera movement. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.10から
video-to-videoWan 3.0 Video Edit — AlibabaのWan 3.0 video-to-videoプレビュー

Wan 3.0 Video Edit

Wan 3.0 Video Edit edits existing videos with text prompts and optional reference images or audio, supporting prompt-guided scene changes, visual refinements, and multimodal video editing. Inputs longer than 15 seconds are trimmed to the first 15 seconds, with output aspect ratio automatically matched to the input video. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.10から
5%オフreference-to-videoWan 3.0 Reference To Video — AlibabaのWan 3.0 reference-to-videoプレビュー

Wan 3.0 Reference To Video

Wan 3.0 Reference to Video creates coherent videos from prompts and multimodal references, including images, videos, and audio, with flexible 2-30 second duration and aspect ratio control for subject consistency, motion guidance, timing control, and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.30$0.285から
5%オフimage-to-videoWan 3.0 Image To Video — AlibabaのWan 3.0 image-to-videoプレビュー

Wan 3.0 Image To Video

Wan 3.0 Image to Video animates a first-frame image into a cinematic video, with optional last-frame guidance, flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality motion and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.10$0.095から
5%オフtext-to-videoWan 3.0 Text To Video — AlibabaのWan 3.0 text-to-videoプレビュー

Wan 3.0 Text To Video

Wan 3.0 Text to Video generates cinematic videos from text prompts, with flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality video generation. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.10$0.095から
video-extendWan 3.0 Prime Video Extend — AlibabaのWan 3.0 video-extendプレビュー

Wan 3.0 Prime Video Extend

Wan 3.0 Prime Video Extend continues existing videos by generating a new 2-30 second segment from the final frame and appending it to the retained source video. It preserves existing source audio, supports optional audio generation for the new segment, retains up to the last 120 seconds of input, and outputs at 480P / 720P / 1080P. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.15から
video-to-videoWan 3.0 Prime Video Edit — AlibabaのWan 3.0 video-to-videoプレビュー

Wan 3.0 Prime Video Edit

Wan 3.0 Prime Video Edit edits existing videos with text prompts and optional reference images or audio, supporting prompt-guided scene changes, visual refinements, and multimodal video editing. Inputs longer than 15 seconds are trimmed to the first 15 seconds, with output aspect ratio automatically matched to the input video. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.15から
5%オフreference-to-videoWan 3.0 Prime Reference To Video — AlibabaのWan 3.0 reference-to-videoプレビュー

Wan 3.0 Prime Reference To Video

Wan 3.0 Prime Reference to Video is an accelerated variant that creates coherent videos from prompts and multimodal references, including images, videos, and audio, with flexible 2-30 second duration and aspect ratio control for subject consistency, motion guidance, timing control, and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.45$0.4275から
5%オフtext-to-videoWan 3.0 Prime Text To Video — AlibabaのWan 3.0 text-to-videoプレビュー

Wan 3.0 Prime Text To Video

Wan 3.0 Prime Text to Video is an accelerated variant that generates cinematic videos from text prompts, with flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality video generation. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.15$0.1425から
5%オフimage-to-videoWan 3.0 Prime Image To Video — AlibabaのWan 3.0 image-to-videoプレビュー

Wan 3.0 Prime Image To Video

Wan 3.0 Prime Image to Video is an accelerated variant that animates a first-frame image into a cinematic video, with optional last-frame guidance, flexible 2-30 second duration, aspect ratio control, optional audio, and deep-thinking controls for high-quality motion and scene continuity. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.15$0.1425から

作例

Wan 3.0の実力を見る

Wan 3.0 APIで実際に生成された出力です。動画にカーソルを合わせるとプレビュー、クリックすると原寸のビューアで開きます。

使い方

Wan 3.0 APIの使い方

登録から生成完了まで4ステップ。Python、Node.js、cURLの完全なサンプルは、下のAPIセクションにあります。

  1. 01

    APIキーを取得

    WaveSpeedAIのアカウントに登録し、ダッシュボードからAPIキーをコピーします。新規アカウントには無料のスタータークレジットが付くので、課金が始まる前にプレイグラウンドを数十回実行できます。

  2. 02

    予測を送信

    入力をJSONとしてhttps://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-videoにPOSTします。エンドポイントはすぐに予測IDを返します。生成は非同期なので、推論中に接続を開いたままにする必要はありません。

  3. 03

    完了までポーリング

    https://api.wavespeed.ai/api/v3/predictions/{request_id}/resultにGETします。completedなら出力を返し、failed、cancelled、timeout、deletedならエラーで停止し、それ以外のステータスの間はポーリングを続けます。

  4. 04

    出力URLを読み取る

    ステータスが"completed"になったら、data.outputs[0]からURLを読み取ります。URLは、WaveSpeedAIのCDN上にある生成されたメディアを指します。呼び出したWan 3.0のバリアントに応じて、画像、動画、音声、3Dファイルのいずれかです。

活用例

Wan 3.0で作れるもの

開発者やクリエイターがWan 3.0 APIでよく使うワークフロー。

01

最長30秒のワンパス撮影

Wan 3.0 のすべてのバリアントは、2〜30秒の長さを受け付けます。クリップは1回の生成処理で出力されるため、短いセグメントをつなぎ合わせなくても、連続したカメラワークやワンテイクの撮影表現が全体にわたって保たれます。Wan 2.7 は最長15秒です。

30-secondssingle-passone-take
02

プロンプト拡張つきのテキストから動画

alibaba/wan-3.0/text-to-video は、プロンプトをシネマティックなクリップに変換します。カタログ上の位置づけは、高品質な動画生成のための、アスペクト比の制御、任意の音声、プロンプト拡張です。何も固まっておらず、説明だけでショットを組み立てるときに選びます。

text-to-videoprompt-expansioncinematic
03

最初と最後のフレームを指定する画像から動画

alibaba/wan-3.0/image-to-video は、最初のフレームの画像をアニメーション化し、last_image フィールドで最後のフレームのガイドも任意で指定できます。冒頭と終わりの構図がすでに承認されていて、その間のモーションだけを生成したいときに便利です。

image-to-videofirst-last-framecontinuity
04

画像、動画、オーディオを参照するリファレンスから動画

alibaba/wan-3.0/reference-to-video は、reference_images、reference_videos、reference_audios を同じリクエストで受け付け、被写体の一貫性、モーションのガイド、タイミング制御、シーンの連続性に使えます。オーディオ参照のチャンネルがあることが、Wan ファミリーの他の画像のみの参照バリアントとの違いです。

referencemultimodalidentity
05

480pでドラフト、1080pで納品

3つのバリアントすべてが480p、720p、1080pを備えています。Wan 2.7 は720pからなので、3.0 では本当に安価なドラフト階層が加わりました。480pでプロンプトとタイミングを試し、固まったプロンプトを1080pで再実行して納品します。

480p1080piteration
06

縦型、正方形、放送向けのフレーミング

すべてのバリアントで5つのアスペクト比(16:9、9:16、1:1、4:3、3:4)が使えます。同じプロンプトを、横長のメインカット、9:16のSNS向け編集、1:1のフィード向けに、後からトリミングせず再実行できます。

aspect-ratiosocialvertical

コツ

Wan 3.0のプロンプトのコツ

Wan 3.0からより良い出力を得るための実践的なアドバイス。本番のパイプラインで動画モデル全般に通用するパターンに基づいています。

  1. 01

    カメラワークは具体的に

    orbit、dolly-in、push-in、pan-left、crane shot、handheld follow といった、具体的な撮影用語を使ってください。一般的なプロンプトでは、静的な、あるいは任意のカメラ位置になります。名前のついたカメラワークは、モデルの学習データでモーションの意図に直接対応し、ショットの品質を大きく高めます。

  2. 02

    参照画像でキャラクターのアイデンティティを固定する

    プロンプトが特定の人物、キャラクター、商品に依存する場合は、プロンプトと一緒に参照画像をアップロードしてください。参照がないと、フレームやショットをまたいでアイデンティティがずれ、同じキャラクターが、生成のたびに少し違う人物になってしまいます。

  3. 03

    ライティングと時間帯を記述する

    「ゴールデンアワー、柔らかく暖かい指向性の光」や「曇りの拡散光、スレートグレーの空」のようなライティングの手がかりは、曖昧な品質修飾語よりはるかに、品質と一貫性を高めます。ライティングは、モデルが条件付けする最も強い事前知識の1つです。

  4. 04

    ネガティブプロンプトで、よくある失敗を抑える

    動画で役立つネガティブプロンプトは、「frame flicker, motion blur, watermark, text artifacts, distorted hands, low resolution, jpeg compression」です。ネガティブプロンプトにコストはかからず、引き直しが必要になる生成の割合を目に見えて減らせます。

  5. 05

    見せ場を捉えられる最短の長さを選ぶ

    ほとんどのプロンプトは、5〜8秒が最適です。長いクリップでは、時間的な不整合(被写体の変形、環境のずれ)が増幅されます。20秒のシーケンスが必要なら、6〜8秒のクリップを3本生成して編集でつなげるほうが、1回の長い生成より品質が高く保てます。

  6. 06

    アスペクト比は最初にプラットフォームに合わせる

    TikTok / Reels / Shorts には9:16、横長のフィードやYouTubeには16:9、投稿のグリッドには1:1です。モデルはアスペクト比ごとに学習が少しずつ異なります。16:9を後から9:16にトリミングすると、精細さと、モデルが意図した構図の両方が失われます。

料金

Wan 3.0 APIの料金

料金は出力ごとです。最終的な請求額は、各バリアントのプレイグラウンドで設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。

最低料金

$0.095

$0.105%オフ

10個のエンドポイント · Wan 3.0

プレイグラウンドを開く
エンドポイントタイプ最低料金
alibaba/wan-3.0/video-extendvideo-extend$0.10
alibaba/wan-3.0/video-editvideo-to-video$0.10
alibaba/wan-3.0/reference-to-videoreference-to-video5%オフ$0.30$0.285
alibaba/wan-3.0/image-to-videoimage-to-video5%オフ$0.10$0.095
alibaba/wan-3.0/text-to-videotext-to-video5%オフ$0.10$0.095
alibaba/wan-3.0-prime/video-extendvideo-extend$0.15
alibaba/wan-3.0-prime/video-editvideo-to-video$0.15
alibaba/wan-3.0-prime/reference-to-videoreference-to-video5%オフ$0.45$0.4275
alibaba/wan-3.0-prime/text-to-videotext-to-video5%オフ$0.15$0.1425
alibaba/wan-3.0-prime/image-to-videoimage-to-video5%オフ$0.15$0.1425

API

Wan 3.0 APIを呼び出す

wavespeed.ai/accesskeyでAPIキーに登録し、RESTで予測を送信します。プレイグラウンドでは、入力の組み合わせに応じて、そのまま貼り付けられるサンプルが生成されます。

POSThttps://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video

# 1. Submit the prediction.
SUBMIT_RESPONSE=$(curl --silent --show-error --fail-with-body \
  -X POST "https://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-video" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $WAVESPEED_API_KEY" \
  -d '{
    "prompt": "A cinematic shot of a city at sunset, soft golden light",
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "duration": 5,
    "enable_prompt_expansion": false,
    "generate_audio": true
}')

TASK=$(printf '%s' "$SUBMIT_RESPONSE" | jq 'if has("data") then .data else . end')
PREDICTION_ID=$(printf '%s' "$TASK" | jq -r '.id')
if [ -z "$PREDICTION_ID" ] || [ "$PREDICTION_ID" = "null" ]; then
  printf 'Submission response did not contain a prediction id
' >&2
  exit 1
fi
RESULT_URL="https://api.wavespeed.ai/api/v3/predictions/$PREDICTION_ID/result"

# 2. Poll until the prediction finishes.
while true; do
  RESPONSE=$(curl --silent --show-error --fail-with-body "$RESULT_URL" \
    -H "Authorization: Bearer $WAVESPEED_API_KEY")
  RESULT=$(printf '%s' "$RESPONSE" | jq 'if has("data") then .data else . end')
  STATUS=$(printf '%s' "$RESULT" | jq -r '.status')
  case "$STATUS" in
    completed) printf '%s\n' "$RESULT" | jq '.outputs'; break ;;
    failed|cancelled|timeout|deleted) printf '%s\n' "$RESULT" | jq . >&2; exit 1 ;;
    *) sleep 2 ;;
  esac
done

比較

Wan 3.0と他モデルの比較

WaveSpeedAI上の類似モデルではなくWan 3.0を選ぶべきケース。

Wan 3.0 vs Wan 2.7

Wan 3.0 は、長さの上限を15秒から30秒に倍増し、480pの階層と、2.7 にはない generate_audio と enable_prompt_expansion の明示的な設定を加えました。ただし、ファミリーとして幅広いのは今も Wan 2.7 で、3.0 の3つのエンドポイントがカバーしない video-edit、video-extend、image-edit、text-to-image のバリアントを備えています。

Wan 3.0 vs Seedance 2.0

Seedance 2.0 は4Kに達しますが、Wan 3.0 は1080pまでです。一方、Seedance の上限は15秒です。解像度とショットの長さのトレードオフです。4Kでも耐える短いカットなら Seedance、長い連続したワンテイクなら Wan 3.0 を選んでください。

Wan 3.0 vs Happy Horse 1.1

同じ Alibaba の Happy Horse 1.1 は、720p/1080pで最長15秒に対応し、滑らかなカメラワークを軸にしています。Wan 3.0 は長さで優位に立ち、480pのドラフト階層も加わります。Happy Horse は、Wan 3.0 にはない video-extend をカバーしています。

FAQ

Wan 3.0 API — よくある質問

料金、ライセンス、連携など、WaveSpeedAIでWan 3.0を実行する際のよくある質問。

Wan 3.0 の動画はどのくらいの長さにできますか?

リクエストごとに2〜30秒で指定でき、デフォルトは5秒です。クリップ全体は、つなぎ合わせではなく1回の生成処理で作られるため、連続したカメラワークが全体にわたって保たれます。

Wan 3.0 と Wan 2.7 の違いは何ですか?

Wan 3.0 は、最大の長さを15秒から30秒に倍増し、720pより下の480p出力階層を加え、generate_audio と enable_prompt_expansion の明示的な設定を公開しています。Wan 2.7 は、Wan 3.0 にはない video-edit、video-extend、image-edit、text-to-image のエンドポイントを備え、対応するタスクの種類が多くなっています。

Wan 3.0 は動画と一緒にオーディオも生成できますか?

はい。すべてのバリアントに、任意の音声のオン/オフがあります。リファレンスから動画のバリアントは、画像や動画の参照に加えてオーディオの参照も受け付け、タイミング制御やシーンの連続性に使えます。

Wan 3.0 ではどのエンドポイントを使えばよいですか?

説明だけでショットを組み立てるときはテキストから動画、冒頭のフレームがすでに承認されている場合(必要に応じて最後のフレームも指定して終わりの構図を固定)は画像から動画、アイデンティティ、モーション、タイミングを既存の画像、動画、オーディオでガイドしたい場合はリファレンスから動画を使います。

Wan 3.0 APIとは何ですか?

Wan 3.0は、Alibabaの動画生成モデルで、WaveSpeedAI上でREST APIとして提供されています。Alibaba の Wan 3.0 は、1回の生成処理で最長30秒のシネマティックな動画を作れます。これは Wan 2.7 の上限の2倍です。テキストから動画、最初と最後のフレームでガイドできる画像から動画、画像、動画、オーディオの参照をまとめて受け付けるリファレンスから動画に対応。480p / 720p / 1080pの出力、任意の音声生成、より高品質なモーションとシーンの連続性のためのプロンプト拡張も備えています。プログラムから呼び出すことも、上にリンクされたプレイグラウンドで試すこともできます。

Wan 3.0 APIはどう呼び出しますか?

WaveSpeedAIのアカウントに登録し、/accesskeyからAPIキーをコピーして、入力をJSONとしてhttps://api.wavespeed.ai/api/v3/alibaba/wan-3.0/text-to-videoにPOSTします。エンドポイントは予測IDを返します。結果のエンドポイントを約2秒ごとにポーリングし、長時間かかるタスクでは間隔を広げ、終端ステータスになったら停止してください。本番運用向けのPython / Node.js / cURLのサンプルは上にあります。

Wan 3.0 APIの料金はいくらですか?

Wan 3.0は$0.095からです。実際の料金は、設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。プレイグラウンドの「生成」ボタンの横に表示されるリアルタイムの料金プレビューで、現在の入力での正確な料金を確認できます。

Wan 3.0にはどのバリアントがありますか?

WaveSpeedAIでは、10個のWan 3.0エンドポイントが利用可能です:alibaba/wan-3.0/video-extend, alibaba/wan-3.0/video-edit, alibaba/wan-3.0/reference-to-video, alibaba/wan-3.0/image-to-video, alibaba/wan-3.0/text-to-video, alibaba/wan-3.0-prime/video-extend, alibaba/wan-3.0-prime/video-edit, alibaba/wan-3.0-prime/reference-to-videoほか。各バリアントには、専用のプレイグラウンドページと料金があります。

Wan 3.0の出力を商用利用できますか?

商用利用の権利は、Alibabaのモデルライセンスに従います。Alibabaのほとんどのモデルは出力の商用利用を認めています。具体的なライセンスの概要は各モデルのプレイグラウンドページで、プラットフォーム全体の条件はWaveSpeedAIの利用規約でご確認ください。

なぜ直接ではなくWaveSpeedAIでWan 3.0を使うのですか?

Wan 3.0と、他のプロバイダーの1,000以上のAIモデルを、1つのAPIキー、1つの請求アカウントで利用できます。ベンダーごとのSDK設定も、個別のレート制限も、ベンダーごとの連携コードの書き直しも不要です。料金は、通常Alibabaの直接のAPIと同等かそれ以下です。

提供元

Alibabaについて

WaveSpeedAIにおけるWan 3.0と、Alibabaのモデルラインナップ全体を手がけるチーム。

Alibaba の Tongyi Lab は、動画モデルの Wan ファミリーと、LLM の Qwen ファミリーを開発しています。Wan は、オープンウェイトで公開されていること、幅広いバリアント(テキストから動画、画像から動画、リファレンスから動画、video-edit、video-extend、image-edit、text-to-image)を網羅していること、多言語のプロンプトにわたってモーションの安定性とプロンプトへの追従性に一貫して強みがあることが特長です。

WaveSpeedAIでWan 3.0を使った開発を始めよう

登録時に無料のスタータークレジットを進呈。Alibabaをはじめ、あらゆるプロバイダーの1,000以上のAIモデルを、1つのAPIキーで。