Wan 3.0 マルチモーダル・リファレンス・コントロール
最大10枚の画像、5つのビデオクリップ、5つのオーディオクリップ、または1つのドキュメントや公開ウェブページを使用して、Wan 3.0の生成をガイドします。
素材だけでなく文書やウェブページも理解し、より豊かな創作コンテキストで動画を生成します。
Wan 3.0 AI動画生成
Wan 3.0は、テキストの指示やリファレンス素材を動画シーンに変換するAlibaba開発のAIビデオ生成モデルです。Seedance 2.0では、ブラウザ上のワークスペースで「テキスト」「フレーム」「リファレンス」の各モードからWan 3.0を利用できます。
最大10枚の画像、5つのビデオクリップ、5つのオーディオクリップ、または1つのドキュメントや公開ウェブページを使用して、Wan 3.0の生成をガイドします。
Wan 3.0の出力を480P、720P、1080Pから選択でき、アスペクト比はアダプティブ、16:9, 4:3, 1:1, 3:4, 9:16に対応しています。
最大20,000文字のWan 3.0プロンプト入力、開始・終了フレームの使用、オーディオ同期の有効化、設定を再現するためのシード値の再利用が可能です。
Wan 3.0で製品画像とドキュメントを組み合わせ、製品の特長やポジショニング、ビジュアルの方向性を簡潔なプロモーションビデオに仕上げます。
Wan 3.0のオーディオリファレンスでリズムやムードをガイドし、画像やビデオで出演者、シーン、動きを指定します。
複数の画像やテキストのリファレンスから、Wan 3.0のキャラクター、ロケーション、カメラワーク、ストーリー展開をディレクションします。
対応ファイルや公開ウェブページを、製品の解説動画、コンテンツの要約、プレゼンテーション動画に変換します。
人物、商品、シーン、ビジュアルスタイルを定義します。
動き、カメラワーク、テンポを導きます。
音楽、声、リズム、雰囲気を提供します。
商品情報、台本、物語の背景を補います。
公開ページの内容と文脈を提供します。
Wan 3.0のリファレンス用メディアやドキュメントのアップロード、公開ウェブページの追加、または開始・終了フレームの選択を行います。
生成したい内容を入力し、Image1、Video1、Audio1を使用して特定のメディアを指定します。
生成モード、再生時間、解像度、アスペクト比、オーディオを選択し、生成を開始します。
Wan 3.0のテキストから動画生成プロジェクトを開始するには、まず被写体とその主なアクションを特定します。設定、フレーミング、ライティング、動きの順に指定し、最後に意図する結末を記述してください。Wan 3.0では、複数の複雑な動きを組み合わせるよりも、意図を持った単一のカメラワークの方が評価しやすくなります。時間の経過が必要なアクションには、長めの再生時間を設定してください。場所の追加やサブキャラクターを登場させる前に、被写体が要求されたアクションを完遂しているかを確認することをお勧めします。
初期構図が決まっている場合は、Wan 3.0の画像から動画生成で「フレーム」モードを使用します。必須となる開始フレームをアップロードし、必要に応じて終了フレームを指定して到達点を示します。プロンプトでは、「ディスプレイに近づくカメラ」「ドアの方を向く人物」「光の中に移動する製品」など、これらの位置間の動きを説明してください。ただし、Wan 3.0でも開始フレームと終了フレームの間には無理のない遷移が必要です。視点が大きく離れていたり、被写体に関連性がなかったりすると、動きの制御が難しくなる場合があります。特定の終着点を定義せずに、複数の画像でキャラクターの同一性やスタイルを指定したい場合は、代わりに「参照素材」モードを選択してください。
Wan 3.0の動画リファレンス用指示書では、アップロードした各アセットの目的を明確にする必要があります。Image1、Video1、Audio1といったラベルを使用して、指示と対応するアップロードファイルを紐付けてください。Wan 3.0は複数のリファレンスを受け取ることができますが、アセットを増やすだけで指示が明確になるわけではありません。最も重要なアイデンティティの詳細については、リファレンス間で一貫性を持たせてください。この準備により、生成されたシーケンスが意図した被写体、動き、視覚的表現に従っているかどうかを判断しやすくなります。
| モデル | Wan 3.0 | Wan 2.7 | Seedance 2.5 |
|---|---|---|---|
| 入力パラメータ | テキスト · 画像 · 動画 · 音声 · 文書 / ウェブリンク | テキスト · 画像 · 動画 · 音声 | テキスト · 画像 · 動画 · 音声 |
| 出力形式 | MP4 | MP4 | MP4 |
| 長さ(秒) | 2–30 / 自動 | 2–15; 参照素材: 2–10 | 4–30 / 自動 |
| ネイティブ解像度 | 480P / 720P / 1080P | 720P / 1080P | 480P / 720P / 1080P |
| アスペクト比 | 自動調整 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 | 16:9 / 9:16 / 1:1 / 4:3 / 3:4 | 1:1 / 21:9 / 4:3 / 3:4 / 16:9 / 9:16 / 自動調整 |
| プロンプト上限(文字) | 20000 | 5000 | 10000 |
これらのWan 3.0向けオリジナル・ブリーフは、制御可能な被写体、定義された動き、そして明確な結末を具体化したものです。リファレンスや設定は実際のプロジェクトに合わせて調整してください。これらの例は意図する結果を説明するものであり、出力を保証するものではありません。
Image1を陶器製ランプのリファレンス、Image2を部屋のリファレンスとして使用します。丸みを帯びたシェードとマットなアイボリーの質感を維持してください。ウォールナットのデスクに置かれたランプのミディアムショットから開始します。シェードの下に温かみのある光が灯る中、カメラはゆっくりと被写体に近づきます。周囲のオブジェクトは静止した状態を保ってください。最後はランプ全体が映り、右側にタイトル用のスペースが確保された状態で終了します。音声なしの静かな室内環境音を含めてください。
Image1を旅行者、Image2を駅のリファレンスとして使用します。旅行者は腰の高さで青いノートを持ち、時刻表に向かって歩きます。柔らかな朝の光の中、安定したサイドトラッキングショットを使用してください。動きの間、コートの色とノートを維持します。旅行者が立ち止まり、上を見上げたところで終了します。背景の動きは控えめに抑えてください。遠くの駅の環境音を含め、台詞や追加の音楽は入れないでください。
アップロードされたプロダクト・ブリーフを事実背景として使用します。ドキュメントに記載されているポータブル読書灯を中心とした短いビジュアル・イントロダクションを作成してください。夕暮れ時のデスク、開いた本の上に配置されるライト、そして照らされたページの最終カットを表示します。固定カメラを使用し、抑えの効いたエディトリアルスタイルを維持してください。数値的な性能に関する主張を独自に作成しないでください。詳細な仕様やキャプションは最終編集用に残しておきます。