Wan 3.0

Wan 3.0（通義万相）はアリババのオールインワン動画モデルで、ここにある中でもっとも汎用性の高い動画系です。1 つのエンドポイントで、テキストから動画、最初のフレーム、最初と最後のフレーム、複数画像参照、動画編集までをカバーし、モデルを切り替えるのではなくパラメータで選びます。長さは 2〜30 秒の任意の整数、解像度は 480P / 720P / 1080P、画面比率は 16:9 / 9:16 / 1:1 / 4:3 / 3:4、参照画像は最大 10 枚、参照動画 5 本、参照オーディオ 5 本まで。どのクリップにも音声トラックが付きます。非同期で、POST /v1/videos/generations を送ると即座に HTTP 202 とジョブ ID が返り、GET /v1/videos/jobs/{id} を status=succeeded になるまでポーリングして data[0].url を読みます。当方で再ホストした mp4 なので、上流のリンクのように 24 時間で切れることはありません。

ユースケース

選び方

15 秒を超えるクリップ、たくさんの画像に加えて動画と音声を一度に渡したい場合、あるいはネイティブの 1080P が必要な場合に選んでください。急いでいるときは Prime を。数秒だけで複数素材の参照も要らないなら、Seedance 系でも十分です。

よくある質問