ガイド
Wan 3.0の画像、動画、音声、ファイルまたはリンクに役割を割り当て、競合と長さの制限を確認します。
このガイドはAPIXOの標準ルートwan-3-0-videoを対象とします。参照から動画を生成するモードでは、画像・動画・音声を文脈として使い、ファイルまたはWebリンクも1件指定できます。ファイルとリンクは併用できず、2つのLoRAルートにはこれらの入力項目がありません。開始画像と任意の終了画像だけを使うなら、まず画像から動画のモードを検討してください。
本記事は架空の製品動画の制作計画を使います。実際の生成映像や制作結果の測定は示していません。
テキストから動画では、空でないプロンプトが必須です。画像から動画では1–2枚を開始画像と任意の終了画像として使い、動画・音声参照は使いません。参照から動画では、対応する参照入力が最低1つ必要です。画像から動画と参照から動画ではプロンプトは任意ですが、必要な動きを説明するのに役立ちます。
参照モードの上限は画像10枚、動画5本、音声5件です。各動画・音声は1–15秒で、動画の合計は最大15秒、音声の合計も別枠で最大15秒です。正の固定長を指定する場合、出力秒数とすべての参照動画の秒数の合計は30秒以下にします。
これらは2026年10月22日に確認したAPI仕様です。Wan 3.0 Videoの英語ドキュメントと、使用する画面で実際に選べる項目を確認してください。
明るいテーブルに透明なボトルを置き、カメラをゆっくり動かし、最後は字幕を入れる余白を残すとします。素材を選ぶ前に要件を書き出してください。
製品画像で外観、背景画像で照明、短い動画で動き、音声で音の方向性を伝えられます。文書は制作の背景を補います。素材ごとに具体的な役割を決めます。
被写体が明確で鮮明な素材を使います。別角度の画像は外観の説明に役立ちますが、パッケージ、色、光が矛盾すると要件が曖昧になります。
出力の重要な文字、ロゴ、形状を確認してください。参考画像はすべての細部の正確な再現を保証しません。 画像から動画を作る入門ガイドでは元画像の準備を説明しています。
必要なカメラ移動や被写体の動作を示す短い区間を選びます。反映する要素と、無関係な人物・小道具・背景を分けて説明してください。
役割の指定は制作上の助言であり、モデルが選択した属性だけを反映する保証ではありません。
現在のWan Docs (英語)では参考動画は最大5本、合計15秒です。固定尺では入力動画と出力の合計も30秒以内です。先に参考動画を編集し、その後で出力時間を決めます。
音色、リズム、音楽などの手掛かりが明確な音源を用意し、何を反映するか指定します。視覚資料なしに、音声だけで正しい外観を指定することはできません。
参照音声は入力の文脈を伝え、出力のsound設定は音を含めるかを指定します。音が重要な場合は両方を別々に確認してください。
現在の参考音声上限は5本、合計15秒です。音声入力は別途課金しませんが、出力や参照モードの費用がなくなるわけではありません。
標準のWan 3.0 Videoでは、file_urlsとlink_urlsのどちらか一方に最大1件を指定します。両方は指定できません。サービスから取得できるURLが必要で、非公開ストレージのログイン画面は素材への直接URLではありません。
文書には対象読者、製品情報、映像で優先する要件をまとめます。長いWebページなら、参考にする箇所を説明してください。
文書を入れても、画面内の文字、製品説明、字幕の正確な表示は保証されません。結果の内容は別途確認します。
この手順は標準のWan 3.0 Video向けです。ファイルやリンクを使う作業をLoRAに移す前に、Wan 3.0の3ルート比較を確認してください。
公開URLは目的のメディアか読み取れるページを返す必要があります。失効リンク、ログイン画面、プレビュー専用URLは有効な入力に置き換えます。アクセス失敗と参照の解釈違いは別の問題です。
参照セットを比較する際は、最初から参照から動画のモードに固定します。商品画像1枚と短い動作説明から始めれば、参照入力の要件を満たせます。動作動画を追加するときも、プロンプト、解像度、固定の出力長、音声設定は変えません。追加後も合計30秒の制限内に収まる出力長を選びます。
商品形状と構図を確認してから動きを比較します。音声やファイル・リンクは、不足する要件がある場合に別の試行で追加します。「画像から動画」から「参照から動画」へ切り替えると、入力だけでなくモードも変わり、追加素材の効果を切り分けられません。生成にはばらつきがあり、1回よい結果が出ても因果関係の証明にはなりません。
未テストの例には次のものが含まれます。
未テストのプロンプトの例:
製品画像のボトル形状と主な色を維持する。テーブルと光は背景画像を参考にする。動画は、製品を静止させてカメラを滑らかに横へ動かす参考にする。音声は落ち着いた雰囲気を伝える。人物や文字を加えない。
参考素材の番号と構文は、実際のプラットフォーム仕様に従います。そのままコピーして動くと検証したリクエストではなく、制作計画の例です。
外観の問題なら不要な角度や製品を除き、動きの問題なら複数動作が混ざっていないか確認します。音の問題では音源と出力設定を別に調べてください。修正ごとに理由を記録します。
参照動画の秒数は出力秒数と合わせて課金されます。2026年10月22日に確認した標準Wan 3.0 Videoのスキーマでは、1080pは1秒$0.20です。出力10秒と参照動画5秒なら(10 + 5) × $0.20 = $3.00になります。これは仮の計算であり、実際の請求を測定した結果ではありません。
計算式と自動長の事前課金はWan 3.0の料金ガイドで説明しています。送信前にAPIXO API Pricingを再確認してください。API料金とStudioの月間クレジットは別です。
被写体、動き、音、編集用の余白を企画と照合します。設定、素材、採用秒数、再試行の理由を記録しましょう。Wan 3.0 Videoでは目的を絞った参照セットから始め、具体的な不足があるときだけ増やします。
APIXOで開発
画像、動画、音声の各モデルを1つの場所で探索。