Wan 2.5

音声付き動画テキスト・画像入力5 / 10秒

Wan 2.5 Videoは、AlibabaのWan 2.5動画モデルファミリーにアクセスするためのAPIXOの運用ルートです。テキストプロンプトまたは1枚のソース画像から、5秒または10秒のオーディオ付き動画クリップを生成します。オプションでカスタムオーディオ、3段階の解像度、プロンプト拡張、ネガティブプロンプト、シードベースの反復、非同期配信に対応しています。

ワークフロー

テキスト・画像から動画へ

APIXO価格

$0.05～$0.15 / 秒バックエンド価格の480p、720p、1080pティア

解像度

480p / 720p / 1080p

再生時間

5 / 10秒

出力

MP4動画1本

ワークスペースを読み込み中...

APIXO上のAlibaba Wan

1つの運用ルートで短い動画とそのサウンドトラックを生成

Wan 2.5は、コンテンツに合わせた音楽や効果音を含む、オーディオ付きの動画を自動生成します。APIXOはオプションとしてMP3またはWAVの参照ファイルを1つ受け付け、カスタムオーディオとの同期も可能です。プロンプトからの新規作成と、単一のソース画像からのアニメーション生成の両方をサポートしています。

機能

シーン、動き、フレーミング、サウンドの演出

統合された視聴覚出力

Wan 2.5は、デフォルトで無音の映像ではなくオーディオ付きの動画を生成するため、別の生成ステップでサウンドトラックを組み立てる必要がありません。

カスタムオーディオ同期

公開されているMP3またはWAVファイルを音声リファレンスとして1つ提供します。Wanはこれを使用して、生成されたビジュアルと、該当する場合には口の動きを提供された音楽やナレーションに同期させます。ただし、正確な言葉遣い、発音、話者のアイデンティティ、リップシンクは依然としてレビューが必要です。

プロンプトによるシーン生成

最大1,500文字のプロンプト（中国語または英語）を使用して、被写体、アクション、環境、カメラの動き、セリフ、音楽、効果音を記述します。

単一画像からのアニメーション

1枚のソース画像からアニメーションを生成します。オプションのプロンプトを使用して、動きやシーンの展開を誘導することも可能です。画像は視覚的なコンテキストを提供するものであり、すべてのディテールが完全に維持されることを保証するものではありません。

プロンプト自動拡張

短い指示を補強するため、プロンプトの書き換えがデフォルトで有効になっています。慎重に作成した表現を維持することが創造的なメリットよりも重要な場合は、この機能を無効にしてください。

制御されたイテレーション

不要な要素を避けるにはネガティブプロンプトを、再現性を高めるには数値シードを使用してください。設定とシードが同一であっても、完全に同じ動画が生成されるとは限りません。

生成モード

テキストのシーン記述または1つのビジュアルアンカーから開始

テキストから動画

ソース画像なしで、1,500文字までの必須の空でないプロンプトを送信します。5秒または10秒の再生時間、3つの解像度のいずれか、および互換性のあるアスペクト比を選択します。オプションの音声、ネガティブプロンプト、プロンプト拡張、seed、透かしの制御により、リクエストをさらに詳細化できます。

プロンプト → 動画

画像から動画

公開されている画像URLを正確に1つ提供し、任意で意図する動きやシーンを記述します。このモードではアスペクト比フィールドを送信しないでください。ソース画像は初期のビジュアル状態と構図をガイドしますが、正確なアイデンティティ、テキスト、ロゴ、形状、背景、フレーミングを保証するものではありません。

画像 → モーション

ルート仕様

APIXOが提供する入力と制御

wan-2-5-video運用ルートで現在利用可能な生成オプション。

1～1,500

プロンプトの文字数

公開URL 1点

ソース画像

MP3 / WAV 1点

オーディオ参照

500文字

ネガティブプロンプト

0～2,147,483,647

Seedの範囲

ポーリング / コールバック

出力形式

プロダクションでの使用例

レビュー用の短い視聴覚コンセプトを開発

キャンペーンのアイデア出し

プロモーションシーンのプロトタイプ作成

キャンペーンの概要から、初期のサウンドトラック付きの短い製品紹介、ライフスタイルシーン、またはローンチコンセプトを生成します。アイデアを本制作に移行する前に、製品の比率、オブジェクトの接触、手、ロゴ、埋め込みテキストを確認してください。

画像のアクティベーション

キービジュアルのアニメーション化

1枚のソース画像から、商品写真、イラスト、ポスター、キャラクターアートに動きを加えます。生成後、元の素材と比較して、アイデンティティ、構図、背景、細部の忠実度を確認してください。

オーディオ主導のクリエイティブ

提供されたサウンドを軸に構築

プロモーションやソーシャルメディアのコンセプト向けに、短い楽曲の抜粋、ナレーションのドラフト、またはサウンドデザインのリファレンスを生成されたビジュアルと組み合わせます。話し言葉の表現、発音、口の動き、視聴覚のタイミングを個別に検証できます。

プリビジュアライゼーション

テストショットと解説動画

短いドラフトを通じて、カメラの向き、シーン構成、モーション、トレーニングや解説動画のコンセプトを探求します。より長く高解像度のバージョンに予算を投じる前に、低解像度の5秒生成で反復的な試行が可能です。

注記とFAQ

運用ルールと審査の境界

生成の前に

APIXOはAlibabaのWan 2.5動画ファミリーを1つのルートで公開していますが、wan2.5-t2v-previewおよびwan2.5-i2v-previewへのモードごとのマッピングを公に文書化していません。

画像から動画への変換では、公開されているJPEG、JPG、アルファチャンネルなしのPNG、BMP、またはWebP形式のURLを1つ受け付けます。ファイルサイズは20MB以下で、各次元は240～8,000ピクセルである必要があります。

テキストから動画は、すべての解像度で16:9、9:16、1:1をサポートします。4:3と3:4は720pまたは1080pが必要です。

オプションの音声には、公開されているMP3またはWAV形式のURLを1つ使用する必要があります。ファイルサイズは15MB以下で、文書化されている再生時間の範囲は3～30秒です。

一般的な処理時間は、480pで40～120秒、720pで60～180秒、1080pで90～250秒です。APIXOは、それぞれ40秒、60秒、90秒後に最初のポーリングを行い、その後10秒間隔でポーリングすることを推奨しています。これらの時間は目安であり、SLAを保証するものではありません。

結果のURLは一時的なものであり、固定された公開保持期間はありません。必要な出力は速やかにダウンロードし、安全性とソース素材の利用許可を確認してください。

よくある質問

どちらのモードも同じAPIXOレートを使用します：480pで生成1秒あたり$0.05、720pで$0.10、1080pで$0.15。5秒の出力は$0.25、$0.50、または$0.75、10秒の出力は$0.50、$1.00、または$1.50のコストがかかります。

選択した動画の再生時間より長い音声は、最初の5秒または10秒に切り詰められます。短い場合は、残りの動画セグメントは無音になります。APIXOは、カスタムオーディオ、画像入力、プロンプト拡張に対して追加料金を請求しません。

Wan 2.5はプロンプトで指定された音声、効果音、BGMを使用してオーディオを生成できます。しかし、APIXOは正確なセリフ、発音、声の同一性、話者の特定、リップシンクを保証するものではなく、音声クローニングに関する制御機能も提供しません。

タスクは非同期で実行され、pending、processing、success、またはfailedのステータスを持ちます。ポーリングは最終的なMP4のURLをresultJson.resultUrls内に返します。コールバックモードは、最終的なペイロードを公開HTTPSコールバックURLに送信します。失敗した場合は、機械可読なコードとメッセージフィールドが含まれます。

APIXOは、任意の再生時間、カスタムサイズ、設定可能なFPS、出力数、CFGスケール、モーションの強さ、カメラプリセット、ショット数、参照ウェイト、マルチショットモード、編集、継続、または無音出力スイッチを公開していません。`watermark`を有効にすると、右下に固定テキスト「AI 生成」が追加されます。Alibabaのドキュメントでは、Wan 2.5 Previewの出力は30fpsのH.264 MP4とされていますが、APIXOはコーデックやフレームレートの制御を公開していません。