Wan 3.0 プロンプトガイド — 構文・リファレンス・サウンド

Wan 3.0はOpenArtで使える最新のAIモデルの1つです AI動画ジェネレーターAlibabaはモデルのリリース当日に独自のプロンプトの公式を公開しました。ほとんど誰も読まないので、私たちがこの決定版プロンプトガイドをまとめました。

Wan 3.0 は最大30秒の動画を一度に生成し、リファレンスファイルを20点まで受け付け、映像と同時にオーディオも生成します。このガイドでは、Wanの制作元であるAlibabaが書き記した公式に加え、指定しなければWan 3.0が自動的に決めてしまう3つの要素を解説します。

要点

• まずは被写体、場所、動きから始めましょう。うまくいったら、カメラ・スタイル・音を加えていきます。
• 参照ファイルには@Image1、@Video1、@Audio1のようにラベルを付けて、Wan 3.0がそれぞれの用途を把握できるようにしましょう。
• ショットに番号を振り、[0-6s]のように時間帯を指定しましょう。
• セリフ、効果音、音楽を3つの別々の要素として書きましょう。
• Wan 3.0は音楽やセリフを勝手に追加するので、不要なときは「音楽なし」と指定しましょう。
• プロンプトが正確になったらオートポリッシュをオフにして、ラベルや時間範囲が言い換えられないようにしましょう。

まず3つから始めて、そこから追加しましょう

Alibabaの基本の型はシンプルです。必要なのは被写体、場所、動き。「A red fox walks across a snowy field at sunrise.」これで3つすべてがそろい、ちゃんとした動画が返ってきます。

それがうまくいったら、より充実した公式にさらに3つを加えます。ショットの見た目、スタイル、そして音です。それぞれが何を変えたか分かるように、ひとつずつ追加しましょう。Wan 3.0のプロンプトは最大20,000文字まで書けるので、余裕は十分にあります。

すべてのリファレンスに@タグでラベルを付けましょう

Wan 3.0は参照ファイルを最大20個まで扱え、OpenArtがアップロードボックスの上部で数をカウントしてくれます。

アップロードするだけでは仕事の半分に過ぎません。Wan 3.0は、画像3がコーヒーショップで画像4がジャケットだとは推測してくれません。@ラベルを使って、プロンプトでそれを指定する必要があります。

@Image1は女性。@Image2はコーヒーショップ。@Audio1は彼女の声。@Image1の女性が@Image2の窓際に座り、コーヒーを注文する。

Alibaba自身の例では、すべての参照をこの方法でラベル付けしています。ひとつのプロンプト内で同じ参照を複数回指定することもでき、これによって適用される箇所を制御します。

開始フレームと終了フレームも同じように機能します。OpenArtでは動画の冒頭に映る画像と最後に映る画像を設定でき、さらにその横に参照ファイルを追加できます。どの画像が開始フレームで、どれが終了フレームか、そして各参照が何のためのものかをプロンプトで指定しましょう。

動画の参照は合計15秒まで、音声の参照はさらに15秒まで使えます。同じ人物を動画のたびに登場させたいなら、一度保存しておきましょう。保存先はこちら OpenArt Characters 毎回元の画像を探し回る代わりに、それらを再利用しましょう。

ショットに番号を振り、それぞれに時間を割り当てましょう

Wan 3.0は最大30秒を一度に生成するので、静止した1枚の画像を説明するのではなく、その時間の中で何が起きるかを伝えましょう。Alibabaの形式は、まず短い要約、次に時間帯付きの番号付きショットです：

迷い猫を見つけた女の子の短い物語。

ショット1 [0-5s]：彼女は雨の中を家へ歩き、玄関先で立ち止まる。

ショット2 [5-12s]：彼女を見上げる、濡れた小さな猫のクローズアップ。

ショット3 [12-20s]：彼女はひざまずき、手を差し出す。

各時間帯に明確な役割を1つ与えましょう。最初の結果でショットが慌ただしく感じたら、その時間帯だけを広げて、ほかはそのままにします。これより多くのショットを含む長いストーリーには、次でシーンごとに組み立てていきましょう： OpenArt Director.

サウンドは3つの要素に分けて書きましょう

Wan 3.0は映像と同時に音も生成するので、言葉で音を形づくれます。Alibabaは音を3つの要素に分けており、それぞれを別々に書くと効果的です。

セリフ。 セリフを書いてから、その言い方を添えましょう。「彼女は『こうなると言ったでしょう』と言う。速く、少しいら立った様子で、アメリカ英語で。」

効果音。 対象、その動作、そして背景音を指定しましょう。「A glass falls off the table and shatters on the wood floor, quiet room.」のように。

音楽。 音楽とスタイルを指定しましょう。「Slow piano under the whole scene.」のように。

Wan 3.0があなたの代わりに決める3つの要素

ここでつまずく人が多いポイントです。何も指定しなくても、Wan 3.0は必ず何かしらの判断を下します。

セリフ。 セリフを書き出せば、Wan 3.0はその言葉をそのまま使います。何も書かなければ、独自のセリフを作り出します。「動画全体でセリフなし」と書けばオフにできます。

音楽。 Wan 3.0は動画の内容に合わせて背景音楽を選びます。オフにするには「no background music」と指定しましょう。

ショット数。 Wan 3.0はショットを切り替えるかどうかを自分で判断します。カットのない一続きの映像がほしいときは「one continuous take」と指定しましょう。

長さとサイズも同じ仕組みです。空欄にしておくと、Wan 3.0が2〜30秒の中から長さを選び、シーンに合ったアスペクト比も決めてくれます。

生成前に4つのコントロールを確認しましょう

OpenArtではプロンプトボックスの周りに4つの設定があり、それぞれが入力した言葉の効果を変えます。

Auto Polish。 これは実行前にプロンプトを書き換えます。ゆるい1文を打ったときには役立ちますが、意図して設定した参照ラベルや時間範囲まで言い換えてしまうこともあります。プロンプトが正確になったらオフにしましょう。

オーディオ。 これをオンにしておくと、Wan 3.0が映像に合わせて音を生成します。無音のクリップにしたいときはオフに。これが不要な音楽を止める一番早い方法です。

カメラ。 カメラの動きを入力する代わりにここで選べば、プロンプトごとに違う言い回しをしなくても毎回同じ動きが得られます。

モード。 StandardとPrimeは品質レベルを設定します。まずStandardでプロンプトをテストし、気に入ったバージョンをPrimeに移しましょう。

また、一度に最大8本の動画をキューに入れられます。これは、ある言葉が何をしているかを学ぶ一番の近道です。バージョンごとに1つだけ変え、8本すべて実行して見比べましょう。

画像から始めるなら説明は少なめに

開始画像をアップロードすると、その画像がすでに誰が写っているか、どこにいるか、全体の見た目を決めています。それをプロンプトで繰り返すのは、アップロードした画像と衝突するだけです。

書くべきは2つだけ。何が動くか、そしてカメラが何をするかです。「She turns toward the window and smiles. Slow push in.」のように。カメラを固定したいときは「fixed shot」と指定してください。指定しないとWan 3.0が勝手にカメラを動かします。

動画を作り直さずに、1か所だけ直しましょう

Wan 3.0は普通の指示で動画を編集できるので、ちょっとした問題のために動画を丸ごと作り直す必要はありません。変えたい部分を指定して、あとはそのままだと伝えましょう。

サングラスを外して。彼女の動きや動画内のその他すべてはそのままにして。

同じ言い回しが、要素の追加、スタイルの変更、光の調整、セリフの差し替えに使えます。

生成を無駄にする4つのミス

• 動画ではなく画像を説明してしまう。 30秒の中で何が変化するかを伝えましょう。
• 参照にラベルを付けないこと。 6つのファイルをアップロードしたら、それぞれが何のためのものかを伝えましょう。
• カメラの動きの重ね合わせ。 はっきりした動き1つは、ぶつかり合う3つの動きに勝ります。
• 頼んでもいない音をオフにし忘れること。 音楽やセリフが勝手に出てくる。

よくある質問

Wan 3.0はいくつの参照素材を使えますか？

Wan 3.0は1本の動画で最大20個の参照ファイルを扱えます。画像10枚、動画クリップ5本、音声クリップ5本です。さらにドキュメントやWebページを1つ追加できるので、キャラクター・商品・ロケーション・声のすべてを同じショットに反映できます。動画の参照は合計15秒まで、音声の参照はさらに15秒まで使えます。

Wan 3.0の動画はどれくらいの長さにできますか？

2秒から30秒まで、どんな長さでも可能です。長さを空欄にすると、Wan 3.0がプロンプトに合った長さを選びます。

Wan 3.0は音を生成しますか？

はい。Wan 3.0はボイスライン、効果音、音楽を映像と同時に生成します。欲しいサウンドをプロンプトで説明するか、無音のクリップにしたい場合はオフにしてください。

参照ファイルと開始・終了フレームを同時に使えますか？

はい。OpenArtでは動画の開始画像と終了画像を設定でき、さらにその横に参照ファイルを追加できます。プロンプトでそれぞれにラベルを付けて、どの画像が動画を始め、どれが終わり、どの参照がキャラクター・製品・声を担うのかをWan 3.0に伝えましょう。