Wan 3.0 プロンプトガイド — 完璧なAI動画のための構文・参照・設定

Wan 3.0はAlibabaのクリエイティブ動画モデルで、OpenArtの AI動画ジェネレーター。Wan 3.0は一度に最大30秒のビデオを生成し、20個の参照ファイルを受け取り、映像と同時にオーディオを完全同期で作成します。

Alibabaはモデルのリリース時に独自のプロンプトの公式を公開しました。このガイドではそれをコピーできる簡単な手順に落とし込み、画面上の文字を正しく表示する方法や、OpenArtの他の動画モデルとの比較も紹介します。

要点

• まず被写体、場所、動きから始めましょう。カメラ、スタイル、音は1つずつ追加します。
• 各参照に@Image1、@Video1、@Audio1のようにラベルを付け、各ショットには[0-6s]のような時間範囲を指定しましょう。
• セリフ、効果音、音楽はそれぞれ分けて書き、不要なときは「BGMなし」と指定しましょう。
• 画面に表示する文字は引用符で囲み、短くまとめましょう。
• Wan 3.0は2〜30秒の動画を最大1080pで生成でき、複数の参照素材から作る長尺動画に最適な選択肢です。

Wan 3.0とは？

Wan 3.0 はAlibabaの最新AIビデオモデルです。書き込んだプロンプト、画像、または画像・ビデオクリップ・オーディオクリップの組み合わせを、サウンド付きで最大30秒のビデオに変換します。

Wan 3.0は動画全体を一度に生成するため、同じ顔、商品、照明が全編を通して一貫します。OpenArtでは、テキスト、開始画像、または一連の参照ファイルからWan 3.0の動画を始められます。

Wan 3.0プロンプトガイド：まずは3つから

Alibabaの入門フォーミュラはシンプルです。必要なのは被写体、場所、動きの3つです。

「A red fox walks across a snowy field at sunrise.」このプロンプトには3つの要素がすべて含まれており、これだけで実際のビデオが返ってきます。

それがうまくいったら、より完全な公式にはさらに3つ加わります：ショットの見た目、スタイル、そして音です。何がどう変わったかがわかるよう、1つずつ追加しましょう。

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半分しか終わっていません。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ないので、@ラベルを使ってプロンプトで指定しましょう：

@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。1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、これによって登場する場所をコントロールできます。

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、動画の最初に表示する画像と最後に表示する画像を設定でき、さらにその横に参照ファイルを追加することもできます。

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。

ビデオ参照は合計15秒まで、オーディオ参照はさらに15秒まで追加できます。何本ものビデオで同じ人物を登場させるには、一度だけ保存しておきましょう： OpenArt Characters 新しいビデオごとに選択できます。

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は一度に最大30秒を生成するため、最初から最後まで何が起こるかを伝えましょう。Alibaba形式では、まず短い概要、次に時間範囲付きの番号付きショットを並べます：

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。

各時間範囲には、はっきりした動作を1つだけ割り当てましょう。最初の結果でショットが慌ただしく感じたら、その時間範囲だけを広げ、他はそのままにしておきましょう。

30秒を超えるストーリーなら、OpenArtがシーンを構成し、最大5分までのフルビデオを作成できます： Directorモード.

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。

画面上の文字は引用符で囲む

Alibabaによると、Wan 3.0はアプリ画面や動くグラフィックを鮮明に表示でき、製品デモや解説広告に役立ちます。また画面上の文字のスペルはまだ改善中とのことなので、ちょっとした工夫が大きな差を生みます。

表示する正確な文字を引用符で囲みましょう。 Alibaba公式のガイドでもこれを推奨しています。「キッチンカウンターの上にあるコーヒーバッグ。前面に『MORNING ROAST』と印刷されている。」

言葉は短くまとめましょう。 ブランド名、価格、3語のタイトルなどは、長い文章よりもきれいに仕上がります。

文字を表示する位置を指定しましょう。 「画面下部に白いタイトル」と指定すれば、Wan 3.0にテキストを置く場所を明確に伝えられます。

すでに文字が入っている画像から始めましょう。 正確さが求められるロゴや商品ラベルには、まず次のようなテキスト向けの画像モデルで画像を作成しましょう Nano Banana 2.1 または GPT Image 2.5.

それを開始フレームに設定すれば、Wan 3.0はすでに正しくつづられた文字から動画を始めます。

編集で誤った文字を修正しましょう。 1つの単語のスペルが間違って出てきたら、その箇所だけ修正するよう指示し、動画の残りはそのままだと伝えましょう。

Wan 3.0が自動で判断してくれる3つのこと

何も指定しなくても、Wan 3.0は選択をします。ここでは、それぞれの選択を自分で取り戻す方法を紹介します。

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。

Wan 3.0の解像度と長さのオプション

OpenArtでは、Wan 3.0は480p、720p、1080pのいずれかで、2〜30秒の任意の長さのビデオを生成します。長さをWan 3.0に任せれば、プロンプトに合った長さを自動で選んでくれます。

解像度によって価格が変わります。1080pの動画は同じ動画を480pで作る場合の約4倍のクレジットがかかるので、プロンプトは480pでテストし、最終版を1080pで作成しましょう。

長いビデオはクレジットも多く消費します。必要なショット数がわかったら、正確な長さを設定しましょう。

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、それぞれが言葉の働きを変えます。

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。 カメラの動きはここで選べます。毎回同じ動きになり、プロンプトも短く済みます。

モード。 StandardとPrimeは品質レベルを設定し、Primeはより多くのクレジットを消費します。プロンプトをStandardでテストし、気に入ったバージョンをPrimeで作成しましょう。

一度に最大8本のビデオを生成することもできます。各バージョンで1つだけ変えて8本すべてを実行し、比較することで、各単語がどんな働きをしているか確認できます。

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、その画像にはすでに誰が、どこに、どんな見た目で写っているかが示されています。それをプロンプトで繰り返すと、アップロードした画像とぶつかってしまうだけです。

だから書くのは2つだけ。何が動くか、そしてカメラがどう動くか。「彼女は窓の方を向いて微笑む。ゆっくりと寄る。」

カメラを固定したい場合は「fixed shot」と指定しましょう。そうしないとWan 3.0が自動でカメラを動かします。

シンプルな編集で1つだけ修正

Wan 3.0は普通の指示で動画を編集できるので、小さな修正も素早く一度で済みます。変えたい箇所を指定し、残りはそのままと伝えましょう。

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

• 1枚の静止画を説明する。 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。

Wan 3.0の品質に関する結論

Wan 3.0は、多数の参照から作る15〜30秒の動画において、OpenArtで最も優れた選択肢の一つです。動画全体を一度に生成するため、顔、商品、照明が最初の1秒から最後まで安定しています。

顔はリアルに見え、表情の細かな変化も表現されます。初期テスターによると、同じ人物が30秒間まるごと一貫して保たれるとのことです。サウンドはアクションに合わせて出力されるため、オーディオ付きですぐに投稿できるクリップが仕上がります。

いくつかの制限を踏まえて計画しましょう。最高解像度は1080pで、Alibabaによるとサウンドの質感と画面上の綴りは引き続き改善中です。

初期テスターからは2つの傾向も報告されています。Wan 3.0は指示していないカットを入れることがあるため、1つのショットにしたいときは「one continuous take」と書きましょう。

多くの人物や小道具が1つのシーンに集まると、細かいディテールもずれることがあります。各ショットは少数の主要な人物と物に絞り、すべての参照にラベルを付けましょう。

結論：広告、商品動画、そして一人の人物や商品が最初から最後まで同じ見た目を保つ必要があるストーリーシーンには、Wan 3.0を使いましょう。短い4Kクリップなら、以下の比較がより適したモデルを示してくれます。

Wan 3.0とOpenArtの他のモデルとの比較

OpenArtではWan 3.0をほかのトップ動画モデルと並べて使えるので、用途ごとに最適なモデルを一つの場所で選べます。

キャラクターや小道具が多く登場するストーリーには、参照ファイルを最も多く扱えるSeedance 2.5を選びましょう。参照が製品ページやスライド資料のようなドキュメントやWebページの場合はWan 3.0を選びましょう。

最終ファイルを4Kにしたい短い動画なら、Kling 3.0かVeo 3.1を選びましょう。最長15秒のクリップでリアルな動きを出すならMiniMax H3、スピードが最優先ならGrok Imagine 1.5がおすすめです。

Wan 3.0の動画を作り始める

Wan 3.0は、明確にラベル付けされたプロンプトに忠実に従います。被写体、場所、動きから書き始め、すべての参照にラベルを付け、各ショットに時間を指定しましょう。

欲しいサウンドと画面上の文字を明確に書き出し、最終版を作る前に480pでテストしましょう。最初のプロンプトは次で書いてみましょう： OpenArt上のWan 3.0.

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個の参照を扱えます：画像10枚、動画クリップ5本、オーディオクリップ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、場所、声のすべてを同じショットの指針にできます。動画の参照は合計15秒まで、オーディオの参照はさらに15秒まで追加できます。

Wan 3.0の動画はどれくらいの長さにできますか？

Wan 3.0の動画は2〜30秒の範囲で自由に設定できます。長さを空欄のままにすると、Wan 3.0がプロンプトに合った長さを選びます。

Wan 3.0はどの解像度に対応していますか？

Wan 3.0は480p、720p、1080pで動画を生成でき、1080pが最高設定です。OpenArtでは480pが最も少ないクレジットで済むため、最終版の1080pを作る前にプロンプトをテストするのに最適です。

Wan 3.0は音を生成しますか？

はい。Wan 3.0はボイス、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指定するか、無音のクリップにしたい場合はオーディオをオフにしましょう。

Wan 3.0は動画にテキストを入れられますか？

はい。Wan 3.0はタイトル、ラベル、価格、アプリ画面などを動画内に表示できます。正確な文言を引用符で囲み、短くまとめると最もきれいに表示されます。完璧なスペルが必要なロゴやラベルの場合は、まず文字入りの画像を作り、それを開始フレームとして使いましょう。

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。

Wan 3.0はWan 2.7とどう違いますか？

Wan 3.0では30秒の動画、映像に合わせて生成されるサウンド、参照用の動画・音声クリップが追加されました。 Wan 2.7 は画像参照と開始・終了フレームを受け取り、短めのクリップに適しています。