# Wan AI：Alibabaの動画生成モデル — Wan 3.0でできること

> Wan AIはAlibabaの動画生成モデルファミリーです。2026年8月24日に正式公開されたWan 3.0は、セリフ・効果音・音楽付きで最長30秒の動画を作り、写真、動画、音声、さらにドキュメントまで最大20件の参照を受け付けます。Arenaでは48モデル中6位。旧版のWan 2.1と2.2はApache 2.0でオープン公開されています。AI2FaceのジェネレーターでWanを使えます。

開発元: Alibaba · リリース: 2026-08-24 · 更新日 2026-10-02
URL: https://ai2face.com/ja/models/wan

## 主要データ

| | |
|---|---|
| 開発元 | Alibaba |
| バージョン | Wan 3.0と3.0 Prime（2026年8月24日）、Wan 2.7、オープンなWan 2.2と2.1 |
| 機能 | テキスト、写真、動画、音声、ドキュメントから音声付き動画を生成；動画の編集 |
| 長さ | Wan 3.0 — 1回の生成で最長30秒；Wan 2.7 — 最長15秒 |
| 解像度 | 480p、720p、1080p、30fps |
| 音声 | セリフ、効果音、音楽を動画と同時に生成 |
| 参照 | 最大20ファイル（うち音声は最大5件、合計15秒まで） |
| API料金 | 1秒あたり0.05ドル／0.10ドル／0.20ドル（480p／720p／1080p） |
| AI2Face | 対応 |

## Wan AIとは

WanはAlibabaの動画生成モデルファミリーです。ダウンロードして自分の環境で動かせるオープンモデルと、クラウドのフラッグシップという2つの系統で知られています。

**Wan 2.1とWan 2.2**は、AlibabaがApache 2.0ライセンスでGitHubとHugging Faceに公開しました。Wan 2.2は2025年7月28日に登場し、Mixture-of-Expertsアーキテクチャを採用、テキストから、画像から、音声からの動画生成とキャラクターアニメーション用のモデルをそろえています。小型のWan 2.2 TI2V-5Bは24fpsで720pを生成し、RTX 4090クラスのGPUで動きます。

**Wan 3.0**はクラウドのフラッグシップです。Alibabaはまずベータ版を公開し、2026年8月24日にAPIを一般公開しました。同時に高速版のWan 3.0 Primeも登場しています。前世代のWan 2.7は最長15秒でしたが、Wan 3.0はその2倍になりました。

## Wan 3.0でできること

**1回の生成で30秒。** Wan 3.0は30fpsで最長30秒の動画を作り、プロンプトに合った長さを自動で提案します。1本の動画の中に複数のショットを書けば、共通の音声でつなげてくれます。

[雪の山間の駅に赤い列車が到着し、緑のマフラーの若い女性が車両から降りると、年老いた犬が雪の中を彼女のもとへ駆けてくる](https://ai2face.com/_astro/media/models/wan/three-shot-story.mp4 "1つのプロンプトから3ショット：ロング、ミディアム、クローズアップを共通の音声で。Wan 3.0、720p、15秒")

**音声とセリフ。** Wan 3.0は、キャラクターのセリフ、シーンの音、BGMを別途アフレコなしで生成します。Alibabaは、複数の言語で自然な発話ができ、動画内でキャラクターの声が統一されるとしています。

[オフィスのキッチンで、巻き毛の女性が眼鏡の男性にコーヒーを手渡し、2人は言葉を交わして笑う](https://ai2face.com/_astro/media/models/wan/office-dialogue.mp4 "切り返しの会話シーン：2人のセリフはプロンプトに記載。Wan 3.0、8秒")

**参照は最大20件。** テキストに加えて、画像、動画、音声、そしてWanでは初めてドキュメントとWebページを入力できます。対応形式はdoc、xls、ppt、pdf、txt、key、pages、numbers、mdで、1ファイル100MB・50ページまで。最大5件、合計15秒までの音声クリップで音楽や声を指定でき、ビートに合わせたダンスやリップシンクに使えます。

**再生成なしで編集。** 完成した動画の映像、ストーリー、セリフを、すべて作り直さずに変更できます。

**縦型動画**もSNSや広告向けに作れます。9:16は横型と同じように指定するだけです。

[濡れた石の上に置かれたレモンスライス入りのレモネードの瓶、周りに氷がスローモーションで落ち、カメラが瓶の周りを回る](https://ai2face.com/_astro/media/models/wan/vertical-ad.mp4 "炭酸と氷の音が入った9:16の縦型広告。Wan 3.0、8秒")

## Wanのバージョン

| | Wan 2.2 | Wan 2.7 | Wan 3.0 |
|---|---|---|---|
| 公開日 | 2025年7月28日 | Wan 3.0より前 | 2026年8月24日 |
| 長さ | 短い動画 | 最長15秒 | 最長30秒 |
| 解像度 | 480p、720p | — | 480p、720p、1080p |
| 音声 | 別モデルのSpeech-to-Video | — | 動画と同時に生成 |
| オープンウェイト | あり（Apache 2.0） | なし | なし |
| Arenaの順位（2026年9月21日） | 42位（A14B） | — | 48モデル中6位 |

## Wanが向いている用途

- **短いストーリーやストーリーズ** — 1回の生成で30秒、複数ショット。
- **ドキュメントからの動画。** プレゼン資料や商品説明をアップロードすれば、Wan 3.0が内容を取り込みます。
- **音楽に合わせたダンスやMV** — 音声の参照がリズムを決めます。
- **商品と音声入りの縦型広告。**
- **自社インフラでの運用。** オープンなWan 2.1と2.2は、API料金なしで自社サーバーで動かせます。

## Wanと競合モデルの比較

| | Wan 3.0 | [Seedance 2.5](/ja/models/seedance) | [Hailuo（MiniMax H3）](/ja/models/hailuo) | [Gemini Omni](/ja/models/gemini-omni) |
|---|---|---|---|---|
| 開発元 | Alibaba | ByteDance | MiniMax | Google |
| 長さ | 最長30秒 | 最長30秒 | 4–15秒 | 3–10秒、延長で最長40秒 |
| 解像度 | 最大1080p | 開発元は非公開 | 最大2K | 最大4K |
| 音声 | あり | あり | ステレオ | あり |
| 参照 | 最大20件（ドキュメント含む） | 最大50件 | 最大12件 | 写真と動画 |
| Arenaの順位 | 6位 | 7位（2.5） | 8位 | 1–2位 |

1回の生成で30秒を作れるのは、Wan 3.0とSeedance 2.5の2つです。Wanはドキュメント入力と料金で、Seedanceは参照の数で勝ります。2Kや4Kの映像が必要なら、H3とGemini Omniを検討してください。

## Wanのプロンプトの書き方

- **ショットを書き分ける：** 「Shot 1：ロングショット… Shot 2：ミディアム… Shot 3：クローズアップ…」。こうすればWanが1つの場面を30秒に引き延ばしません。
- **セリフはかぎかっこで囲み、** 誰が話すかを書く。
- **音声は別の行に：** 「Sound：列車の音、雪を踏む音、静かなピアノ」。
- **長さは内容に合わせる。** 1つの動作に30秒を求めないこと。最適な長さはWanが提案してくれます。
- **画面内の文字は短く。** Alibabaも、文字はまだ必ずしも正確に描けないと認めています。

## AI2FaceでWanを使う方法

WanはAI2Faceのジェネレーターで使え、Alibaba Cloudのアカウントは不要です。同じプロンプトをWan、Seedance、Hailuo、Gemini Omniで実行し、結果を比べられます。各生成の費用は実行前に表示され、カードや暗号資産で支払えます。パックのクレジットは失効しません。新規アカウントには登録後にウェルカムクレジットが付与されます。

## 制限事項

- **音声と文字。** Alibabaは、音の質感と画面内の文字の正確さはまだ改善中だと明言しています。
- **最大1080p。** Wan 3.0には2Kも4Kもありません。
- **30秒は高くつく。** 1080pで30秒の動画はAPIで6ドルかかります。まずは480pの5–8秒でアイデアを試しましょう。
- **Wan 3.0はクローズド。** ダウンロードできるのはWan 2.1と2.2だけです。

## まとめ

Wan 3.0は、2026年の動画生成モデルの中でも特に長い動画を作れるモデルです。1回の生成で音声付き30秒、Arena6位、そしてドキュメントから動画を作れる珍しい機能を備えています。長さと音声が重要なストーリー、ストーリーズ、広告に向いています。2KならHailuo H3、最高品質ならGemini Omniを選びましょう。自社インフラで動かしたいなら、オープンなWan 2.1と2.2が今も最良の無料の選択肢です。AI2Faceでは、Wanをほかのすべてのモデルと並べて使えます。

## よくある質問

### Wan AIとは何ですか？

Alibabaの動画生成モデルファミリーです。最新のWan 3.0は、テキスト、写真、動画、音声、ドキュメントから音声付きで最長30秒の動画を作ります。Arenaでは48モデル中6位です。

### Wan 3.0はWan 2.xと何が違いますか？

Wan 3.0は1回の生成で最長30秒（Wan 2.7は15秒）、ドキュメントやWebページを入力でき、キャラクターの一貫性が高く、多様な顔を描けます。音声も動画と同時に生成します。

### Wanはダウンロードできますか？

Wan 2.1とWan 2.2はできます。AlibabaがApache 2.0ライセンスでGitHubとHugging Faceに公開しており、小型の5BモデルはRTX 4090クラスのGPUで動きます。Wan 3.0はクラウドAPI経由で使います。

### Wan 3.0の料金はいくらですか？

AlibabaのAPIでは、480pが1秒0.05ドル、720pが0.10ドル、1080pが0.20ドルです。1080pで30秒の動画は6ドルになります。AI2Faceでは生成前に費用が表示されます。

### Wanに音声はありますか？

あります。Wan 3.0はキャラクターのセリフ、シーンの音、BGMを動画と同時に生成します。音声の参照を最大5件アップロードすれば、キャラクターを音楽に合わせて踊らせたり、指定した声で話させたりできます。

## 出典

- https://www.alibabacloud.com/blog/wan3-0-30-second-ai-video-generation-from-any-input_603452
- https://www.alibabacloud.com/help/en/model-studio/wan3-video-generation-guide
- https://www.alibabacloud.com/en/news/product/video-generation-model-wan30-officially-launched-nsb
- https://github.com/Wan-Video/Wan2.2
- https://arena.ai/leaderboard/text-to-video