Wan 3.0 Video
wan / 3-0-video

Wan3.0は、マルチモーダル制作向けに構築されたAlibabaのオールインワン動画生成モデルです。テキスト、画像、動画、音声、および構造化されたリファレンスに対応し、強化されたストーリーテリング機能と編集機能によって、一貫性とリアリティに優れ、自在に制御可能な動画コンテンツを生成します。

Pricing: 8 credits/s for 480P ($0.04/s), 16 credits/s for 720P ($0.08/s), and 32 credits/s for 1080P ($0.16/s), all 20% below official pricing. Note: The billing rule is (input video duration + output video duration) × unit price. High-tier top-ups (+10% bonus) provide an additional 10% reduction in effective pricing.
Input
Start Frame
End Frame

Click to upload or drag and drop images. Single side: [240, 8000] px; aspect ratio ≤ 8:1

Images: JPEG/JPG/PNG/WebP/BMP, Max 20MB

Text prompt used to describe the desired video content. Supports both Chinese and English, with a maximum length of 20,000 characters.

0/20000

Click to upload or drag and drop

Supported formats: JPEG, PNG, WEBP, BMP Maximum file size: 20MB; Maximum files: 10

Maximum 10 images. Mapped in array order to Image1, Image2, ... in the prompt. Specifications are the same as first_frame_url. Cannot be used together with first frame / last frame.

Click to upload or drag and drop

Supported formats: MP4, QUICKTIME Maximum file size: 100MB; Maximum files: 5

Maximum 5 clips. Each clip: 1–15s; total combined duration ≤ 15s. Mapped in array order to Video1, Video2, ... in the prompt. Formats: mp4, mov. Single side: [240, 4096] px; aspect ratio ≤ 8:1; file size per clip ≤ 100MB. Additionally, on the output side: total input video duration + output duration (duration parameter) must not exceed 30 seconds.

Click to upload or drag and drop

Supported formats: MPEG, WAV, X-WAV Maximum file size: 15MB; Maximum files: 5

Maximum 5 clips. Each clip: 1–15s; total combined duration ≤ 15s. Mapped in array order to Audio1, Audio2, ... in the prompt. Formats: wav, mp3; file size ≤ 15MB per clip. When not used as the sole media input, it is still recommended to pair with images or videos.

Text
0 / 1
No items yet. Click Add to start.

Maximum 1 publicly accessible webpage (no login required). Cannot be used together with reference_file_urls, nor with first frame / last frame.

Text
0 / 1
No items yet. Click Add to start.

Maximum 1 file. Cannot be used together with reference_link_urls, nor with first frame / last frame. Supported formats: docx, doc, xlsx, xls, pptx, ppt, pdf, txt, key, pages, numbers, md. File size ≤ 100MB. For file types such as pdf, docx, ppt, key, pages, etc., page count ≤ 50 pages.

Preset resolution levels for video generation.

Aspect ratio for generated video. "Adaptive" auto-recommends a ratio based on input media proportions and intent.

Duration of the generated video, in seconds. When no video input is provided, the value must be an integer in the range of [2, 30]. When a video input is provided, the total duration of the input video plus the output video must not exceed 30 seconds. Passing -1 enables smart duration mode, where the model automatically recommends an appropriate duration based on the input.

Whether the output video includes audio. true (default): Includes audio; false: No audio track.

Random seed for result reproducibility. 0 <= x <= 2147483647

A configurable parameter. Defaults to true in the Playground.

There is no guarantee that everything can be filtered out; if you are not satisfied with the results, you will need to make your own arrangements.
Output
output typevideo
Examples

Explore different use cases and parameter configurations

README

Complete guide to using wan/3-0-video

Wan3.0 APIがマルチモーダル動画制作を再定義:より高度な制御を実現

Original image

ショートフィルムは、単一の切り取られた瞬間にとどまらず、複数のアクション、ロケーション、カメラの切り替え、ストーリーの展開にわたって構成できます。Wan3.0 APIは、都会のチェイス、ミニチュアの冒険、シュールなコメディ、シネマティックなアクションシーンなど、物語が進むにつれてキャラクター、小道具、背景環境、ストーリーの論理的つながりを維持する必要があるシーケンスに最適です。

シーン全体を通して複数のキャラクター、衣装、背景環境、または視覚的リファレンスを認識可能な状態に保つ必要がある場合、Wan 3.0 APIはそれらの素材を持続的なクリエイティブガイドとして使用できます。これにより、外見、スタイリング、空間的関係、動きの連続性のすべてが重要となるファッションフィルム、ダンスシーケンス、キャラクター紹介、歴史的シーンなどの制作に役立ちます。

既存の動画をゼロから再生成するのではなく、制御されたクリエイティブな変更を加えるための出発点として活用できます。Wan3.0-Video APIは、維持すべき動きや構造を保ちながら、被写体の差し替え、背景環境の変更、アクセサリーの削除、ビジュアルスタイルの変換、特定のシーン要素の調整、既存シーケンスの延長といったタスクをサポートします。

セリフ、音楽、環境音、リズミカルな動き、または表現力豊かな雰囲気を中心に構築された動画は、最初からオーディオをクリエイティブディレクションの一部として扱うことでより高い効果を得られます。Wan 3.0 Video APIは、サウンド、映像のテンポ、キャラクターの演技、シーンのダイナミクスを密接に同期させる必要があるパフォーマンス動画、シネマティックなCM、没入感のあるストーリーシーン、リズム主導のモーション作品などのコンテンツ制作をサポートします。

wan/3-0-videoはPOST /api/v1/jobs/createTaskで動作し、テキストから動画生成、開始フレームおよび開始・終了フレーム指定の動画生成、リファレンスから動画生成、さらにドキュメントや公開Webページからの動画生成に対応しています。出力は480Pから1080P、長さは2〜30秒で、デフォルトでオーディオが有効になっています。パラメータの全一覧は上部のプレイグラウンドおよびAPIドキュメントに記載されており、各解像度の料金は上部の料金カードに示されています。

開始フレームおよび終了フレームは、参照メディア、ドキュメント、Webページと併用することはできません。また、終了フレームを指定する場合は開始フレームが必須です。ドキュメントとWebページを同時に使用することはできません。リファレンスモードでは、プロンプト内でメディアを渡した順番にImage1、Video1、Audio1として指定してください。フレーム画像および参照画像には、透過情報を含むPNGは使用できません。

課金対象の秒数は、出力動画の尺と参照動画の合計尺を足した長さになります。参照動画を使用する場合、入力と出力の合計尺は30秒以内に収める必要があります。自動尺設定を使用する場合、課金はモデルが選択した長さに従います。Kie.aiの新規ユーザーには、テスト用に80クレジットが無料で付与されます。

Wan3.0は、長尺の動画制作、マルチモーダルなリファレンス理解、より強固な一貫性、精密な編集、没入感のあるオーディオビジュアル生成、そしてシネマティックな制御のために設計されたAlibabaのオールインワン動画生成モデルです。テキスト駆動、画像駆動、リファレンスベース、既存動画の編集ワークフローなど、多様な制作アプローチをサポートしています。

はい。APIキーページ(kie.ai/api-key)でAPIキーを作成し、ヘッダーにAuthorization: Bearer YOUR_API_KEYとして送信したうえで、modelにwan/3-0-videoを設定し、プロンプトとメディアを含むinputを指定してPOST https://api.kie.ai/api/v1/jobs/createTaskを呼び出します。リクエストはtaskIdを返します。動画生成の成功または失敗時に通知を受け取るにはcallBackUrlを渡し、ポーリングする場合はGET /api/v1/jobs/recordInfo?taskId=…を呼び出してください。各パラメータの詳細はWan 3.0 Video APIドキュメントに記載されています。

Wan3.0の料金は秒単位で課金されます。480Pは1秒あたり8クレジット($0.04)、720Pは16クレジット($0.08)、1080Pは32クレジット($0.16)のため、5秒間の1080P動画は160クレジット($0.80)となります。課金対象の秒数は、出力動画の長さに参照動画の合計時間を加えたもので、durationを-1に設定した場合はモデルが選択した長さに従って課金されます。Alibaba Cloud Model StudioでのWan3.0の料金は1秒あたり$0.05、$0.10、$0.20(2026年11月時点)であるため、これらのレートは20%安価です。料金は更新される場合があります。現在のレートは常にこのページ上部の料金カードに表示されます。

いいえ。Kie.aiにはサブスクリプションや無制限プランはありません。クレジットは従量課金制で有効期限はなく、各Wan3.0動画は上記のレートで秒単位で課金されます。デフォルトでは、1アカウントあたり10秒ごとに最大20件の新規生成リクエストを送信でき、通常は100件以上のタスクを同時に実行可能です。この上限を超えるリクエストはコード429を返し、キューには追加されません。

Wan 3.0 APIは、テキストから動画生成、画像から動画生成、最初と最後のフレームを指定する動画生成、およびリファレンスベースの動画作成に対応しています。また、幅広いマルチモーダル機能を備えているため、同じ生成プロセス内で異なるクリエイティブリファレンスを組み合わせるワークフローにも適しています。

リファレンスモードでは、wan/3-0-videoは最大10枚の画像(JPEG、透過なしのPNG、BMP、WebP、各辺240〜8,000px、最大20MB)、最大5本の動画(MP4またはMOV、各1〜15秒かつ合計15秒以内、各最大100MB)、最大5つの音声クリップ(WAVまたはMP3、各1〜15秒かつ合計15秒以内、最大15MB)を受け付けます。これらは渡した順にプロンプト内でImage1、Video1、Audio1として参照します。また、最初のフレーム(オプションで最後のフレームも指定可能)、1つのドキュメント(DOCX、XLSX、PPTX、PDF、TXT、MDなど、最大100MBおよび50ページまで)、または1つの公開Webページから生成を開始することもできます。最初と最後のフレームは、参照メディア、ドキュメント、またはWebページと併用できません。また、ドキュメントとWebページを同時に使用することもできません。

はい。Wan3.0 APIは最大30秒のネイティブ動画生成に対応しており、複数の短いクリップに完全に頼ることなく、アクションの展開、カメラの動き、キャラクター同士のやり取り、そして完結したストーリー構成に十分な尺を確保できます。

Wan 3.0 APIは、シーンや動きが変化しても、提供されたリファレンスの重要なディテールを保持するように設計されています。生成されるシーケンスが展開するなかで、キャラクターの外見、服装、小道具、環境、音声特性、空間的関係をより一貫した状態に保つことができます。

はい。Wan3.0-Video APIは、指示ベースの動画編集およびリファレンスに基づく動画編集に対応しています。元の動画の維持すべき部分を保ちながら、被写体、環境、ビジュアルスタイル、照明、その他の選択した要素を変更して既存の映像を修正できます。また、既存のシーケンスの続きを生成する動画延長にも対応しています。クリップを編集または延長するには、AlibabaのWan3.0 APIリファレンスと同様に、対象クリップをreference_video_urlsに渡し、プロンプト内でVideo1として参照して変更内容や続きの展開を記述します。参照動画の長さは出力動画と合わせて課金されます。

はい。Wan 3.0 Video APIは、自然な音響表現、発話の特徴、音楽とリズム、環境音、そして音と映像のテンポのより緊密な同期など、表現力豊かなオーディオビジュアル生成向けに設計されています。これにより、生成された動画は統一された視聴覚体験として、より完成度が高く表現力豊かなものになります。