Wan3.0 Reference-to-Video 参照から動画
- 参照画像 / 参照動画 / 参照音声 / ファイル / ウェブページを素材として、モデルが意図を自動的に理解したうえで動画を生成します
- プロンプト内では「画像1」「動画1」「音声1」で対応する素材を指定します。三種類の素材はそれぞれ独立してカウントされます
promptと参照素材は少なくともどちらか一方が必要です- 先頭/末尾フレームは受け付けません(
image_start/image_end):参照素材と先頭/末尾フレームは排他です。開始と終了の画を厳密に制御したい場合は Wan3.0 画像から動画 をご利用ください - 🔴 参照動画は課金対象で、参照画像 / 参照音声 / ファイル / ウェブページは課金されません
- 非同期処理モード、返却されたタスク ID でステータスを照会
- 生成された動画リンクの有効期間は 24 時間です。お早めに保存してください
課金について
- 課金式:課金時間 = 入力動画の長さ + 出力動画の長さ、秒単位で課金
- 解像度倍率:
480p= 1x(基準)、720p= 2x、1080p= 4x - 参照画像、参照音声、参照ファイル、ウェブページのリンクはいずれも課金対象外
durationに-1(スマート時間)を指定した場合は上限の30秒で満額を事前確保し、タスク成功後に実際の出力時間で精算、差額は自動的に返却されますaudioトラックのオン/オフで価格は同じです- タスク失敗時は課金されず、凍結された金額は全額返却されます
承認
ボディ
モデル名。wan3.0-reference-video で固定
wan3.0-reference-video "wan3.0-reference-video"
動画生成のテキストプロンプト。中国語と英語に対応し、漢字/アルファベットはそれぞれ 1 文字としてカウント、最大長は 20000 文字で、超過分は自動的に切り捨てられます(エラーにはなりません)
素材の指定ルール:
- 「画像1、画像2」で
image_urls内の対応する順序の画像を指定します(1 始まり) - 「動画1、動画2」で
video_urls内の対応する順序の動画を指定します - 「音声1、音声2」で
audio_urls内の対応する順序の音声を指定します - 画像・動画・音声はそれぞれ独立してカウントされるため、「画像1」と「動画1」が同時に存在できます
- 英語のプロンプトでは "Image 1"、"Video 1"、"Audio 1"(先頭は大文字、単語と数字の間にスペース)を使用します
"The character in Video 1 holds Image 3 and plays a soft country folk tune on the chair in Image 4, saying: “What lovely sunshine today.”"
参照画像 URL の配列、最大 10 枚。主体(人物/動物/物体)またはシーン背景を指定できます。主体を含む場合、各画像には単一のキャラクターのみ含めることを推奨
配列の順序はプロンプト内の「画像1、画像2……」に対応します。
画像制限:
- フォーマット:JPEG、JPG、PNG(透明非対応)、BMP、WEBP
- 解像度:幅・高さが
[240, 8000]ピクセル - アスペクト比:1:8 ~ 8:1
- ファイルサイズ:
20MB以下
10参照動画 URL の配列、最大 5 本。配列の順序はプロンプト内の「動画1、動画2……」に対応します
長さの制限:
- 各クリップ
1 ~ 15秒 - 合計 15 秒以内
- 参照動画の合計時間 + 出力動画の長さは 30 秒を超えられません
🔴 参照動画は課金対象です:課金時間 = 入力動画の長さ + 出力動画の長さ。参照画像、参照音声、ファイル、ウェブページはいずれも課金されません
動画制限:
- フォーマット:mp4、mov
- 解像度:幅・高さが
[240, 4096]ピクセル - アスペクト比:1:8 ~ 8:1
- ファイル単体のサイズ:
100MB以下
5参照音声 URL の配列、最大 5 本。配列の順序はプロンプト内の「音声1、音声2……」に対応します
⚠️ Wan2.7 とは意味が異なります: Wan2.7 の audio_urls は特定の参照画像/参照動画に紐づく声質でしたが、Wan3.0 の参照音声は独立した素材で、プロンプトから「音声1」で直接指定します。model_params.voice_bindings の声質バインディングプロトコルはサポートされません。Wan2.7 から移行する際は書き換えにご注意ください。
長さの制限:
- 各クリップ
1 ~ 15秒、合計 15 秒以内 - 参照音声は課金されません
音声制限:
- フォーマット:wav、mp3
- ファイルサイズ:
15MB以下
5モデル拡張パラメータ。file_url と link_url は排他で、どちらか一方のみ指定できます
生成する動画の長さ(秒)、デフォルトは 5
指定できる値:
2~30の任意の整数-1:スマート時間。プロンプトと入力素材に基づきモデルが出力の長さを自動的に決定します
スマート時間の課金方法: 送信時点ではモデルがどれだけの長さを生成するか分からないため、上限の 30 秒で満額を事前確保し、タスク成功後に実際の出力時間で精算、多く凍結した分は自動的に返却されます。残高が満額の事前確保を賄えない場合は、明示的な秒数を指定してください。
参照動画を渡す場合の追加制約:
- 参照動画の合計時間 + 出力動画の長さは 30 秒を超えられません
- 例:参照動画が合計 10 秒の場合、
durationは最大 20 までです
5
動画の解像度、デフォルトは 720p
選択肢:
480p:解像度は低め、価格は最安(課金の基準)720p:標準解像度、デフォルト値。価格は480pの 2 倍1080p:高解像度、価格は480pの 4 倍
480p, 720p, 1080p "720p"
動画のアスペクト比、デフォルトは adaptive
選択肢:
adaptive:自動。入力素材の比率とプロンプトの意図からモデルが適切なアスペクト比を推奨します。デフォルト値16:9(横向き)、9:16(縦向き)、1:1(正方形)、4:3、3:4
adaptive, 16:9, 9:16, 1:1, 4:3, 3:4 "16:9"
出力動画に音声トラックを含めるかどうか、デフォルトは true
選択肢:
true:出力動画に音(人の声、効果音、BGM)を含めます。デフォルト値false:無音の動画を出力します
音のオン/オフで価格は同じで、追加料金はかかりません。
true
ランダムシード。生成結果の再現に使用します。デフォルトはランダム
説明:
- 範囲:
0~2147483647 - シードを固定するとプロンプト調整時の変動を抑え、再現性が向上します
0 <= x <= 214748364742
タスク完了後の HTTPS コールバックアドレス
コールバックタイミング:
- タスク完了(completed)、失敗(failed)、またはキャンセル(cancelled)時にトリガー
- 課金確認完了後に送信
セキュリティ制限:
- HTTPS プロトコルのみ対応
- プライベートIPアドレスへのコールバックは禁止(127.0.0.1、10.x.x.x、172.16-31.x.x、192.168.x.x など)
- URL の長さは
2048文字以内
コールバックメカニズム:
- タイムアウト:
10秒 - 失敗後最大
3回リトライ(失敗後1/2/4秒でそれぞれリトライ) - コールバックレスポンスボディのフォーマットはタスク照会APIの返却フォーマットと同一
- 2xx ステータスコードを成功とみなし、その他のステータスコードでリトライをトリガー
"https://your-domain.com/webhooks/video-task-completed"
レスポンス
動画生成タスクの作成に成功
タスク作成タイムスタンプ
1761313744
タスク ID
"task-unified-1774857405-abc123"
実際に使用されたモデル名
"wan3.0-reference-video"
タスクタイプ
video.generation.task タスク進捗率(0-100)
0 <= x <= 1000
タスクステータス
pending, processing, completed, failed "pending"
動画タスクの詳細情報
タスク出力タイプ
text, image, audio, video "video"
使用量と課金情報