Wan 3.0完全ガイド：アリババ動画AIのスペック・料金・プロンプト解説（2026年）

アリババWan 3.0とは？基本機能と特徴#

Alibaba Wan 3.0は、Alibaba Cloudが[Model Studio](https://modelstudio.alibabacloud.com/intl/blog/wan3-ai-video-generation-model/)でリリースした動画基盤モデルであり、6種類のアスペクト比に対応し、秒間30フレーム（30fps）で最大30秒間の連続動画を生成できます。

[Alibaba Cloud Model Studio動画生成ガイド](https://docs.modelstudio.console.alibabacloud.com/en/model-studio/wan3-video-generation-guide)によると、Wan 3.0は単一モデル内でText-to-Video、Image-to-Video、Reference-to-Videoをサポートするオールインワンアーキテクチャとして動作します。映像のアクションに同期したキャラクターのセリフ音声、BGM、環境効果音をネイティブに出力可能です。

DramaCanvasでは、クリエイターはKling 3.0やKling 4などのモデルと並び、[無限キャンバスインターフェース](https://dramacanva.com)を通じてWan 3.0を利用できます。キャンバス上では、480p、720p、1080pの解像度において、最大10枚のリファレンス画像、5本の動画（各100MB以下）、5本の音声クリップを入力として受け付けます。[公式Wan 3.0 GitHubリポジトリ](https://github.com/AlibabaCloud-Official/Wan3.0/tree/main)に記載されている通り、12言語のテキスト描画にも対応し、自動化ワークフロー向けのDramaCanvas MCPサーバーとも連携可能です。

Wan 3.0 vs Seedance：動画コストとリファレンス入力の比較#

DramaCanvasにおいて、Wan 3.0は1080p動画を毎秒24クレジットで生成でき、Seedance 2.5（毎秒74クレジット）と比べてクレジット消費を67.6%、Seedance 2.0（毎秒50クレジット）と比べて52%削減できます。

無限キャンバス上で連続したエピソードシーンを制作する場合、クレジットの消費ペースが制作可能な動画ボリュームを左右します。Wan 3.0での10秒間・720pの下書き生成は120クレジット（1クレジットあたり0.027ドル換算で約3.24ドル）を消費するのに対し、Seedance 2.0では200クレジット（約5.40ドル）、Seedance 2.5では300クレジット（約8.10ドル）が必要です。さらに、30秒間の1080p本番シーケンス全体を生成する場合、Wan 3.0なら720クレジット（約19.44ドル）で済む一方、Seedance 2.5では2,220クレジット（約59.94ドル）かかります。

入力サポートの違いも大きな差別化要素です。Seedance 2.5は最大30枚のリファレンス画像に対応しているものの、DramaCanvas上でのリファレンス動画には対応していません。それに対してWan 3.0は、10枚のリファレンス画像と5本の音声クリップに加えて最大5本の動画（各100MB以下）を受け付けられるため、既存の動きやカメラワークを新しいシーンへ直接反映させることができます。

DramaCanvasにて2026年11月4日確認時点のクレジット設定。

登場人物が多いシーンで多様な衣装リファレンスが必要であり、コストが最優先でない場合はSeedance 2.5が適しています。一方、30秒間の連続シーンの生成、動画や音声のリファレンス対応、またはSeedanceより低コストでの運用を重視する場合はWan 3.0が最適です。1080pで最も安い毎秒コストを追求するならKling 4（毎秒12クレジット、画像のみ対応・動画/音声リファレンス非対応）が適しており、同モデルは720pなら毎秒7クレジット（10秒で約1.89ドル）で生成できます。なお、Kling 3.0は毎秒40クレジットで4K解像度オプションを提供しています。

DramaCanvasでWan 3.0動画を生成する手順#

DramaCanvasでWan 3.0の動画を初めて作成するには、ビデオノードを追加し、モデル選択でWan 3.0を指定してパラメータとプロンプトを設定し、720pなら毎秒12クレジットで生成を実行します。

ステップ1：ビデオノードを追加してWan 3.0を選択する

キャンバス下部のツールバーでノードを追加をクリックし、ビデオを選択します。ノード下のモデル選択ピッカーからWan 3.0（Alibaba）を見つけて選択します。

ステップ2：解像度・アスペクト比・秒数を設定する

入力欄の下にある設定サマリー（「720P · 16:9 · 5s」などの表示）をクリックしてビデオ設定を開きます。テスト時は解像度をまず720Pに設定し（本番制作時は1080P）、サイズからアスペクト比（縦型ショート動画なら9:16、横型なら16:9）を選び、秒数を2〜30秒の間で指定します。

ステップ3（任意）：画像や動画をリファレンスとして接続する

静止画を動かしたり参考素材を指定したりする場合は、それらをキャンバスに追加し、画像やビデオノードの右側にある接続ポイントからビデオノードへ線をドラッグして接続します。DramaCanvas上のWan 3.0では、最大10枚のリファレンス画像、5本の動画（各100MB以下）、5本の音声クリップを受け付けます。画像を動かす場合は、パラメータ内の開始フレームに対象の画像を指定してください。

ステップ4：プロンプトを入力し、クレジットを確認して生成する

後述のプロンプト例のいずれかを入力欄に貼り付け、必要に応じて調整します。生成ボタンに今回の生成に必要な消費クレジットが表示されるので、確認してからクリックします。生成が完了したら、ビデオノードを選択し、ツールバーのダウンロードをクリックして保存します。

Wan 3.0公式プロンプトの構成と書き方#

[Alibaba Cloud Model Studio プロンプトガイド](https://www.alibabacloud.com/help/en/model-studio/wan3-video-generation-prompt-guide)で公開されているWan 3.0の公式プロンプトフォーミュラは、全体概要、リファレンス素材の指定、タイムスタンプ付きのカット割り、セリフ、効果音/BGM、スタイル/雰囲気、ネガティブプロンプトの7つの要素で構成されています。

1文だけのシンプルな指示でも基本的な動きは生成できますが、複数のカットで構成される30秒間のシーケンスでは、明確なタイムスタンプとリファレンス指定を記述することで、キャラクターの配置やカメラワークの一貫性を保つことができます。

Prompt = [Overall description]
       + [Reference material citation: Image N / Video N / Audio N]
       + [Shot N (start-end seconds): Subject + Scene + Motion + Camera control]
       + [Dialogue: Character says: "Line"]
       + [Sound effect / BGM]
       + [Style / Mood]
       + [Negative prompt list]

以下の表は、指示が曖昧なプロンプトと効果的なWan 3.0向けプロンプトの構成を対比したものです。

実制作でそのまま使えるWan 3.0プロンプトテンプレート5選#

すぐにコピーして使える以下の5つのWan 3.0プロンプトテンプレートは、時代劇ドラマ、高速アクショントラッキング、コマーシャル広告、モーショントランスファー、縦型ショートドラマの会話劇といった実制作向けの構成を提供します。

1. 複数カットで構成するドラマシーン（Multi-Shot Narrative Drama）

一貫した立ち位置の維持と同期音声が求められる対話シーン向けのテンプレートです。

Period drama sequence in an 18th-century library. Lord Malvern (referencing Image 1) confronts Julian (referencing Image 2) across an oak table. 15 seconds duration.

Shot 1 (00:00-00:05): Wide shot, 28mm lens. Lord Malvern stands by hearth holding an unsealed envelope.

Shot 2 (00:05-00:10): Medium shot, 50mm lens. Julian enters through oak doors. Lord Malvern speaks with quiet tension: "You should not have returned to the estate."

Shot 3 (00:10-00:15): Close-up, 85mm lens. Julian replies: "The inheritance belongs to the county now."

Sound design: Crackling fireplace wood, heavy window rain, clear spoken dialogue. Mood: Somber British period drama, warm amber key light, dark shadow falloff.

2. 高速アクショントラッキング（High-Speed Action Tracking）

[Alibaba Cloud Text-to-Videoガイド](https://www.alibabacloud.com/help/en/model-studio/text-to-video-guide)に基づき、カメラワークとオーケストラの同期を指示する複数カットのシーケンスです。

A 15-second wildlife tracking sequence across savanna grasslands during golden hour.

Shot 1 (00:00-00:05): Extreme wide shot. Camera glides forward across savanna while tilting upward as a cheetah enters frame left on the path of a fleeing antelope.

Shot 2 (00:05-00:10): Low tracking shot parallel to the cheetah on the right. Grassy background sweeps past rapidly while subject stays left of center.

Shot 3 (00:10-00:15): Forward push-in at ground level, narrowing focus as the cheetah extends forelimbs toward the antelope's hindquarters.

Sound design: Crescendoing orchestral score, rhythmic drum cadence, paw thuds on dry soil, rushing wind. Final second cuts to isolated breathing.

3. ブランドコマーシャル・CM（Commercial Brand TVC）

商品の世界観やカラーパレットをプロモーション動画に落とし込むための構成です。

A 15-second warm-toned commercial brand film for an artisanal café, referencing barista in Image 1 and color palette in Image 2.

Shot 1 (00:00-00:05): Macro close-up shot, 100mm lens. Steaming water pours from brass kettle onto ground coffee in ceramic dripper. Water droplets catch morning window light.

Shot 2 (00:05-00:10): Medium tracking shot along a timber counter. A barista in an indigo apron slides a warm ceramic mug toward an unseen customer beside a sunlit window.

Shot 3 (00:10-00:15): Close-up portrait, 85mm lens. A smiling patron wraps hands around the ceramic cup, takes an appreciative sip, and looks toward the autumn street.

Sound design: Gentle water pouring hiss, ceramic mug clink on wood, acoustic guitar melody, ambient café murmurs. Mood: Warm golden tones.

4. モーショントランスファーとキャラクター参照（Motion Transfer and Character Reference）

既存の動画から殺陣やカメラ軌道を再現しつつ、新しいキャラクターアセットを適用する設定です。

Reference-to-video motion transfer: Replicate camera movement, sword strike trajectory, and footwork from Video 1, casting armored warrior from Image 1 as performer.

Action description: Armored warrior executes 360-degree spinning broadsword parry against two incoming spear attacks in stone courtyard. Maintain velocity curves and low whip-pan from Video 1.

Shot parameters: 10 seconds duration, 1080p resolution, 16:9 widescreen ratio. Armor engraving and face scars match Image 1.

Sound design: Heavy metal blade clashes, rain on steel plate, combat vocal grunts. Mood: Gritty dark fantasy, desaturated slate tones with bright weapon sparks.

5. 縦型9:16ショートドラマの会話劇（Vertical 9:16 Short Drama Dialogue）

スマートフォン画面向けにフォーマットされた、2人の登場人物による緊迫した対話シーン用テンプレートです。

Vertical 9:16 short drama scene in a corporate boardroom at night. Elena (referencing Image 1) confronts Marcus (referencing Image 2) across a glass conference table. 10 seconds duration.

Shot 1 (00:00-00:05): Medium close-up, vertical framing, 50mm lens. Elena stands under cool fluorescent lights, drops a signed contract onto the glass, and says firmly: "The board voted ten minutes ago."

Shot 2 (00:05-00:10): Close-up, 85mm lens. Marcus leans back into his leather chair, stares up with narrowed eyes, and answers quietly: "They don't own the voting shares, Elena."

Sound design: Sharp paper slap against glass table, low hum of office air conditioning, distant city sirens, clear synchronized dialogue. Mood: High-stakes corporate thriller, cool blue rim light with sharp shadows.

DramaCanvas上でWan 3.0を利用する際の制限事項と注意点#

DramaCanvasにおけるWan 3.0は、リファレンス画像10枚、リファレンス動画5本（各100MB以下）、音声クリップ5本が入力上限となっており、1回あたりの生成秒数は2〜30秒に制限されています。

第1に、ファイルサイズと動画リファレンス数には明確なしきい値が設けられています。キャンバス上で最大5本の動画を接続できますが、各動画ファイルの容量は100MBを超えてはなりません。同様に、リファレンス画像も1ノードあたり10枚までに制限されます。大容量の動画素材を扱う場合は、キャンバスへアップロードする前にトリミングや圧縮を行ってください。

第2に、出力解像度は最大1080pまでに制限されます。Wan 3.0は480p（毎秒6クレジット）、720p（毎秒12クレジット）、1080p（毎秒24クレジット）の各ティアを提供していますが、4K生成には対応していません。制作パイプラインで4Kマスターが必要な場合は、毎秒40クレジットで4K出力に対応するKling 3.0を利用します。

第3に、Alibaba Cloud Model StudioとDramaCanvasでは利用できる機能範囲が異なります。Model Studioではプレゼン資料や表計算ファイル（PPT、PDF、DOC、XLSなど）の読み込みや、プロンプト指示による動画編集をサポートしています。一方DramaCanvasでは、画像・動画・音声のリファレンスノードを用いた動画生成ワークフローに特化して統合されています。

最後に、クレジット消費量は動画の長さと解像度に比例して増加します。30秒の1080pシーケンス全体を生成すると720クレジット（約19.44ドル）かかります。そのため、まずは5秒間の720p下書き（60クレジット、約1.62ドル）で構図やキャラクターリファレンスをテストし、映像の整合性を確認してから本番の30秒シーケンスを生成することをおすすめします。