Wan 3.0 AI動画ジェネレーター
自分の写真から数分で動画に · 最初の動画は無料、透かしなし
最初の動画は無料・カード不要
Wan 3.0は、2026年8月24日に正式リリースされたAlibabaの動画モデルです。テキスト・画像・動画・音声のリファレンスから、Wan 2.7の15秒の2倍にあたる最長30秒のクリップを作れます。RefVidでは、商品やキャラクターの写真1〜10枚から3〜30秒のクリップを720pまたは1080pで、音声のオン・オフを選んで生成できるほか、プロンプトだけからもクリップを作れます。上のボックスはすでにWan 3.0に設定されています。
RefVid の Wan 3.0：仕様
| 項目 | RefVid の Wan 3.0 |
|---|---|
| クリップの長さ | 3〜30 秒 |
| 解像度 | 720pまたは1080p |
| 画面比率 | 16:9、9:16、または1:1 |
| 音声 | オン・オフ切り替え（同じ料金） |
| 参照写真 | 1 つの被写体につき 1〜10 枚 |
| プロンプトだけで動画を作る | 可 |
| 終了フレーム（クリップの最後の画像） | 不可 |
| 実在の人物に見える写真 | 可 |
| プロンプトの最大長 | 19,700 文字 |
| 1 秒あたりのクレジット（720p） | 37（音声の有無で同じ） |
| 1 秒あたりのクレジット（1080p） | 73（音声の有無で同じ） |
Wan 3.0 とは
- Wan 3.0は、AlibabaのWan動画モデルの第3世代です。Alibabaは2026年8月7日にベータ版を、8月24日に正式リリースを発表しました。Alibaba Cloudのドキュメントによると、APIは480p・720p・1080pで2〜30秒を生成し、リファレンス画像を最大10枚、リファレンス動画を最大5本、音声クリップを最大5本、さらに最初と最後のフレームを受け付けます。
- RefVidはWan 3.0を、fal.aiのreference-to-videoエンドポイント経由で実行しています。RefVidのボックスでは、1つの被写体の写真を最大10枚追加し、長さを3〜30秒、画面比率を16:9・9:16・1:1、解像度を720pか1080pから選んで、音声のオン・オフを切り替えます。Wan 3.0では音声をオンにしても追加料金はかかりません。写真を追加しなければ、プロンプトだけからクリップを作ります。
Wan 3.0 vs 2.7：何が変わったか
- Alibabaによると、Wan 3.0では最長クリップがWan 2.7の15秒から30秒へと約2倍になりました。リファレンスは画像と動画の合計5件と参照ボイス1本から、画像10枚・動画5本・音声5本に増え、音声スイッチと480pも加わっています。falでは、720pは1秒あたり$0.10のまま据え置きです。
| Wan 2.7 | Wan 3.0 | |
|---|---|---|
| 公開日 | 2026年4月7日 | 2026年8月24日（ベータ版は8月7日） |
| クリップの長さ | 2〜15秒（リファレンス動画を使う場合は2〜10秒） | 2〜30秒 |
| 解像度 | 720p、1080p | 480p、720p、1080p |
| 画面比率 | 16:9、9:16、1:1、4:3、3:4 | 21:9、16:9、4:3、1:1、3:4、9:16、またはアダプティブ |
| リファレンス | 画像と動画の合計で最大5件、1〜10秒の参照ボイス | 画像最大10枚、動画5本、音声5本 |
| 音声 | スイッチの公表なし | オン・オフ切り替え可（初期設定はオン） |
| falでの1秒あたりの料金 | $0.10 | 720pで$0.10、1080pで$0.20 |
Wan 3.0 reference to video：長いクリップでも同じ被写体
- RefVidでは追加した写真が1つの被写体として保存されるので、Wan 3.0のクリップはどれも同じ商品やキャラクターから始まります。最長30秒まで作れるため、時間が必要なクリップに向いています。封をした箱から商品を手に取るまでの開封動画、部屋の中を歩いて回る映像、いくつもの動作が続く短いシーンなどです。
- 素直な光で撮った、角度の違う写真を3〜5枚用意し、動作を順番に書きます。たとえば「手がテープを切り、ふたを開け、ヘッドホンを取り出してカメラのほうへ向ける。カメラは手元に寄ったまま、手の動きを追う。」のように書きます。1文に1つの動作にすると、長いクリップでも順番どおりに進みます。
Wan 3.0 の動画を3ステップで作る
- このページ上部のボックスに商品やキャラクターの写真を1〜10枚追加するか、その上に並ぶテンプレートから始めます。ボックスはすでにWan 3.0、720pに設定されています。
- 起こってほしいことを順番に書きます。設定では、長さ（3〜30秒）、画面比率（16:9、9:16、1:1）、1080p、音声を変更できます。
- 「生成」を押します。サインインしていない場合は先にサインインし、その直後にクリップの生成が始まります。生成には通常2〜10分かかり、完成したらメールでお知らせします。
RefVid での Wan 3.0 クリップの料金
- クリップはすべて、上の表のとおり1秒あたりのクレジットで料金が決まり、音声ありでも同じ料金です。生成前にスタジオで合計が表示されます。新規アカウントには最初の1本用の無料クレジットが付与され、透かしも入りません。その後は、動画1本が$2.99から、買い切りのクレジットパックが$9.90から、プランが月額$10からです。失敗したクリップのクレジットは自動で返還されます。
RefVid の全モデルと並べた Wan 3.0：実測のクリップ数・待ち時間・料金
- この数字はメーカーの発表ではなく、私たちの実測です。2026/10/27～2026/11/06にチーム外の人が RefVid で開始したすべてのクリップを、選ばれたモデル別に分け、完成した本数と、生成の開始からクリップの完成までの待ち時間の中央値を出しました。隣には各モデルの写真の上限、クリップの長さ、5秒クリップの現在の料金を並べているので、Wan 3.0 をほかのモデルと1つの表で比べられます。
- 完成率と待ち時間は、期間中に完成または失敗したクリップが20本以上あるモデルだけに表示します。最近追加したモデルはまだ本数が少なめです。失敗したクリップは無料で、クレジットはアカウントに戻ります。表は利用統計の最新スナップショットに合わせて更新されます。
| モデル | クリップ（完成または失敗） | 完成 | 待ち時間の中央値 | 1つの被写体の写真 | クリップの長さ | 5秒クリップのクレジット | $9.90のパックでの費用 |
|---|---|---|---|---|---|---|---|
| Kling 4 | 18 | 20本未満 | 20本未満 | 10 | 3–30 秒 | 290 | $1.91 |
| Kling 3.0 Omni | 310 | 83% | 2.1 分 | 10 | 3–15 秒 | 155 | $1.02 |
| Seedance 2.5 | 3 | 20本未満 | 20本未満 | 10 | 4–30 秒 | 860 | $5.68 |
| Wan 3.0 | 13 | 20本未満 | 20本未満 | 10 | 3–30 秒 | 185 | $1.22 |
| Vidu Q4 | 21 | 71% | 4.2 分 | 10 | 3–16 秒 | 125 | $0.83 |
| Gemini Omni Flash | 1 | 20本未満 | 20本未満 | 10 | 3–10 秒 | 185 | $1.22 |
| PixVerse C1 | 80 | 99% | 1.4 分 | 7 | 3–15 秒 | 95 | $0.63 |
| Happy Horse 1.1 | 1 | 20本未満 | 20本未満 | 9 | 3–15 秒 | 255 | $1.68 |
| MiniMax H3 | 1 | 20本未満 | 20本未満 | 5 | 5–15 秒 | 110 | $0.73 |
ほかのモデルが向いている場合
- Wan 3.0は、長いクリップやテキストだけから作るクリップに向いています。短いクリップを1秒あたり安く作るなら、Vidu Q4やPixVerse C1のほうが割安です。Kling 4も30秒まで対応し、常に音声が付きます。保存した被写体はどのモデルでも使えるので、同じ写真を2つのモデルで試せます。
テンプレートから始める
カット、画面比率、長さが設定済みのスタジオが開きます。あなたの商品を追加して生成するだけです。
AI動画モデルについてもっと読む
テキストから動画AI →
よくある質問
Wan 3.0 は RefVid で無料で使えますか？
新規アカウントには、最初の1本用に180クレジットが無料で付与されます。透かしは入らず、カードの登録も不要です。Wan 3.0のクリップは、無料クリップで使うモデルより1秒あたりの料金が少し高くなります。クリップの料金がクレジット残高を超える場合は、生成前にボックスがそう表示し、残高の範囲で作れる選択肢を提案します。
Wan 3.0 の料金はいくらですか？
fal.aiでは、Wan 3.0のreference to videoは720pで1秒あたり$0.10、1080pで$0.20です（2026年11月4日確認）。RefVidでは1秒あたりのクレジットで料金が決まり、音声のあり・なしで料金は変わりません。具体的な数字は上の表にあります。
Wan 3.0 の動画は何秒まで作れますか？
Alibabaによると、1回の生成で最長30秒で、Wan 2.7の15秒の2倍です。RefVidでは設定で3〜30秒を選べます。
Wan 3.0 はテキストだけで動画を作れますか？
はい。RefVidでは写真を追加しなければ、Wan 3.0がプロンプトだけからクリップを作ります。1秒あたりの料金は写真から作る場合と同じです。
Wan 3.0 はリファレンス画像を何枚使えますか？
Alibaba CloudのAPIリファレンスによると最大10枚で、さらにリファレンス動画を最大5本、音声クリップを最大5本使えます。RefVidでは1つの被写体の写真を最大10枚追加できます。