Wan リファレンス動画（オンライン） - RefVid

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
Wan 3.0
透かしなし
商用利用可

最初の動画は無料・カード不要

Wan リファレンス動画（オンライン）なら、GPUもComfyUIのワークフローも要りません。上のボックスは、AlibabaのWanシリーズ最新モデルであるWan 3.0に設定済みです。商品やキャラクターの写真を1〜10枚追加し、起きることを書けば、Wan 3.0が被写体を保ったまま720pまたは1080pで3〜30秒のクリップを作ります。音声はオン・オフを選べます。RefVidはfal.aiのWan 3.0 reference-to-videoエンドポイントを通じてこれを動かしています。

架空のランニングシューズAERO 1、参照写真1 — RefVidに保存した被写体の例：架空のランニングシューズAERO 1の写真3枚と、そこからKling 3.0 Omniで作ったクリップ（白い台座の上でシューズが回転します）。上のボックスでWan 3.0を選ぶと、保存済みの同じ写真がWan 3.0に送られます。

ランニングシューズAERO 1、参照写真2 — RefVidに保存した被写体の例：架空のランニングシューズAERO 1の写真3枚と、そこからKling 3.0 Omniで作ったクリップ（白い台座の上でシューズが回転します）。上のボックスでWan 3.0を選ぶと、保存済みの同じ写真がWan 3.0に送られます。

Wanのリファレンス動画モードとは

Reference to videoは、登場させたい被写体の参照画像（AlibabaのAPIでは参照動画や音声も）を受け取り、その周りに新しいクリップを生成するWanのモードです。参照は画面に映る人や物を伝え、何が起きるかはプロンプトが決めます。
Alibaba Cloudのドキュメントによると、Alibabaが2026年8月24日に正式リリースしたWan 3.0は、最大で参照画像10枚、参照動画5本、音声クリップ5本を受け付け、480p、720p、1080pで2〜30秒の動画を作ります。RefVidでは1つの被写体の写真を最大10枚送れます。

Wan 2.6 reference to videoとWan 3.0の違い

Wanのリファレンス動画に関するガイドやComfyUIのワークフローの多くは、Wan 2.6や2.7向けに書かれています。Wan 3.0はその後継です。Alibabaによると、最長のクリップはWan 2.7の15秒から30秒へとほぼ倍になり、参照は画像と動画あわせて5つと声1つから、画像10枚・動画5本・音声クリップ5本に増えました。音声のオン・オフ切り替えと480pも追加されています。
RefVidが動かすのはWan 3.0だけなので、ここで作るクリップは新しいモデルによるものです。fal.aiでのWan 3.0 reference to videoの料金は、720pで1秒あたり$0.10、1080pで$0.20です（2026年11月4日時点）。

オンラインでWanのリファレンス動画を作る3ステップ

1. このページ上部のボックスに、商品またはキャラクターの写真を1〜10枚追加します。ボックスはWan 3.0と720pに設定済みで、写真は次のクリップのために1つの被写体として保存されます。
2. 動作を順番に、1文に1つずつ書きます。例：「手がテープを切り、ふたを開け、シューズを取り出してカメラの方へ向ける。カメラは近くで固定。」「設定」では、長さ（3〜30秒）、形（16:9、9:16、1:1）、1080p、音声を変えられます。
3. 「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すると、そのまま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

どのクリップも1秒あたりのクレジットで料金が決まり、Wan 3.0では音声付きでも同じ料金です。生成の前にスタジオに合計が表示されます。新規アカウントには最初のクリップ用の無料クレジットがあり、透かしは入りません。その後は、単品の動画が$2.99から、買い切りのクレジットパックが$9.90から、月額プランが$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。