Skip to main content

WAN 2.7 動画プロンプトガイド

1つのモデルに、3つのモード。
テキストから。画像から。動画の続きまで。

WAN 2.7 動画プロンプトガイドで、Alibabaのフラッグシップモデル「WAN 2.7 Video」を使いこなしましょう。PixelDojoでテキストからの動画生成、画像からの動画生成、既存クリップの続きを作る動画延長に対応。720p(2クレジット/秒)と1080p(3クレジット/秒)、2-15秒、5種類のアスペクト比を選べて、プロンプト強化機能も内蔵しています。

概要

WAN 2.7 Videoは、WANシリーズの最上位に位置するAlibabaのフラッグシップ動画生成モデルです。強みは、1つのモデルで使える3つのモード。プロンプトだけで映像を作るテキスト動画生成、最初のフレームを動かす画像動画生成、既存クリップの続きを作る動画延長に対応します。長さは2-15秒で、プロンプト強化機能も内蔵しています。

解像度は720p(2クレジット/秒)と1080p(3クレジット/秒)の2段階。アスペクト比は5種類で、映画的な16:9、縦型の9:16、SNS向け正方形の1:1、写真で定番の4:3 / 3:4から選べます。1本のクリップで最大15秒。PixelDojoの多くの動画モデルより長い映像を生成できます。

3

モード(T2V · I2V · Extend)

2-15s

生成できる長さ

720p · 1080p

解像度

主な機能

T2V · I2V · Video-Extend

1つのモデル、3つのモード

テキスト動画生成は、プロンプトだけで映像を構成します。画像動画生成は、プロンプトに沿って最初のフレームを動かします。動画延長は、既存クリップの続きを生成。元の映像を再レンダリングせず、短いクリップを長いストーリーへつなげられます。

1秒あたり2または3クレジット

720pと1080p

試作やSNS向けなら720p(2クレジット/秒)。見せ場のショット、空気感を描くシーン、素材の質感が主役の商品映像なら1080p(3クレジット/秒)。1080pの消費クレジットは50%増えますが、最終レンダリングではその価値があります。

多くのモデルを超える長さ

長さは2-15秒

WAN 2.7は、1本のクリップで最大15秒に対応。多くの動画モデルは6秒または10秒が上限です。余韻を持たせたいシーン、複数ショットの構成、5秒では収まらない物語の展開に活躍します。

既存クリップの続きを生成

動画延長モード

元の動画とプロンプトを渡すと、WAN 2.7が最終フレームから続く映像を生成します。気に入った5秒のクリップを、元の映像を再レンダリングせずに10-15秒のシーケンスへ伸ばせます。

動画サンプル

各作例には、生成に使ったプロンプトをそのまま掲載しています。どのプロンプトもワンクリックでコピーできます。

映画的な導入ショット

1080p · 16:9 · 8s · 24クレジット

Vibrant cinematic establishing shot drifting forward over a futuristic coastal city at golden hour, neon-lined boardwalks, glass towers reflecting amber light, distant ocean waves crashing, warm sunset color grade, the camera moves at a very slow forward dolly, hyper-detailed 8k

映画的な導入ショットには1080pが効果的です。波、ネオンの反射、遠くの高層ビルなど、空気感を支えるディテールは720pの圧縮で崩れがちです。16:9のワイド画面に「ゆっくり前進するドリー」「クレーンアップ」「引きの動き」など主役となるカメラワークを1つだけ指定し、テンポはWANに任せましょう。

キャラクターのクローズアップ

720p · 4:3 · 5s · 10クレジット

Medium close-up of a young woman with curly auburn hair sitting at a sunlit cafe window, she lifts a porcelain teacup to her lips, takes a slow sip, then turns her head toward the camera with a soft smile, shallow depth of field, warm afternoon light, hyper-detailed skin texture and fabric weave

4:3は、人物のクローズアップに少しクラシックな趣を添えます。WAN 2.7は細かな動作の流れも的確に捉えます。「カップを持ち上げ、ひと口飲み、顔を向け、ほほ笑む」といった動きもすっきり表現できます。人物のクローズアップなら720pで十分。追加クレジットは、空気感が主役の映像に回しましょう。

商品のリビールショット

1080p · 1:1 · 6s · 18クレジット

Studio product shot of a matte-black ceramic coffee mug on a polished walnut surface, steam curling upward, the camera does a slow 90-degree rotational pan around the mug, soft top-down rim lighting against a charcoal gradient backdrop, photoreal advertising quality

1080pの1:1正方形に、回転パン、ドリーイン、後退など明確なカメラワークを1つ。商品映像の王道です。WAN 2.7は1080pで、マットな陶器、磨かれたウォールナット、ヘアライン加工の金属などの質感をきれいに描きます。

空気感のある風景

1080p · 21:9を16:9にクロップ · 10s · 30クレジット

Wide cinematic landscape of a misty Norwegian fjord at dawn, mountain peaks emerging through low fog, a single distant fishing boat leaves a thin wake on glassy water, the camera does a very slow forward dolly, cool blue-green palette with warm amber highlight on one peak, sounds of distant water and gentle wind

10秒かけて空気感を見せる映像には1080pが効果的です。霧、水面、遠景の細部まで保てます。ゆっくりしたカメラワークを1つ指定し、寒色の中に暖色のアクセントを添えましょう。画角は16:9のワイドが自然です。超横長の21:9には標準対応していないため、最も横長にできるのは16:9です。

マルチショットのアクション

720p · 16:9 · 12s · 24クレジット

12-second action sequence. Shot 1: low-angle of a parkour runner sprinting toward a rooftop edge, wind whipping their jacket. Shot 2: mid-air shot of the runner leaping across a gap between buildings, city lights blurred behind. Shot 3: landing roll into a sprint that continues offscreen. Dynamic handheld camera throughout.

12sあれば、WAN 2.7で本格的なマルチショット構成を作れます。3つの展開を、明快なカットでつなぎましょう。アクションなら720pで十分。1080pが真価を発揮するのは、映画的な空気感です。カットをきれいに切り替えるには、「Shot 1: ... Shot 2: ...」のように各ショットを明記します。

プロンプトのコツ

素材に合わせてモードを選ぶ

プロンプトだけならテキスト動画生成。動かしたい印象的な開始フレームがあるなら画像動画生成。5-10秒のクリップを再レンダリングせず15sまで伸ばすなら動画延長。3つとも、プロンプトの書き方は共通です。

空気感は1080p、アクションは720p

1080pは、霧、水、木々の葉、素材の質感を保ちます。人物のアクションやクローズアップなど、細部より動きが重要なプロンプトなら720pで十分です。1080pの追加クレジットは20%。用途で選びましょう。

長さを生かして演出する

WAN 2.7の2-15sという生成範囲は、多くの動画モデルより広めです。余韻が必要なシーンには8-12秒、本格的なマルチショット構成には10-15sを使いましょう。物語に時間が必要なら、いつもの5sで済ませないことです。

カメラワークは1ショットに1つ

「ゆっくり前進するドリー」「クレーンアップ」「90度の回転パン」「手持ちカメラで追従」。WANはこうした指示をそのまま読み取ります。「ドリーインしてから左にパン」のように動きを組み合わせると、映像が混乱しがちです。1ショットに1つが基本です。

長尺はマルチショットで構成する

10-15sのクリップには、「Shot 1: ... Shot 2: ... Shot 3: ...」と構成を明記するのが効果的です。WAN 2.7は、カットを指定するときれいに切り替えます。1つの展開だけで15sを埋めるのはもったいない使い方です。マルチショットにするか、クリップを短くしましょう。

標準のネガティブプロンプトは中国語のまま

WANは公式の中国語ネガティブプロンプトに合わせて調整されているため、そのまま使うほうが効果的です。字幕の抑制も含まれています。不要な文字や透かしが出る場合は、末尾に「文字,水印,logo」を追加してください。標準の全文は、このガイドのネガティブプロンプトのセクションに掲載しています。

画像動画生成では、見た目ではなく動きを指示

被写体、シーン、スタイルは、開始画像にすでに含まれています。プロンプトは動きとカメラワークだけに使いましょう。見た目を説明し直すとトークンを浪費し、元画像から形が変わる原因になります。

標準ネガティブプロンプト:中国語のまま使う

WANは、公式の標準ネガティブプロンプトに合わせて調整されており、そのプロンプトは中国語で書かれています。学習時にその表現をそのまま覚えているため、英訳よりも安定して反応します。標準設定を変えず、中国語のまま使いましょう。

標準の全文はこちらです:色调艳丽,过曝,静态,细节模糊不清,字幕,静止,整体发灰,最差质量,低质量,JPEG压缩残留,丑陋的,残缺的,多余的手指,画得不好的手部,画得不好的脸部,畸形的,毁容的,形态畸形的肢体,手指融合,静止不动的画面,杂乱的背景,三条腿,背景人很多,倒着走

彩度過多、露出過多、静止したフレーム、ぼやけた細部、不自然な手、余分な指、変形した手足、雑然とした背景、字幕など、よくある失敗はすでにカバーしています。「字幕」も含まれています。それでも不要な文字、透かし、ロゴが出る場合は、末尾に「文字,水印,logo」を追加してください。それ以外は書き換えないでください。

音・音楽・セリフ

WAN 2.7は、動画と一緒に音声トラックも生成します。セリフ、環境音の雰囲気、具体的な効果音など、欲しい音をポジティブプロンプトに書きましょう。「遠くの水音と穏やかな風の音」「背景でエスプレッソマシンが蒸気を噴く音」などの指示を的確に読み取ります。

音楽はネガティブプロンプトではなく、ポジティブプロンプトで制御します。ネガティブプロンプトには音楽関連の語を入れないでください。音楽を入れない場合は、プロンプトに「No background music.」を追加します。音楽を入れるなら、「suspenseful background music.」のように明確に指定しましょう。

リップシンク付きのセリフは、まず動作を書き、その後に[名前, 口調]: "セリフ"の形式で記述します。例:エージェントがテーブルを手でたたく。[黒いスーツのエージェント, 怒った口調]: "真実はどこにある?"

話者ごとに固有の名前を付け、セリフの話者指定に代名詞は使わないでください。WANは名前でセリフとキャラクターを対応させます。1人が話す10語未満の短いセリフが、最も口の動きと合いやすくなります。

設定一覧

設定設定値補足
モードtext-to-video · image-to-video · video-extendI2Vにはfirst_frame_image、video-extendには元の動画が必要です。
解像度720p (2 cr/s) · 1080p (3 cr/s)1080pはクレジット消費が50%増えます。空気感や質感を重視する動画なら、選ぶ価値があります。
動画の長さ2-15 seconds (integer)多くの動画モデルより長尺に対応。空気感を見せるなら8-12秒、複数ショットの構成なら10-15秒がおすすめです。
アスペクト比16:9 · 9:16 · 1:1 · 4:3 · 3:4よく使う画面比率をカバーする5種類のプリセット。
ネガティブプロンプトstring (optional, max 500 chars)ほとんどのプロンプトは初期設定で対応できます。
プロンプト拡張On / OffWAN側でプロンプトを補足・拡張するオプションです。オンとオフを試してみましょう。オフのほうがすっきりした仕上がりになることもあります。

よくある質問

試作、SNS投稿、キャラクター映像、人物のアクションには720p(2クレジット/秒)で十分な精細さがあります。霧・水・木々の葉など空気感が主役のシーン、素材の細部を見せる商品ショット、見せ場のクリップには1080p(3クレジット/秒)。消費クレジットは50%増えますが、最終レンダリングではその価値があります。