セリフも生成する、Alibabaのマルチショット動画モデル
1つのプロンプトで、シーン全体を演出。複数のショット、セリフ、サウンドトラックを、1本の1080p動画に。
WAN 2.6は、テキストや画像から動画と音声を同時に生成するAlibabaの動画モデルです。引用符で囲んだセリフを書けば、キャラクターがそのとおりに話します。ショットに番号を振れば、カットも切り替わります。このページの蒸気機関車の作例なら、高架橋を見下ろす空撮から、時計を確認する車掌、力強く回る車輪へ。すべてが15秒に収まっています。掲載した作例はすべてPixel Dojoで制作し、それぞれに実際に使ったプロンプトを公開しています。主要モデルすべて、6つのスタジオ、AIディレクターのSenseiを、Pixel Dojoの1つのプランで使えます。契約中はクレジットを繰り越せて、すべてのプランで商用利用も可能です。
10 credits ($0.63) すべてのプランに含まれます。月額$10から。
すでに会員の方は ログイン
執筆 Brian Lovett · 更新日
WAN 2.6 Standardで制作した7本の動画を紹介します。うち4本は1080pです。すべて音声付きなので、各動画のミュートを解除してお聴きください。「このプロンプトを使う」をタップすれば、同じプロンプトから制作を始められます。
1080p、15秒の3ショット構成。1つのプロンプトから、空撮、セリフ、車輪のクローズアップを生成。機関車の走行音に重ねて、車掌が「Right on time」と話します。
Cinematic multi shot sequence. Shot 1: Aerial wide shot, a black steam locomotive with a glowing headlamp crosses a curved stone viaduct over a snowy pine valley at dusk, white steam trailing behind. Shot 2: Medium close-up inside a warm wood paneled dining car, a conductor in his sixties with a gray mustache and a navy cap checks a brass pocket watch and says, "Right on time." Shot 3: Low close-up of the iron wheels and pistons pounding through falling snow, sparks flying. 35mm lens, amber and teal grade. Sound: chugging engine, a long whistle, clinking glasses, wind.
1080p、5秒のセリフシーン。片眉を上げ、そっけなく「Coffee's fresh. The pie, not so much」とひと言。雨音と冷蔵庫の低い作動音が重なります。
Medium close-up, slow push in. A tired diner waitress in her fifties with silver streaked red curls pinned up and a mint green uniform leans on the counter late at night, coffee pot in hand, a pink neon sign glowing through the rain streaked window behind her. She raises an eyebrow and says with a wry smile, "Coffee's fresh. The pie, not so much." Warm tungsten practicals against cold blue street light, 50mm lens, soft film grain. Sound: rain on glass, a humming refrigerator, her low raspy voice.
1080p、5秒の商品ショット。ゆっくり回り込むカメラ、王冠状の水しぶき、多面カットのガラスをなぞる金色の光。
Macro product shot, slow orbit. An invented faceted amber glass perfume bottle with a brass cap stands on wet black slate as a single drop falls from above and bursts into a crown of water around its base, a slow sweep of golden light gliding across the glass. Pure black background, 100mm macro lens, crisp reflections, no text. Sound: a deep drip, a soft shimmer, a warm synth pad.
1080p、9:16、5秒のダンス映像。金色のリボンが朝霧の中に弧を描きます。ReelsやShorts向けの縦型構図です。
Vertical full body shot, slow handheld orbit. A dancer in her thirties with a sleek black bun and a flowing white linen outfit spins on a misty lakeside dock at sunrise, swirling two long saffron silk ribbons into wide spirals that ripple through the air, mist rising off the water behind her. Soft golden backlight, 35mm lens. Sound: the swish of silk, bare feet on wood, a slow solo erhu melody.
720p、5秒のアクション映像。泥と水しぶきを上げ、ヘアピンを横滑りで駆け抜けます。音声にはエンジンの轟音も。
Low tracking shot at bumper height, the camera racing alongside. A mud splattered white rally car with no logos slides sideways through a hairpin bend on a rain soaked forest track, the rear tires flinging a thick rooster tail of mud and water toward the lens, headlights blazing through drifting mist between tall pines. 24mm lens, motion blur, desaturated green grade. Sound: engine scream, gravel and mud spray, rain.
720p、5秒の空撮映像。大西洋の波が打ちつける海食柱へ、低空から高速で迫ります。
Aerial drone shot flying low and fast over a black sand beach toward a towering basalt sea stack as huge Atlantic waves explode white against the rocks, seabirds wheeling through the spray, low silver sunrise light breaking through storm clouds. 24mm wide lens, epic scale, crisp detail. Sound: thundering surf, howling wind, distant gull cries.
720p、5秒のエクストリームスポーツ映像。バイクが砂丘の頂から飛び出し、金色の砂煙の中に着地します。
Low tracking shot from the sand, the camera racing alongside. A rider in a white and orange helmet and a sand colored jersey launches a red dirt bike off the crest of a tall desert dune, hangs in the air against a deep blue sky, and lands in a spray of golden sand that blasts toward the lens, low afternoon sun raking across the ripples. 24mm lens, motion blur, warm high contrast grade. Sound: a screaming two stroke engine, the thump of the landing, sand hissing.
多くのAI動画モデルが生成するのは、1つのショットです。ストーリーに仕立てるには、後からつなぎ合わせる必要があります。WAN 2.6なら、シーン全体を任せられます。プロンプトに「Shot 1」「Shot 2」「Shot 3」と書くだけで、1本の動画内でカットが切り替わります。キャラクターも光もサウンドトラックも、カットをまたいで一貫します。
蒸気機関車のプロンプトでは、高架橋の空撮、食堂車の車掌、車輪のクローズアップを指定しました。WAN 2.6は、その3つすべてを1080p、15秒で生成。中盤のショットでは、車掌が「Right on time」とタイミングよく話します。
音声も一緒に生成されます。セリフ付きの動画を音声認識で文字起こししたところ、すべてのセリフが指定どおりに再現されていました。エンジン音、雨音、波音、風音も、映像に合わせて生成されます。
単一ショットも見どころ十分。香水ボトルを囲む王冠状の水しぶきから、砂丘を飛び出すダートバイクまで表現できます。
列車シーンから車掌の静止画を切り出し、同じプロンプトで両バージョンを比較しました。時計をパチンと閉じ、顔を上げて「Next stop, the summit.」と話す動きです。どちらもレールの響きとともに、一語一句そのままセリフを話しました。720p、5秒で、Standardは10クレジット、Flashは7.5クレジットでした。
WAN 2.6 Standard、画像から動画、720p、5秒、10クレジット。
Slow push in. The conductor snaps the brass pocket watch shut, looks up toward the lens with a warm grin and says, "Next stop, the summit." Snow streams past the windows behind him. Sound: the rhythmic clatter of the rails, the click of the watch, his deep friendly voice.
WAN 2.6 Flash、画像から動画、720p、5秒、7.5クレジット。
Slow push in. The conductor snaps the brass pocket watch shut, looks up toward the lens with a warm grin and says, "Next stop, the summit." Snow streams past the windows behind him. Sound: the rhythmic clatter of the rails, the click of the watch, his deep friendly voice.
ショットに番号を振り、セリフを引用符で囲めば、映像に合う音声付きでカットをつないだシーンに。3ショットの列車の旅がその作例です。
ウェイトレス、車掌、司会者、ナレーター。表情とタイミングを合わせて、セリフを届けます。
水しぶき、回り込み、光の動きを1080pで。広告や商品ページに使える映像を作れます。
ラリーのドリフト、砂丘でのジャンプ、速い動きを捉え続ける追従ショット。
海岸線、渓谷、街の上を低空で進むドローン映像。風や波の音も加わります。
リボンダンサーの作例のように、Reels、TikTok、Shorts向けには9:16を選べます。
WAN 2.6は、月額$10からのPixel Dojoの全プランに含まれます。契約中はクレジットを繰り越せます。料金は音声込みの秒単位です。WAN 2.6 Standardは720pで1秒あたり2クレジット、1080pで1秒あたり3クレジット。WAN 2.6 Flashは720pで1秒あたり1.5クレジット、1080pで1秒あたり2.25クレジットです。
動画の長さは5秒から15秒です。Standardの5秒動画は、720pで10クレジット、1080pで15クレジット。今回の1080p、15秒の列車シーンは45クレジットでした。
WAN 2.6は、テキストや画像から動画を生成するAlibabaのAI動画モデルです。映像と同時に音声を生成し、引用符で指定したセリフを話します。複数のショットを切り替えるシーンも、最大1080p、15秒の1本の動画として生成できます。
はい。このページの動画はすべて、生成された音声付きです。セリフを引用符で囲み、「Sound」の行に音を指定してください。ウェイトレス、車掌、列車シーンの作例では、すべてのセリフが一語一句そのまま再現されました。
1つのプロンプトに、ショットを順番に書きます。「Shot 1: Aerial wide shot...」「Shot 2: Medium close-up...」「Shot 3: Low close-up...」のように指定してください。各ショットの尺を確保できるよう、動画の長さは長めに設定します。今回の15秒の列車シーンは、3ショット構成です。
Standardは、テキストから動画、画像から動画、1080pに対応する高品質版です。720pでは1秒あたり2クレジット。Flashは、画像から動画をより速く、低コストで生成する選択肢で、720pでは1秒あたり1.5クレジットです。車掌の作例では、どちらもセリフを一語一句そのまま話しました。
はい。すべてのプランで、制作物の権利はユーザーに帰属します。
無料アカウントでは、毎日3回の無料エフェクトでPixel Dojoを試せます。WAN 2.6は月額$10からの全プランに含まれ、契約中はクレジットを繰り越せます。Standardの720p、5秒動画は10クレジットです。
はい。プロンプトとmode、duration、resolutionを/api/v1/models/wan-2.6-standard/runにPOSTしてください。画像から動画を生成する場合は、wan-2.6-flashも使えます。
上にプロンプトを書くか、このページの例から始めましょう。ひとつのプランで主要モデル、6つのスタジオ、Senseiがすべて使え、クレジットは繰り越されます。
WAN 2.6で始める