音もセリフも生成するAlibabaのAI動画モデル
WAN 2.7なら、文章で書いたショットリストが、音もセリフも入った1080pのシーンに。必要なのは、たった1つのプロンプトです。
このページの動画はすべて、Pixel DojoのWAN 2.7で制作しました。3ショット構成のSFシーン、雨のネオン街を走るバイク、嵐の中の無線交信、氷河の崩落、15秒の夜市グルメ映像、クレイアニメのキッチン。どの動画にも、実際に使ったプロンプトをそのまま掲載しています。気に入ったものを出発点に、自分だけの作品へ仕上げてください。WAN 2.7も、主要動画モデルも、6つのスタジオも、AIディレクターのSenseiも、すべて1つのプランに。契約中はクレジットを繰り越せて、どのプランでも商用利用が可能です。
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 2.7は、映像と音を一体で生成するAlibabaのAI動画生成モデルです。Pixel Dojoでは、シーンを言葉で描くだけで、720pまたは1080p、長さ2〜15秒の動画を生成できます。音声トラックとセリフも、映像と同時につくられます。
最大の強みは、複数ショットで物語を描けること。1つのプロンプトにShot 1、Shot 2、Shot 3と書くと、WAN 2.7がつないで1つのシーンに仕上げます。このページ冒頭の宇宙飛行士のシーンが、その実例です。ショット内にセリフを書けば、そのショットで発話されます。
このページのプロンプトはすべて、撮影監督のショットメモのように書いています。最初にショットサイズとカメラ、次に具体的な被写体を1つ、動作を1つ、光、レンズ、最後に音の指定。5つのアスペクト比、16:9、9:16、1:1、4:3、3:4に対応しているので、同じアイデアから予告編、縦型SNS投稿、正方形の商品動画を展開できます。動画延長モードなら、手持ちの動画の続きを生成できます。
ここにある動画は、すべてWAN 2.7で音声ごと生成しました。各タイルには、実際に書いたプロンプトを一字一句そのまま掲載しています。コピーして被写体を変え、ショット・光・音の指定を残すだけで始められます。
1つのプロンプトから生まれる短編映画のワンシーン。砂丘のワイドショット、セリフを話すバイザー内のクローズアップ、そして2つの月の下を走るローアングル。このプロンプトをもとに、あなただけの3ショットシーンを書いてみてください。
Cinematic three shot sequence. Shot 1: Wide shot, a lone astronaut in a scuffed white suit with a gold visor trudges across rust red dunes toward a crashed silver lander at dusk, dust streaming off the ridges. Shot 2: Close-up inside the helmet, the astronaut, a woman in her forties with close cropped gray hair, stares as a green light blinks on the lander. [Commander Reyes, breathless]: "It's still transmitting." Shot 3: Low angle, she breaks into a run toward the lander under two pale moons, boots kicking up red dust. 35mm anamorphic lens, teal and amber grade. Sound: wind hiss, crunching footsteps, a rising synth drone.
夜のアクションを1080pで。走行中ずっと前輪から広がるマゼンタとシアンの水しぶき。冠水した路面には、ネオンがくっきりと映り込みます。ミュージックビデオやアクション予告編の出発点にぴったりです。
Low tracking shot at wheel height, the camera racing alongside. A rider in a scuffed red helmet and black waxed jacket leans a matte black cafe racer motorcycle through a flooded neon night street, the front tire slicing a tall fan of spray that glows magenta and cyan, rain streaking past the lens. 35mm anamorphic lens, shallow depth of field, teal and orange grade. Sound: engine roar, the hiss of water, rain drumming on metal.
SNSフィードに映える、縦型9:16のパフォーマンス。硬い光のスポットライト1灯の下、深紅のシルクをまとって2回転。霞の中で揺れる生地は、本物の布のような動きです。
Symmetrical wide shot, slow dolly in. A dancer in her thirties with a sleek black bun spins on a bare black stage in a flowing crimson silk gown, the skirt fanning into a wide arc, under a single hard overhead spotlight that cuts a cone through drifting haze, dust sparkling in the beam. High contrast, deep shadows, 35mm lens. Sound: the whisper of silk, bare feet brushing the floor, a low solo cello.
1つのプロンプトで、セリフまで同時に生成。黄色いオイルスキンを着た灰色のひげの男性が、灯台の塔で台本どおりの無線交信を叫びます。暖かなランタンの光と、窓の外で荒れ狂う嵐。セリフは[名前, 口調]: "セリフ"と書けば、WAN 2.7が声にします。
Medium close-up, slow push in. A weathered lighthouse keeper in his sixties with a salt gray beard and a yellow oilskin coat grips a crackling radio handset in a lamp lit tower room, lightning flashing across his face as rain streams down the window behind him. He presses the button and leans in. [Lighthouse Keeper, hoarse and urgent]: "Northern Star, turn east now." 50mm lens, warm tungsten light against cold blue lightning. Sound: howling wind, rain lashing the glass, radio static. No background music.
日の出を舞台にした、自然ドキュメンタリーのスケール感。青い氷塊がターコイズ色のラグーンへ崩れ落ち、カメラが引くと浮かぶ氷山が姿を現します。このプロンプトから、壮大な風景映像をつくってみてください。
Aerial drone shot gliding fast and low over a turquoise glacial lagoon toward a towering blue ice cliff as a huge slab calves off and crashes into the water, throwing up a white wave and a wall of spray, small icebergs rocking in the swell, low golden sunrise light raking across the ice. 24mm wide lens, epic scale, crisp detail. Sound: a thunderous crack of ice, a roaring splash, wind.
WAN 2.7で生成できる最長尺、15秒のグルメ映像。鍋から麺を引き上げ、つややかなスープを注ぎ、半熟卵とねぎをのせる。最後は暖かな提灯の光の中、カウンター越しに丼を提供。飲食店CMのような構成です。
Continuous 15 second steadicam take, no cuts. The camera follows a ramen cook in her fifties with a navy headscarf as she lifts a nest of noodles from a steaming pot, snaps the strainer twice, slides the noodles into a bowl, ladles glossy broth, lays a soft egg and scallions on top and pushes the bowl across the counter toward the lens, steam curling through warm paper lantern light in a busy night market alley. 35mm lens, shallow depth of field, warm amber grade. Sound: bubbling broth, the clack of the strainer, a sizzling grill, distant chatter. No background music.
ストップモーションならではの愛らしさを、クレイアニメで。アナグマのシェフが、バターののったパンケーキを銅のフライパンから高く放り上げ、見事にキャッチ。丸窓のある巣穴のキッチンで、得意げに笑います。遊び心のあるブランド短編のヒントにどうぞ。
Claymation stop motion, locked off medium shot. A round clay badger chef in a tiny white toque flips a golden pancake high out of a copper pan in a cozy cluttered burrow kitchen, the pancake spins in the air and lands back in the pan with a floppy slap, and the badger beams with pride. Warm tungsten light, visible thumbprints in the clay, felt and cardboard props, charming stop motion cadence. Sound: sizzling butter, the slap of the pancake, a cheerful ukulele tune.
同じアイデアをどこまで展開できるか。今回の制作から、さらに2本を紹介します。作例のライダーを720pで生成した動画と、宇宙飛行士のシーンから切り出した静止画を、画像から動画を生成するAPIで動かし、新しいセリフを加えた動画です。
同じライダーのプロンプトを720pで生成。5秒で10クレジット。前輪からマゼンタとシアンの水しぶきが扇状に広がります。
Low tracking shot at wheel height, the camera racing alongside. A rider in a scuffed red helmet and black waxed jacket leans a matte black cafe racer motorcycle through a flooded neon night street, the front tire slicing a tall fan of spray that glows magenta and cyan, rain streaking past the lens. 35mm anamorphic lens, shallow depth of field, teal and orange grade. Sound: engine roar, the hiss of water, rain drumming on metal.
メイン動画の静止画を、API（wan-2.7-i2v）で動画化。顔はそのまま、新しいセリフを指定のタイミングで話します。
Slow push in on the helmet. She draws a sharp breath, fog blooms on the inside of the visor, the green light pulses across her cheek, and she glances toward the horizon. [Commander Reyes, quietly]: "Someone is still out here." Sound: steady breathing inside the helmet, wind outside, a soft electronic beep.
両モデルに同じプロンプトを送り、720p・5秒の同じ設定で生成しました。WAN 2.7は変身の全体像を描きます。台座の上で像全体が割れ、金色に輝くたてがみを持つライオンが月の下で咆哮。タイトル登場シーンのような構図です。Pixel DojoのWAN 2.7では、最終フレームを指定した動画延長も使えます。
同じプロンプト: Medium wide shot, slow push in. A cracked marble lion statue in a moonlit stone courtyard shudders, its stone skin splitting and falling away in chunks to reveal a living lion with a glowing golden mane that shakes off the dust and roars, shards and dust swirling. Cold blue moonlight against the warm gold glow of the mane, 35mm lens. Sound: stone cracking, rumbling debris, a deep roar.
WAN 2.7は、台座に立つライオンの全身を捉えたまま、石が剥がれ落ちる様子を描きます。満月の下に、金色に輝くたてがみが現れます。
Medium wide shot, slow push in. A cracked marble lion statue in a moonlit stone courtyard shudders, its stone skin splitting and falling away in chunks to reveal a living lion with a glowing golden mane that shakes off the dust and roars, shards and dust swirling. Cold blue moonlight against the warm gold glow of the mane, 35mm lens. Sound: stone cracking, rumbling debris, a deep roar.
WAN 2.6は、像が砕け散る瞬間にカメラが寄ります。炎のようなたてがみ、重厚な破片、そして力強い咆哮を描きます。
Medium wide shot, slow push in. A cracked marble lion statue in a moonlit stone courtyard shudders, its stone skin splitting and falling away in chunks to reveal a living lion with a glowing golden mane that shakes off the dust and roars, shards and dust swirling. Cold blue moonlight against the warm gold glow of the mane, 35mm lens. Sound: stone cracking, rumbling debris, a deep roar.
| WAN 2.7 | WAN 2.6 | |
|---|---|---|
| 720p・5秒のクレジット数 | 10クレジット | 10クレジット |
| 変身の見せ方 | 像全体が割れ、生きたライオンが台座に立つ | カメラが寄るにつれ、石の塊が剥がれ落ちる |
| 構図 | 台座の上の全身、柱、月を画面に収める | 頭とたてがみに寄る |
| ビジュアル | 金色に輝くたてがみ。月の下で咆哮する全身を描写 | 炎のようなたてがみをタイトなクローズアップで描写 |
| Pixel Dojoの対応モード | テキストから動画、最終フレーム指定の動画延長、API経由の画像から動画 | API経由のテキスト・画像から動画 |
1つのプロンプトにShot 1、Shot 2、Shot 3と書けば、WAN 2.7が1つのシーンにつなぎます。作例の10秒の宇宙飛行士シーンでは、セリフを置いた位置で正確にクローズアップへ切り替わります。
この形式で書いたセリフは、すべて指定のタイミングで発話されました。セリフは短く、話者は代名詞ではなく名前で指定してください。
風の音、ザクザクと踏みしめる足音、チェロの独奏など、欲しい音は最後にまとめて指定します。効果音と声だけにしたいときは、No background musicを追加してください。
WAN 2.7は細かな指定を忠実に反映します。衣装を的確に描写し、光源を1つ明確に指定するのがコツ。ダンサーの作例で使った硬い光のスポットライト1灯のように、思い描いたルックへぐっと近づきます。
ダンサーのような縦型SNS動画には9:16、予告編やシーンには16:9、正方形のフィードには1:1を。細部を重視するなら、1080pに切り替えましょう。
静止画と新しいセリフを/api/v1/models/wan-2.7-i2v/runへ送信します。メイン動画の1フレームで試したところ、同じ顔のまま新しいセリフを話す動画が、10クレジットで生成できました。
WAN 2.7はPixel Dojoの全プランに含まれ、月額$10から利用できます。契約中はクレジットを繰り越せます。動画の消費クレジットは長さと解像度で決まり、720pは1秒あたり2クレジット、1080pは1秒あたり3クレジットです。
このページの設定では、720p・5秒が10クレジット、1080p・5秒が15クレジット、1080p・10秒の宇宙飛行士シーンが30クレジット、720p・15秒のラーメン映像が30クレジットです。wan-2.7-i2v APIによる画像からの動画生成は、720pで1秒あたり2クレジット。5秒の動画なら10クレジットです。
WAN 2.7は、AlibabaのAI動画生成モデルです。テキストプロンプトから、音声とセリフ付きの720pまたは1080p、2〜15秒の動画を生成し、名前を付けた複数のショットを1つのシーンに編集します。Pixel Dojoのブラウザ画面でも、API経由でも使えます。
WAN 2.7のツールを開き、プロンプトを入力して、長さ・解像度・アスペクト比を選び、生成します。手早く始めるなら、このページのプロンプトをコピー。被写体を変え、ショット・光・音の指定を残してください。開発者は、同じ項目を/api/v1/models/wan-2.7-t2v/runへ送信できます。
はい。制作したすべてのクリップに、サウンドトラックが組み込まれています。セリフは、発話させたいショット内に [Name, tone]: "line" の形式で記述し、プロンプトの最後に Sound: の行を追加して効果音や環境音を指定します。
はい。どのプランでも、作成したコンテンツの所有権はあなたにあります。
無料アカウントでは、毎日3回、無料でエフェクトを使ってPixel Dojoを試せます。WAN 2.7は月額$10からの全プランで利用でき、契約中はクレジットを繰り越せます。5秒の720pクリップは10クレジットです。
新しいプロジェクトにはWAN 2.7を選びましょう。より新しいバージョンで、名前を付けた複数のショットを1つのシーンにまとめ、指定した箇所でセリフを発話させられます。Pixel Dojoでは、最終フレームを指定した動画の延長も可能です。大理石のライオンを使った比較では、WAN 2.7は台座上での変身の全過程を画面に収めました。
はい。APIで利用できます。image_urlとプロンプトを /api/v1/models/wan-2.7-i2v/run に送信します。宇宙飛行士のシーンから切り出した静止画と新しいセリフを送信したところ、同じ顔でそのセリフを話す動画が生成されました。720pで10クレジットでした。
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 2.7で始める