Alibaba Cloud · 最新統一モデル
Generate 2–30 second video with synchronized audio from text, images, first/last frames, or combined image + video + audio references — and turn documents and web pages directly into video. Up to 1080p with adaptive aspect ratios.
正確なモデルのワークスペース
The generator is pinned to wan3.0-video. Available inputs, controls, and charged credits come from the live route.
モデル概要
Wan 3.0 is Alibaba's all-modality reference video model. Beyond the text, image, and endpoint workflows of earlier Wan versions, it accepts documents and web pages as creative sources and combines image, video, and audio references in a single request — useful when a clip must match existing brand assets, a voice track, or written source material.
WAN モデルの機能
Feed a document or web page as reference and Wan 3.0 turns its content into a coherent explainer clip — a workflow unique among commercial video models for course, tutorial, and product-documentation video.
WAN モデルの機能
Attach up to 10 reference images, 5 reference videos, and 5 audio clips together. Each asset guides identity, motion, or soundscape so the output stays consistent with your existing material instead of reinventing it.
WAN モデルの機能
Define the opening and closing composition with two frames, then let Wan 3.0 direct the motion between them. The 2–30 second range covers everything from micro-loops to full scene beats without stitching.
タスクベースの例
必要な成果物からワークフローを選択し、付属のプロンプト スターターを 1 つの明確なショットに適応させます。
Turn lecture notes, documentation, or web articles into narrated video segments.
Turn the attached document into a clear explainer video. Open on [hook visual], walk through [key points], close on [summary frame]. Calm professional narration.
Combine product images, a motion reference, and brand audio into one coherent clip.
Use the attached product images for exact appearance and the audio for pacing. The product [action] in [setting]; end on the hero composition from reference image 1.
Generate 2–5 second seamless loops or vertical hooks at 9:16 with synced sound.
Seamless 9:16 social loop of [subject] [action]. Rhythmic motion synced to the audio reference, clean silhouette, loopable start and end frames.
AIビデオモデルの比較
これは、ライブ コントロールの代わりではなく、モデル選択のガイドとして使用してください。公開仕様と接続されたプロバイダー ルートは、さまざまなパラメーターのサブセットを公開できます。
| 特徴 | Wan 3.0 | Seedance 2.0 Pro | Veo 3.1 | Kling 3.0 |
|---|---|---|---|---|
| こんな方に最適 | Document & webpage-to-video explainers · All-modality reference consistency · 2–30s clips up to 1080p with audio | マルチモーダルなストーリーテリングと継続性主導の創作 | 映画のようなリアリズムと洗練されたオーディオビジュアルシーン | キャラクターのモーション、アクション、クリエイターのワークフロー |
| 接続された入力 | Generate 2–30 second video with synchronized audio from text, images, first/last frames, or combined image + video + audio references — and turn documents and web pages directly into video. Up to 1080p with adaptive aspect ratios. | テキスト、画像、マルチモーダル参照 | テキスト・画像 | テキスト・画像・参照ワークフロー |
| シーンコントロール | Documents and web pages become video sources · All-modality references in one request · First / last frame plus 2–30 second range | マルチショットとマルチモーダルなディレクション | ショットの解釈と視聴覚ディレクション | モーションコントロールとキャラクターパフォーマンス |
| オーディオワークフロー | Synchronized | ルート報告されたオーディオ機能。ライブコントロールを確認する | ネイティブオーディオビジュアルワークフロー | オーディオとリップシンクのワークフローはルートによって異なります |
| いつ選択するか | Course & explainer video · Brand-consistent product film · Social loops & hooks | A multimodal story workflow and continuity-led creation | 最終的な映画のオーディオビジュアルの磨きが最も重要です | キャラクターのパフォーマンスとアクション制御が概要をリード |
PixMind 本番 API スナップショットは 2026-07-13 に検証されました。ライブ ジェネレーターのコントロールは最終的なものです。
プロンプトスターター
被写体、アクション、カメラ パス、光、音、エンディングに名前を付けます。選択した入力モードに必要な参照責任のみを追加します。
Turn the attached document into a clear explainer video. Open on [hook visual], walk through [key points] with [visual metaphor], close on [summary frame]. Calm professional narration, clean motion graphics aesthetic.
このプロンプトを使用してくださいUse the attached product images for exact appearance, the motion reference for camera rhythm, and the audio for pacing. The product [action] in [setting]; lighting matches [mood]; end on the hero composition from reference image 1.
このプロンプトを使用してくださいMove naturally from the supplied first frame to the last frame. The subject [action] while the camera [movement]; keep identity, wardrobe, and environment consistent; finish exactly on the end-frame composition.
このプロンプトを使用してください発明にはテキストを、アイデンティティや構成には画像を、制御されたエンドポイントには最初と最後のフレームを、動き、カメラのリズム、またはサウンドには参照を使用します。
一部の接続されたルートはオーディオ機能を報告しますが、正確な制御はモデル モードによって異なります。公開する前に、ライブ ジェネレーターで選択したルートを確認し、ダイアログ、タイミング、アーティファクトを確認します。
商用利用は、プロバイダーの規約と、すべてのプロンプト、参照、アイデンティティ、音声、ロゴ、およびブランド資産に対するお客様の権利によって決まります。リリース前に、出力条件と現在の条件の両方を確認してください。