Wan 3.0

Wan 3.0 が得意なこと、そうでないこと

Wan 3.0 は、どの動画モデルも避けてきた問いに答えます。ショットが数秒より長く必要になったらどうするのか？ 主要なフラッグシップは 1 回の生成が 5〜15 秒で頭打ちになるため、「シーン」らしきものはすべて編集ソフトで組み立てることになります。そしてカットのたびに顔がブレ、光が変わり、部屋の形まで変わってしまう。Wan 3.0 は 1 パスで最長 30 秒をレンダリングし、この 1 点だけでショットの組み立て方が変わります。空間を貫く連続したカメラワーク、30 秒のナレーション広告、ワンテイクの製品ウォークスルー —— これらは編集の問題ではなく、プロンプトの問題に戻ります。

2 つ目の特徴がオールインワン参照です。参照の仕組みはたいてい 1 種類の入力しか受け付けません。画像だけ、まれにクリップ 1 本、ごく一部が声。Wan 3.0 は同じリクエストで 3 種類すべてを受け取ります。参照画像 10 枚、参照クリップ 5 本、参照音声 5 本、参照動画と参照音声はそれぞれ合計 15 秒まで。実務上は、ブランドキット一式やキャラクターシート一式をまとめて渡せるということであり、一貫性が冒頭の数秒ではなくクリップ全体で保たれます。ZOOOP では振り分けが自動で、参照を付ければ参照パイプライン、空のままなら同じモデルが text-to-video を実行します。

日常的に効く機能があと 2 つ。開始／終了フレーム制御はクリップの両端を固定して間の動きをモデルに埋めさせる仕組みで、次のカットへきれいにつながる終わり方を狙えます。そしてネイティブ同期音声 —— セリフ、環境音、音楽 —— は映像と同じパスで生成されてステレオトラックとしてファイルに付き、音声のオン／オフで料金は変わりません。

弱いところ。オープンウェイトではありません。 Wan 2.7 は Apache 2.0 で重みが公開されましたが、Wan 3.0 は公開なし、API のみです。セルフホストやオープンな来歴が必要なパイプラインでは、そこが決定的で、答えは 2.7 のままです。1440p ティアはネイティブレンダリングではなく強化アップスケールで、実ファイルは 2560×1440、大画面納品には十分ですが、ネイティブの高解像度パスを持つモデルのほうがディテールは残ります。ネガティブプロンプトがないため、除外は「欲しいものを書く」で処理する必要があります。さらに image-to-video では出力が入力フレームのアスペクト比に従うため、そのパスに比率指定はなく、生成前に元画像を切り抜いておく必要があります。

妥当な使い分けはこうです。ショットが長いとき、あるいは実際の参照素材と合っているかどうかがテイクの可否を決めるときに Wan 3.0 を選ぶ。 オープンな重みと指示ベースの編集なら Wan 2.7。単発ショットの最高画質なら Veo 3.1。同系列で使い捨てのドラフトを量産するなら Wan 2.6 Flash。ショットの内容をまだ決めきれていない段階では Prime ティアで回し、最終レンダーで標準ティアに戻してください。