Wan 3.0プロンプトガイド

型はAlibabaのWan 3.0プロンプトガイドによるものです。モデルについてはWan 3.0のページをご覧ください。

Alibabaによると、Wan 3.0は1文でも十分で、描写が正確なほど結果が狙いに近づきます。完全な型は7つの部分からなり、1つの段落に書きます。必要のない部分は省いてください。

1. 1テーマ、視点、長さ、テンポを1行で書いて始めます。
2. 2画像をアップロードするなら、それぞれの用途を書きます：「Image 1 の女の子が Image 2 の部屋に立っている」。
3. 3各ショットを秒数付きで書きます：被写体、場面、動き、カメラ。
4. 4セリフを「名前が言う：『…』」の形で加え、次に効果音と音楽、または「BGMなし」を書きます。
5. 5最後に画風、色調、雰囲気を書き、短いネガティブリストで締めます。

Wan 3.0は1つのクリップの中で複数のショットを使ってストーリーを語れます。Alibabaの書式は、番号、秒数、内容の順で、「Shot 1 [0-3s] …」のようになります。ショットは隙間も重なりもなく続け、1つ2〜5秒にします。APIガイドでは4〜6秒を勧めています。

DreamBenchでは、Wan 3.0のクリップが途中で新しい場面に切り替わることはありません。各クリップはカットなしのワンショットとして書かれ、場所の変更は次のクリップで行います。

Alibabaは、カメラワークを平易な言葉で書くよう求めており、レンズや被写界深度の指定もできます。カメラワークは、それが属するショットの中に書きます。

Alibabaは、「1秒に3回首を振る」のような、モデルが制御できないほど速い動作に注意を促しています。動きには、人が演じられるペースを与えてください。

Wan 3.0は話し声、効果音、音楽を映像と同じ処理で作ります。ネイティブオーディオもご覧ください。

• セリフ：キャラクター、話す動詞、コロン、引用符に入れたセリフ：彼女がささやく：「まだだめ」
• 複数の話者：1人1行ずつ、順番に、それぞれ話者を付けて。
• ナレーション：Voiceover:「毎朝、ここから始まる」
• 無音：「セリフなし」と書きます。書かなければ、誰かが話すかどうかはモデルが自分で決めます。
• 効果音：トタン屋根を打つ雨や水たまりを踏むブーツのように、音を出すものを描写すれば、Wanがその音を加えます。または、効果音に独立した文と時間を与えます：「8秒目から、教会の鐘」。

AlibabaのWan 3.0のページにはセリフの言語の一覧がなく、例では英語と中国語が話されています。セリフの前に言語を明記し、テイクごとに確認してください。リップシンクもご覧ください。

Alibabaは見た目を画風、色調、雰囲気の3つに分け、冒頭か最後に書くよう示しています：「クレイアニメ、高彩度の暖かい黄色、軽やかで癒やされる」。

• 不要なものだけを挙げ、何もなければリストは空にします。
• 水増ししたり、プロンプトにすでにあることを繰り返したりしないでください。
• よくある項目：字幕なし、透かしなし、余分な指なし、顔のゆがみなし、頻繁なカット切り替えなし。
• アニメーションのスタイルなら、もう一方の見た目を除外します：「フォトリアルな実写なし」。

Alibabaのプラットフォームは2〜30秒、またはモデルが選ぶスマートな長さを受け付けます。秒数に収まる分だけ書いてください：

DreamBenchの映像では、Wan 3.0の各クリップは動作にかかる長さに合わせて3〜12秒になり、DreamBenchがそれに合わせてプロンプトを書きます。

Wan 3.0は最初のフレームから始めることも、最初と最後のフレームの間を動かすこともできます。Alibabaによると、画像がすでに被写体、場面、スタイルを決めているので、プロンプトでは動き、筋書き、セリフ、カメラを描写します。最初と最後のフレーム指定もご覧ください。

1. 1画像を最初のフレームとして、または最初と最後のフレームとして渡します。
2. 2次に起きることを描写します。複数のショットがあるなら、ショットごとに秒数付きで。画像に映っていることは繰り返しません。
3. 3セリフとサウンドを加えます。最後のフレームがあるなら、そこへ至る変化を描写します。

Alibabaのプラットフォームでは、1回のリクエストで最初と最後のフレームと参照画像を組み合わせることはできません。DreamBenchでは、Wan 3.0のどのクリップも、参照画像から作った開始フレームから始まります。画像から動画生成もご覧ください。

Alibabaのプラットフォームでは、アップロードは順番に番号が付き、画像、動画、音声は別々に数えられます。Image 1、Video 1、Audio 1がすべて存在しうるということです。Alibabaは、特徴が人物の間で混ざらないよう、それぞれに目的を与えるよう勧めています。

• 各被写体を1つのアップロードに結びつけます：「小さな女の子は Image 2、お店は Image 1」。
• 各キャラクターを、すべてのショット、すべてのクリップで同じ言葉で描写します。
• 服、小道具、光をショットからショットへ保ちます。

DreamBenchでは、各キャラクター、場所、小道具を設定シートとして一度だけ描き、すべてのクリップの開始フレームを必要な設定シートから作ります。キャラクターの一貫性と参照画像から動画生成もご覧ください。

Alibabaのプラットフォームでは、Wan 3.0の1つのクリップに秒数指定のショットを8つまで入れられます。DreamBenchでは、映像は複数のクリップでできていて、それぞれが独自の開始フレームからのカットなしのワンショットで、ハードカットでつながるので、どれでも1つだけ作り直せます。

DreamBenchで映像の内容を説明すると、すべてのクリップのプロンプトを書き、キャストを描き、Wan 3.0で各クリップを動かします。マルチショット動画もご覧ください。

どれもAlibabaの順番に沿っています。Alibabaのプラットフォームに貼り付けるか、DreamBenchの指示文として使ってください。被写体を変え、形はそのまま使います。

カットなしのワンショット：夜明けの港

カットなしのワンショット。夜明けの漁港、穏やかで静か、10秒。カメラが水面の上を低く滑るように赤い船へ近づき、オレンジ色の防水コートを着た漁師がロープを巻きながら空を見上げる。カモメ、船体に打ち寄せる水音、遠くのエンジン音。セリフなし。BGMなし。ドキュメンタリー風のリアリズム、冷たい青から金色へと温まっていく色調、穏やか。

3ショットのドラマ

許しをテーマにした短いドラマ、12秒、緊張から温かさへ移るテンポ。ショット1（00:00-00:04）：ミディアムショット、固定カメラ。若い男がケーキの箱を持って農家のドアの前に立つ。ショット2（00:04-00:08）：ハードカット、クローズアップ、85mm望遠。父親がにこりともせずにドアを開ける。ショット3（00:08-00:12）：父親は脇に寄って言う：「母さんはおまえの席を空けておいたんだ」風の音、遠くで吠える犬。35mmフィルムの質感、くすんだ緑、優しい雰囲気。字幕なし。

エレベーターの中の2人の話者

カットなしのワンショット、8秒、軽いオフィスコメディ。鏡張りのエレベーターの中に、紺のスーツの女性と、箱を高く積み上げた配達員。固定ショット、カメラ静止。配達員が言う：「何階ですか？」彼女は箱をちらりと見て答える：「どうやら全部の階みたい」エレベーターのうなる音と到着音。BGMなし。明るくクリーンな光、自然な色。

ナレーション付きの商品

ステンレスの水筒の商品映像、10秒、落ち着いて自信のある雰囲気。ショット1（00:00-00:05）：滝のそばの濡れた岩の上の水筒、漂う霧、カメラがゆっくりオービットする。ショット2（00:05-00:10）：手が小川で水筒に水を汲み、カチッとキャップを閉める。Voiceover:「1日冷たいまま。一生使える作り」流れる水の音、キャップのカチッという音。声の下にやわらかなアコースティックギター。クリーンなCMの見た目、冷たい緑。

セリフなしのスポーツ

カットなしのワンショット、8秒。照明に照らされた雨の陸上トラックで、白いランニングシャツのスプリンターがスターティングブロックから飛び出し、カメラに向かって走ってくる。走るペースの手持ちで追う、ローアングル。トラックを打つスパイク、彼女の息づかい、雨。セリフなし。BGMなし。リアルなスポーツ中継の見た目。スローモーションなし。

音楽の指示：屋上のバイオリニスト

カットなしのワンショット、15秒、夢のようでロマンチック。夕暮れのパリの屋上で、長いグレーのコートのバイオリニストが演奏し、背後には煙突と街並み。カメラがゆっくり引きながら上昇する。街の明かりが灯るにつれて盛り上がる、ゆったりしたバイオリンのソロ。髪をなびかせる風。セリフなし。暖かいピンクと青の夕暮れの色調。

クレイアニメ

クレイアニメ、高彩度の暖かい黄色、軽やかで癒やされる雰囲気、10秒。ショット1（00:00-00:05）：しま模様のマフラーをした小さな粘土のクマが、窓辺の1本のヒマワリに水をやる。ショット2（00:05-00:10）：花が3回やわらかく弾むように咲き、クマが拍手する。粘土のぐにゅっとした足音、楽しげなチャイム。セリフなし。フォトリアルな実写なし、余分な手足なし。

最初のフレームから

最初のフレームから市場の場面を続ける、8秒、カットなしのワンショット。スパイス売りがサフランをすくい上げ、袋に落とし戻して、客にほほえむ。客が言う：「200グラムください」カメラがゆっくりプッシュインする。市場のざわめき、はかりのカチッという音。字幕なし。

最初と最後のフレーム：命が宿るスケッチ

カットなしのワンショット、10秒。鉛筆で描いた馬のスケッチ（最初のフレーム）から、野原を駆ける本物の馬（最後のフレーム）へ。鉛筆の線が太くなり、端から色があふれ、紙が草原に変わると同時に馬が駆け出す。カメラがゆっくり引いていく。鉛筆のこすれる音、やがて蹄の音と風。BGMなし。

2つの参照

温かいパン屋の朝、10秒。パン職人の見た目はImage 1に、パン屋はImage 2に従う。ショット1（00:00-00:05）：固定ショット、彼女がオーブンからクロワッサンの天板を取り出す。ショット2（00:05-00:10）：クローズアップ、1つを割ると湯気が立ちのぼり、彼女が言う：「完璧」パリッと割れる生地の音、オーブンの扉の音。BGMなし。金色の朝の光。余分な人物なし、衣装の変化なし。

30秒の物語

なくした傘をめぐるコメディの短編、30秒、テンポよく盛り上がり、温かい結末。ショット1（00:00-00:05）：ワイドショット、雨の街の広場。男の傘が風に飛ばされる。ショット2（00:05-00:10）：カフェの前を通り過ぎて傘を追う彼を手持ちで追う。ショット3（00:10-00:15）：傘が黄色いレインコートの女の子の足元に落ちる。ショット4（00:15-00:20）：彼女が傘を差し出して言う：「これ、あなたの？」ショット5（00:20-00:25）：ずぶ濡れの彼がうなずく。ショット6（00:25-00:30）：ふたりで傘に入る。カメラが引きながら上昇する。雨、風、軽やかなジャズピアノ。明るく鮮やかな色。字幕なし、透かしなし。

Wanの弱いプロンプトの多くは、秒数、話者、サウンドのどれかを成り行き任せにしています。

• 同じプロンプトを2回実行すると、2つの違うクリップができます。
• Alibabaによると、Wan 3.0の音声の質感と画面上の文字の正確さはまだ改善中です。
• 1回の生成は30秒が上限です。
• 実在の人物や商品は、言葉だけでは再現できません。使用する権利のある画像が必要です。
• DreamBenchでは、Wan 3.0は常にサウンドを作り、クリップの途中で新しい場面に切り替わることはありません。

• 映像なら、内容を説明し、参照画像を最大8枚追加して、Wan 3.0を選びます。DreamBenchが各クリップのプロンプトを書き、開始フレームを作り、Wan 3.0でサウンド付きで動かして、クリップをつなげます。どのクリップも、メモを付けて作り直せます。
• 設定：1:1・16:9・9:16・4:3、720pか1080p。すべてのプランで使えます。
• 使えないもの：言葉だけから始めるモデル向けの「動画」ページ、Alibabaの番号付き参照、ドキュメント、編集と延長、無音のクリップ。

AI動画プロンプト生成は、どのモデル向けにもこの順番でプロンプトを書きます。クレジットでの料金は生成前に表示されます。初回は無料アカウントを作成し、プランを選んでください。入力したとおりに送られるプロンプトについてはSeedance 2.5やKling 4.0のガイドを、言葉だけから作るプロンプトについてはテキストから動画生成をご覧ください。