Wan 動画 API 仕様

このページは、Alibaba の Wan（万相）動画モデル wan3.0-video、wan3.0-video-prime の呼び出し仕様です。これらのモデルは、他の動画モデルと同じく POST /v1/videos で作成し、GET /v1/videos/{id} でポーリングします。認証、素材のアップロード、ポーリングのステータス、結果のダウンロード、エラー処理は動画 API 完全呼び出し仕様を参照してください。このページでは、Wan に固有のフィールドとルールだけを説明します。Wan は POST /v1/responses でも送信できます。下記「Responses API での呼び出し」を参照してください。

2026-10-12 更新。従来の wan3.0-video-480p、wan3.0-video-720p、wan3.0-video-1080p は wan3.0-video に統合され、解像度は resolution で選びます。開始フレーム・終了フレーム・参照素材はトップレベルの media 配列（first_frame、last_frame、reference_image など）で送ることをおすすめします。metadata.firstFrame、metadata.lastFrame、metadata.referenceImages、metadata.referenceVideos、metadata.referenceAudios（metadata.first_frame などのスネークケースも可）とトップレベルの firstFrame／first_frame、lastFrame／last_frame も使え、いずれも media に変換されます（media との同時送信は不可）。読み取れない素材フィールドは 400 エラーになります。Wan はポーリングのみに対応しています。callback_url は設定しないでください。

モデル一覧

2 つのモデルの機能は同じです。解像度、長さ、アスペクト比、開始・終了フレーム、マルチ素材参照のルールは共通で、リクエストパラメーターもそのまま使えます。切り替えは model を変えるだけです。違いは生成速度で、wan3.0-video-prime は高速版としてエンドツーエンドの生成が明らかに速く、完成動画をできるだけ早く受け取りたい場合に向いています。wan3.0-video は標準版で、生成時間を急がない場合はこちらで十分です。

共通ルール

• 解像度：トップレベルの resolution に 480p、720p、1080p のいずれかを指定します（大文字・小文字は問いません）。省略すると 1080P です。ピクセルサイズの size（例：1280x720、1920x1080）でも指定でき、その場合は解像度とアスペクト比が同時に決まります。size にアスペクト比を書くこともでき（例："size": "9:16"）、ratio／aspect_ratio と一致しない場合は 400 が返ります。
• 長さ：duration（または seconds）に整数の秒数を指定します。-1 はモデルが長さを自動で決めることを表します。
• アスペクト比：ratio（または同じ意味の aspect_ratio）を使います。両方が一致しない場合は 400 が返ります。adaptive は入力素材に合わせて自動調整することを表します。
• プロンプト：開始フレームまたは参照素材を指定した場合は prompt を省略できますが、動きやカメラワークを書くことを推奨します。どちらもない場合は 400 が返されます。
• 任意フィールド：
  • negative_prompt：ネガティブプロンプト
  • prompt_extend：プロンプトを自動で書き換えるかどうか。ブール値で、デフォルトは true
  • watermark：透かしを入れるかどうか。ブール値
  • seed：整数、-1 から 2147483647

{
  "model": "wan3.0-video",
  "prompt": "雨の夜の街を走る銀色のスポーツカー、ローアングルの追従ショット、ネオンの映り込み、映画のような質感",
  "duration": 10,
  "resolution": "1080p",
  "ratio": "16:9"
}

開始フレームと開始・終了フレーム

開始フレームと終了フレームは media 配列に入れます。first_frame が開始フレーム、last_frame が終了フレームです（終了フレームを使う場合は開始フレームも必須）。参照画像も media（reference_image）で送ります。詳しくは次の節を参照してください。

{
  "model": "wan3.0-video-prime",
  "prompt": "早朝の誰もいない広場から、夜に明かりが灯った同じ構図へなめらかに移り変わる",
  "duration": 8,
  "resolution": "720p",
  "media": [
    { "type": "first_frame", "url": "https://cdn.example.com/start.jpg" },
    { "type": "last_frame", "url": "https://cdn.example.com/end.jpg" }
  ]
}

マルチ素材の参照：media 配列

参照画像、参照動画、参照音声は、すべてトップレベルの media 配列に入れます。各要素は { "type": "...", "url": "..." } です。

• 開始フレーム／終了フレームは、参照画像、参照動画、参照音声と併用できません。
• media を送った場合は media だけが読み取られます。images、image などのフィールドに media に含まれない素材があると 400 が返ります。開始・終了フレームも media の中に書いてください。
• 素材 URL は匿名でアクセスできる必要があります。要件は素材 URL の要件を参照してください。ローカルファイルは先にローカル素材のアップロードの手順で URL を取得します。Wan は multipart/form-data によるファイルアップロードを受け付けません。

{
  "model": "wan3.0-video",
  "prompt": "参照画像の人物が参照音声のリズムに合わせて踊り、動きは参照動画のスタイルに合わせる",
  "duration": 10,
  "resolution": "720p",
  "ratio": "9:16",
  "media": [
    { "type": "reference_image", "url": "https://cdn.example.com/dancer.jpg" },
    { "type": "reference_video", "url": "https://cdn.example.com/dance-motion.mp4" },
    { "type": "reference_audio", "url": "https://cdn.example.com/music.mp3" }
  ]
}

Responses API での呼び出し

2 つのモデルは POST /v1/responses でも送信できます。Responses API しか呼び出せないクライアントやワークフロー向けです。/v1/videos と同じ動画タスクが作成され、パラメーターのルールと課金も同じです。

• プロンプトは input に書きます。文字列でもメッセージ配列でも構いません。メッセージ内の input_text がプロンプトに、input_image が画像素材になり、トップレベルの images と同じルール（1 枚目が開始フレーム、2 枚目が終了フレーム）で扱われます。
• その他のパラメーター（resolution、duration、ratio、media、negative_prompt など）は、上記と同じ書き方でリクエストのトップレベルに書きます。
• 結果の受け取り方は 3 通りです：

{
  "model": "wan3.0-video-prime",
  "input": "雨の夜の街を走る銀色のスポーツカー、ローアングルの追従ショット、ネオンの反射、映画的",
  "duration": 5,
  "resolution": "720p",
  "ratio": "16:9",
  "background": true
}

完成すると、動画の URL が output[0].content[0].text に <video controls src="動画の URL"></video> の形式で入ります。src の値を取り出してダウンロードしてください：

{
  "id": "resp_BVQwZLWyXB2dEU99F7nrER7XNJdVh8RS",
  "object": "response",
  "model": "wan3.0-video-prime",
  "status": "completed",
  "output": [
    {
      "type": "message",
      "role": "assistant",
      "status": "completed",
      "content": [
        { "type": "output_text", "text": "<video controls src=\"https://...\"></video>" }
      ]
    }
  ],
  "metadata": {
    "task_id": "task_BVQwZLWyXB2dEU99F7nrER7XNJdVh8RS",
    "task_status": "completed"
  }
}

metadata.task_id は対応する動画タスク ID です。GET /v1/videos/{task_id} で同じタスクを照会することもできます。

課金

wan3.0-video と wan3.0-video-prime は公式版で、タスク結果は公式 URL を使います。課金は公式ルールに従います。

課金秒数 = 入力動画の長さ + 出力動画の長さ

• 入力動画の長さ：実際に送った参照動画の秒数。参照動画がなければ 0。
• 出力動画の長さ：生成に成功した動画の秒数。
• 単価は出力解像度（480P / 720P / 1080P）の段階料金。入力動画と出力動画は同じ段階を使う。
• 参照画像、参照音声、ファイル、ウェブページは課金秒数に含まれない。
• 参照動画がある場合、または duration が -1 の場合は、作成時に 30 秒分を仮引きし、完了後にモデルプラットフォームが返した入力＋出力秒数で精算して差額を戻す。

1 秒あたりの単価はモデル広場の表示に従う。参照動画付きのタスクを出力秒数だけで見積もらないこと。