アリババの最新動画生成AIモデル「Wan 3.0」の概要、利用方法、活用事例を解説した動画です。Artificial AnalysisのText to Videoおよび動画編集ランキングで1位を獲得し、最大30秒・1080pの音付き動画を低コストで生成できる点が詳しく紹介されています。

背景

アリババのAIブランド「Wan」は、8月上旬にWan 3.0のパブリックベータ版を公開し、8月24日にAPIと共に一般公開しました。従来の動画生成AIモデル（Wan 2.7など）から表現力やキャラクターの一貫性が向上し、Artificial AnalysisのベンチマークにおいてSeedance 2.0やMiniMax H3、Gemini Omni Flashなどの競合モデルを抑え、テキスト動画生成および動画編集の両ランキングで1位を獲得しています。テキストだけでなく画像や音声、ドキュメントやWebページなど多彩な素材を参照できるマルチモーダル性能を備えています。

この動画の要点

1. Wan 3.0は最大30秒、解像度1080pの音付き動画を生成可能で、カメラワークの指定やテキスト描画の精度が向上しています。Alibaba Cloud Model StudioでのAPI提供のほか、公式サイトWanやfalなどのプラットフォームでも利用可能です。

2. 公式サイト「Wan」では無料プランで毎日10クレジットが付与されるほか、ProやPremiumなどの有料サブスクプランが用意されています。動画生成時には解像度やアスペクト比、秒数の設定や、参照画像・動画を用いた編集が可能です。

3. テキストからの動画生成に加え、絵コンテや製品画像を参照したCM動画の作成、既存動画のオブジェクト追加・削除や画風変換などに対応しています。一方、日本語の音声参照時のリップシンクや発音には一部不自然さが残る課題もあります。

なぜ重要か

Wan 3.0は、主要ベンチマークでトップスコアを記録しながら、他の大型モデルと比較して低コストで利用できる点が大きな強みです。単一のテキスト指示にとどまらず、画像・動画・ドキュメントなど複数素材を組み合わせた高度な映像制作や既存動画の編集が可能になり、プロモーション動画やショートコンテンツ制作のハードルを大きく下げるモデルとして注目されます。

こんな人におすすめ

最新の動画生成AIの性能や使い道を知りたいクリエイターやマーケター。低コストで高品質な動画やCMを制作したい方におすすめです。