
マルチショットの物語を直接演出
「Shot 1 [0-3s] ワイドアングル … Shot 2 [3-6s] クローズアップ …」のようにショットごとにクリップを記述すれば、Wan 2.7 が絵コンテを最長15秒のひと続きの映像として実行します。単発の動きだけでなく、シークエンスのために設計されたモデルです。
クリップをカットごとに書けば — ワイド、それから寄り、それからクローズアップ — Wan 2.7 が絵コンテ全体を1本の連続したテイクで実行する。
Wan 2.7 は Alibaba の通義万相の動画モデルで、ここでは動画プロバイダーを通じて alibaba/wan-2.7 のエンドポイントで提供される。3つのモードが1つのパネルを共有する。テキストから動画、1枚の最初のフレームからの画像から動画、そして Image 1、Image 2 のように指す最大5枚の画像を使う参照から動画だ。このグループで際立つのは幅と料金で、2秒から15秒までの任意の整数秒に対応し、下で比較する4モデルの中でいちばん低い秒単価で動く。
トレードオフは具体的だ。音声に切り替えがないので、自分で音を付ける無音の素材は得られない。1080p が上限で、4K はない。画像から動画は最初のフレームだけで、上流の API が3つとも定義しているにもかかわらず、最初と最後のフレームの補間も、続きの生成も、既存クリップの編集もできない。プロンプト拡張はオフなので、そっけないプロンプトは文字どおりに受け取られる。そしてこのモデルの時間は計っていないので、このページは速度を一切主張しない。
Alibaba の Tongyi Wanxiang 2.7 は、ショットごとのプロンプトを最長15秒の一貫したシーンに変換。参照画像からキャラクターの一貫性を保ち、ネイティブ音声も生成します——秒単価は同クラス屈指の良心的な水準です。

「Shot 1 [0-3s] ワイドアングル … Shot 2 [3-6s] クローズアップ …」のようにショットごとにクリップを記述すれば、Wan 2.7 が絵コンテを最長15秒のひと続きの映像として実行します。単発の動きだけでなく、シークエンスのために設計されたモデルです。

参照画像から動画への生成では、キャラクター・商品・シーンなど最大5枚の画像を Image 1、Image 2 のように順番に参照できます。顔、衣装、オブジェクトはフレーム間でぶれることなく、カメラワークを通して一貫性を保ちます。

Wan 2.7 は同品質クラスのほとんどのモデルより秒単価が安く、本番クオリティで仕上げたい下書きや、他では高くつく 10-15 秒の長尺カットに最適です。正確なコストは生成前に表示されます。

音声は映像に合わせて自動生成——音楽、環境音、効果音まで追加の手順なしで揃います。出力は 720p または 1080p、縦型 9:16 のSNSクリップから定番の 16:9 まで5種類のアスペクト比に対応。
2026 年 8 月 15 日にこの場で生成、いずれも一発出しで、プロンプトと設定はそのまま掲載しています。各クリップは、このページの下で述べている能力のいずれかを検証するものです。
Waves breaking on a pebble beach at dawn, water dragging stones back with each retreat, gulls overhead, static wide shot with natural ambience.
A woman reading on a porch swing, turning a page, swing rocking gently, dappled afternoon light through leaves, gentle push-in.
このグループの制御と物量のモデルだ。いちばん広い長さの幅、同一性の固定、そして必要なだけテイクを回せる料金。
プロンプトに絵コンテを渡す — ワイド、それから寄り、それからクローズアップ、尺も書き出して — と、そのシーケンスを1本で実行する。2〜15秒の幅があるので、絵コンテが固定のクリップ長と喧嘩することもない。
参照から動画は画像を最大5枚取り、プロンプトの中で番号で指すので、顔、ジャケット、ボトルがフレームごとに描き直されるのではなく、カメラの動きを通して引き継がれる。
上の表の4モデルの中で、どちらの解像度でもいちばん低い秒単価を持つ。それが10秒や15秒のカットを、予算を組むものではなく試行できるものにしている。
9:16 と 4:3 を含む5種のアスペクト比、スティンガーやループ向けの2秒の下限、そしてクリップが届いた時点ですでに付いている音声 — 出稿前に別の音の工程はいらない。
音声は常時オンなので、自分で音を付けるクリーンな素材は得られない。1080p が上限なので、4K の納品物は Kling 3.0 の領分だ。そしてここにリップシンクはないので、カメラの前でセリフのあるキャラクターは HappyHorse 1.1 の領分になる。
同じ作業環境、同じクレジットの共有枠 — どれに切り替えるのもクリック1回だ。
| Wan 2.7 | HappyHorse 1.1 | Hailuo 02 | Kling 3.0 | |
|---|---|---|---|---|
| 解像度 | 720p · 1080p | 720p · 1080p | 512p · 768p · 1080p | 720p · 1080p · 4K |
| クリップの長さ | 2〜15秒、任意の整数秒 | 3〜15秒、任意の整数秒 | 6秒か10秒 — 1080p は6秒のみ | 3〜15秒、任意の整数秒 |
| 課金のしかた | 出力の秒あたり | 出力の秒あたり | 仕上がったクリップごと、5項目の固定表から | 出力の秒あたり |
| 音声 | ネイティブ、常時オン、切り替えなし | ネイティブ音声とリップシンク、常時オン、切り替えなし | 音声のパラメーターなし — クリップは無音で返ってくる | 任意の切り替えで、既定はオフ |
| 秒あたりのクレジット、720p | 40 | 65 | 該当なし — クリップ単位の価格で、いちばん近いティアは 768p | 無音で45 · 音声ありで60 |
| 秒あたりのクレジット、1080p | 70 | 85 | 該当なし — クリップ単位の価格 | 無音で60 · 音声ありで85 |
| 秒あたりのクレジット、4K | 提供なし | 提供なし | 提供なし | 200、音声は追加料金なしで込み |
| 6秒の 1080p クリップのクレジット | 420 | 510 | 240 | 無音で360 · 音声ありで510 |
| クリップ1本のクレジット、下限から上限まで | 80–1,050 | 195–1,275 | 40–240 | 135–3,000 |
| 画像から動画 | あり、最初のフレーム1枚 | あり、最初のフレーム1枚 | あり、最初のフレーム1枚 | あり、最初のフレーム1枚 |
| 同一性のための参照画像 | 最大5枚、プロンプトの中で Image 1、Image 2 … として指す | 最大9枚、プロンプトの中で character1、character2 … として指す | なし — 参照から動画のモードがない | なし — 1枚の画像が最初のフレームになる |
| アスペクト比 | 5種類 — 16:9、9:16、1:1、4:3、3:4 | 9種 — 9:21 から 21:9 まで | アスペクト比のパラメーターなし | 3種類 — 16:9、9:16、1:1 |
| 自分たちで計測した速度 | 未計測 | 未計測 | 768p・6秒のクリップ2本で94秒と86秒(クリップ2本、2026年8月) | 未計測 |
この表の解像度、クリップの長さ、クレジットの数字はすべて、2026年8月20日に自社のモデルレジストリとコード内の料金表から読み取ったものだ — あなたの生成に課金するのと同じ表であって、ベンダーのマーケティングページではない。Wan 2.7、HappyHorse 1.1、Kling 3.0 は秒あたりで課金するので、クリップあたりの数字は料金に選んだ長さを掛けたものだ。Hailuo 02 は固定表からクリップ単位で課金する。ここにある速度の数字は自分たちで計った Hailuo 02 の2本だけで、計測していないセルはすべて、どこかから数字を借りずにその旨を書いている。
Wan 2.7 を他の動画モデルと比較——同じワークスペースでワンクリック切り替え。
| モデル | wan-2.7(通義万相 2.7)、Alibaba 製 — alibaba/wan-2.7 のエンドポイントで提供 |
|---|---|
| モード | テキストから動画、1枚の最初のフレームからの画像から動画、そして参照画像を最大5枚使う参照から動画 |
| 解像度 | 720pと1080p |
| 長さ | 2〜15秒、任意の整数秒(既定は5) |
| アスペクト比 | テキストから動画と参照から動画では 16:9、9:16、1:1、4:3、3:4。画像から動画は参照写真に従う |
| 参照画像 | 最大5枚、プロンプトの中で Image 1、Image 2 のように指す。上流ではこの上限が参照動画と共有されているが、参照動画はここでは配線されていない |
| 音声 | ネイティブで常時オン — 音声の切り替えも無音の選択肢もない |
| プロンプトの扱い | プロンプト拡張は既定でオフなので、モデルは書いたそのままから作業する |
| クレジット | 出力の秒あたり:720p で40、1080p で70 — テキスト、画像、参照のどのモードでも同じ料金 |
| クリップあたりのクレジットの幅 | 2秒の 720p クリップで80、15秒の 1080p クリップで最大1,050 |
| 実測スピード | 計測していない — このページの2本はここで生成したが、生成時間は記録していない |
空のプロンプト欄から、完成したクリップまで3ステップ。
モデルピッカーを開いて Wan 2.7 を選びます。クレジットを使う前に、消費クレジット・解像度の選択肢・尺の上限がパネルに表示されます。
被写体、動き、そしてカメラの動きを書きます。特定の画像から始めたい場合は最初のフレームを添付してください。
クリップをダウンロード、延長、さらに編集へ。プロンプト・モデル・設定は履歴にそのまま残ります。
一つのアカウントで、画像・動画生成ワークフローのすべてを。
無料プランで Wan 2.7 を使えます。プレミアムモデル、より速い生成、4K出力にはアップグレードを。
年額請求 · $240/年
年額請求 · $468/年
キャラクターの一貫性を保ったマルチショットのストーリーテリングです。ショットごとにクリップを記述し、最大5枚の参照画像を添付すれば、ネイティブ音声付きで最長15秒の一貫したシーンが得られます。
出力1秒あたりの課金で、解像度(720p または 1080p)によって変わります。Wan 2.7 は同品質クラスで最もコスト効率の高いモデルのひとつ。正確なコストは生成前に表示され、失敗した生成は自動的に返金されます。
テキストから動画、画像から動画(最初のフレームをアニメーション化)、そして最大5枚の参照画像を Image 1、Image 2 のように順番に参照する参照画像から動画の生成に対応しています。
1回の生成につき 2-15 秒——選べる中でも最長クラスのレンジ——を 720p または 1080p で。
Wan 2.7 はコントロールとコスパ重視の選択肢です。クリップはより長く、同一性ロックはより強固で、コストはより低め。HappyHorse 1.1 はネイティブの台詞と多言語リップシンクでリードします。どちらも音声をネイティブに生成します。
失敗した動画生成にはクレジットが自動的に返金されます。
生成の前後の作業はワンクリックで——仕上げ、スタイル変更、共有まで。