Wan AI：AlibabaのWan 3.0動画モデル

Wan AIとは？

Wanは、Alibabaの動画生成AIモデルのシリーズで、通義万相（Tongyi Wanxiang）とも呼ばれます。書いたシーンやアップロードした写真を短い動画にし、バージョン2.5からは映像と一緒に音声も生成します。

このシリーズには2つの面があります。バージョン2.1と2.2はApache-2.0ライセンスのオープンソースとして公開されており、GitHubやHugging Faceからモデルファイルをダウンロードして自分のパソコンで動かせます。2.5、2.6、2.7、3.0の重みは公開されておらず、Alibaba CloudのAPI、Alibaba自身のサイトwan.video、APIプロバイダーを通じて使えます。

最新のバージョンはWan 3.0です。Alibabaのニュースサイト Alizilaによると、2026年8月6日にベータ版として公開され、Alibaba Cloudの発表によると2026年8月24日に一般提供が始まりました。Alibabaによると、30fpsの動画を480p、720p、1080pで、2〜30秒の長さで、セリフ、音楽、効果音付きで作れます。

Wanのバージョン：2.1から3.0まで

表は、AlibabaのGitHubリポジトリとAlibaba Cloudの発表をもとに、2026年9月に確認したものです。長さと画質は開発元が自社のプラットフォームで提供している内容で、Klakixで選べる設定は次の節にあります。

• 出典：2.1のリポジトリ、2.2のリポジトリ、2.5の発表、2.6の発表、2.7の発表、3.0の一般提供。
• GitHubの3.0の公式リポジトリには、READMEとApache-2.0のライセンスファイルしかありません。READMEには「open-source」と書かれていますが、ダウンロードできるモデルファイルはありません。
• 2026年もAlibabaはオープンなモデルを別に公開し続けています。AlibabaのHugging Faceアカウントには、音楽からダンス動画を作るWan-Dancer-14B（2026年7月）とWan-Animate-2（2026年8月7日）があり、どちらもApache-2.0です。

Wan 2.5とは？

Wan 2.5は、Alibabaが2025年9月24日のApsara 2025カンファレンスでPreviewとして発表したバージョンです。Alibaba Cloudの記事によると、シリーズで初めて映像と一緒に音声を生成し、動画の長さを5秒から10秒に伸ばしました。Model Studioのドキュメントによると、480p、720p、1080pで5秒か10秒の動画を作ります。

モデルファイルはHugging Faceに公開されておらず、APIとAlibaba自身のプラットフォームでしか使えません。そのため2.2とは違い、自分のパソコンでは動かせません。

KlakixではWan 2.5は提供しておらず、最新の3.0を提供しています。3.0は2.5で始まった音声の同時生成を引き継ぎ、1回の生成を30秒まで伸ばしています。

KlakixでWan 3.0を使う

このモデルはText to Videoと画像から動画の両方にあります。シーンはふつうの言葉で書けば大丈夫です。プロンプトの補強（Enhance prompt）をオンにすると、意図や細部を残したまま、モデルに伝わる詳しい説明に書き直されます。プロンプトは最大2,000文字です。

カメラの動きと、聞こえてほしい音を書くと効果的です。Wanの作例の1つは、次のプロンプトから作りました。「Sunset on the Galata Bridge: anglers casting their lines, the New Mosque and ferries behind, the camera moving slowly along the bridge. Seagulls and waves.」

• 長さ：5、10、15、20、30秒。初期設定は10秒です。2秒や25秒のような中間の長さは、ここでは選べません。
• 画質：480p、720p、1080p。初期設定は720pです。フルHDでも30秒まで作れます。
• アスペクト比：16:9、9:16、1:1、4:3、3:4。21:9のワイドはありません。
• 音声：初期設定でオンで、オフにもできます。無音にしても安くはならず、価格は長さと画質だけで決まります。
• 画像から動画では開始の写真が必須で、終了フレームは任意です。2枚を渡すと、そのあいだの変化をモデルが作ります。アスペクト比の初期設定は写真に合わせる設定（Match photo）で、写真を切り抜かずにその形の動画になります。画像から動画ではプロンプトは任意です。
• Seedanceシリーズの実在の顔のルールは、このモデルには適用されません。ただしプロバイダーの一般的な安全フィルターは適用され、生成がブロックされた場合はクレジットが自動で返還されます。
• 生成はバックグラウンドで進み、目安は約3分です。ページを閉じても大丈夫で、完成した動画はMP4でライブラリに入ります。

Wan 3.0のクレジット

価格は長さと画質だけで決まります。テキストから動画でも画像から動画でも、音声の有無でも同じです。表の数字はモデルカタログから取っています。正確な消費量は、生成前に生成ボタンの上に表示されます。

• 初期設定（720p、10秒）は100クレジットで、購入するパックによって約￥621–￥1,307です。
• いちばん長く高精細な設定（1080p、30秒）は600クレジットです。アイデアはまず480pの5秒（25クレジット）で試し、気に入ってから伸ばすとクレジットを節約できます。
• いちばん小さいパックはMiniで、75クレジット￥980です。すべてのパックは料金ページでご覧ください。

Wan AIは無料で使える？

Alibaba自身のサイトwan.videoには無料プランがあります。料金ページによると、無料プランでは毎日のチェックインでクレジットがもらえ、動画と画像を1件ずつ同時に生成できます。透かしなしのダウンロードはProの機能とされています。Proは年払いで月5ドル（定価10ドル）、毎月300クレジットで、ページによると最大60本の動画に相当し、1080pと10〜30秒の動画が使えるようになります。Premiumは年払いで月20ドルです。APIの利用は別料金です。価格は2026年9月に確認したもので、変わることがあります。

正直に言うと、これらのモデルをもっと安く、または無料で使う方法もあります。Alibaba自身のサイトの無料プランと低価格のProプラン、そして高性能なグラフィックボードがあれば、オープンソースの2.1と2.2です。Klakixが加えるのはモデルそのものではなく、多くの動画モデルを1つのアカウントで使えること、使った分だけのクレジット、サブスクリプションが必須でないことです。

Klakixにも動画の無料枠はありません。生成のたびにAIプロバイダーへの支払いが発生するためです。メールアドレスの確認後に受け取れる20クレジットは音声読み上げ専用です。Wan 3.0は初回のクレジット購入後に使えるようになり、いちばん安い設定（480p、5秒）は25クレジットです。購入前に、私たちがWanで作った無編集の動画を作例ページで見られます。

オープンソース版を自分のパソコンで動かす

2.1と2.2のモデルファイルはApache-2.0で公開されています。コードと導入手順は2.1と2.2のリポジトリのREADMEにあります。高性能なグラフィックボード（GPU）が必要です。2.1のREADMEによると、RTX 4090で480pの5秒動画に約4分かかり、2.2の50億パラメータのTI2Vモデルは4090で720p・24fpsで動きます。

3.0を含む2.5以降はダウンロードできないため、ローカルでは動かせません。自分で動かせるモデルは無音のものでもあります。音声の同時生成は2.5から加わりました。

Wan、Seedance、Hailuo、Veoの比較

• フルHDの長いワンテイク：Wan 3.0は1080pでも30秒まで作れます。Seedance 2.5も30秒まで作れますが、フルHDでは25秒までで、実在の人物の顔が写った写真は受け付けません。
• 安くて速い短い動画：Hailuo AI（MiniMax H3 Max Turbo）、5〜15秒。
• いちばん安く試せる動画：Google VeoのページにあるVeo 3.1 Lite。720p・無音の4秒動画で12クレジットです。同じページにGemini Omni Flashもあります。
• アニメ、ストップモーション、ミニチュア風：プロンプトにスタイルを書いて試してください。結果はモデルによって変わります。

出典

wan.videoとその料金ページ、GitHubの2.1と2.2のリポジトリ、Alibaba Cloudの2.5、2.6、2.7、3.0の公開記事、Hugging FaceのWan-AIアカウント。

KlakixはAlibabaとは提携しておらず、APIプロバイダーを通じてこのモデルを提供しています。情報は2026年9月24日時点のものです。