Wan 3.0 — テキスト・画像・参照から30秒のAI動画
アリババ通義ラボの万相3.0動画モデル。480p / 720p / 1080pで1パス最大30秒。プロンプト、最初のフレーム（最後は任意）、または画像・動画・音声の複合参照から生成し、SeeVidではネイティブ音声も選べます。
SeeVidで利用可能
アリババ通義の万相3.0動画モデル
Wan 3.0（通義万相3.0）は、アリババ通義ラボのAI動画ファミリーの2026年世代です。公開資料では1回の生成で最大30秒、ネイティブ視聴覚出力、テキスト・画像・動画・音声のオムニ参照が挙げられます。SeeVidではテキストから動画、画像から動画（最初のフレーム、最後は任意）、参照から動画（画像最大10、クリップ5、音声5）を使えます。
1パスで最大30秒
2〜30秒または自動を選べます。自動はプロンプトに合う長さを選び、短いビートを伸ばしたり長い物語を切ったりしません。5秒クリップを何本もつなぐ必要はありません。
テキスト、画像、複合参照
プロンプトから始める、静止画を動かす（終了フレーム任意）、または画像最大10、動画5本（各1〜15秒、合計15秒）、音声5を混ぜられます。
同じパスでネイティブ音声
セリフ、歌唱、効果音、環境音を映像と一緒に生成できます。音声はデフォルトオン、無音クリップならオフにできます。リップシンクと多言語対話はWan 3.0系列の目玉です。
顔、小道具、空間、スタイル
参照から動画は、より長いクリップでキャラクター・製品・空間・スタイルの一貫性を狙います。広告、解説、短い物語の下書きに向きます。
より長いテイク、より強い参照、音声込み
Wan 3.0は5〜15秒のビート以上が必要なクリエイター向けです。30秒の物語キャンバス、ピクセル単位の参照ロック、映像と一緒に届く音。
SeeVid上のWan 3.0
オプションはAI動画ジェネレーターと一致します。クレジットは出力秒単位（自動は20秒）。参照から動画は参照動画の秒数も課金します。
テキストから動画
シーン、カメラ、スタイル、セリフを説明。長さ2〜30秒または自動；480p / 720p / 1080p；アスペクト adaptive、16:9、9:16、1:1、4:3、3:4。
画像から動画
1枚が最初のフレーム、2枚目は最後のフレームにできます。最大2枚。長さ・画質・アスペクトはテキストから動画と同じです。
参照から動画
画像最大10（各≤20MB）、動画5本（1〜15秒、≤100MB、合計15秒）、音声5（1〜15秒、≤15MB、合計15秒）。出力と参照動画の合計は30秒を超えられません。
スマート長さ
正確な秒数か自動を選びます。自動は20秒ジョブとして課金され、短いビートを伸ばしたり長い物語を途中で切ったりしません。
480p / 720p / 1080p
3段階の画質。SeeVidクレジット：480p / 720p / 1080pで出力秒あたり3.7 / 7.5 / 15。例：720p × 5秒 = 37クレジット。
ネイティブ音声トグル
音声はデフォルトオン（セリフ、効果音、環境音）。後でスコアする無音クリップなら音声生成をオフにします。
よくある質問
Wan 3.0（通義万相3.0）とSeeVidでの利用に関するよくある質問です。
今すぐWan 3.0で制作を始めよう
SeeVidでWan 3.0を試せます — テキストから動画、画像から動画、参照から動画。2〜30秒、ネイティブ音声（任意）、最大1080p。