Atlas Cloud は Dreamina Seedance 2.5 および Seedream 5.0 Pro の米国認定リセラーになりました。

Wan 3.0 ドキュメントから動画へ: 私はすべてのフレームを監査しました

Wan 3.0 のドキュメントから動画への変換は本物です:公式の xlsx デモをフレーム単位で確認しました。数字は生き残り、グラフは壊れます。さらに、今すぐ実行できるワークフローも提供します。

最新アップデート: Wan 3.0 が 2026 年 8 月 24 日より稼働開始。

1 枚のスプレッドシートをアップロードするだけで、音楽付きの 23 秒のビジネスアニメーションが返ってくる。

それが Wan 3.0 ドキュメント to ビデオ の約束であり、本家初のネイティブドキュメント入力機能です。公式デモは、私の予想以上に文字通りの成果を出しています。数値は正確です。$1,580 が $3,460 に増え、バッジには +45.7% と表示され、それらの数字は元のシートの特定のセルに直接さかのぼれます。

その後、再生ヘッドを 12 秒の位置にドラッグして、グラフの凡例を読みました。

「Southeasta North America」

2 つの販売地域が、存在しない 1 つの単語に押しつぶされています。これこそが 2026 年におけるドキュメント to ビデオの本当の水準です。つまり、モデルはテーブルを確かに読み取ったものの、まだグラフを描画できないということです。以下は、他の誰も公開していないフレーム単位の監査と、今日の午後すぐに実行できる 3 ステップのチェーンです。

主なポイント

  • Wan 3.0 は 1 ファイルまたは 1 リンクを受け付け、最大 100MB または 50 ページ、最大 30 秒、1080p で出力します。
  • ドキュメントから映像を再構成します。スライド 3 がショット 3 になるわけではありません。
  • セルの値はそのまま残ります。グラフの凡例、軸目盛り、桁区切りは残りません。
  • 上限は厳格です。4K なし、オープンウェイトなし、ファーストパーティチャネルのみ。
  • ロングコンテキストモデルと 15 秒の動画モデルを組み合わせれば、今日の時点でそのほとんどを再現できます。

金色のテキスト「H1 2026 Wan」に金色のグリッターの飛沫

Wan 3.0 ドキュメント to ビデオ出力: 公式 xlsx デモを Keynote スタイルのアニメーションデータフィルムとしてレンダリング

ショーケース: Alibaba 公式 Wan 3.0 公開ベータデモ。1 つの .xlsx(月間 GMV)を入力し、23 秒のアニメーションデータフィルムを出力。ここではサイレント GIF として表示。納品ファイルには 44.1kHz ステレオ AAC トラックが含まれます。出典: Alibaba 公式 Wan 3.0 クリエイターハンドブック。

Wan 3.0 ドキュメント to ビデオの実際の機能

短いバージョン。これだけで十分なら、すぐに離れても結構です。

1 つのドキュメントまたは 1 つのウェブリンクを渡すと、全体を読み取り、ストーリーを判断し、同じパスで画像と音声を生成したビデオを出力します。最大 30 秒、最大 1080p。ページを順番にたどるわけではありません。

以下が、プロジェクトを実際に制限する上限です。

仕様Wan 3.0 ドキュメント入力
フォーマットdoc, xls, ppt, pdf, txt, md に加えて key / pages / numbers とプレーンなウェブリンク
ジョブあたりの入力数1 ファイル または 1 リンク(両方不可、複数不可)
サイズ上限100MB
ページ上限50 ページ
最大出力30 秒、単一の連続パス
最大解像度1080p(4K ティアなし)
音声画像と同じパスで生成
オープンウェイトなし。Wan 2.2 が最後のオープンウェイトリリース
入手先Alibaba Cloud Model Studio (Bailian) および Qwen Cloud、招待制

公開ベータは 2026 年 8 月 6 日に開始されました(AgentUpdate、2026年8月)。フォーマットリストと公開された 2 つの価格表は、別の仕様まとめから引用しています(Ngram、2026年8月)。

公式ハンドブックには 4 つのドキュメントユースケースが掲載されており、それらは企業が既に代理店に依頼している 4 つの業務にきれいに対応しています。

  • 提案書をブランドフィルムに。スキンケアのピッチ資料が、主演女優と朝の光のストーリーを備えた 30 秒の広告になります。
  • 教材をビデオレッスンに。百科事典の項目が、小学1年生向けのアニメーション授業になります。
  • スプレッドシートをアニメーショングラフに。上のデモが該当し、4 つの中で最も難しいものです。
  • レポートを音声サマリーに。書面レポートがプレゼンター形式のブリーフィングになります。

さて、ここでほとんどの記事がカテゴリを間違えています。

「PDF to ビデオ」の既存サービスは、これとは異なります。Kapwing のドキュメント to ビデオはファイルからテキストを抽出してタイムラインに配置するだけで、シーン構築もプレゼンターもありません。Pictory や Powtoon はストックフッテージやテンプレートアニメーションを組み立て、Powtoon の製品ページでは AI アバターと音声がスクリプトを読み上げると宣伝されています。3 つともナレーション付きスライドを生成します。

Wan 3.0Kapwing Document to VideoPictoryPowtoon Anything-to-Video
出力されるもの生成されたフィルムテキストをタイムラインに配置スクリプトに合わせたストックフッテージテンプレートアニメーション
新しい映像を生成するかはい、すべてのフレームいいえいいえ、ライブラリクリップいいえ、テンプレートアセット
AI プレゼンターデフォルトではなしなしオプションの音声アバターと音声
音声画像と一緒に生成ユーザーが追加TTS ナレーションTTS ナレーション
最大単一出力30秒プロジェクト長プロジェクト長プロジェクト長
利用可能性招待制、ファーストパーティ公開公開公開

この表を 2 回読んでください。これがすべての論点です。これらは同じカテゴリの競合ではありません。 一方はナレーション付きスライドショーを作り、もう一方は存在しなかった映像を作ります。分あたりの価格で比較するのは、コピー機と映画クルーを比較するようなものです。

Wan 3.0 はスライドショーもできるのか? できます。それが正直な注意点です。

カウンター例: 量子力学に関するウェブページを楽しい解説動画にするよう依頼された Wan 3.0 は、既存製品が販売しているまさにそのプレゼンター+キャプション形式を生成しました。30 秒の壁に 30.02 秒で到達。公式 Alibaba 公開ベータデモ、音声あり。

つまり、Wan 3.0 が解説動画を作れないわけではありません。既存製品ではその形式が唯一の選択肢である、ということが違いです。

Wan 3.0 ドキュメント to ビデオがグラフを壊しても数値を保持する理由

この記事で最も役立つポイントをお伝えします。公式スプレッドシートデモから 12 フレームを均等に抽出し、すべてのグリフを読み取りました。

結論は明確に二分されます。値は合格。グラフの付属要素は不合格。

生き残ったもの。 4 秒の時点で、フレームには $1,580、細い灰色の矢印、$3,460、「Monthly GMV Growth」のキャプション、そしてコーラル色のバッジに +45.7% と表示されています。タイポグラフィはきれいで、カンマは正しい位置にあり、文字化けはありません。このデモの背後にあるプロンプトは特定のスプレッドシートセルを参照しており、画面上の数字はそれらと一致しています。8 ページの製品デッキを使ったサードパーティのテストでも同じ結果が確認されました。45g、12 時間、55 度がすべて正しくレンダリングされ、最後のスローガンは誤字なく出力されました(AI-Driven Lab、2026年8月)。

これで、財務や L&D チームが実際に気にする質問に答えが出ました。数値が静かに変化することはありません。

壊れたもの。 グラフのフレームは別の話です。

注釈付き折れ線グラフ。凡例、スケール、単位に 3 つのエラー

Wan 3.0 ドキュメント to ビデオのフレーム監査。マージされた凡例と壊れた Y 軸を示す

公式デモの 12 秒で停止。1 フレームに 3 つの欠陥: 2 つの地域名が「Southeasta North America」に融合、「North America」が別の系列として繰り返され、Y 軸が 30, 60, 70 と表示されている一方、上部のデータラベルは $3,880。

その 1 フレームの失敗を数えてみます。

  1. マージされた凡例。 「Southeast Asia」と「North America」が衝突して「Southeasta North America」に。その後「North America」が別の系列として再登場するため、1 つの地域が 2 回ラベル付けされ、1 つが消えています。
  2. スケールになっていない Y 軸。 目盛りは 30, 60, 70。ピクセル間隔は等しいのに値は不等、40 と 50 は単に欠落しています。
  3. 軸とラベルの単位が異なる。 最も高いグリッド線は 70。一番上のデータ点にピン留めされたラベルは $3,880。
  4. 1 本の線に沿った桁のずれ。 その上部の曲線のラベルは $330 と $335 で始まり、その後 $3,970 と $3,880 に到達。滑らかな上昇線で、隣接する 2 点間に 10 倍のジャンプがあるはずがありません。その間の 2 つのラベルは判読が難しいほどぼやけており、それ自体が答えの一種です。

棒グラフの部分も同じパターンを繰り返します。4 本の棒に $1750、$1,580、$2,350、$2,580 が表示され、最も短い棒が 2 番目に高い数値を持ち、最初のラベルは桁区切りのカンマがなく、他の 3 つはカンマが付いています。その隣には、4 本の棒に対して 5 つの緑色の成長率が並んでいます。ドーナツセグメントの中央には $89,7M と表示され、小数点があるべき場所にカンマがあります。

これらすべてに共通するものに注目してください。1 つとしてコンテンツのエラーではありません。すべて描画エラーです。レイアウト、ラベリング、スケール、句読点。モデルはシートを理解した上で、ビデオモデルが高密度テキストをレンダリングするときのおおよその方法でグラフを描画しました。

出力がデッキとまったく似ていない理由には、もう 1 つ構造的なものがあります。

計算してみましょう。ページ上限は 50 ページ、時間上限は 30 秒。つまり、1 ページあたり 0.6 秒です。

0.6 秒でページを提示することは不可能なので、モデルは唯一合理的な方法をとり、代わりにトレーラーを作成します。前述のサードパーティのデッキテストも独立して同じ結論に達しました。プレゼンテーションをスライドショーとしてではなく、シネマティック広告のソース素材として扱っていたのです。製品のフレーム形状は、ショットをまたいで太縁から縁なし、さらに別の形へと変化しました。

これが、30 秒の上限が単なるスペック表の脚注ではなく、設計上の制約である理由でもあります。

納品されたファイルを測定しました。公式ドキュメントデモ 4 本は、それぞれ 30.04s、30.02s、25.03s、23.04s でした。30 秒の 2 本のクリップは、互いに 100 分の 4 秒以内で停止しています。また、スプレッドシートデモは 22 秒を要求され、23.04 秒で納品されました。この上限については、Wan 3.0 プレビュー で詳しく説明しています。

つまり、期待値を調整しましょう。ドキュメントを入力するとトレーラーが得られ、グラフはシンプルに保ちましょう。

今日すぐ実行できるドキュメント to ビデオワークフロー

チュートリアルの前に、簡単な現実確認です。これで 1 時間の検索が無駄になります。

Wan 3.0 のドキュメント入力は、Alibaba の独自チャネルでのみ利用可能で、アクセスは招待制、重みは公開されていません。それらのチャネル外で提供できる者は誰もおらず、私たちも含まれません。今日できることは、すでに公開されているモデルを使って、その xlsx デモの有用な半分を再構築することです。そして、上記のフレーム監査が、壊れる部分を回避する方法を正確に教えてくれます。

3 つのステップ。1 つのブラウザタブで Atlas Cloud を開きます。

  1. 100 万トークンのモデルがドキュメントを読み取り、タイムコード付きのショットスクリプトを書き、すべての数値をリテラル文字列として埋め込みます。
  2. 画像モデルが最初のフレームをレンダリングします。ここでテキストの精度がすべて確定します。
  3. ビデオモデルがそのフレームをスクリプトに従ってアニメーション化します。
ステップモデル掲載価格最大時間なぜここにあるか
1. スクリプトQwen3.8 Max (/models/qwen/qwen3.8-max)$2 in / $6 out per 1M tokensn/a1M コンテキストがデッキ全体を飲み込む
2. 最初のフレームGPT Image 2 Text-to-Image$0.009 per image (floor)n/a画面上の数字に対して最も強力なテキストレンダリング
3. レンダリングWan 2.7 Image-to-Video$0.1 per second15s最初のフレーム制御によりタイポグラフィが安定
音声オプションWan 2.7 Text-to-Video$0.1 per second15s同じパスで音楽と効果音を生成するが、最初のフレームは取れない
ステップ 3 の代替MiniMax H3 Text-to-Video$0.1 per second15s同じレート、異なるモーション特性
ステップ 3 の代替Seedance 2.5 Text-to-Video$0.134 per second30sここで 1 パスで 30 秒に達する唯一のもの

このチェーンには 3 つの正直な制限があります。.pptx バイナリを食べないので、テキストまたは CSV を自分で貼り付ける必要があります。Wan 2.7 は最大 15 秒なので、単一の 30 秒テイクは不可能です。そして、画像 to ビデオパスは設計上サイレントです。その audio パラメータはリップシンク駆動用にユーザーが提供するトラックを受け取るもので、サウンドトラックを作成するものではありません。同じパスで音声を生成したい場合は、テキスト to ビデオの兄弟を使用し、最初のフレーム制御を放棄することになります。これは、ドル記号が大量に含まれるビデオにとっては間違ったトレードオフです。価格は 2026 年 8 月 20 日にモデルページで確認済みです。掲載価格は下限であり、品質と解像度のティアによって実際の見積もりが上がるため、実行ボタンを押す前に確認してください。

それでは構築しましょう。

現在のホスト実行については、Atlas Cloud の Wan 3.0 を開き、ワークフローを公開する前に以下のようなプロンプトをテストしてください。

Wan 3.0 プロンプトと生成効果のスクリーンショット (wan-3.0-document-to-video)

Wan 3.0 プロンプトから結果のスクリーンショット: ドキュメント to ビデオ監査

ステップ 1: スプレッドシートをタイムコード付きショットスクリプトに変換する

ビデオモデルは数値を覚えません。与えられた文字列をそのままレンダリングします。したがって、このステップの仕事は、すべての数値が引用符で囲まれたテキストとしてすでに書き出されているショット指示にテーブルを変換することです。

シートを <<< マーカーの間に貼り付けます。設定: temperature 0.3、max_tokens 4000。max_tokens は余裕を持たせてください。推論可能なモデルが途中で予算を使い果たすと、支払いが発生したにもかかわらず空の回答が返ってきます。

text
1あなたはモーショングラフィックスディレクターです。以下は生のスプレッドシートエクスポートです。
2
3<<<
4月,北米,東南アジア,欧州,総GMV
51月,1580,880,640,3100
62月,2110,1240,900,4250
73月,2740,1610,1150,5500
84月,3120,1980,1330,6430
95月,3350,2240,1460,7050
106月,3460,2480,1580,7520
11上半期成長率,+45.7%,,,
12>>>
13
1410秒、16:9、Apple Keynote スタイルの
15ビジネスデータビデオのためのショットスクリプトを書いてください。ルール:
161. 正確に2ショット。各ショットにイン/アウトタイムコードを記述 (00:00-00:05、
17   00:05-00:10)。
182. 画面に表示されるすべての数値は、ショット説明内で正確なリテラル文字列として、
19   引用符で囲んで記述する必要があります。例: "$1,580"。
20   "1月の数値" と書かないでください。数字そのものを書いてください。
213. 凡例、軸目盛りラベル、または画面上で同時に2つ以上のデータ系列を
22   要求しないでください。代わりに、大きな独立した数字と
23   1つのコーラル色のピル型バッジを使用してください。
244. 背景は純白、ソフトコーラル + ダークグレーのパレット、サンセリフ体。
255. 最後にBGM + SFXの指示を1行記載してください (スライドイン時のウィッシュ、
26   バッジ表示時に1回のベルチャイム)。
27スクリプトのみを出力し、コメントは不要です。
28

ルール 3 は監査から得られた教訓です。公式出力は、凡例、軸目盛り、複数系列のグラフの 3 点で正確に壊れました。そのため、ブリーフからこれら 3 つすべてを削除し、その画面スペースを特大の数字と色分けされたバッジに充てます。同じ情報で、失敗の表面積はゼロです。

ルール 2 は人々が無視しがちなものであり、このチェーンの最後まで数字が生き残る理由です。「1月の数値」というショット説明は、その数値をグリフを生成しなければならないモデルに委ねます。引用符で囲まれた "$1,580" というショット説明は、次の 2 つのステップにコピーすべき文字列を与えます。ここでデータの視覚化を求めているのではなく、タイピング指示を求めているのです。

返ってくるのは、インとアウトのタイムコード、画面上のすべての数値がリテラルとして引用符で囲まれた 2 ショットのスクリプト、そして最後の BGM と SFX の行です。スクラッチファイルに保存しておきます。ステップ 2 と 3 は両方ともそこから読み取ります。

ステップ 2: ブランドの最初のフレームを生成する

画面上のテキストのすべての文字は、ここで決定されます。高品質の画像モデルは、$1,580 を正しくレンダリングする信頼性が、動きながらテキストを書かなければならないビデオモデルよりもはるかに高いため、タイポグラフィを静止画で確定させ、ステップ 3 ではピクセルを動かすだけにします。

GPT Image 2 を開き、品質を high、サイズを 16:9 オプション (このページでは 2048x1152) に設定します。アスペクト比をこれから作ろうとしているビデオに合わせないと、ステップ 3 でタイポグラフィをトリミングし始めます。

text
1純白のシームレスな背景の上に、マットなスタジオの壁に投影されたかのように
2撮影された、完璧な Apple Keynote スタイルのプレゼンテーションフレーム。
3中央の見出しは、深いチャコール色の幾何学的サンセリフ体で
4"H1 2026" と読み、広々としたネガティブスペースに配置。その下に、
5同じ書体の特大の数字 2 つ、左に "$1,580"、右に "$3,460" が、
6細い薄灰色の矢印で区切られて配置。矢印の下に、
7小さな薄灰色のキャプション "Monthly GMV Growth"。
8その下に、白いテキストで "+45.7%" と書かれた
91 つのコーラル色のピル型バッジ。ソフトで均一な拡散照明、
10右上隅にかすかな暖色グラデーション、微妙な紙の質感、
11ごちゃごちゃしたもの、ロゴ、グラフは一切なし。
12ウルトラクリーンなコーポレートミニマリズム、16:9。
13

コピーする価値のある 2 つの詳細。「No charts」は意図的に含まれています。また、実行ボタンを押す前に価格の見積もりを確認してください。高品質でワイド 2K フレームの場合、$0.009 のリスト価格の数倍になります。

AI 画像生成器のスクリーンショット。入力ステップと出力を示す

Atlas Cloud 上の GPT Image 2 プレイグラウンド。最初のフレームプロンプトと、すべての数字が正しく綴られた Keynote スタイルフレームをレンダリングしたもの

GPT Image 2、品質 high、16:9 @ 2048x1152。すべての数字が正しく配置された: "H1 2026"、"$1,580"、"$3,460"、コーラル色の "+45.7%" バッジ。これこそが、タイポグラフィを静止画で確定し、ビデオモデルに任せない理由です。

ステップ 3: ドキュメント to ビデオクリップをレンダリングし、すべての数字を検証する

最後のステップ。ステップ 2 の画像を最初のフレームとして読み込み、タイポグラフィを静止させたままビデオモデルにアニメーション化させます。

Wan 2.7 Image-to-Video を開きます。設定: 最初のフレームをアップロード、解像度 1080P、時間 10s。音声フィールドは空のままにします。このモデルは音声を生成するものではなく、駆動入力として扱うためです。このクリップのスコアリングは自分で行うか、別のテキスト to ビデオパスで行います。

text
1このフレームを、10秒の Apple Keynote スタイルのビジネスデータビデオとして
2アニメーション化し、既存のタイポグラフィをピクセル単位で安定させてください。
3
400:00-00:05 - 見出し "H1 2026" は保持され、その後金色の粒子に
5溶けて外側に拡散します。2つの数字 "$1,580" と "$3,460" は
6左右からスライドインして所定の位置に固定されます。細い灰色の矢印は
7左から右に描画されます。コーラル色のバッジ "+45.7%" は
8下から少しオーバーシュートしながらポップアップし、
91回のクリアなベルチャイムに合わせて表示されます。
10
1100:05-00:10 - すべてがスムーズに左にスライドオフします。
123本の太い角丸バーが、同じ純白の背景に対して
13共通のベースラインから上に向かって成長します。
14コーラル、ティール、アンバーの3色で、各バーの上に
151つの大きな独立した数字: "$3,460"、"$2,480"、"$1,580"。
16凡例、軸、目盛りラベル、グリッド線は一切なし。
17カメラはロックされ、全体を通して完全に静止。
18

「既存のタイポグラフィをピクセル単位で安定させる」と「カメラはロックされ、完全に静止」が実際に機能しています。カメラの動きはすべて、モデルがそのままにしておくべきテキストを再描画する機会です。

次に、退屈で重要な部分を行います。数字が表示される各フレームで一時停止し、元の行と照合します。これは 30 秒のチェックであり、間違った収益額を自信満々に表示するビデオとあなたを隔てる唯一のものです。

AI ビデオ生成インターフェース。入力プロンプトと完了したビデオを示す

Atlas Cloud 上の Wan 2.7 Image-to-Video プレイグラウンド。最初のフレームが読み込まれ、完成したデータクリップがレンダリングされている

Wan 2.7 Image-to-Video、1080P、ステップ 2 の最初のフレームをアップロードし、出力パネルに完成したクリップ。パネルが示すことに注目: 10 秒を要求したが、時間フィールドには 10 と表示され、レンダリングは 5 秒で返ってきた。実行の見積もりがファイルの前にそれを教えてくれた。それが見積もりを読むべき理由です。

H1 2026 月間GMV成長: $1,580 から $3,460、+45.7%

同じ GMV スプレッドシートから再構築された完成データクリップ。すべての数字がそのまま

成果: 同じスプレッドシートを、凡例と軸目盛りを意図的に設計から除外して再構築。モデルは 2 つのスクリプト化されたショットを実際にレンダリングした 5 秒に圧縮し、すべての数字が移動後も生き残った: 冒頭の "$1,580" と "$3,460"、続いて 3 本のバーの上の "$3,460"、"$2,480"、"$1,580"。ラベルがゼロなので、文字化けしたラベルもゼロ。画像 to ビデオパスは音声を生成しないため、設計上サイレント。

ドキュメント to ビデオのバリエーションと完成した 1 分間のコスト

スプレッドシートのケースが最も難しいものです。他の 3 つの公式ユースケースはより簡単で、そこに商業的価値の大部分があります。

教材。 百科事典の項目を入力し、特定の読解レベルのレッスンを要求します。以下の出力は、詩人の王維についてのちびキャラスタイルのアニメーション授業、25.03 秒です。

描画スタイルは全体を通して保たれています。キャラクターの詳細は保たれません。3 秒の時点では純白の背景に黒い帽子をかぶっていますが、22 秒までに帽子は淡い青色に変わり、彼は古典的な巻物の絵の中に立っています。デッキテストで見られたフレーム形状の変化と同じドリフトです。3 ステップのチェーンで再構築する場合は、ステップ 1 でキャラクターカードを固定し、ステップ 2 のフレームをスタイルアンカーとして再利用してください。

百科事典の項目を小学1年生向けアニメーションレッスンに、25.03秒、生成音声付き。公式 Alibaba Wan 3.0 公開ベータデモ。

ブランドフィルム。 提案書が完全な 30 秒のスポットになります。4 つのデモの中で最も美しく、最も検証が難しく、ソースドキュメントが何を言っていたかはわかりません。美しさではなく一貫性に注目してください。これがサードパーティのテスターを捉えた障害モードであり、その製品は 1 つのクリップ内で 3 回形状が変化しました。

提案書を 30.04 秒のスキンケアブランドフィルムに。公式 Alibaba Wan 3.0 公開ベータデモ、音声あり。

レポートの要約。 これに対する公式デモは存在しないため、パターンは未テストとして扱ってください。1 人のプレゼンター、1 ショットあたり 1 つの主張を要求し、すべての数値をステップ 1 と同様に引用符で囲んで正確に記述してください。

次に費用です。

項目レート30 秒の完成ビデオ
Wan 3.0、1080p (RMB シート)¥1.2/秒¥36
Wan 3.0、1080p (USD シート)$0.20/秒$6.00
Wan 3.0、720p (RMB シート)¥0.6/秒¥18
3 ステップチェーン、1 パススクリプト + フレーム + $0.1/秒のレンダリング約 $1.20 (10秒)
3 ステップチェーン、3 回試行スクリプトは再利用、フレームとレンダリングは繰り返し約 $3.50

公開されている 2 つの Wan 3.0 価格表は、1080p が ¥1.2/秒か $0.20/秒かで一致しておらず、これらは同じ数字ではありません。シリーズの予算を組む前に、実際に請求されるエンドポイントのレートを確認してください。

隠れたコストは秒単位のレートではありません。それは再実行です。ドキュメント入力はジョブごとに 1 ファイルを受け付けるため、1 つの数値を変更するとビデオ全体を再生成する必要があります。3 ステップチェーンでは、ショットスクリプトは再利用可能なテキスト成果物であるため、数値の変更は 1 回のレンダリングで済み、1 ジョブ全体ではありません。四半期報告サイクルでは、その差が秒単位の価格をはるかに上回ります。

何かをアップロードする前に、1 つの法的注意事項です。ホスト型モデルに送信するドキュメントは、建物の外に出るドキュメントであり、内部デッキや未公開の財務データには通常、それに関するポリシーが付随しています。締め切りのプレッシャーが来る前に確認しておいてください。後からではありません。また、この記事のすべての公式デモクリップは Alibaba に帰属し、公開ベータ資料としてここに引用されています。ここにあるものは、それらを商業的に再利用するライセンスではありません。

Wan 3.0 ドキュメント to ビデオ FAQ

Wan 3.0 ドキュメント to ビデオはどのファイル形式を受け付け、サイズ制限は?

doc、xls、ppt、pdf、txt、md に加えて、key、pages、numbers も報告されており、ファイルの代わりにプレーンなウェブリンクも可能です。ジョブあたり 1 ファイルまたは 1 リンク、最大 100MB または 50 ページ。

Wan 3.0 は各スライドを 1 つのシーンに変換しますか?

いいえ。これが最も一般的な誤解です。ドキュメント全体を読み取り、学習した内容からビデオを演出します。上限では 50 ページを 30 秒、つまり 1 ページあたり 0.6 秒に変換するため、ページめくりではなくトレーラーを生成します。公式ユースケースと独立したテストの両方が同じ方向を指しています。

スプレッドシートの数値はビデオで正確ですか?

私が確認したすべてのケースでセルの値は保持されました。公式デモの $1,580、$3,460、+45.7% も含まれます。失敗するのはグラフの付属要素です。凡例が融合し、軸目盛りが非線形になり、桁区切りのカンマが欠落します。すべての数値を引用符で囲まれたリテラルとして注入し、凡例や目盛りラベルはブリーフから完全に設計除外してください。

現在 API 経由で Wan 3.0 ドキュメント to ビデオを使用できますか?

Alibaba の独自チャネル経由でのみ可能で、現在は招待制、重みも公開されていません。Wan 2.2 がこのラインの最後のオープンウェイトリリースです。それが変更されるまで、上記の 3 ステップチェーンが実用的な代替手段です。

30 秒の Wan 3.0 ビデオの費用はいくらですか?

公開されている 1080p レートでは、1 つの 30 秒クリップで ¥36、または国際シートでは $6.00 です。単一パスではなく再実行に予算を組みましょう。1 つの数値修正で全体を再生成する必要があるからです。

今日すぐ実行できる、Wan 3.0 ドキュメント to ビデオに最も近いものは何ですか?

ロングコンテキストモデルでショットスクリプトを書き、Wan 2.7 を $0.1/秒でレンダリングに使用します。代替として MiniMax H3 (同レート) または Seedance 2.5 ($0.134/秒) もあります。生成された映像の外観とフレーム正確なテキストが得られます。得られないもの: 1 つの連続テイクでの 30 秒、画像 to ビデオレンダリングと同じパスでの音声、.pptx を読み取ってくれるモデル。

正直なまとめ: Wan 3.0 ドキュメント to ビデオは、現実の機能と現実の上限を備えており、その出力とあなたの出力の間のギャップは、どちらかに凡例の描画をやめさせる限り、見た目よりも小さいものです。

最新モデル

ひとつのAPIで、あらゆるメディアAIを。

すべてのモデルを探索