Text to Video

• 長さ: 5、10、15、20、25、または30秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: 1回の生成で最大30秒の長いマルチショットシーン、モデルが書いたネイティブ音声もオプションで付与可能。大規模にラベル付けされたNSFWデータセットで学習済み。

• 強み: Generate Audioトグルで独自のサウンドトラックを作成可能。タイムスタンプ付きショットに分割された長い脚本風プロンプトに対応。以前のWanモデルよりも強力なマルチサブジェクトの一貫性とカメラ制御。

• トレードオフ: 最良の結果には長さに合ったプロンプトが必要。長い長さに短いプロンプトを使うと、ストーリーやショットの選択がモデル任せになる。ネガティブプロンプトなし。不要な要素は明示的に記述する必要がある。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5、10、15、20、25、または30秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: Wan 3.0 Spicyと同じ最大30秒の長いマルチショットシーン、モデルが書いたネイティブ音声もオプションで付与可能だが、約40%速く返される。

• 強み: Wan 3.0 Spicyと同一の出力品質と機能セット(Generate Audioトグル、脚本風プロンプト、マルチサブジェクトの一貫性)。違いは待ち時間で、アイデアを試したりショットを微調整したりする際に重要になる。

• トレードオフ: 同じ結果に対してWan 3.0 Spicyより秒あたりのコストが高い。プロンプトの長さへの感度やネガティブプロンプトがない点も同様。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5秒、10秒、または15秒

• 解像度: 最大1080p

• 最適な用途: 同期した音声生成に対応。大規模なラベル付きNSFWコンテンツデータセットで訓練されています。

• 強み: 動画と一緒に音声を生成、改善された時間的一貫性、より優れたプロンプト理解、向上した動きの品質。

• トレードオフ: より速いモデルより遅い;最良の結果には明確で正確なプロンプトが必要。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5秒、6秒、8秒、10秒、12秒、15秒

• 解像度: 480p / 720p

• 最適な用途: 短い「雰囲気」クリップからマルチショットの映画的なストーリーボードまで、同期した音声付きでゼロから動画を生成するのに最適。大規模なラベル付きNSFWコンテンツデータセットで訓練されています。

• 強み: 動画と一緒に音声を生成、プロンプトの公式(Subject → Action → Environment → Camera → Lighting → Style → Constraints)への厳密な準拠、タイムコード付きマルチショットシナリオでの安定した性能、幅広いアスペクト比への対応(16:9、9:16、1:1、4:3、3:4、21:9、またはauto)。

• トレードオフ: テクスチャと顔のディテールは自動的には現れません。「ultra-sharp detail」や「crisp texture」といった具体的な用語を使いましょう。長く矛盾したプロンプトは複数に分割してください。Seedance 2.0 Fast Spicyより遅いです。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5秒、6秒、8秒、10秒、12秒、15秒

• 解像度: 480p / 720p

• 最適な用途: スピードが重要な場合に、シンプルな「雰囲気」クリップからタイムコード付きのマルチショット台本まで、同期した音声付きでテキストの説明から動画を素早く生成するのに最適。大規模なラベル付きNSFWコンテンツデータセットで訓練されています。

• 強み: 動画と一緒に音声を生成、プロンプトの公式(Subject → Action → Environment → Camera → Lighting → Style → Constraints)への完全準拠、幅広いアスペクト比への対応、マルチショットシナリオとタイムコードでの安定した性能。Seedance 2.0 Uncensoredより速く、安価です。

• トレードオフ: 高解像度で詳細なテクスチャや顔の特徴を出すには、「ultra-sharp detail」や「crisp texture」といった具体的な用語を含めてください。長く矛盾したプロンプトは分割しましょう。品質はSeedance 2.0 Uncensoredより低めです。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5、10、15、20、30秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: 1回の生成で最大30秒の長いマルチショットシーン。1つの瞬間を引き延ばすのではなく、プロンプトだけから完結したストーリーを生成します。NSFWコンテンツの大規模なラベル付きデータセットで学習済み。

• 強み: より自然で「AIっぽさ」の少ない映像。カメラの切り替え、被写体の安定性、ライティング、肌や目のディテールが向上。タイムスタンプ付きプロンプト(「0–5s: …, 6–10s: …」)で何がいつ起こるかを制御可能。Generate Audioトグルでネイティブ音声をオプション生成。

• トレードオフ: Seedanceで最も高価なモデル。1080pは720pの約3.4倍の料金のため、まず480p/720pでテストしてください。ネガティブプロンプトなし。Generate Audioをオンにしても音声なしで出力される場合があります。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5秒または8秒

• 解像度: 最大720p

• 最適な用途: 最も安価なオプション。音声生成はありませんが、大規模なラベル付きNSFWコンテンツデータセットで訓練されています。

• 強み: 力強いディテール、強力なプロンプト準拠、ドラマチックなカメラの動きやムードのあるグレーディングが得意。生成あたりのコストが最も低いです。

• トレードオフ: フィルタリングがより緩やかであるため、プロンプトを正確に保つ必要があります;極端な設定にすると解剖学的な部分や細部がずれることがあります。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5秒、6秒、8秒、10秒、12秒、または15秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: テキストの説明だけからクリップを生成する。ネイティブ音声を内蔵。参照画像は不要。

• 強み: 書かれたプロンプトから一貫した動きと構図が得られる。すべてのクリップで自動的にネイティブなステレオ音声トラックが付与される。16:9、9:16、4:3、3:4、1:1、21:9、またはアダプティブのアスペクト比に対応。

• トレードオフ: ここではStart/End FrameもReference Modeも使えない。それらが必要な場合はImage to Videoを使用。ネガティブプロンプトなし。不要な要素はメインプロンプトの末尾に記述する。音声はオフにできない。長いプロンプトは内部で圧縮されるため、簡潔で的確な文章の方がうまくいきやすい。

• コンテンツに関する注記: フィルター:オン。SFW専用、NSFWコンテンツには対応していません。

• 長さ: 5秒、6秒、8秒、10秒、12秒、または15秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: 正規料金のモデルが不要な場合の、高速で低コストなテキストから動画へのクリップ生成。

• 強み: MiniMax H3 Maxのおよそ半額で、より高速。同じ長さと解像度のオプションを使用可能。ネイティブ音声が自動的に含まれる。

• トレードオフ: ここではMiniMax H3 Maxと同じ制限がある:Start/End Frameなし、Reference Modeなし、ネガティブプロンプトなし、音声はオフにできない。

• コンテンツに関する注記: フィルター:オン。SFW専用、NSFWコンテンツには対応していません。

Wan 2.2は最も安価で高速ですが、音声はありません。Wan 2.7はほとんどの短いクリップ(5〜15秒)に最適なオールラウンドの選択肢で、動きの品質が高く、音声は常に動画と一緒に生成されます(オン/オフのトグルはありません)。Wan 3.0 Spicyは最大30秒の長いシーンやマルチショットシーン向けです。

はい。上記のWanおよびSeedanceモデルは最小限の安全フィルターで動作し、NSFWコンテンツに適しています。Wan 2.7は複雑なシーンで一般的により高品質な結果を生成します。MiniMax H3 MaxとMiniMax H3 Max Turboはフィルターがオンで動作し、SFW専用です。

開始画像がないため、モデルはテキストの説明のみに依存します。そのため、プロンプトの冒頭でキャラクターの外見、照明、スタイルを非常に詳細に記述することが重要です。

シンプルなポーズを使い、過度なカメラの動きを避け、複数のバージョンを生成しましょう。軽微な欠陥はポストプロダクションで修正しやすくなります。