DX Builder
実測ベンチマークデータ · 直接DASHSCOPE API · マルチモーダル演出/Wan 3.0 (DashScope) テクニカルリファレンス & プロダクションガイド
Engine Studioを開く

Wan 3.0 エンジンマニュアル: 実測ベンチマーク & プロンプトエンジニアリング

Wan 3.0 (`wan3.0-video`) は、ネイティブ1080pレンダリング、完全な物理ダイナミクス、ネイティブな多言語リップシンク対話、および1連続テイクあたり最大30秒のマルチアセット参照を提供するAlibabaのフラッグシップ・マルチモーダル動画生成モデルです。以下のすべての性能指標は、DXBuilderが実施したDashScope API直接テストの実行結果を反映しています。

Wan 3.0 Direct API実測ベンチマークネイティブ1080pネイティブ・リップシンク & 音声最大30秒テイクマルチアセット参照
ALIBABAALIBABA· modelo oficial
Wan 3.0 エンジンマニュアル: 実測ベンチマーク & プロンプトエンジニアリング
レンダリング速度33–46m (720p) · 50m (1080p)
ネイティブ解像度480p · 720p · 1080p Native
最大テイク長2s to 30s continuous
対応アスペクト比16:9 · 9:16 · 1:1 · 4:3 · 3:4
マルチモーダル入力10 Img + 5 Vid + 5 Audio + Doc/Link
音声パイプラインNative Lip-Sync + Foley SFX
商用利用権Full Commercial License

1. アーキテクチャ、検証済み仕様 & Alibaba公式発表

長尺の連続テイク (2秒〜30秒) [独自検証済み]

タイミングを指定したショットリストで構成することで、時間的破綻を起こさずに1リクエストあたり2秒から30秒の連続テイクを生成します。

ネイティブ・マルチモーダル条件付け [独自検証済み]

1回のレンダリングジョブにつき、最大10枚の画像、5本の動画クリップ(合計15秒以下)、5本の音声トラック(15秒以下)、および1件のドキュメント(100MB/50ページ)またはWebリンクを受け付けます。

ネイティブ対話、リップシンク & 効果音 [独自検証済み]

{中括弧}で囲まれたタイミング指定の対話を合成し、高精度なヨーロッパ・ポルトガル語および地域方言のリップシンクと臨場感ある環境音効果を実現します。

マテリアル & ブランドアセットの再現性 [独自検証済み]

動的なサーフェス(衣服の刺繍、ネオンサイン、光る燃え殻など)上に、グラフィックの劣化なしで参照ロゴやテクスチャを正確にマッピングします。

待ち時間ゼロのマルチリファレンス [独自検証済み]

当社のベンチマークテストにより、参照アセットを0件から4件に増やしても、GPUレンダリングのレイテンシは一切増加しないことが確認されています。

Alibabaロードマップ機能 [Alibaba発表・未検証]

指示ベースの動画編集、連鎖的な時間的動画拡張、およびリアルタイムWeb検索コンテキストの注入は、実制作環境において未検証のままです。

30s · 720P · 1 foto + logo · falas PT-PT · 10 cortes aos tempos escritos
Vídeo vertical: gerado e medido pela DXBuilder · grelha: demos oficiais Alibaba (wan.video)

2. ベンチマーク比較: Wan 3.0 vs. Seedance 2.5

プロダクションパラメータWan 3.0 (DashScope Direct)Seedance 2.5 PRO
最大単一テイク時間30秒 (ネイティブ連続) [実測値]1テイク最大30秒
ネイティブ解像度480p · 720p · 1080p ネイティブ (AIアップスケールなし)480p · 720p(1080p/4KはTopazアップスケール)
音声 & 対話エンジンネイティブ・リップシンク + 環境SFX + 方言 [実測値]個別音声生成 / ポストシンクパイプライン
レンダリング所要時間 (30秒テイク)33〜46分 (720p) · 50分 (1080p) [実測値]2〜5分(高速パイプライン)
マルチモーダル入力容量画像10枚 + 動画5本 + 音声5本 + 文書/リンク1件参照画像50枚+参照動画・音声
1秒あたりのコスト (DXBuilder)7.5 cr/s (480p) · 15 cr/s (720p) · 30 cr/s (1080p)25cr/s(480p)· 35cr/s(720p)· 30秒で最大-25%割引

3. 演出モード & マルチモーダル入力制限

1 · タイミング指定ショットリスト演出 (テキスト + ネイティブ音声)

Gatilho: 絶対タイムマーカーと明示的な対話タグを用いてプロンプトを構成します: HARD CUT at Xs — [SCALE/ANGLE]: action {spoken dialogue}。

Regras: 連続した散文プロンプトでは15秒間で0〜1回のカットしか得られませんが、タイミング指定ショットリストを使用すると4〜12回のカットが実行されます [独自検証済み]。

"00:00-00:05 CLOSE-UP: Merchant whispers {"O porto fecha à meia-noite."} [AUDIO: wind howling]. HARD CUT at 00:05 — WIDE SHOT: Storm surges over stone pier."

2 · マルチモーダルアセット転送 (画像 / ロゴ / 音声ロック)

Gatilho: 明示的なアイデンティティロックを付けて、参照画像(被写体ID、衣装、ロゴパッチ)および音声クリップをアップロードします。

Regras: 被写体の写真は鮮明で直立している必要があります(EXIFの回転は顔のジオメトリを崩します)。参照アセット数(0〜4点)はレンダリング時間に影響しません [独自検証済み]。

"Apply character facial structure from @Image1 and wardrobe jacket patch from @Image2. Subject turns 45 degrees left. Material: heavy distressed leather."

3 · 高速5秒イテレーションパイプライン [第三者報告]

Gatilho: 完全な30秒1080pの最終レンダリングを行う前に、5秒のテストレンダリングで構図、ライティング、カメラワークを下書き・調整します。

Regras: フレーミング調整中のクレジット予算を80%以上節約できます。タイミングとアセット認識が固定された後にのみ30秒/1080pへアップグレードしてください。

"5s Test: 35mm low-angle tracking shot, protagonist walks 30% across frame left-to-right. Verify silhouette and backlight before full sequence render."

4. 実測に基づく演出ルール & プロンプト構文

タイミング指定ハードカット [独自検証済み]HARD CUT at 04:00 — MEDIUM SHOT: Actor turns to camera | HARD CUT at 09:00 — EXTREME CLOSE-UP: Hand grips copper dial.
リップシンク & 対話タギング [独自検証済み + AtlasCloud]Character speaks directly into lens: {"Temos apenas três minutos antes da ignição."} [AUDIO: heavy mechanical hum, no background music]
ルック固定ブロック [独自検証済み][LOOK LOCK: overcast daylight 5600K, charcoal wool overcoat, wet cobblestone environment, muted cyan color grading]
明示的な物理グラウンディング [独自検証済み]Real gravitational weight, splashing water droplets with inertia, cloth drag resistance, no floating, no weightless wire-work.
IP混入防止ブロック [独自検証済み][NEGATIVE: no superhero emblems, no commercial franchise logos, no copyright costumes, no smooth slide floating motion]
フレーム比率ベクタリング [第三者報告]Subject accelerates from right edge to center, occupying 40% vertical frame height, moving 35% horizontal distance per second.

5. 実制作プロンプト設計図

シネマティック・マルチカット物語テイク (15秒 — ヨーロッパ・ポルトガル語リップシンク)

ネイティブ対話リップシンク、アンビエント音響設計、および検証済みの物理的重量感を備えた、タイミング制御マルチショットシーン [独自検証済み]。

[LOOK LOCK: Moody neon-lit alley, wet asphalt, 35mm anamorphic, heavy rain]
00:00-00:04 MEDIUM TRACKING SHOT: Detective walks forward with heavy footsteps, rain dripping from brimmed hat.
00:04-00:09 HARD CUT — CLOSE-UP: Detective stops under amber streetlight, looks straight into lens, speaking firmly: {"Não há mais tempo para negociações. O navio já partiu do cais."}
00:09-00:15 HARD CUT — OVER-THE-SHOULDER WIDE: A black cargo boat vanishes into foggy harbor waters. Real gravitational water displacement, heavy splashes.
[AUDIO: continuous heavy rainfall, distant foghorn, crisp vocal dialogue, no background synth music]
[NEGATIVE: no floating, no weightless wire-work, no superhero emblems, no frozen locked-off camera]

ブランドアセット具現化 & 動的物理挙動 (30秒 ネイティブ1080p)

リアルな質量ダイナミクスを伴って物理サーフェス上への参照ロゴ再現を実証する、完全な30秒ベンチマークシーケンス [独自検証済み]。

[LOOK LOCK: Blacksmith forge workshop, warm 3200K tungsten backlight, volumetric smoke and rising embers]
00:00-00:08 LOW ANGLE SLOW DOLLY IN: Blacksmith hammers glowing hot steel bar on iron anvil with heavy impact shocks.
00:08-00:16 HARD CUT — MACRO SHOT: Hammer strikes molten metal surface, embossing the DXBuilder geometric logo from @Image1 into glowing orange iron, sparking embers scattering with authentic physics.
00:16-00:24 HARD CUT — MEDIUM PROFILE: Blacksmith plunges the branded metal blade into cold water vat. Instant dense steam eruption and boiling fluid turbulence.
00:24-00:30 HARD CUT — CLOSE-UP HERO SHOT: Water drips off the engraved brand logo on dark Damascus steel, camera maintains subtle hand-held organic drift.
[AUDIO: metallic anvil strikes, roaring forge fire, loud water quenching hiss, deep room tone]
[NEGATIVE: no static frozen camera, no synthetic plastic texture, no franchise trademarks]
Wan 3.0

6. クレジット計算機 & 生成コスト構造

3s10s30s
概算合計150 créditos
Studioで生成する

7. よくある質問

当社の直接API測定(2026年8月)に基づくと、30秒の720pテイクの平均は約40分(33〜46分の範囲)です。30秒の1080pテイクは約50分(720p比で+11%の時間)でレンダリングされます。キューの待機時間は、リリース後のスケーリングを経て約0.5分で安定しました。ブラウザを閉じても問題ありません。レンダリングはDXBuilderライブラリ内で自動的に完了します。
👑 プロンプト不要、手間ゼロ

プロンプトを書きたくない?なら自分が映画に入ろう。

プレミアムプリセットは Seedance 2.5 エンジンで動きます——セルフィーを1枚アップすれば、AI監督があなた主演の3幕構成の大作を撮影。15秒から1分30秒まで。

プレミアムプリセットを見る
登録で無料クレジット 強制サブスクなし 失敗時は自動返金

DXBuilderの他のエンジンを見る