01 基本公式
Wan 3.0 は構造化された指示を理解します：誰が、何をするか、カメラはどう動くか、どこで、どんな調子か。この章ではまずプロンプトの骨格を固め、3.0 の新しい 2 つのダイヤル——音声スイッチと adaptive スマート画幅——を徹底解説します。
1.1 基本プロンプト公式
すべては一文から始まります：主体と動作が必須の 2 要素で、カメラ・環境・スタイルは必要に応じて重ねます。時間は 2〜30 秒の連続ダイヤル——秒数に見合う内容だけを詰め込みます。30 秒長編の書き方は第 4 章で。
[主体] + [動作] + 任意 [カメラ] [環境] [スタイル]
主体
画面の主人公——人物、動物、プロダクト。具体的であればあるほど良い。
動作
主体が何をするか、体の部位と速さ・強弱を明確に。ゆっくり連続した小さな動きが最も安定。
カメラ
ショットサイズとカメラワーク：クローズアップ、プッシュイン、パン。マルチショットの物語は「第1ショット[0-3秒] ロング」など分镜を直接記述。
環境
シーンと雰囲気：場所、時間、光、天気。
スタイル
美術調と画質：色調、質感、精細さ。
雨夜の街角の書店
プロンプト
雨夜の街角、暖かな黄色い灯りの小さな書店がまだ灯っている。ベージュのセーターの店主が本の山を窓辺に運び、窓の外の雨に目を上げ、微笑みながら「営業中」の木の看板を掛ける。カメラは向かいの通りからゆっくりプッシュインしてショーウィンドウのクローズアップへ、ガラスを雨粒が滑り落ち、濡れた路面にネオンサインの影が映る。シネマ品質、暖色と寒色のコントラスト、豊かなディテール。
主体+動作の 2 文から始め、カメラと環境を 1 文ずつ足し、スタイル語で締める——これが合格ラインの Wan 3.0 基本プロンプトです。
1.2 音声スイッチ：音付きの完成品か、クリーンな素材か
Wan ファミリーに初めて音声のスイッチが付きました（同価格）：オンなら、環境音・効果音・BGM が映像と一緒に一度に生成され、手元に届くのは完成品。オフなら、音なしのクリーンな素材が届き、自分で音楽を載せて仕上げられます。「完成品感」が欲しければオン、「素材感」が欲しければオフ——後でナレーション、字幕、BGM 差し替えが必要な案件なら、オフが一番手間がかかりません。
無音の空撮素材
プロンプト
早朝の竹林、薄い霧が竹の幹の間をゆっくり流れ、葉の隙間から差し込む斜めの陽光が光の柱をつくり、幾枚かの竹の葉が風に舞い落ちる。カメラはローアングルでゆっくりパン、画面は静かで澄み渡り、ドキュメンタリー質感、青緑の色調。
音声スイッチをオフにプリセット済み——この素材を背景に使い、自分で音楽とナレーションを載せられます。モデルが勝手に BGM を付けることはありません。
1.3 adaptive スマート画幅
比率に新しいデフォルト adaptive が加わりました：指定しなければ、モデルが参照素材とコンテンツの意図から自動で画幅を選択——縦型素材なら縦型に、シネマ調の文章なら横型に。多くの場合、手で選ぶより的確です。精密な制御が必要なら（例えば必ず 9:16 でフィード広告に出す場合）、5 段階の明示的な比率も従来通り選べます。迷ったら adaptive に任せ、厳格な要件があれば明示的に指定しましょう。
アロマキャンドルのティザー
プロンプト
無垢材のテーブルの上で手作りのアロマキャンドルが静かに燃え、炎がかすかに揺れ、琥珀色の蝋が柔らかな光を放つ。背景はぼかしたリネン布とドライフラワー。カメラはキャンドルの周りをゆっくり半周し、光の斑がテーブルの上を移動する。ミニマルで上質な雰囲気、暖色系、広告品質。
adaptive をプリセット済み——モデルが「広告品質」という意図から適切な画幅を自動選択します。比率を固定したいときはいつでも明示的な段階に切り替えられます。
02 画像から動画
1 枚の首フレーム画像と動きの説明だけで、Wan 3.0 は絵を動かします——プロンプトの重心は「画面の描写」から「動きの描写」へ移ります。画面はもうあるのですから。首フレームでオープニングを、首尾フレームで始まりと終わりを決める——2 つの使い方をこの章で解説します。
2.1 写真に命を吹き込む
画像生成動画のプロンプトが書くのは 3 つだけ：何が動くか、どう動くか、カメラは動くか。絵にないものを無理に足さないこと。絵にあるものを「呼び覚ます」こと——なびく裾、流れる水面、揺れる灯りは、どれも命中率の高い小さな動きです。「元画像の質感を維持」の一文を添えれば、画風はぶれません。
漁港の灯り
プロンプト
この写真を動かしてください：夜の漁港、漁船の灯りが一つまた一つと灯り、水面に揺れる影を長く引き、マストの旗が海風に軽くはためき、遠くの灯台の光条がゆっくりと掃いてゆく。カメラは固定のまま、終始この写真のブルー系フィルム質感を維持する。
首フレーム画像を 1 枚アップロード。シーンを再描写せず動きだけを書き、「質感を維持」で画風を固定します。
2.2 首尾フレーム：始まりと終わりをあなたの手に
首フレームと尾フレームの 2 枚をアップロードすれば、中間の過程はモデルが自動生成します。これでプロンプトの書き方が変わります：起点と終点は書かなくていい（絵にある）ので、「A から B へどう変わるか」——変化のテンポとカメラの合わせ方だけを書きます。2 枚の比率は揃え、構図の差が大きいほど過程の描写を十分に。
一本の木の四季
プロンプト
同じ一本の木が春の満開の花からゆっくりと変化していく：花びらが風に舞い落ち、緑の葉がだんだん茂って木陰をつくり、やがて葉色は黄色から赤へと変わり、最後は雪を被った枝だけが残る。カメラはゆっくり引いてゆき、四季の光と影の移ろいが自然につながり、木の位置と構図は首尾フレームに厳密に追従する。
画像生成動画モードで首フレーム（春）+尾フレーム（冬）の 2 枚をアップロード。8 秒で四季の移ろいに十分な時間を与えます。
03 万能参照
Wan 3.0 の一番の武器：画像・動画・音声の 3 系統の参照を混ぜて入力——最大 10 枚の画像 + 5 本の動画 + 5 件の音声。画像は外見担当、動画は動態担当、音声は声色担当。プロンプトでは「画像 1」「動画 1」「音声 1」とアップロード順に指名して役割を分担します（3 系統はそれぞれ独立に採番）。
3.1 複数画像参照公式
参照生成動画のプロンプトは 3 段構成：まず「画像 N」で素材を登場させ、新しいシーンで何が起きるかを書き、最後に「一致させる」の一文で締めます。同一キャラクターの多角度画像が最も効果的。1 枚の画像に入れる主体は 1 人に——合成画像ではモデルが誰が誰か分からなくなります。
[参照素材：画像 1…] + [シーン描写] + [主体] の特徴を一致させる
参照素材
最大 10 枚の参照画像。「画像 N」でアップロード順に参照。
シーン描写
新しいシーンで何が起きるか：動作、環境、カメラワーク——画面はゼロから生成、すべて言葉で決定。
一貫性
「参照画像と一致させる」の一文で外見のロックを強化。
バリスタの新メニューの日
プロンプト
画像 1 のバリスタが画像 2 の深緑のエプロンを着て、画像 3 のミニマルなコーヒーカウンターの後ろに立ち、ハンドドリップのコーヒーをそっとカメラ方向へ差し出す。ミルクフォームのラテアートがはっきり見え、彼は顔を上げて微笑む。カメラはカップのクローズアップからゆっくり引いてミドルショットへ、暖色系の朝の光、心温まる日常の空気。人物・衣装・シーンの外見は参照画像と一致させる。
参照画像を 3 枚アップロード（人物/衣装/シーン）。「画像 1」「画像 2」「画像 3」で役割を分担し、締めの「一致させる」で外見をロックします。
3.2 参照動画：動作とカメラワークを移植する
参照動画が受け持つのは「どう動くか」：キャラクターの動作テンポ、カメラの動きの言語——モデルは動画からそれを学び、あなたの新しいシーンに適用します。ハードルールは 3 つ：参照動画は最大 5 本、合計 15 秒以内。参照動画の合計秒数は 30 秒の生成予算を消費します（参照 10 秒なら、出力は最長約 20 秒）。主体参照として使うときは単一の主体だけを入れてください。
映画のカメラワークを借りる
プロンプト
動画 1 のカメラワークとショットのリズムを参照：カメラはテーブルのローアングルから昇り、主体の周りを半周してから引いてフィックス。画面は画像 1 のレトロなタイプライターに差し替え、深夜の書斎の机の上で見えない手に打ち込まれ、紙が打鍵に合わせてかすかに震え、スタンドの光が温かく滲む。カメラワークは動画 1 に厳密に追従し、主体の外見は画像 1 と一致させ、シネマ品質で。
参照動画 1 本 + 主体画像 1 枚をアップロード。「動画 1 のカメラワークとショットのリズムを参照」はカメラ言語を移植する定型句です。
3.3 参照音声：キャラクターにあなたの声で話させる
参照音声は Wan ファミリーの新しいチャネルです：クリアな人声を 1 本アップロード（最大 5 件、合計 15 秒以内）すれば、モデルがその声質を複製し、画面のキャラクターがその声色であなたの書いた台詞を話します。書き方は「音声 1」と指名し、話し方の指示を 1 文添えるだけ。リップシンクは発音に自動で同期します。
ブランドオーナーの挨拶
プロンプト
画像 1 のブランドオーナーが画像 2 の無垢材の工房に座り、目の前に手作りの革小物を何点か並べ、カメラに向かって音声 1 の声色で自然に話す：「手仕事を始めて八年。一番伝えたいのはやっぱりあの言葉——急がば回れ、です。」音声 1 の温かく落ち着いた語り口と間の取り方を維持し、リップシンクは発音と厳密に同期、人物の外見は参照画像と一致させる。
人物画像 1 枚 + シーン画像 1 枚 + 人声の音声 1 本をアップロード。「音声 1 の語り口と間の取り方を維持」は高忠実度複製のキーフレーズです。
04 30 秒長編と実践ワークフロー
30 秒は Wan 3.0 の世代間の飛躍です——1 本の動画でひとつの物語を語りきれます。この章では長編の分割の書き方と、ベテランのコストワークフロー：480p で試作、決定稿は高解像度に切り替える方法をお届けします。
4.1 30 秒分割脚本
長編の書き方は、動画を時間スライスに切ること：各スライスに「開始〜終了秒数 + 画面内容 + カメラワーク」を明記し、冒頭に全局設定を一段添えてスタイルと雰囲気を固定します。スライスの動作量は時間と釣り合わせて——3 秒に 10 の動作を詰め込めば、モデルは早回しするしかありません。カットを切りたいときはスライス内にトランジション方式を明記します。
[全局設定] + [開始〜終了秒数] + [画面内容とカメラワーク] + 任意 [トランジション方式]
時間スライス
明確な開始〜終了秒数（例：0-5s、5-12s）。30 秒は 3〜5 分割が最も安定。
画面とカメラワーク
このスライスで何が起きるか、カメラはどう動くか——動作量はスライスの長さと釣り合わせる。
全局設定
冒頭の一段でスタイル・色調・雰囲気・禁止事項を固定。全編に有効。
トランジション方式
スライス間のつなぎ：自然な切り替え、ディゾルブ、マスクワイプなど、指名するだけ。
街が目覚める 30 秒
プロンプト
【全局設定】ドキュメンタリー空撮スタイル、早朝の冷たい青から暖かな金色への色調グラデーション、リアルな物理光と影、字幕なし、BGM なし（環境音のみ）。 0-6s：夜明け前の街のスカイライン、灯りが点々と瞬き、雲が低く垂れ込め、カメラは高空からゆっくりプッシュイン。 6-14s：空の果てが白み始め、カメラは下降して雲を抜け、街の輪郭が徐々にくっきりと見え、始発のモノレールがビルの間を駆け抜け、一条の光跡を引く。 14-22s：カメラは街路の高さまで降りて追いかける。朝食の店がシャッターを開け、せいろから湯気が立ちのぼり、自転車の人が朝の光の中を走り抜け、街が目覚め始める。 22-30s：太陽が地平線から躍り出、カメラは急速に上昇して高空へ戻り、街全体が金色の朝の光に満たされ、雄大なパノラマでフィックス。
全局設定でトーンを定め、4 つのスライスがそれぞれ 1 パートを担当——30 秒の動画はまず骨格を書いてから肉付けを。そうすればリズムが乱れません。
4.2 480p 試作ワークフロー
ベテランのワークフロー：アイデアの段階では 480p で試作——コストは 1080p の約 4 分の 1。構図・動作・リズムが納得いくまで検証してから、同じプロンプトのまま 1080p に切り替えて決定稿を出します。試作段階なら 10 回直しても惜しくなく、決定稿は一発で決まります。
スケーター少年（試作版）
プロンプト
夕暮れのスケートパーク、オーバーサイズのパーカーの少年がスロープを滑り降り、ジャンプ、板を宙に返し、しっかり着地、カメラの前で急停止。舞い上がる土埃が逆光の中にはっきり見える。カメラはローアングルで追従し、やがて半周して彼の笑顔でフィックス。スピード感のある動きのカメラワーク、ストリートドキュメンタリースタイル、暖かな金色の色調。
480p をプリセット済み——まず動作とカメラワークを検証。納得したら解像度を 1080p に切り替え、時間を延ばし、同じプロンプトで決定稿を出します。