Wan 2.6はテキストや画像を動画に変換。リップシンク、複数キャラクターの会話、カスタムペルソナの作成も可能です。
履歴がありません
生成に失敗しました
Wanは、アリババグループのTongyi Labが開発したオープンソースのAI動画生成モデルシリーズです。Wanシリーズは、アリババによるマルチモーダルAIの代表的プロジェクトで、テキストのプロンプトや画像、リファレンス動画から、リアルな動きと画としての一貫性を持つ高品質な動画を生成します。
現在のバージョン:Wan 2.6(2025年12月時点)
最終更新日:2025年12月
Wan 2.6はバージョン2.5リリース直後に登場し、マルチモーダル連携の強化や創造的なコントロールの拡張に注力しています。本バージョンでは、以前の課題を解決するとともに、より複雑なコンテンツ制作ワークフローを想定した新機能を追加しました。
ネイティブ音声生成が強化:Wan 2.5と比べ音声の自然さが大幅にアップ。ただし、声のリアルさはVeo 3やSora 2などの有料モデルにはまだ及びません。
動画の長さが延長:1080P画質で最大15秒の動画が作成可能。複数のクリップを繋げてさらに長尺のシーンも作れます。
キャラクター参照機能:動画から最大3人までのキャラリファレンスを登録し、見た目の一貫性を保てます(注:この機能はSomakeではまだ利用できません)
自分だけのアバター作成:顔のさまざまな角度や声サンプルを録音して、一貫したAIペルソナを作れます(注:この機能はSomakeではまだ利用できません)
複数キャラによる会話:複数のキャラクターが同時に話してもセリフの重なりなく会話を再現できます。
背景・衣装のコントロール:プロンプトを使ってキャラクターの服装やシーンの環境を変更できます。
なめらかな動きの映像:ズームやぼかしなど、実際のカメラのような自然な効果とスムーズな動きを実現しています。
キャラクターの顔や声がリファレンスとズレる場合があります
複数キャラの複雑なアクション(例:格闘シーン)は映像が崩れる場合があります
アニメ風動画の生成は、リアル系に比べ画質が劣ります
まれに言語や一部の機能で出力が不安定になることがあります
想定外の要素やシュールな映像が現れることもあり、これは現在のテキスト→動画AI全般の課題です
バージョン | 主な機能 | 最大動画時間 | 最大解像度 | 音声対応 |
|---|---|---|---|---|
Wan 2.1 | テキスト→動画、画像→動画、ビジュアルテキスト生成 | 5秒 | 720P | なし |
Wan 2.2 | 効率性向上、VACE連携、オープンソース | 5秒 | 720P | なし |
Wan 2.5 | 音声と映像の同期、動きの強化 | 10秒 | 1080P | ベーシック |
Wan 2.6 | マルチショットストーリー、キャラ参照、カスタムペルソナ | 15秒 | 1080P | 音声・映像が大幅に改善 |
サクッと作れるSNS広告: Instagram用に10秒のキャッチ―動画が欲しいときも、「新作スニーカーが水たまりをはねるダイナミックなシーン、シネマティックでエネルギッシュ」と書くだけで、すぐに本格的な広告動画が出来上がります。
商品イメージ動画: 自社商品を、どんなシーンでも動画で表現できます。たとえば「新しいコーヒーマグが、雨のパリのカフェのデスクに湯気を立てて置かれている」なんてシチュエーションも自由自在。
歴史の可視化: 先生が「ローマ兵たちが森を行進する――ローアングル視点」など、授業を盛り上げる映像を簡単に作れます。
理科の説明: 「ミトコンドリアが動く様子を見せる植物細胞内のアニメーション」など、複雑な内容も動画でわかりやすく伝えられます。
イメージのクイック試作: 台本の1シーンをサッと映像化して、雰囲気や構図を確認できるので、時間もコストも節約できます。
独自の映像表現(VFX): 現実では難しいシュール/夢のようなシーンや抽象的な背景も、思いのままに生成できます。
マルチショットストーリーテンプレート
シネマティックな[ジャンル]シーン。
ショット1:[ワイド/ミディアム/クローズアップ]で、[シーン内容、キャラクター、アクションの説明]
ショット2:[カメラアングル]で、[場面の移行や新たな注目点の説明]
ショット3:[カメラアングル]で、[ラストの盛り上がりや締めの演出]
スタイル:[リアル系/映画風/個性的] ライティング:[自然光/ドラマティック/ソフト]
キャラリファレンス活用ポイント
キャラクター参照には、正面で明るい映像を使うのがコツ
自分のアバターを作るときは、いろんな角度の動画を記録しておくと良いです
キャラリファレンスは最大3つまでに絞ると安定します
声の再現を狙うなら、環境音のないクリアな音声サンプルを使いましょう
顔や声の再現には多少ブレが出ます。理想通りにするには何度か生成を試すのがオススメ。
得意: セリフシーンや1人語り、会話ベースのシンプルなやりとり、複数キャラでも落ち着いた場面
注意: 複数キャラが出てくるアクションや格闘、速い動きは苦手です
非推奨 or 崩れることあり: 複雑なアニメ調、大勢での激しいシーン
入力がシンプルなときや、もっとリッチな映像表現が欲しいときは「プロンプト拡張」を使えます。自動的に説明が追加されて、構図やスタイル、映像のまとまり感がグッと向上します。
問題:声がロボットっぽい・不自然 → 解決:Wan 2.6の現時点の限界です。どうしてもリアルな声が必要な場合は、映像だけ出力して後から音声を別で録音・合成するのもおすすめです。
問題:想定外のキャラやシュールな要素が映る → 解決:テキスト→動画AIのあるあるです。プロンプトを簡素化したり、登場キャラクターや要素を減らして再生成しましょう。使う前に仕上がりを確認するのも大事です。
問題:アクションシーンが崩れる → 解決:多キャラの動きが激しい場面は苦手。1クリップにつき1〜2人、動きを分割してシンプルに。格闘などの組み合わせは避けるのがベターです。
問題:アニメ風がイマイチ → 解決:Wan 2.6のアニメ生成はまだ弱いです。アニメ系が欲しい場合は他モデルの検討や、リアル系テイストのプロンプトも試してください。
問題:言語が意図とズレる → 解決:まれに出力言語が不安定になることがあります。プロンプトで狙いの言語を明記して、気になる時は再生成してください。
分かりやすい操作画面なので、イメージを入力するだけで誰でもサッと本格的な映像を作れます。
画像も動画も1つのサービスで一括生成。アイデア出しから仕上げまで、制作フローをスムーズにまとめられます。
有料プランなら、生成した動画や画像を広告・SNS・クライアント案件など商用として安心して活用できます。
全く必要ありません!これがうちの大きな魅力です。処理はすべてサーバー側で実行されるので、お手持ちのパソコンやスマートフォンのブラウザだけで使えます。
もちろん可能です!作成した動画はあなたのもの。商用利用もOKなので、広告やマーケティング、収益化YouTubeチャンネルなどにも自由に使えます。
Wan 2.6はアリババが開発した、テキスト・画像・リファレンス動画からAIで映像を生成するオープンソースモデルです。マルチショットストーリー、音声同期、キャラクターの一貫性保持などの機能があり、最大15秒/1080Pの動画を出力できます。
Wan 2.5と比べて音質はかなり良くなり、有料モデルに近づいています。ただ、Veo 3やSora 2と比較すると、声の自然さでまだロボット感が感じられる場合があります。