Wan 3.0 プロンプト完全ガイド【2026年版】
30秒のうち20秒を無駄にするプロンプト
バイオリニストが演奏している様子を頼んだとします。返ってくるのは、全編を通して演奏し続けるバイオリニストで、2秒の時点で成り立っていないことが28秒の時点で新たに起きることは何もありません。生成自体は成功しています。しかし、人物を静的に描写したプロンプトからは、人物を静的に記録しただけの映像ができるため、そのクリップは使い物になりません。
では、別の頼み方をしてみましょう。彼女はフレーズを弾き終え、弓を下ろし、最後の音が消えていくあいだ静止し、その間カメラは左へゆっくり流れる。被写体も楽器も部屋も同じです。違いは、2つ目のバージョンには「展開」があることです。Wan 3.0は音声付きで約30秒を1回の生成で出力するため、与えた展開をそのまま描画します。展開を与えなければ、展開のないまま描画します。
Wan 3.0はAtlabsで利用できるため、このガイドの内容はすべて、別のAPIアカウントなしで今すぐ試せます。
長回しがプロンプトの書き方を変える理由
短いクリップのプロンプトでは、描写すべき瞬間が1つしかなかったため、描写が報われました。5秒なら、優れたプロンプトとそこそこのプロンプトの差は、ほとんど形容詞の違いです。2024年に学んだことはすべてこの前提に立っており、だからこそ多くのプロンプトのアドバイスが、視覚的な特徴の買い物リストのように読めるのです。
30秒になると、フレームを描写しているのではなく、変化を計画していることになります。モデルは、終わりの時点で始まりの時点と何が違うかを知っていなければならず、指示のない1秒1秒は、モデル自身の判断で埋められます。長い生成がしばしば水増しに感じられるのはそのためです。水増しではなく、指示が足りていないのです。
そこから3つのことが導かれます。1つ目は、カメラの動きを明示すること。指定のないカメラは、防犯カメラのように固定されるか、モデルの好きなように流れるかのどちらかで、いずれもあなたが決めたことではありません。2つ目は、音声も演出すること。音は同じ生成の中で作られるため、指定しないことは無音の依頼ではなく、他人のミックスを頼むことになります。3つ目は、参照素材に明確な役割を与えること。Wan 3.0は、クリップ、音声、さらにはドキュメントとともに、約10枚の画像を受け付けます。役割を指定しない素材も、意図しない形で出力に影響します。
4つ目はもう少し繊細です。Wan 3.0はレンダリングの前に構図と動きを推論するため、プロンプトの順序が重要になります。被写体、動き、カメラを先頭に置いて、計画段階で構図を先に固め、その後ろにライティング、アクション、音声を重ねます。ショットの種類を4文目に埋もれさせたプロンプトは、間違ったものを軸に計画されてしまいます。
SPACEフォーミュラ
初期のテストで最も安定していた構成が、キャプションではなく短いショットのブリーフにあたるSPACEです。
Subject（被写体） は、フレームに誰が、何が映っているかを具体的に示します。「人」ではなく、「ずぶ濡れの黄色いジャケットを着た配達員」のように。Performance（動き） は、動きとその変化の仕方です。「そこに立っている」ではなく、「肩でドアを押し開けて中に入る」のように。Ambience（雰囲気） は、場所、時間、光です。たとえば、濡れたレンガにネオンがこぼれる、夜の狭い路地。Camera（カメラ） は、ショットサイズ1つと、意図的な動き1つです。ミディアムショットで、ゆっくりプッシュイン。動きは2つでも3つでもなく1つだけです。1回の長回しの中で競合するカメラ指示があると、何をしたいのか決められないクリップになってしまうからです。Extra cues（追加の指示） は、音声のベース、ペース、連続性のルール、参照ラベルを担います。
書き出すと、テンプレートは次のようになります。シーン内の被写体と主なアクション、光、時間。次にビジュアルスタイルと雰囲気。次にショットサイズと1つのカメラの動き。次に具体的な音声の指示。最後に参照ラベルと、途切れのない1回の長回しか、終了状態を定めた段階的なシーケンスかの指定です。
弱いプロンプトと強いプロンプトの差は、対比するとはっきり表れます。「夜の雨の街角」に対して「配達員のミディアムショット、ネオンに照らされた路地を進むゆっくりした1回のプッシュイン、キーライトの中を雨が降る」。「これらの参照を使って」に対して「キャラクター参照の配達員が、ロケーション参照に示された広場を横切る」。「音を足して」に対して「低い雨音のベース、音楽なし、カメラが戸口に達した瞬間にシャッターが閉まる」。「ロゴ入りの商品動画」に対して「スタジオ照明で、ブラシ仕上げのスチール製ケトルをゆっくり回転させ、回転中ずっとロゴが読み取れる」。どの組み合わせでも、強いほうは長さがそれほど違うわけではありません。モデルが推測するしかなかった箇所を、具体的に指定しているのです。
これを実現するAtlabsのワークフロー
Wan 3.0はAtlabsのモデルラインナップの中で、Kling、Veo、Seedance、Hailuoと並んでいます。つまり、ブリーフを一度書けば、同じブリーフを別のツールで一から作り直すことなく、ショットに合ったエンジンを選べます。
この考え方に最も近いワークフローが台本から動画への変換です。ショットのブリーフを、記憶を頼りに正しく構成しなければならない段落ではなく、入力フィールドに変換してくれるからです。
台本から動画への変換は3つのステップで進みます。ステップ1には2つの入力モードがあります。「Add your script」は、言語セレクター、AI Script Writerボタン、AIが生成した3つの出発点を並べるSuggested Scriptsパネルを備えた、ナレーション中心の作品向け。「Add your screenplay」は構造化された作品向けです。シナリオ形式の文章を貼り付けると、AtlabsがScreenplay Detectedと表示し、専用のビューが開きます。左のパネルにはAIが分析したナレーター音声、ロケーション、アクターが表示され、右のパネルでは作品がシーンごとに分解されて、ロケーションタイプ、ロケーション、時間帯が示され、それぞれのシーンの中に個別のSHOTの説明とDIALOGUEブロックが並びます。
これらのSHOTブロックは、段階ごとの終了状態をインターフェースで表現したものです。キャストパネルは、キャラクター参照の固定をインターフェースで表現したものです。
ステップごとの手順
1. 何かを開く前に展開を書く。 終わりの時点で始まりの時点と何が目に見えて違うかを決め、それを終了状態を持つ段階に分けます。段階的なブリーフは次のようになります。第1段階はホイールがスタンドに立ち、作業台が空になった状態で終わる。第2段階はホイールの振れが取れ、レンチがまだ手にある状態で終わる。第3段階はスタンドが空になり、ホイールがフックに掛かった状態で終わる。これらの終了状態は、モデルが逆算して計画できるチェックポイントです。1つの段階につき主な変化は1つにし、最後の場面に着地点が生まれるよう、見せ場は終盤に置きます。
2. ステップ1で入力モードを選ぶ。 作品がナレーション中心なら「Add your script」を使います。すでにショットが決まっているなら「Add your screenplay」を使いましょう。構造化されたビューなら、ショットリストがいつの間にか1つの長い段落にまとめられてしまうことがありません。それが長尺のプロンプトで最もよくある失敗です。
3. シーン分解を組み立てる。 ロケーションタイプを屋外か屋内かで設定し、次にロケーションと時間帯を設定します。各SHOTの説明は、構図ではなく動きとして書きます。「ミディアムショットからゆっくりプッシュインし、被写体をフレーム中央に保つ」であれば、モデルに実行できる指示を与えられます。「美しいシネマティックなショット」では、計画の軸になるものを何も与えられません。キャラクターが話す箇所にはDIALOGUEブロックを追加し、キャラクター名、セリフ、話し方のトーンを入力します。ショットとセリフはシーンごとに追加も削除もできるため、ブリーフ全体を書き直して手探りで再生成するのではなく、ここでテンポを引き締められます。
4. ステップ2でスタイルを設定する。 アスペクト比は、TikTokとInstagram向けの9:16、YouTube向けの16:9、LinkedIn、Twitter、Facebook、Pinterest向けの1:1から選べます。動画スタイルは、AI Video（推奨）、AI Storyboard、そして自分のメディアを持ち込む場合のUploadから選べます。フレーミングを確定する前に比率を固定してください。16:9で映えるゆっくりしたプッシュインも、9:16ではクロップされて別のショットになってしまいます。
5. ステップ3でキャストを確定する。 台本から抽出されたキャラクターには、Click to Editが付き、Add Characterのオプションと、国別アクセントおよびナレーター音声のドロップダウンも表示されます。ここでキャラクターを定義することは、Wan 3.0のプロンプトでキャラクター参照に名前を付けるのと同じ役割を果たします。モデルは、シーンごとに新しい人物を即興で作り出すのではなく、「この人物は誰か」という1つの固定された答えを受け取ります。
6. Wan 3.0で生成し、やり直しではなく修復する。 ある区間がうまくいかなかった場合は、そのクリップをModify Videoに取り込み、アップロードして、プロンプト内で@Video1として参照し、完成させたい動画を説明し、スタイルの手がかりとして最大4枚の参照画像を添付します。Keep Original Audioにはオン・オフの切り替えがあるため、映像の問題を直しても、気に入っていたサウンドトラックを失うことはありません。
Atlabsがこれに向いている理由
1つ目の理由はモデルルーティングです。プロンプトの規律はモデルをまたいで引き継がれますが、美的な個性は引き継がれません。スタイライズされたキャラクターのクローズアップをうまく描くエンジンが、嵐に照らされた広い屋外をうまく描くとは限りません。Atlabsでは、音声付きの長回しとリファレンスの連続性にはWan 3.0、シネマティックなモーションと滑らかな動きにはKling 3.0とKling 2.6、フォトリアルな表現、ワイドショット、エスタブリッシングショットにはGoogle Veo 3.1、スタイライズされた表現、アニメ、キャラクターのクローズアップにはSeedance 2.0、高い動きとアニメに近いビジュアルにはHailuo 2.3、オープンソースのシネマティックな出力にはWan 2.6を使えます。ブリーフを一度書けば、5つのアカウントで作り直すことなく、エンジンを選べます。
2つ目は、アイデンティティとモーションを切り離したままにできることです。Motion Controlは、3〜30秒の参照動画を受け付け、そのモーションをアップロードしたキャラクター画像に適用します。モーションはプロンプトではなく参照クリップに完全に委ねられ、背景やシーンの詳細のために最大2500文字の任意のプロンプト欄も使えます。これは「モーションはモーション参照のみから」と書く指示そのものですが、言い回しが守られることを期待するのではなく、ツールがそれを強制してくれます。
3つ目は、修復の道筋があることです。長回しは全体が均一に崩れるのではなく、特定の箇所で失敗します。使えるパイプラインと苛立たしいパイプラインを分けるのは、4秒の失敗箇所が修正で済むのか、全体の再生成になるのかです。Modify Videoは、3〜10秒のクリップと最大4枚のスタイル参照画像を受け付け、Upscaleは最終的な納品用の工程として、720p、1080p、4Kの目標解像度と、15、30、45、60のフレームレートに対応します。
プロンプトの例
1. シネマティックな長回し。 A windswept mountain fortress under storm light at golden hour, black banners snapping against the sky. Open wide, then push in slowly as a map unfurls across a candle lit war table. A silver haired queen in black velvet stands before her advisors in a torch lit hall while an army moves through mist below. Slow deliberate camera moves only, no whip pans. Audio is low drums, wind, and an orchestral swell arriving late. One continuous narrative arc. （Wan 3.0経由での生成がおすすめ）このプロンプトをAtlabsの台本から動画への変換で試す
2. 段階的な解説クリップ。 A mechanic trues a bicycle wheel in a small sunlit workshop. Stage one: the bent wheel lies flat on the bench beside an empty truing stand, and he lifts it into place, ending with the wheel upright and the bench clear. Stage two: the wheel spins as he tightens spokes, ending with the wheel true and the wrench still in his right hand. Stage three: he lifts it out and hangs it on the wall hook, ending with the stand empty. Keep his clothing, the shop layout, and the afternoon window light consistent throughout. Audio is spoke wrench clicks, wheel spin, and quiet workshop ambience. One continuous take. （Wan 3.0経由での生成がおすすめ）このプロンプトをAtlabsの台本から動画への変換で試す
3. 商品のヒーローターン。 A brushed steel kettle on a clean reflective surface under soft key light from screen left. Slow 360 degree rotation with the logo legible through the entire turn, ending on a front facing hero composition. Subtle ambient room tone only, no music, no text overlays, no additional props. Product shape, finish, and logo position preserved exactly. （Wan 3.0経由での生成がおすすめ）このプロンプトをAtlabs UGC Product Adsで試す
4. 参照で固定したウォーク。 A woman in a long grey coat crosses a plaza at dusk, wet stone reflecting the last light. Slow tracking shot from the side at eye level, warm rim light catching her shoulder, she glances toward camera once then continues without breaking stride. Motion comes entirely from the reference clip, background and lighting from the prompt. Identity, face, and clothing locked. Low city hum and soft footsteps, no music. このプロンプトをAtlabs Motion Controlで試す
5. スタイライズされたプロモ。 Pure 2D cel animation in a cold palette of deep ocean blue, cobalt, cyan, and pure white with hard edged shading. A protagonist with shoulder length black hair and an oversized blade walks in side profile as a city of pipes and grids slides past behind her. Geometric masks and inversions carry the transitions, resolving on a wide graphic composition. Sharp effects and a tension score, no dialogue. One unbroken stylized take. （Seedance 2.0経由での生成がおすすめ）このプロンプトをAtlabsの台本から動画への変換で試す
6. 参照を軸にした修復。 Take the uploaded clip as @Video1 and hold the existing framing and camera move exactly. Regrade to a colder palette with cooler shadows and a warmer key on the face, matching the four attached style references. Preserve the character's face, hair, and wardrobe without alteration. No added text, no additional figures, no change to the motion. このプロンプトをAtlabs Modify Videoで試す
プロのヒント
モデルが計画する順序でプロンプトを並べる。 ショット、被写体、光、アクション、音声の順です。Wan 3.0はレンダリングの前に構図を推論するため、先頭に置いたものが最初に固定されます。ムードから書き始めて、ショットの種類が4文あとに出てくるブリーフは、ムードを軸に計画されてしまいます。
すべての参照に役割を与え、何のためではないかも伝える。 キャラクター参照の配達員、ロケーション参照の路地、モーションはモーション参照のみから。背景がすっきりしていて、被写体が1つで、光がきれいな参照は、雑多なコラージュを大きく上回ります。また、除外の指定も指示と同じくらい効果があります。限定のないロケーション参照は、壁だけでなく衣装まで貸してしまうからです。
古いタグは捨てる。 8k、masterpiece、trendingといった文字列は、前の世代のモデル向けのプロンプトのコツであり、今では明確な指示を補うどころか競合してしまいます。具体的なカメラと光の指示を1文書くほうが、品質タグを1段落並べるより効果的です。
よくある質問
Wan 3.0はAtlabsで使えますか？ はい。ラインナップのほかのモデルと同じワークフローの中で動くため、台本から動画への変換でブリーフを作成し、別のアカウントを設定することなく、生成をWan 3.0に振り分けられます。
Wan 3.0のクリップはどのくらいの長さにできますか？ 音声付きで、納品に使える1080pの約30秒を1回の生成で出力します。インターフェースによっては、尺を指定することも、プロンプトと参照に基づいてモデルが選ぶ適応型にしておくこともできます。
参照はいくつまで使えますか？ 約10枚の画像を、クリップや音声、場合によってはドキュメントとともに使えます。ラベルのない素材も、意図しない形で出力に影響するため、プロンプト内で各参照にその役割をラベルとして付けてください。
長いプロンプトを改善する最も手っ取り早い方法は何ですか？ 目に見える終了状態を持つ段階を追加することです。各区間の終わりに何が成り立っているかを明示すると、モデルが逆算して計画できるチェックポイントになり、追加の描写をいくら重ねても直らないペース配分の問題が解決します。
Wan 3.0とWan 2.6のどちらを使うべきですか？ 長回しのとき、参照を全編にわたって固定する必要があるとき、映像と同時に音声も生成したいときは、Wan 3.0を選んでください。そうした制約がない、短いシネマティックなクリップには、Wan 2.6が引き続き堅実なオープンソースの選択肢です。
ほかのルックにはどのモデルを選ぶべきですか？ シネマティックなモーションと滑らかな動きにはKling 3.0、フォトリアルな表現とエスタブリッシングショットにはGoogle Veo 3.1、スタイライズされたキャラクター表現とアニメにはSeedance 2.0、高い動きにはHailuo 2.3です。ワークフローは同じで、その裏のエンジンだけが変わります。
最終評価
長回しのプロンプトでは、描写よりも計画が報われます。被写体、動き、カメラを先頭に置いて、構図を先に固定しましょう。長回しは、モデルが狙える終了状態を持つ段階に分けます。カメラの動きは3つではなく1つだけ指定します。音声も映像と同じ息で演出します。そして、それぞれの参照に、何を制御するのかをはっきり伝えます。
こうした習慣は、次にどのモデルが登場しても役に立ち続けるため、今から身につける価値があります。簡単には引き継げないのは、プロンプトを取り巻くすべてのものです。ショットリスト、キャスト、アスペクト比、モデルの選択、そして1つの区間がうまくいかなかったときの修復の工程です。台本から動画への変換が構造を提供し、UGC Product Adsが主役となる商品の表現を担い、Motion Controlが参照によるモーション制御を維持し、Modify Videoは最初に戻ることなく必要な箇所を修正します。そのすべての裏側で、Wan 3.0を使えます。
