Wan 3.0を無料で使ってみた｜30秒生成して分かった映像・音声・料金

※本記事にはアフィリエイト広告を含みます。

Seedance 2.5は映像も音声もかなり優秀ですが、30秒の動画を何度も作り直すと、使うサービスによっては1回あたりの実質負担が大きくなります。

「もっと安く、失敗を恐れず動画を作れないか」と探していて興味を持ったのが、Alibaba Cloud Model Studioで使えるWan 3.0（ワン3.0）でした。

私は動画生成AIで制作中の病院アニメを使い、Wan 3.0の無料枠30秒で次の2本を生成しました。

• 1本目：17秒・720p・生成時間約10分
• 2本目：13秒・720p・生成時間約6分
• 合計：30秒

実際に使うと、映像は予想以上にきれいで、特に女性キャラクターの顔、背景、カメラワークは好印象でした。一方、日本語音声は感情が弱く、参照音声を入れても元の声の味までは十分に残りませんでした。

また、完成したカットをSeedance 2.5で制作中の動画へ差し替えると、単体ではきれいでも、人物の顔立ちや色温度に差が出ました。

この記事では、公式機能を並べるだけではなく、無料枠を実際に使い切って分かった映像品質、日本語音声、生成時間、料金、登録時に迷った点まで正直にまとめます。

結論｜Wan 3.0は70点。映像は強いが日本語音声には課題

今回の総合評価は、70点／100点です。

確認項目	実測した感想
映像のきれいさ	720pでも輪郭がはっきりして見やすい
顔の維持	ゆずは良好。きみマロも維持するが顔立ちは変化
画風の統一	2人を同じ映像内へなじませる力は高い
人物の動き	大きな破綻が少なく、比較的なめらか
背景・カメラ	指示に近く、病院の空気感も自然
表情	眉・目・頬などの細かな変化が少なめ
日本語音声	感情表現が弱く、発音・滑舌も不安定
生成時間	13〜17秒の動画で約6〜10分
料金	期間限定30％OFF時は720p・30秒で約2.10ドル

映像だけを見れば80点前後を付けてもよいと感じました。顔、背景、動き、カメラは十分実用的です。

残りを減点した最大の理由は音声です。日本語が通じないわけではありませんが、外国人が丁寧に日本語を読んでいるような抑揚になり、難しい言葉では発音が不明瞭になる部分もありました。

PVや映像中心のショートを安く作り、音声はFish Audioなどで後から差し替える使い方なら、Wan 3.0はかなり有力です。

反対に、自然な日本語会話まで一度に完成させたいなら、現時点ではSeedance 2.5の方が使いやすいと感じます。

今回の実測条件｜無料枠30秒で2本生成

今回の検証条件は次のとおりです。

項目	1本目	2本目
モデル	wan3.0-video	wan3.0-video
出力	17秒・720p	13秒・720p
フレームレート	30fps	30fps
生成時間	約10分	約6分
参照素材	人物・背景画像を複数使用	人物・背景画像＋音声2本
音声参照	なし	Fish Audioの2人分を使用
場面	病院廊下での会話	同じ作品の続きに当たる会話

リファレンス元の人物設定画・背景画像は公開しません。

なお、2本目ではFish Audioで作った音声を2本入れましたが、人物と音声の対応をプロンプト内で十分厳密に指定できていなかった可能性があります。そのため、今回の2本だけで「Wan 3.0は参照音声を再現できない」と断定はしません。

Wan 3.0に興味を持った理由は、30秒動画を安く作りたかったから

私がWan 3.0を試した最大の理由はコストです。

動画生成AIは、1回できれいに完成するとは限りません。顔、手、動き、セリフ、カメラなど、どこか一つが気になって作り直すことがあります。

Seedance 2.5で30秒を生成すると、利用するプラットフォームや契約プランによっては、1回の実質負担が1,000円近くなる場合があります。失敗を含めて3回、4回と生成すれば、1カットだけでも費用が積み上がります。

一方、Wan 3.0通常版は、2026年8月31日時点の期間限定30％OFFが続く場合、720p・30秒で2.10ドルです。

「大量に生成して覚えたい」「映像を安く作って音声は後から入れたい」という目的には合う可能性があると考え、無料枠で試しました。

Wan 3.0とは？最大30秒・30fpsの動画生成AI

Wan 3.0は、Alibaba Cloud Model Studioで利用できるオールインワン型の動画生成モデルです。

公式ガイドでは、主に次の機能が案内されています。

• 1回で最長30秒を生成
• 30fpsで出力
• 画像・動画・音声・文書・Webページなどを参照
• 1回につき最大20個のマルチモーダル素材
• セリフ・BGM・効果音を含む動画を生成
• 最初のフレーム、最初と最後のフレームを指定
• 動画編集・延長

今回は通常版のwan3.0-videoを使用しました。高速版のwan3.0-video-primeは使用していません。

参考：Alibaba Cloud公式｜Wan 3.0動画生成ガイド

Alibaba Cloudの登録で迷ったところ

生成画面へ到着した後の操作は比較的シンプルでした。難しかったのは、その前です。

Alibaba Cloudには文章生成用のモデル、API、Token Plan、各種クラウドサービスが並んでいます。私も最初は、次の点が分かりませんでした。

• 個人アカウントでよいのか
• どこまでアカウント認証を進めるのか
• Model StudioのどこにWan 3.0があるのか
• Singaporeリージョンを選んでよいのか
• Token Planやクレジットを買う必要があるのか
• 無料枠を超えたら自動課金されるのか

特に、動画生成とは別のToken Planを誤って契約しそうになりました。

Wan 3.0の無料枠を試すだけなら、表示された有料のToken Planを先に購入する必要はありません。

個人で試す場合は個人アカウントで進められます。Googleアカウントでログインした後、Alibaba Cloud側のアカウント情報を完成させ、Model Studioへ入ります。

Wan 3.0を使い始める手順

1．Alibaba Cloudの個人アカウントを作る

私はGoogleアカウントから登録し、国・地域はJapan、アカウント種別は個人で進めました。

Googleログイン後に「認証を続行します」と表示された場合は、Alibaba Cloud側のアカウント情報を完成させます。

2．Model StudioのリージョンをSingaporeにする

無料枠を使う場合は、Model Studio右上のリージョンをSingaporeにします。

国・地域をJapanに設定した個人アカウントでも、Model Studio側でSingaporeを選択できます。ただし、リージョンごとに利用できるモデル、APIキー、接続先が分かれるため注意してください。

3．Wan3.0-Videoの詳細画面を開く

Model Studioのモデル一覧または公式ドキュメントからWan3.0-Videoを開きます。

確認するのは次の3点です。

1. 右上がSingaporeになっている
2. Model Codeがwan3.0-videoになっている
3. 「Try Now」を押す

Qwen3.8などの文章モデルしか見つからない場合は、Wanの生成画面ではなく、文章モデルの一覧を見ている可能性があります。

4．All-Purpose Referenceで素材と条件を設定する

生成画面はDreaminaに近いシンプルさで、一度たどり着けば英語でも操作できました。

今回確認した項目は次のとおりです。

• 尺：17秒または13秒
• 解像度：720p
• 画面比率：16:9
• Audio：ON
• 参照する人物・背景・音声
• Free quotaの残量

画面下にはAssetsタブもあります。ただし、私が今回使った範囲では、Higgsfieldのキャラクター機能のように、名前付きキャラクターを登録し、毎回簡単に呼び出す運用までは確認できませんでした。

長編作品で同じ人物を繰り返し使う場合は、毎回どの素材を入れるか整理する必要がありそうです。

無料枠は30秒。課金が不安ならFree Quota OnlyをON

Wan 3.0の無料枠は、入力動画と生成に成功した出力動画を合わせて30秒です。公式料金表では、Singaporeリージョンのみ無料枠があり、有効期間は90日間と案内されています。

計算は次のとおりです。

課金対象時間＝入力動画の秒数＋生成に成功した出力動画の秒数

今回私は入力動画を使わず、人物・背景画像と音声を参照しました。そのため、17秒＋13秒の出力で無料枠30秒を使い切りました。

参照動画を入力すると、その動画の長さも無料枠と課金対象時間へ加算されます。

課金が心配な人は、生成前にモデル詳細画面のFree Quota OnlyをONにしてください。無料枠を使い切った後、有料利用へ自動的に移行するのを防げます。

私の画面でも、30秒を使った後は残量0％となり、Free Quota OnlyがONの状態を確認できました。

参考：Alibaba Cloud公式｜モデル料金と無料枠、Model StudioとFree Quota Only

Wan 3.0の料金｜720p・30秒は割引時2.10ドル

2026年8月31日時点で、通常版wan3.0-videoには期間限定30％OFFが表示されています。

解像度	通常価格	30％OFF時	30秒生成した場合
480p	0.05ドル／秒	0.035ドル／秒	1.05ドル
720p	0.10ドル／秒	0.07ドル／秒	2.10ドル
1080p	0.20ドル／秒	0.14ドル／秒	4.20ドル

今回の720pを割引価格で計算すると、17秒が約1.19ドル、13秒が約0.91ドル、合計2.10ドルです。

30秒を約2.10ドルで生成できるなら、映像中心のショートやPVを大量に試したい人には魅力があります。

ただし、期間限定割引は終了する可能性があります。税、為替、入力動画の長さも影響するため、生成前に必ず現在の公式料金を確認してください。

1本目｜17秒・720pを約10分で生成

1本目は、人物と病院の画像を複数参照し、音声ファイルは入れずに17秒で生成しました。

よかった点

• ゆずの顔がきれいで、髪型や髪飾りも維持できた
• きみマロとゆずを同じ画風へ自然になじませた
• 廊下の専用リファレンスがなくても、病院らしい背景になった
• 後方に人物を配置するなど、空間が寂しくなりすぎなかった
• カメラワークと人物の移動が自然だった

特によかったのは、元の人物画像同士に少し画風差があっても、同じ映像内では大きく浮かなかったことです。

気になった点

• 日本語音声が棒読みに近い
• 話している間の眉・目・頬の変化が少ない
• 口だけ動いているように見える部分がある
• 足音などの環境効果音が少ない

なお、BGMが入っていないのは、プロンプトでBGMなしと指定したためです。これはWan 3.0の欠点として評価していません。

2本目｜13秒・720pを約6分で生成

2本目では、人物・背景画像に加えて、Fish Audioで作ったきみマロとゆずの音声を参照しました。

映像面は1本目と同様に良好でした。

• 2人の顔を区別できている
• 人物の動きがなめらか
• 病院廊下の奥行きが自然
• カットを切り替えても人物が大きく崩れにくい

一方、参照音声の再現は期待ほどではありませんでした。

きみマロの少し味のある声や、ゆずの声色が薄まり、Wan側の音声へ寄せられた印象があります。感情表現も弱く、言いにくい言葉では急に早口になったり、発音が崩れたりしました。

参照音声を入れれば、その声を完全に維持できるとは考えない方がよさそうです。

ただし、今回は話者と音声ファイルの対応指定をさらに改善できる余地があります。今後は、人物ごとに音声を明確に割り当て、短いセリフで再検証したいと思います。

映像は高評価｜顔・背景・カメラワークは実用的

Wan 3.0の一番よかったところは映像です。

輪郭がはっきりし、全体に明るく、現代的なデジタルアニメらしい画面になりました。720pでも記事やYouTubeで確認するには十分きれいです。

ゆずは元の印象を比較的よく保ち、髪型、花の髪飾り、病衣も安定していました。

きみマロも黒髪、紺色スクラブ、左目の下のほくろは維持できています。ただし、目が少し大きく柔らかくなり、Seedance版より中性的な顔立ちに変わりました。

「キャラクターが崩れた」というより、Wan 3.0の画風に合わせて描き直された印象です。

新しい作品を最初からWan 3.0で統一するなら、十分使えると思います。

Seedance 2.5と比べると？途中差し替えは画風差に注意

今回は、Wan 3.0とSeedance 2.5の優劣を厳密に決める検証ではありません。

両者では、入力素材、生成の続け方、音声条件、フレームレートなどが完全にはそろっていません。Seedance側は、すでに作り進めてきた作品の流れや映像を参照できる点でも有利です。

今回分かるのは、Seedance 2.5で制作中の作品へWan 3.0のカットをそのまま差し替えられるかという実用上の相性です。

結果は次のとおりでした。

• ゆず：顔の印象は比較的近い
• きみマロ：目、輪郭、色温度の差が目立つ
• Wan：明るく、輪郭がはっきり、ややクール
• Seedance：暖色寄りで柔らかく、既存カットとの一貫性が高い

制作途中でモデルを変えると、人物名や服装が合っていても、顔立ちと画風の差が残ることがあります。

今の病院アニメはSeedance 2.5で作り始めているため、その途中へWan 3.0を混ぜるのは難しいと判断しました。

反対に、次の新作をWan 3.0で最初から統一するなら、この問題はかなり小さくできます。

Seedance 2.5の料金やHiggsfieldとの違いは、別記事で詳しく比較しています。

→ DreaminaとHiggsfieldはどっちが安い？Seedanceを自腹で実測比較

→ Higgsfieldを約1か月使った正直レビュー

日本語音声はそのまま作品へ使うには厳しかった

今回の検証で最も気になったのは、日本語音声でした。

1本目は音声参照なし、2本目はFish Audioの音声参照ありでしたが、どちらも次の傾向がありました。

• 感情の起伏が小さい
• 外国人が丁寧に日本語を読むような抑揚
• 難しい言葉で滑舌が崩れる
• セリフの一部が急に早くなる
• 元音声の個性的な声色が薄れる
• 話している人物の表情変化が少ない

映像作品としてそのまま使うより、Wan 3.0では映像と口の動きを作り、声はFish Audioなどで後から差し替える方が現実的だと思います。

ただし、後から声を差し替える場合は、口の動きと音声の長さが合わない可能性があります。セリフを短く区切るか、リップシンク機能を使う工程が必要です。

実際に使って分かった5つのメリット

1．720pでも映像がきれい

人物の輪郭、髪、服、背景が見やすく、無料枠の試用でも品質を確認できました。

2．複数の人物を同じ画風へなじませやすい

元画像同士に多少の違いがあっても、同じカット内では不自然に浮きませんでした。

3．背景とカメラワークが自然

病院廊下の奥行き、後方の人物、カットの切り替えなど、プロンプトの意図を比較的よく拾いました。

4．最大30秒を1回で作れる

短いショートだけでなく、会話シーンやPVのまとまった1カットを作りやすい長さです。

5．割引中の料金が安い

720p・30秒で約2.10ドルなら、作り直しを含めても他サービスより安くなる可能性があります。

実際に使って分かった5つのデメリット

1．登録から生成画面へ着くまで分かりにくい

Alibaba Cloudには動画以外のサービスも多く、Model Studio、リージョン、Token Planなどの区別で迷いました。

2．日本語音声の感情と滑舌が弱い

会話劇をそのまま完成させる用途では、別の音声サービスを併用したくなります。

3．細かな表情変化が少ない

口は動いても、目、眉、頬まで連動した演技は弱く感じました。プロンプトで細かく指定する必要がありそうです。

4．既存作品へ混ぜると画風差が出る

単体の映像品質が高くても、別モデルで作った既存カットと並べると違和感が出ます。

5．キャラクター素材の管理方法がまだ分かりにくい

Assetsタブはありますが、同じキャラクターを長編で何度も呼び出す運用は、今回の試用だけでは十分確認できませんでした。

Wan 3.0がおすすめな人

• 30秒の動画を安く生成したい
• PV、広告風映像、風景、映像中心のショートを作りたい
• 日本語音声を後から別サービスで入れられる
• 新しい作品を最初からWan 3.0で統一できる
• 失敗を含めて何度も生成したい
• Alibaba Cloudの登録や設定に抵抗がない

特に、映像はWan 3.0、声はFish Audioなどに分けて制作できる人には向いています。

Wan 3.0をおすすめしにくい人

• 登録や課金設定をできるだけ簡単に済ませたい
• 日本語会話まで一度に完成させたい
• すでにSeedance 2.5で長い作品を作り進めている
• 同じキャラクターを多数のカットで完全に統一したい
• 海外クラウドサービスへの支払情報登録が不安

自然な日本語音声と複数モデルを一つの画面で試したい場合は、Higgsfieldも候補です。

→ Higgsfieldを紹介リンク経由の割引価格で確認する

※紹介リンクからログインすると最大50％OFFの個別割引が3時間表示されると公式案内があります。割引率、対象プラン、期間は変わる可能性があります。購入画面の最終金額を確認してください。上記リンクはアフィリエイトリンクです。

よくある質問

Wan 3.0は無料で使えますか？

2026年8月31日時点では、Singaporeリージョンの新規ユーザー向けに、入力動画と出力動画を合わせて30秒の無料枠があります。有効期間は90日間です。条件は変わる可能性があるため、公式画面で確認してください。

個人アカウントで使えますか？

私は個人アカウントで登録し、GoogleアカウントからModel Studioを利用できました。動画を個人で試す目的なら、法人アカウントにする必要はありません。

リージョンは後から変更できますか？

Model Studioの画面上でリージョンを切り替えられます。ただし、リージョンごとに利用可能モデル、無料枠、APIキー、接続先が分かれます。

無料枠を超えると自動課金されますか？

有料利用が可能な状態では、無料枠終了後に課金される可能性があります。心配な場合は、生成前にFree Quota OnlyをONにしてください。

参照画像は記事で公開していますか？

いいえ。人物設定画や背景の元リファレンス画像は公開していません。記事に掲載するのは、生成後の映像、条件、料金・無料枠の画面だけです。

Seedance 2.5より優秀ですか？

用途によります。映像のきれいさと料金ではWan 3.0に魅力があります。一方、今回の日本語会話ではSeedance 2.5の方が自然でした。既存作品へ差し替える場合は、性能より画風の一貫性も重要です。

まとめ｜映像だけなら高評価。新作を最初から作るなら有力

Alibaba Cloud Model StudioのWan 3.0無料枠30秒を使い、17秒と13秒のアニメ動画を生成した総合評価は70点でした。

よかった点は、映像のきれいさ、顔の維持、背景、動き、カメラワーク、そして期間限定割引中の安さです。

一方、日本語音声は感情と滑舌が弱く、Fish Audioの参照音声を入れても元の声色を十分維持できませんでした。また、Seedance 2.5で制作中の映像へ差し替えると、きみマロの顔立ちや色温度に差が出ました。

Wan 3.0は、既存作品の途中へ混ぜるより、新しい作品を最初から同じモデルで統一する方が使いやすいと思います。

PVや映像中心のショートを安く作り、音声を別工程で仕上げられる人には、試す価値があります。

ただし、無料枠を使う前にSingaporeリージョンとFree Quota Onlyを確認し、有料のToken Planを誤って契約しないよう注意してください。

参考にした公式情報

• Alibaba Cloud｜Wan 3.0動画生成ガイド
• Alibaba Cloud｜モデル料金と無料枠
• Alibaba Cloud｜Model Studioの概要とFree Quota Only
• Alibaba Cloud｜利用量・無料枠終了時の停止設定

※料金、無料枠、割引、対応モデルは変更が速いため、利用前に公式画面の最新情報を確認してください。