Wan 3.0 のプロンプト 1 本から 7 ショット — 書式と、ずれるところ

午後を丸ごと節約する話から始めます。ディレクターモードはありません。 トグルもなく、 shots のパラメータもなく、Wan 3.0 のリクエストにショット数を取る項目は一つもありません。 上位に出るいくつかのガイドが、ショットごとの制御を持つ 6 ショットの「AI ディレクター」機能を 説明していますが、アリババのパラメータ表を開いてその項目を探してみてください。 ありません。 Wan 3.0 のマルチショットは設定ではなく、プロンプトの書式だからです。

これは聞こえるよりいい知らせです。書式は試すのにお金がかからず、どの事業者でも同じように 働き、文の途中で変えられます。 同時に意味するのは、あなたのショットリストを強制するものが 何もないということで、計画を立てる価値があるのはそこです。

Wan 3.0 API リファレンスにも タスク作成スキーマにも、ショット数のパラメータはありません。そうでないと書いている ページを信じる前に、両方を開く価値があります。 2026-08-25 に確認しました。

モデルは、頼まなくても切ります

これは Wan 3.0 の長い生成についていちばん役に立つ事実で、これを最初に書いている人がほとんど いません。

カバレッジを指定せずに置けば、Wan 3.0 は自分で選びます。ゆるいプロンプトなら、5 秒の中で 二つ三つのセットアップを平気で切り替えますし、30 秒あれば編集されたように見えるものを 組み立てます。たいていは達者に。そして完全に、あなたの映画ではなく向こうの映画として。

つまり仕事は二つあり、必要な指示は正反対です。

2 行目は文体の提案ではありません。 アリババ自身のガイダンスがこの句を名指ししていて、 これがないと 30 秒のリクエストは、長回しが返るか小さな編集済みの映画が返るかのコイン投げに なります。尺の選び方の記事からここへ来たなら、30 秒の 1 テイクを 実際に 1 テイクにするのはこの一文です。

番号つきの書式

公式の Wan 3.0 の形は、1 行の要約、それから時間範囲を持つ番号つきのショット、そしてトーンと 音声の締めの行です。

プロンプト本文は英語のまま置いてあります。 公式が明記しているプロンプトの対応言語は 中国語と英語だけで、日本語は明記されていません。日本語で考えて、英語で送るのが安全側です。

A short piece about a baker opening up before dawn, told in seven shots.

Shot 1 [0-4s]:   Wide — the shutter rolls up, street still dark, breath visible.
Shot 2 [4-9s]:   Medium — she ties an apron, flour dust catching the work light.
Shot 3 [9-13s]:  Close-up — dough turned out onto steel, hands pressing once.
Shot 4 [13-18s]: Medium — trays slide into the oven, door thumps shut.
Shot 5 [18-22s]: Insert — the clock hits six, light changing at the window.
Shot 6 [22-26s]: Medium — she sets a loaf in the window, straightens, exhales.
Shot 7 [26-30s]: Wide — the first customer pushes the door, bell over it.

Overall tone: warm, unhurried. Room tone, oven hum, the bell at the end.
No music.

公式の例から出てくる規則が四つ。

1. 時間範囲は尺の全体を隙間なく敷き詰めること。 隙間と重なりは、間合いが壊れる場所です。
2. 1 ショットにつき主要な出来事は一つ、そして目に見える終わりの状態を。「エプロンを結ぶ」は ショットです。「支度をする」は気分です。
3. つなぎを書かないこと。「cut to」も「then」も不要。モデルはショットの境目からカットを 推論しますし、つなぎの言葉は構造を締めるより混乱させがちです。
4. 音声は最後に一度だけ書くこと。 Wan 3.0 は自分の判断で音楽とセリフを足すので、 No music は本物の指示で、思っているより頻繁に必要になります。

30 秒に 7 ショットは 1 本平均 4.3 秒で、ショットとして読める下限あたりです。3 秒を切ると モンタージュを記述していることになり、モデルもそう扱います。 白紙の箱より構造から始めたい なら、プロンプトジェネレーターが案を番号つきの拍に並べます。

ずれるところ：ショット数は要望であって、契約ではありません

リストを強制するものが何もないので、納品されるカット数は書いた数と違い得ます。そして実際に 違います。 アリババ自身の公開ショーケースを独立にカット数え したところ、マルチショットの ジョブが、プロンプトの指定したショット数のおよそ半分で返ってくる例が見つかっています。

7 ショットの案を立てる前に、これは体に入れておく価値があります。書式がモデルに与えるのは 意図であって、拘束されるタイムラインではありません。 帰結が三つ。

• ショット 7 に必須要件を置かないこと。 ロゴが必ず出なければならないなら、最後の時間範囲を モデルが守ることに依存させてはいけません。
• 内容を判断する前に、結果のカットを数えること。「急いで感じる」連なりは、たいてい ショットが 2 本併合された連なりです。
• 頼むショットが多いほど、数はずれます。 30 秒に 4〜5 ショットは 7 よりはるかに確実で、 7 は 2 秒に 1 カットよりは確実です。

カットをまたいでキャラクターを保つ

切れ目のない 1 テイクの中の一貫性は、だいたい Wan 3.0 の問題です。カットをまたぐと、それは あなたの問題になります。 そして失敗の形は具体的です。顔はたいてい保たれ、さまようのは 「小物」のほう。 アリババ自身のデモ映像でも、帽子のバンドとネックレスのペンダントが 両方とも変わりながら顔は動かないことが観察されています。しかもカットをまたいですらいない、 切れ目のない 1 テイクの中で。

効く習慣が三つ。買えるものの大きい順に。

1 ショットにつき動かす変数はちょうど一つ。 一貫性の不満のほとんどは、同じ境目で場所と カメラアングルと照明を同時に動かしたプロンプトです。モデルにつかまるものがありません。 一つ動かして、残りは保つ。

衣装は毎回のショット記述で全部言い直す。 冗長に感じますし、プロンプト全体でいちばん 価値の高い冗長です。ショット 5 の「彼女」は、ショット 5 の「白い T シャツの上にグレーの エプロン、髪を後ろで結んだ彼女」と同じ指示ではありません。

リファレンスを名前で束ねて、その名前を使い回す。 Wan 3.0 は リファレンス画像 10 点、リファレンス動画 5 本、リファレンス音声 5 本を取り、プロンプトの中では 「Image 1」「Video 2」のように指し示します。画像と動画は別々に数えられます。冒頭で一度 束ねて — Image 1 defines the baker; take only the apron from Image 2 — あとは人物を 描き直すのではなく、その束ねを参照してください。

これをどう組み立てるかを左右する課金の注意が一つ。リファレンス画像には追加費用がかからず、 リファレンス動画の秒数は出力と同じ単価で課金されます。 静止画 10 点はタダ、15 秒の リファレンスクリップはメニューでいちばん高い入力です。同一性と衣装には静止画を使って ください。

この束ねを実際にやった版が三つ、どれもプロンプト全文と必要な番号つきで載っています。 5 秒に 4 つのアクションの拍を詰め込んだ例（入りきらない ものについての教材です）、維持句をひととおり書いた段落単位の受け渡し、 そしてリファレンス画像を 1 枚保ったまま蝶だけが動くほぼ静止の肖像。

画風：3D もカートゥーンも保ちます、一度きちんと法律にすれば

様式化された見た目 — 3D アニメーション、セルシェードのカートゥーン、クレイアニメ — は、 Wan 3.0 のマルチショットの連なりの中で、フォトリアルと同じくらいよく保ちます。 そして 崩れるときの崩れ方も同じです。変わりすぎたショットの境目でずれる。

技法は、画風をショットごとに繰り返すのではなく、ショットリストの上の「全体ルール」に置く ことです。

Style: 3D animation, soft rounded forms, matte surfaces, no photoreal skin
texture. Palette: warm ochre, cream, one accent of teal. Key light always
from frame left. Do not change render style between shots.

そこに置く価値のあるものが二つ。名前のついたパレットは「暖色系」よりはるかに安定します。 モデルは名前のついた三つの値を 7 ショットにわたって保てますが、形容詞は保てないからです。 そして明示的な禁止 — do not change render style between shots — は書き出す価値があります。 公式の長尺の例がいちばん強く出ているのが除外の層で、画風のずれこそ、それが防ぐために 存在するものです。

むしろ仕事を割るべきとき

より良いプロンプトが答えではないこともあります。 連なりの中に動かせない納品物がある なら — 正確でなければならない商品、必ず決まらなければならないロゴ、必ず言われなければ ならない台詞 — 上のショット数のずれが、7 ショットを 1 回で生成するやり方を間違った道具に します。

効く代案はこうです。

1. 見た目を静止画 1 枚として一度固める。
2. その静止画からショットごとに 1 枚キーフレームを作る。毎回ちょうど一つだけ変える。
3. 各ショットを別々に生成する。リファレンスを束ねた状態で。
4. 手元でつなぐ。

生成の回数は増えますが、ショット数は自分が選んだものになります。 画面の中に譲れないものが あるときには見合いますし、雰囲気ものには過剰です。

そしてあるショットのディテールがちょうど一つだけ違うなら、そのショットを生成し直さないで ください。 Wan 3.0 は既存のクリップをその場で編集できます — 小道具を変え、動作と衣装と画面の 残りは保つ — 30 秒ぜんぶでもう一度サイコロを振るのに比べれば、ごくわずかな費用です。

パラメータ表が裏づけない、マルチショットについての四つの主張

リクエストで表現できない機能をガイドが説明しているなら、それはドキュメントから書かれて いません。 これはこのモデル 1 つをはるかに超えて役に立つふるいです。

7 ショットのチェックリスト

1. 要約の行が先、それから番号つきのショット、それからトーンと音声。
2. 時間範囲が尺の全体を隙間なく敷き詰めている。
3. 1 ショットにつき主要な出来事一つと、終わりの状態一つ。
4. ショットのあいだにつなぎの言葉を書かない。
5. 画風、パレット、禁止事項はリストの上の全体ブロックに。
6. キャラクターが写るショットでは毎回、衣装を言い直す。
7. 最後のショットに、荷重のかかるものを置かない。

よくある質問

Wan 3.0 にマルチショットモードやディレクターモードはありますか

ありません。API にショットのパラメータはなく、切り替えるモードもありません。複数ショットは 時間範囲つきの番号つきショットをプロンプトに書くことで得られます。つまりどの事業者でも 同じように働きます。

1 回の生成で何ショットまで入れられますか

文書化された上限はありません。上限をかける設定がないからです。 本当の制約は 30 秒のほう です。Wan 3.0 では 4〜5 ショットがいちばん確実にまとまり、7 ショットも 1 本 4 秒前後なら 実用になります。それ以上を頼むと、モデルは併合を始めます。

Wan 3.0 に切らせないようにするには

"one continuous take" と書いてください。 指定しないまま置くとモデルは自分でカバレッジを 選び、短いクリップでもたいてい切ります。

ショットのあいだでキャラクターが変わるのはなぜですか

ほぼ必ず、一つのショットの境目でいくつものことが同時に変わったからです。1 ショットにつき 変数は一つだけ動かし、衣装は毎回ぜんぶ言い直し、人物を描き直すかわりに同一性のリファレンス 画像を束ねてください。 とくに小物を見てください — 帽子、アクセサリー、小道具は、顔より ずっと早くさまよいます。

3D やカートゥーンの画風は、フォトリアルと同じくらい保ちますか

保ちます。Wan 3.0 は様式化された見た目を、フォトリアルと同じくらいよくカットをまたいで 保ちます。 画風、名前のついたカラーパレット、そして明示的な "do not change render style between shots" を、ショットごとに繰り返すのではなくショットリストの上の全体ブロックに 置いてください。