Wan 2.7 の画像から動画へのモデルは、 マルチモーダル入力 (テキスト、画像、音声、動画) をサポートし、 開始フレームからの動画生成、開始・終了フレームからの動画生成、動画の続きを生成 という 3 つのタスクを実行します。
リファレンス: ユーザーガイド
モデル、エンドポイント URL、API キーは同じリージョンに属している必要があります。リージョン間の呼び出しは失敗します。
画像から動画へのタスクは通常 1~5 分かかるため、API は非同期呼び出しを使用します。ワークフローは、タスクを作成し、その結果をポーリングするという 2 つのステップで構成されます。
実際の ワークスペース ID で
実際の ワークスペース ID で
SDK のパラメーター名は HTTP API のものと一致します。パラメーター構造は、言語の規則に基づいてカプセル化されています。
画像から動画へのタスクは通常 1~5 分かかります。SDK は HTTP の非同期呼び出しプロセスをカプセル化し、同期呼び出しと非同期呼び出しの両方をサポートします。
モデルのリージョンに基づいて region を設定します(Client の構築時に渡します。地域ごとの region の値は異なります):
実際の ワークスペース ID で
モデルのリージョンに基づいて Constants.baseHttpApiUrl を設定します:
実際の ワークスペース ID で
モデルの呼び出しが失敗し、エラーメッセージが返された場合は、「エラーコード」を参照して問題を解決してください。
A:出力のアスペクト比は入力素材 (開始フレームの画像または最初のビデオクリップ) によって決まりますが、完全に一致するとは限りません。わずかなズレが生じることがあります。
以下の例では、開始フレームの画像を例にロジックを説明します:
A:モデルによって生成された動画は OSS に保存されます。API は一時的なパブリック URL を返します。このダウンロード URL のためにファイアウォールのホワイトリストを設定するには、次の点にご注意ください:基盤となるストレージは動的に変更される可能性があります。このトピックでは、古い情報によるアクセス問題を避けるため、固定の OSS ドメイン名ホワイトリストは提供していません。セキュリティ制御の要件がある場合は、アカウントマネージャーに連絡して最新の OSS ドメイン名リストを入手してください。
新しい画像から動画への API (wan2.7 モデル) は、3 つのタスクすべてをサポートします。以前の 開始フレームからの動画生成 API (wan2.6 以前) は、開始フレームからの動画生成のみをサポートします。
利用可能なリージョン
モデル、エンドポイント URL、API キーは同じリージョンに属している必要があります。リージョン間の呼び出しは失敗します。
- モデルの選択: ご利用のモデルが対象リージョンで利用可能であることを確認してください。
- URL の選択: モデルのリージョンに一致するエンドポイント URL を選択します。HTTP と DashScope SDK の両方の URL がサポートされています。
- API キーの設定: リージョン用の API キーを取得し、API キーを環境変数として設定します。
- SDK のインストール: SDK を使用して API 呼び出しを行うには、DashScope SDK をインストールします。
このトピックのサンプルコードは、シンガポール リージョンに適用されます。
HTTP
画像から動画へのタスクは通常 1~5 分かかるため、API は非同期呼び出しを使用します。ワークフローは、タスクを作成し、その結果をポーリングするという 2 つのステップで構成されます。
ステップ 1:タスクの作成とタスク ID の取得
- シンガポール
- 北京
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis{WorkspaceId} を置き換えます。
- タスクの作成後、返された
task_idを使用して結果をクエリしてください。task_idは 24 時間有効です。重複したタスクを作成しないでください。代わりに、ポーリングを使用して結果を取得してください。 - 初心者向けのガイダンスについては、「Postman または cURL を使用した API の呼び出し」をご参照ください。
リクエストパラメーター |
開始フレームの画像と音声に基づいて動画を生成します。 |
Content-Type string (必須)リクエストのコンテンツタイプ。 application/json である必要があります。 | |
Authorization string (必須)Model Studio API キーでリクエストを認証します。例:Bearer sk-xxxx。 | |
X-DashScope-Async string (必須)非同期処理を有効にします。HTTP リクエストでは非同期呼び出しのみがサポートされるため、enable に設定する必要があります。 | |
リクエストボディ | |
model string (必須)モデル名。モデルのリストとその料金については、「モデルの料金」をご参照ください。例:wan2.7-i2v-2026-04-25。 | |
input object (必須)プロンプトを含む基本的な入力情報です。
プロパティ prompt string (任意)生成される動画の要素と視覚的特徴を記述するテキストプロンプトです。中国語と英語がサポートされています。最大 5,000 文字です。中国語の文字または英字はそれぞれ 1 文字としてカウントされます。制限を超えたテキストは自動的に切り捨てられます。例:子猫が草の上を走っている。プロンプトの使用方法の詳細については、「テキストから動画へ/画像から動画へのプロンプトガイド」をご参照ください。negative_prompt string (任意)動画から除外するコンテンツを記述します。中国語と英語がサポートされています。最大 500 文字です。制限を超えたテキストは自動的に切り捨てられます。例:低解像度、エラー、最低品質、低品質、変形、指が多い、プロポーションが悪い。media array (必須)動画生成のための参照素材 (画像、音声、動画) です。各要素は、type フィールドと url フィールドを持つメディアオブジェクトです。
アセットの組み合わせ 以下のアセットの組み合わせのみが有効です。無効な組み合わせはエラーを返します。
プロパティ type string (必須)メディアアセットのタイプ。有効値:
media 配列では、各 type は最大 1 回までしか含めることができません。たとえば、2 つの first_frame アセットを渡すことはできません。url string (必須)メディアアセット (画像、音声、または動画) の URL です。
画像の受け渡し (type=first_frame または last_frame) 開始フレームまたは終了フレーム画像の URL または Base64 エンコードされたデータです。画像の制限:
音声の受け渡し (type=driving_audio) 音声ファイルの URL です。
動画の受け渡し (type=first_clip) ビデオファイルの URL。モデルは、ビデオコンテンツに基づいて続きを生成します。 duration パラメーターは、出力の合計持続時間の最大値を制御します。
例えば、ビデオの制限:
| |
parameters object (任意)ビデオ処理パラメーター:解像度、持続時間、プロンプトリライト、ウォーターマーク。
プロパティ resolution string (任意)生成されるビデオの解像度レベルです。総ピクセル数を制御します。モデルは、選択されたレベルに近い総ピクセル数にビデオを自動的にスケーリングします。出力のアスペクト比は、入力素材 (開始フレームまたは最初のビデオクリップ) に従います。詳細については、「よくある質問」をご参照ください。有効な値は 720P と 1080P です。デフォルト: 1080P。duration integer (任意)生成されるビデオの持続時間 (秒)。有効範囲はモデルによって異なります:有効値:2 から 15 までの整数。デフォルト:5。prompt_extendboolean (任意)プロンプトリライトを有効にするかどうか。有効にすると、モデルは入力プロンプトを書き換えて短いプロンプトの結果を改善しますが、処理時間が増加します。
boolean (任意)ビデオの右下に「AI Generated」のウォーターマークを追加するかどうか。
integer (任意)乱数シードは [0, 2147483647] の範囲の整数である必要があります。指定しない場合、ランダムなシードが生成されます。シードを固定すると再現性が向上します。モデルの生成は確率的であるため、同じシードでも同一の結果が保証されるわけではありません。 |
レスポンスパラメーター |
タスクのステータスと結果のクエリ用に、 task_id を保存します。 |
output objectタスクの出力情報です。
プロパティ task_id stringタスク ID。24 時間クエリに有効です。task_status stringタスクのステータスです。
列挙値
| |
request_id stringトレースとトラブルシューティングのための一意のリクエスト識別子です。 | |
code stringエラーコード。リクエストが失敗した場合にのみ返されます。「エラーコード」をご参照ください。 | |
message string詳細なエラーメッセージ。リクエストが失敗した場合にのみ返されます。「エラーコード」をご参照ください。 |
ステップ 2:タスク ID による結果のクエリ
- シンガポール
- 北京
GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}{WorkspaceId} を置き換えます。
- ポーリングの推奨:動画生成には数分かかります。15 秒などの適切な間隔でポーリングメカニズムを使用してください。
- タスク状態遷移:PENDING → RUNNING → SUCCEEDED または FAILED。
- 結果リンク:タスクが成功すると、24 時間有効な動画 URL が返されます。動画をダウンロードし、OSS などの永続ストレージに保存してください。
task_idの有効期間: 24 時間。この期間を過ぎると、クエリはタスクステータスとしてUNKNOWNを返します。
リクエストパラメーター |
{task_id} を、前の API 呼び出しで返された task_id の値に置き換えます。 task_id はクエリに対して 24 時間有効です。{WorkspaceId} を実際の ワークスペース ID に置き換えます。 |
ヘッダー | |
Authorization string (必須)Model Studio API キーでリクエストを認証します。例:Bearer sk-xxxx。 | |
パスパラメーター | |
task_id string (必須)タスクの ID です。 |
レスポンスパラメーター |
動画 URL は 24 時間のみ有効で、その後自動的にパージされます。生成された動画は速やかに保存してください。 |
outputobjectタスクの出力情報です。
プロパティ task_id stringタスク ID。24 時間クエリに有効です。task_status stringタスクのステータスです。
列挙値
stringタスクが送信された時刻です。時刻は UTC+8 で、フォーマットは YYYY-MM-DD HH:mm:ss.SSS です。scheduled_time stringタスクが実行された時刻です。時刻は UTC+8 で、フォーマットは YYYY-MM-DD HH:mm:ss.SSS です。end_time stringタスクが完了した時刻です。時刻は UTC+8 で、フォーマットは YYYY-MM-DD HH:mm:ss.SSS です。video_url string生成された動画の URL。task_status が SUCCEEDED の場合にのみ返されます。24 時間有効です。動画は H.264 エンコーディングの MP4 形式です。orig_prompt stringリクエストパラメーター prompt に対応する元の入力プロンプト。code stringエラーコード。リクエストが失敗した場合にのみ返されます。「エラーコード」をご参照ください。message string詳細なエラーメッセージ。リクエストが失敗した場合にのみ返されます。「エラーコード」をご参照ください。 | |
usage object使用状況の統計。成功したタスクに対してのみ計算されます。
プロパティ input_video_duration integer入力ビデオの持続時間 (秒)。output_video_duration integer出力ビデオの持続時間 (秒)。duration integer課金に使用される合計ビデオ持続時間。SR integer出力ビデオの解像度。例:720。video_count integer出力ビデオの数。1 に固定されています。 | |
request_id stringトレースとトラブルシューティングのための一意のリクエスト識別子です。 |
DashScope SDK
SDK のパラメーター名は HTTP API のものと一致します。パラメーター構造は、言語の規則に基づいてカプセル化されています。
画像から動画へのタスクは通常 1~5 分かかります。SDK は HTTP の非同期呼び出しプロセスをカプセル化し、同期呼び出しと非同期呼び出しの両方をサポートします。
実際の処理時間は、タスクキューとサービスの負荷によって異なります。結果をお待ちください。
Python SDK
モデルのリージョンに基づいて region を設定します(Client の構築時に渡します。地域ごとの region の値は異なります):
- シンガポール
- 北京
region="ap-southeast-1"{WorkspaceId} を置き換えます。
- 同期呼び出し
- 非同期呼び出し
リクエスト例
レスポンス例
video_url は 24 時間有効です。動画は速やかにダウンロードしてください。
Java SDK
モデルのリージョンに基づいて Constants.baseHttpApiUrl を設定します:
- シンガポール
- 北京
Constants.baseHttpApiUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"{WorkspaceId} を置き換えます。
- 同期呼び出し
- 非同期呼び出し
同期呼び出しは、動画生成が完了して結果が返されるまでブロックします。
リクエスト例
レスポンス例
video_url は 24 時間有効です。動画は速やかにダウンロードしてください。
エラーコード
モデルの呼び出しが失敗し、エラーメッセージが返された場合は、「エラーコード」を参照して問題を解決してください。
よくある質問
Q:3:4 のような特定のアスペクト比の動画を生成するにはどうすればよいですか?
A:出力のアスペクト比は入力素材 (開始フレームの画像または最初のビデオクリップ) によって決まりますが、完全に一致するとは限りません。わずかなズレが生じることがあります。
以下の例では、開始フレームの画像を例にロジックを説明します:
-
なぜズレが発生するのですか?
- 実行ロジック: システムは、入力イメージの縦横比をベースラインとし、
resolutionティアのターゲット総ピクセル数と組み合わせます。ビデオエンコーディングでは幅と高さを 16 の倍数にする必要があるため、システムは出力を最も近い有効な解像度に調整します。 - 計算例:750 x 1000 ピクセルの入力画像 (3:4 比率 = 0.75) を「720P」解像度 (総ピクセル数約 920,000) で処理すると、816 x 1104 ピクセルの出力 (比率約 0.739、総ピクセル数約 900,000) が生成されます。
- 実行ロジック: システムは、入力イメージの縦横比をベースラインとし、
-
推奨事項:
- 入力の制御:目標のアスペクト比に一致する開始フレームまたはビデオクリップを使用してください。
- 後処理:厳密なアスペクト比が要求される場合は、生成後にビデオをクロップするか、黒枠を追加してください。