Wan 3.0 でつくるキービジュアル (1) — トロフィー写真 1 枚から、公式プロンプトガイドで 10 通りのティザー
国際AIクリエイターアワード2026 のトロフィーの写真が 1 枚あります。これを「ゆらめく輝き、風、影響力、知性と歴史と権威とクリエイティビティとコミュニティへの貢献を感じさせるティザー動画」にしてほしい、と頼まれたら、何と書けばよいでしょうか。
AICU API の動画生成（wan3.0-video）に、この写真を最初のコマとして渡し、Alibaba Cloud の公式プロンプトガイドの書き方で 10 通りのプロンプトを試しました。全部の動画・プロンプト・かかった時間と AP を載せます。
この記事の前提
| モデル | wan3.0-video（Alibaba Cloud の Wan 3.0） |
| 入力 | 上のトロフィー写真（1671×941）を first_frame に渡す |
| 解像度・長さ | 720p・5 秒（10 番だけ 10 秒） |
| 費用 | 720p は 1 秒 1,400 AP。5 秒で 7,000 AP、10 本で合計 77,000 AP（10 番は 10 秒で 14,000 AP） |
| かかった時間 | 1 本 111〜204 秒（投げてから mp4 を受け取るまで） |
| 失敗 | 0 本 |
呼び出し方は Video API のとおりです。最初のコマを渡すときは、こう書きます。
curl -X POST https://api.aicu.ai/v1/video/generate \
-H "Authorization: Bearer $AICU_API_KEY" \
-H "Content-Type: application/json" \
-d "{
\"model\": \"wan3.0-video\",
\"first_frame\": \"$(base64 -i trophy.jpg)\",
\"prompt\": \"Sunlight shimmers across the facets of the crystal trophy ...\",
\"resolution\": \"720p\",
\"seconds\": 5
}"
10 本をまとめて投げる台本もダウンロードできます。標準ライブラリだけで動き、同時に 3 本まで投げ、作り終えたものは投げ直しません。既定は費用の見積もりだけです: wan-teaser-10.py
curl -O https://api.aicu.ai/docs/samples/wan-teaser/wan-teaser-10.py
python3 wan-teaser-10.py --image trophy.jpg --out out/ # 見積もりだけ
python3 wan-teaser-10.py --image trophy.jpg --out out/ --apply # 生成
公式ガイドの「式」
Alibaba Cloud Model Studio の Text-to-video / image-to-video prompt guide は、プロンプトを部品の足し算で書くように勧めています。今回使ったのは次の 4 つです。
| 式 | 中身 |
|---|---|
| 画像から動画 | 動き ＋ カメラワーク。被写体・場面・画風は画像が決めるので、プロンプトでは書かない |
| 美的コントロール | 光源・光の質（逆光・リムライト・サイドライト）・時間帯・ショットの大きさ・アングル・レンズ・色調を足す |
| 音 | 被写体 ＋ 場面 ＋ 動き ＋ 音の説明（声・効果音・BGM）。台詞を止めたいときは No dialogue. |
| マルチショット | 全体の説明 ＋ Shot 1 [0-3 s]: ... のようにショット番号と時刻 |
ガイドは避けたほうがよいものも挙げています。画面内の文字を正確に出すこと、1 本の中での急な場面転換、実在の人物の名前などです。トロフィーには文字が入っているので、文字が崩れないかも見どころになりました。
10 通りの結果
各パターンの帯は、1 秒ごとのコマを左から並べたものです。
01 依頼文をそのまま
比較の基準です。抽象的な言葉だけを並べ、動きもカメラも書きません。
A teaser video that evokes shimmering radiance, wind, influence, intelligence, history,
authority, creativity, and contribution to the community.
モデルが自分でカットを割りました。 引き → 寄り → 引きと 5 秒の中で 3 回ショットが変わり、ショットごとにトロフィーの角度も少し変わります。「ティザーらしさ」はむしろ一番出ていますが、何が起きるかを書いていないので、次に同じものは出ません。
02 基本の式（動き＋カメラ）
ガイドの「画像から動画」の式そのままです。動き 2 つとカメラ 1 つ。
Sunlight shimmers across the facets of the crystal trophy, and the white cloth ripples gently
in the breeze. The camera slowly pushes in.
書いたとおり、ゆっくり寄っていきます。寄るにつれて文字が大きくなりますが、「2026 WINNER」は最後まで読めます。まずはこの形から始めるのがよさそうです。
03 ゆらめく輝き
光の言葉（逆光・リムライト・暖色）を足し、カメラは止めます（Fixed camera）。
Golden caustic light dances and ripples across the white cloth around the trophy, and a soft
lens flare pulses at its tip. Backlight, rim light, warm tones. Fixed camera.
10 本の中で一番安定しています。トロフィーは動かず、布の上の光の模様（コースティクス）だけが揺れ、先端にフレアが灯ります。ループ素材やブースの背景映像に向いています。
04 風
A gust of wind sweeps across the scene: the white cloth billows in slow waves, the leaves behind
sway, and dappled light flickers over the crystal. The camera moves slowly to the left.
布が大きく波打ち、カメラが左へ流れます。動きは大きいのに、トロフィーの形と文字は保たれました。この 1 本だけ生成に 196 秒かかっています。
05 権威（ローアングル）
アングル（ローアングル）とカメラワーク（寄りながら見上げる）、光（サイドライト・ハイコントラスト）で「権威」を表します。
The trophy stands still and solemn as the light grows stronger along its edges. Low-angle shot,
the camera slowly pushes in and tilts up toward the glowing tip. Side light, high contrast.
最後の 2 秒で一気に寄り、先端を見上げる構図で終わります。強い光が差し込む終わり方は、ティザーの締めに使えます。寄りきると文字は画面から外れます。
06 歴史（タイムラプス）
ガイドの画風の語彙にある「タイムラプス」で時間の流れを表します。
Time-lapse photography: the shadow of the trophy sweeps slowly across the white cloth as the
light shifts from bright morning white to deep sunset gold. Fixed camera.
光が白から夕方の金色へ変わり、影が伸びていきます。ただし影の形がトロフィーと合っていません（布の上に帯のような影が現れる）。物理的な正しさより雰囲気が優先されるので、影を主役にするなら注意が要ります。
07 知性（光の回路）
「知性」を、クリスタルの中を走る光の線で見せます。カメラは小さく回り込みます。ガイドは回り込みの角度を 45 度未満に抑えるよう勧めているので、30 度未満と書きました。
Inside the crystal, fine lines of light trace and branch like a network, rising slowly from the
base to the tip, while refracted light glints across its facets. Orbiting camera movement, a slow
arc of less than 30 degrees.
一番「書いたとおり」に出た 1 本です。根から枝分かれする光の線が、下から上へトロフィーを満たしていきます。そのぶん線が文字の上にも重なるので、文字を読ませたいカットには向きません。
08 コミュニティ（広がる光）
「影響力」と「コミュニティへの貢献」を、トロフィーから外へ広がる光で表します。最後は引いて全体を見せます。
Small sparks of golden light spread outward from the base of the trophy across the cloth like
ripples, multiplying as they travel toward the edges of the frame. The camera slowly pulls out
to reveal the whole scene.
光の輪が同心円状に布の上を広がり、カメラが大きく引きます。絵としての分かりやすさは 07 と並んで一番です。引いてトロフィーが小さくなると、文字は潰れて読めなくなります。
09 音の式（効果音＋BGM）
ガイドの音の式で、効果音（風・クリスタルの響き）と BGM（弦と金管のオーケストラ）を指定し、No dialogue. で台詞を止めます。
The white cloth ripples in the wind and light shimmers across the crystal trophy. Sound: wind
rustling through the leaves, a clear crystal chime as a flare passes the tip, and a slow, rising
orchestral score with strings and soft brass. No dialogue.
映像は 02〜04 に近い穏やかな動きです。音について 1 つ分かったのは、音を指定しなかった 01〜08 にも音が付いていることです。Wan 3.0 は何も書かなくても音を作ります。上映でナレーションや BGM を後から乗せるなら、生成時の音を差し替える前提で考えるか、ここで欲しい音をはっきり書いておくのが確実です。
10 マルチショット（10 秒）
ガイドのマルチショットの式で、3 つのショットを時刻つきで書きます。
A teaser for an international award, in three shots. Shot 1 [0-3 s]: close-up, light glides
along the crystal edge of the trophy, fixed camera. Shot 2 [3-6 s]: medium shot, the white cloth
ripples in the wind and golden caustics dance around the base, the camera moves left. Shot 3
[6-10 s]: the camera pulls out and rises to reveal the trophy standing in sunlight against the
green trees, and a lens flare blooms at its tip. Sound: soft wind, a crystal chime, an orchestral
swell. No dialogue.
3 つのショットに分かれ、2 つ目で台座の光の模様に寄り、最後は引いてフレアで終わります。構成はほぼ指定どおりです。ただし Shot 1 は寄りではなく、元の写真に近い引きの画で始まりました。最初のコマを写真に固定しているので、1 つ目のショットはどうしてもその構図から始まります。寄りから始めたいなら、寄りの画像を別に作って first_frame に渡すのが確実です。生成は 204 秒、14,000 AP でした。
分かったこと
| 結果 | |
|---|---|
| 抽象語だけ（01） | モデルが勝手にカットを割る。雰囲気は出るが、狙いどおりにはならない |
| 動き＋カメラ（02〜05） | 書いたカメラワークにはよく従う。寄り・左へ流す・見上げる、どれも出た |
| 固定カメラ＋光の語彙（03） | 一番安定。ループや背景映像向き |
| 比喩を絵にする（07・08） | 「光の回路」「広がる光」は書いたとおりに出る。代わりに文字が隠れたり潰れたりする |
| 時間の表現（06） | 光の色は変わるが、影の形は正確ではない |
| 音 | 指定しなくても全部に音が付く。欲しい音は書く、要らなければ後で差し替える |
| マルチショット（10） | 構成は従う。最初のショットは first_frame の構図に引っ張られる |
文字の入った被写体では、カメラを大きく動かさない（03）か、寄りで文字を見せる（02）のが安全でした。引きや光のエフェクトが重なるカット（07・08）は、文字の読めるカットと組み合わせて編集すると、ティザーとしてまとまります。
音について 1 つ注意があります。手元の音声認識にかけると、04 と 08 で短い英語の言葉のようなものが検出されました。音声認識は BGM の上で言葉をでっち上げることがあるので、本当に台詞が入っているかは分かりません。上映に使う前に、必ず耳で確かめてください。
費用のまとめ
| 5 秒 × 9 本 | 7,000 AP × 9 = 63,000 AP |
| 10 秒 × 1 本 | 14,000 AP |
| 合計 | 77,000 AP（約 7.7 ドル） |
失敗した生成は課金されません（AP は開始時に預かり、失敗すると全額戻ります）。今回は 10 本とも 1 回で成功しました。
⭐︎ 価格は原稿公開時（2026 年 11 月 12 日）の値です。現在の単価は 料金 と GET /v1/models で確かめられます。
関連
- Wan 3.0 でつくるキービジュアル (2) — FLF2V でループ素材とロゴへのトランジション
- Wan 3.0 でつくるキービジュアル (3) — 白からロゴ、写真、ループ、白へ：FLF2V をつないで 1 本に
- Video API — 呼び出し方・最初と最後のコマ・キャラクターの指定
- Alibaba Cloud: Text-to-video / image-to-video prompt guide — 今回使った式の出典
Special Thanks to Alibaba Wan 3.0