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

(1) ではプロンプトだけで 10 通りのティザーを、(2) では最初と最後のコマを決める FLF2V でループ素材とロゴへのトランジションを作りました。(3) では、それを構成を決めた 1 本の映像に仕上げます。

白 → ロゴのアニメーション → 写真（中央）→ 写真（右）→ ループ → 白。白で始まって白で終わるので、会場のモニターで前後の映像やスライドにそのままつなげられます。

使われ方

この構成の「右にトロフィー、左に余白」という終わり方には理由があります。国際AIクリエイターアワードのギャラリー（aicu.ai/award/2026/gallery）では、「投票する」のカードにトロフィーの映像を流しています。左に残り時間とボタン、右にトロフィー。文字を置く余白を、映像の側で空けておく必要がありました。

構成

先に、区切りごとの「最初のコマ」と「最後のコマ」を決めます。FLF2V は端のコマを指定できるので、区切りの端をそろえておけば、あとで短いクロスフェードだけでつながります。

	最初のコマ	最後のコマ	作り方
① ロゴのアニメーション	白	ロゴ	FLF2V
② ロゴから写真へ	ロゴ	写真（中央）	FLF2V
③ 中央から右へ	写真（中央）	（指定しない）	最初のコマだけ。カメラだけを動かす
④ ループ	③ の最後のコマ	③ の最後のコマ	FLF2V
⑤ 白へ	③ の最後のコマ	白	FLF2V

素材は、白地のロゴと、トロフィーが中央にある写真の 2 枚です。

ロゴ	写真（中央）

ロゴは (2) と同じく、国際AIクリエイターアワードの決まり（白地に置く・色や縦横比を変えない・AI に形を変えさせない）に従っています。

呼び方は (2) と同じで、台本 wan-flf2v.py を使います。--last を省くと、最初のコマだけを渡します。1 本の鍵で同時に走らせられるのは 3 本までなので、4 本目以降は空くまで待つようにしてあります。

① 白からロゴへ

On a clean white background, thin lines of golden and gradient light draw two crossing orbits,
and a small golden figure rises at their center, forming the emblem. Smooth, elegant motion.
Fixed camera.

金色の線が 1 本ずつ軌道を描き、2 秒ほどでマークが組み上がります。最後のコマは元のロゴと PSNR 37.8 dB で、(2) と同じく元の画像に差し替えます（下の「つなぐ」で静止画を挟みます）。

② ロゴから写真（中央）へ

The emblem on the white background dissolves into soft golden light that flows outward like silk,
forming waves of white cloth. Green trees appear behind, and the light gathers at the center of the
frame into a crystal trophy standing in the sunlight. The camera slowly pulls out.

③ 中央から右へ：トロフィーは動かさず、カメラだけ

ここは一度失敗しています。

うまくいかなかった方法：構図の違う 2 枚を両端に渡す

最初は FLF2V で、中央にトロフィーがある写真と、右にある写真（(1) で使った写真）を両端に渡しました。「カメラが右へパンし、トロフィーは動かない」と書いても、結果はこうなります。

トロフィーが 2 つ写ります。 2 枚の写真はトロフィーの角度も大きさも違うので、モデルはカメラを動かして説明することができず、2 つのトロフィーを重ねて入れ替えることで両端をつなぎました。プロンプトを変えたもう 1 案も、短い間ですが同じように二重になりました。さらにその前の版では、トロフィーそのものが布の上を滑って右へ動いていました（「トロフィーを中央から右へ」と書いたため）。

FLF2V の両端は、同じ場面を同じカメラで撮ったときに写りうる 2 枚でなければならない、ということです。

うまくいった方法：最初のコマだけを渡す

最後のコマを渡さず、中央の写真だけを最初のコマにして、カメラの動きだけを書きました。(1) で、最初のコマだけのときはカメラの指示によく従うことが分かっていたからです。

The camera trucks slowly and smoothly to the left. The crystal trophy stays perfectly still in place
on the white cloth; only the camera moves, so by the end the trophy sits on the right side of the
frame, leaving open space on the left. The cloth ripples gently and golden caustic light shifts across it.

トロフィーは 1 つのまま、カメラが回り込むように動いて、右に収まります。背景の木が左から入ってきて、左側に文字を置ける余白ができました。

最後のコマは指定していないので、できあがった動画の最後のコマを取り出し、それを ④ と ⑤ の端に使います。

# 最後のコマを画像として取り出す
ffmpeg -sseof -0.1 -i s3-camera-only.mp4 -update 1 right.png

④ ループ

③ の最後のコマを、最初と最後の両方に渡します（(2) のループと同じ作り方）。

The white cloth ripples gently in the breeze and golden caustic light drifts slowly across it,
the leaves sway softly, then everything settles back to exactly where it began. A soft lens flare
pulses once at the tip of the trophy. The trophy stays perfectly still. Fixed camera.

ギャラリーの「投票する」カードのような使い方には、この 5 秒をそのまま繰り返し流せます。今回の 1 本では 2 回繰り返しました。回数を変えれば、全体の長さを調整できます。

⑤ 白へ

The sunlight grows stronger and warmer until the whole scene, the trophy, the cloth and the trees,
fades softly into pure white light. The trophy stays perfectly still. Fixed camera.

光が強くなり、場面全体が白に溶けます。最後のコマは真っ白な画像と 51.1 dB で、ほぼ白そのものでした。

つなぐ

区切りの間は 0.3 秒のクロスフェードでつなぎます。ロゴのところには元のロゴ画像を 1 秒挟みます。① の最後で元の画像に溶け、② の最初で元の画像から溶け出すので、画面に止まって見えるロゴは必ず元の画像です。

ffmpeg のフィルタを手で書くと長くなるので、動画と静止画を並べるだけでつなぐ台本にしました: assemble.py（ffmpeg を呼ぶだけ・標準ライブラリのみ）

curl -O https://api.aicu.ai/docs/samples/wan-teaser/assemble.py

python3 assemble.py --out keyvisual.mp4 --size 1920x1080 --fade 0.3 --crf 18 \
  still:white-1920.png:0.6 \
  s1-white-logo.mp4 \
  still:logo-1920.png:1.0 \
  s2-logo-center.mp4 \
  s3-camera-only.mp4 \
  s4-loop.mp4 s4-loop.mp4 \
  s5-right-white.mp4 \
  still:white-1920.png:0.8

動画はパスを、静止画は still:パス:秒 を書きます。

ロゴをきれいに見せるための 2 点があります。

• 出力を 1080p にし、ロゴの静止画は元の PNG から 1920×1080 で直接作る。 生成した動画は 720p なので拡大されますが、ロゴの静止画は拡大せずに済みます。JPEG を経由したり、縮小してから拡大したりすると、細い軌道の線がにじみます
• 圧縮を強くしすぎない。 細い線と白地は圧縮のノイズが目立ちます。--crf 18 前後にします

できあがりは 30.3 秒・1920×1080 です。音は外してあるので、BGM を付けて仕上げます。

継ぎ目を測る

区切りの継ぎ目で、前の動画の最後のコマと、次の動画の最初のコマがどれだけ似ているかを PSNR（数字が大きいほど似ている）で測りました。

継ぎ目	前の最後 と 次の最初
② → ③（写真・中央）	41.7 dB
③ → ④（③ の最後のコマ）	37.7 dB
④ のループ（最後 → 最初）	41.8 dB
④ → ⑤	41.7 dB

参考までに、② の最後のコマと元の写真を比べると 27.3 dB しかありません。葉や布の細かい模様が描き直されているからです。それでも同じ画像から作った 2 本の端どうしは 41.7 dB でよく似ています。Wan は同じ画像を毎回ほぼ同じように描き直すので、生成した動画どうしはきれいにつながります。

③ → ④ だけ 37.7 dB と低いのは、③ の最後のコマ（生成されたもの）をそのまま渡し、④ がそれをもう一度描き直しているからです。0.3 秒のクロスフェードで、継ぎ目は見えなくなります。

分かったこと

	結果
FLF2V の両端	同じ場面を同じカメラで撮ったときに写りうる 2 枚にする。角度や大きさの違う写真を渡すと、被写体が二重になる
カメラの動き	最後のコマを決めず、最初のコマだけでカメラの動きを書くほうが素直に出る。できた最後のコマを次の区切りの端に使う
つなぎ方	生成した動画どうしは直接つないでよい（41.7 dB）。元の画像（ロゴ・写真）を見せる所は短いクロスフェードで溶かす
ロゴの画質	出力 1080p・元の PNG から直接作った静止画・CRF 18 前後
使い方	白で始まって白で終わる。長さはループの回数で変える。ループの 5 秒は、そのまま Web のカードの背景にも使える

費用のまとめ

	本数	AP
採用したもの（①②③④⑤）	5 本	35,000 AP
作り直したもの（③ の失敗 3 案、旧 ⑤）	4 本	28,000 AP
合計（720p・5 秒・1 本 7,000 AP）	9 本	63,000 AP（約 6.3 ドル）

つなぎ（ffmpeg）に費用はかかりません。失敗した生成は課金されませんが、「思ったとおりにならなかった」動画は課金されます。作り直しを見込んで予算を組んでください。

連載 3 本で生成したのは 22 本、合計 161,000 AP（約 16.1 ドル）でした。

⭐︎ 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 (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
• 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
• 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

---

Special Thanks to Alibaba Wan 3.0