MENU
  1. ホーム
  2. NEW
  3. Wan2.7 動画生成の使い方完全ガイド——アリババ発オープンソースAIをWeb・API・ローカルで動かす【2026年最新版】

Wan2.7 動画生成の使い方完全ガイド——アリババ発オープンソースAIをWeb・API・ローカルで動かす【2026年最新版】

NEW

公開日：2026年4月 ／ 著者：LIF Tech編集部

目次

目次

  1. Wanシリーズとは何か——アリババ発オープンソース動画AI
  2. Wan2.7の新機能——2.6からどこが変わったか
  3. アクセス方法——3つの経路と選び方
  4. プロンプトの書き方——Wanシリーズの鉄則
  5. 他ツールとの比較
  6. よくある質問（FAQ）
  7. まとめ

「高品質なAI動画生成をコストゼロで、しかも自分のPCや自社サーバーで動かしたい」——この一文が、Wan（万象）シリーズを選ぶ理由を全部言い表している。

アリババ（Tongyi Lab）が開発するWanシリーズは、2025年の2.1から2.2・2.6と急速に進化し、2026年4月上旬にWan2.7の全モデル群（テキスト→動画・画像→動画・参照ベース動画・指示ベース編集）が順次公開された。開始/終了フレーム制御・9枚グリッド画像入力・指示ベース動画編集・動画リメイクまで対応し、最大15秒・1080pの動画を生成できる。

この記事では、Wan2.7の新機能と、非エンジニアから開発者まで使える3つのアクセス経路——公式Webプラットフォーム、Alibaba Cloud API、ローカル（ComfyUI）——を、実際の手順付きで解説する。

※Wan2.7は2026年4月に立て続けに発表・展開されたばかりのモデルであり、ライセンス形態・APIモデル名・料金など一部の仕様は情報源によって記載が異なる、または執筆時点で公式確定情報がない項目があります。本記事では確認できた範囲の情報を整理し、不確実な点は明記しています。契約・実装前に必ず公式ドキュメントで最新情報をご確認ください。

Wanシリーズとは何か——アリババ発オープンソース動画AI

開発元とライセンス

WanシリーズはAlibaba（アリババ）の通義万象（Tongyi Wanxiang）チームが開発する動画・画像生成AIだ。これまでのシリーズの特徴は以下の2点：

  • Wan2.1・2.2はApache 2.0ライセンスで公開：無料、商用利用可、改変・再配布可のオープンウェイトとしてGitHub等で公開された
  • モデル重みをダウンロード可能：自社サーバーやローカルPCで動かせる

ChatGPTやClaudeと異なり、モデル本体を手元に置いて動かせる点が、多くの企業・クリエイターにとっての最大の訴求点だ。機密データを外部に送らずAI動画生成を社内完結で運用できる。

Wan2.7のライセンスについての注意：Wan2.7は2026年4月にまずクラウド・API経由で提供が始まった。Apache 2.0でのオープンウェイト公開は、Wan2.1・2.2の実績パターンに基づく予測として複数の海外メディアで報じられていたが、公開当初は公式に確約されたものではなかった。その後の情報ではモデル重みを入手・検証したという報告も見られるため、2026年7月時点ではオープンウェイト化が進んでいる可能性が高いが、ローカル実行を前提に計画する場合は、公式のWan-AI GitHub（github.com/Wan-Video）で現在の公開状況を必ず確認してほしい。

バージョン進化の系譜

バージョンリリース時期主な追加機能
Wan2.12025年2月T2V・I2V基本機能、Apache 2.0公開
Wan2.22025年7月MoEアーキテクチャ、映画品質の映像制御
Wan2.62025年12月マルチショット・ナラティブ、ネイティブ音声、Starring機能
Wan2.72026年4月上旬（画像モデルが4月1日、動画モデル群が4月6日までに順次公開）FLF2V（開始/終了フレーム制御）、9枚グリッドI2V、指示ベース編集、動画リメイク、品質全面向上

Wan2.7の新機能——2.6からどこが変わったか

5領域の同時強化

Wan2.7は「小さなアップデート」ではなく、品質・制御性・ワークフロー対応の3軸を同時に拡張した。具体的には以下の5領域が強化されている：

  1. 画質：映像全体の細部表現・シャープネスが向上
  2. 音声：音声生成の自然さと映像との同期精度が改善
  3. モーション：動きの滑らかさ・物理的な自然さが向上
  4. スタイル一貫性：キャラクターの見た目・背景の視覚的一貫性が強化
  5. 被写体の連続性：複数シーンにまたがるキャラクターのアイデンティティ維持

新機能①：FLF2V（First and Last Frame to Video）

動画の開始フレームと終了フレームを両方指定して、その間の動きをAIが生成する機能。Wan2.1では別モデル（Wan2.1-FLF2V-14B）として提供されていたが、Wan2.7ではメインの画像→動画モデルに統合され、チェックポイントを切り替える必要がなくなった。これにより「AからBへ変化する映像」を精密にコントロールできる。

使いどころ：

  • 商品のBefore/Afterを自然なトランジションでつなぐ
  • キャラクターが特定のポーズからポーズへ移行する動画
  • ロゴのモーフィング動画

新機能②：9枚グリッドImage-to-Video

最大9枚（3×3グリッド）の画像を同時入力として動画を生成。パネルは左上から右下の順で読み込まれ、各パネルが個別のシーンとして扱われ、パネル間はスムーズに接続される。単一画像より豊富な視覚情報をモデルに与えることで、スタイル・構図・被写体の一貫性がより高い動画が生成できる。

使いどころ：

  • 商品の複数角度写真→商品紹介動画
  • キャラクターの表情・衣装バリエーションを参照した一貫性の高いアニメ動画
  • ブランドのビジュアルガイドライン（複数参照画像）に沿ったコンテンツ生成

※9枚の画像はすべて同じアスペクト比に揃えることが推奨されている。

新機能③：被写体＋音色参照（最大5本の動画参照）

最大5本の動画を参照素材として入力し、被写体の外見・音声の方向性・シーンのスタイルを精密に固定できる。キャラクター主導のコンテンツ制作に特に有効。最大5人のキャラクターそれぞれに異なる声色・見た目を割り当てられる。

新機能④：指示ベース編集（Instruction-based Editing）

自然言語で「この動画のスタイルをアニメ調に変えて」「背景を夜景に変更して」と指示するだけで既存動画を編集できる。動きの構造を保ちながら外観だけを変更できる。台詞を変更しても、口の動きと音声の自動同期によって自然な仕上がりを保てる点も特徴とされている。

新機能⑤：動画リメイク

既存動画の構造（カメラの動き・被写体の動き）を維持しながら、スタイルや外観を大きく変換する機能。実写動画をアニメ調に変換したり、逆に合成動画をフォトリアルに変換したりできる。

アクセス方法——3つの経路と選び方

経路の全体像

経路対象ユーザーコストデータ管理技術知識
① 公式Webプラットフォーム全員（試用・軽量利用）無料〜月$20クラウド（Alibaba）不要
② Alibaba Cloud API開発者・大量生成従量課金クラウド（Alibaba）Python基礎
③ ローカル実行（ComfyUI）技術者・機密データ扱う企業無料（電気代のみ）完全自社管理中〜上級

経路①：公式Webプラットフォーム（create.wan.video）

最も手軽な入り口。ノーコード、登録だけで試せる。

URL: https://create.wan.video
料金:
  - Free：無料（透かし入り・低解像度）
  - Pro：月額$5（透かしなし・商用利用可・月300クレジット）
  - Premium：月額$20（新機能への早期アクセス付き）
  - クレジット追加：$1.5〜（単発購入可）

手順：

  1. create.wan.video にアクセス
  2. Googleアカウント等でサインアップ
  3. トップ画面から生成モードを選択：
    • Text to Video：テキストプロンプトのみ
    • Image to Video：画像1枚+テキスト
    • Reference to Video：参照動画+テキスト
  4. プロンプトを入力（英語推奨）
  5. 解像度・尺などの設定を調整して「Generate」をクリック
  6. 生成完了後にダウンロード（Proプラン以上で透かしなし）

無料プランの制限：生成動画に透かし（ウォーターマーク）が入る。商用利用目的ならProプラン（月$5）が最低ライン。1クレジット≒1秒の動画生成が目安。

経路②：Alibaba Cloud API（開発者・大量生成向け）

プロダクトへの組み込み・自動化パイプライン構築に最適。

プラットフォーム: Alibaba Cloud Model Studio
API名称: VideoSynthesis API
モデル群（Wan2.7・4種）:
  - text-to-video（テキスト→動画）
  - image-to-video（画像→動画。FLF2Vはこのモデルに統合されている想定）
  - reference-to-video（参照ベース動画）
  - video-edit（指示ベース編集）
参考料金（他プラットフォームのWan2.7実績値）:
  - サーバーレス推論で約$0.10/秒〜という報告あり（プラットフォームにより異なる）

重要な注意：Wan2.7は2026年4月に立て続けに公開されたばかりで、正式なモデルID・料金体系がプラットフォームごとに変わる／確定していない状態が続いていた。コード中の model="wan2.7-t2v" 等のモデルID文字列は執筆時点の一例であり、必ずAlibaba Cloud Model Studioのカタログで最新の正式なモデルID・パラメータ名を確認してから使用すること。特にFLF2Vが独立したモデルIDとして提供されるか、image-to-videoモデルのオプションとして提供されるかはプラットフォームによって異なる可能性があるため、ドキュメントで個別に確認してほしい。記憶や本記事のサンプルをそのまま入力すると404が返る可能性がある。

Pythonサンプルコード（Text-to-Video・構造例）：

from alibabacloud_dashscope.video_synthesis import VideoSynthesis
import time

# Wan2.7 テキスト→動画（モデルIDは必ずModel Studioで最新のものを確認）
response = VideoSynthesis.async_call(
    model="",
    prompt="""
    A sleek coffee cup on a wooden table in a cozy cafe.
    Steam rises gently. Camera slow push-in toward the cup.
    Warm amber lighting. Soft jazz music. Cinematic style.
    """,
    resolution="720P",
    duration=5,
    seed=42
)
task_id = response.output.task_id

# ポーリングで完了を待つ（15秒間隔推奨）
while True:
    result = VideoSynthesis.fetch(task_id=task_id)
    status = result.output.task_status
    if status == "SUCCEEDED":
        print(f"生成完了: {result.output.video_url}")
        break
    elif status == "FAILED":
        print("生成失敗:", result.output.message)
        break
    print(f"状態: {status} - 15秒後に再確認...")
    time.sleep(15)

Image-to-Video（画像→動画）の構造例：

response = VideoSynthesis.async_call(
    model="",
    img_url="https://your-cdn.com/product_image.jpg",
    prompt="""
    The product rotates slowly 360 degrees.
    Soft studio lighting. Clean white background.
    Luxury commercial style. 8 seconds.
    """,
    resolution="720P",
    duration=8,
)

FLF2V（開始/終了フレーム→動画）の構造例：

# FLF2Vはimage-to-videoモデルの機能として提供される場合と、
# 別モデルIDとして提供される場合があるため、パラメータ名も含めて公式ドキュメントで要確認
response = VideoSynthesis.async_call(
    model="",
    first_frame_url="https://your-cdn.com/frame_start.jpg",
    last_frame_url="https://your-cdn.com/frame_end.jpg",
    prompt="""
    Smooth transition from closed to open bento box.
    Camera holds still. Natural lighting.
    """,
    resolution="720P",
    duration=6,
)

APIの実装Tips：

  • タスク結果URLは生成後24時間で失効する。すぐにダウンロード・保存すること
  • ポーリング間隔は15秒以上推奨（それ以下はレート制限を消費するだけ）
  • 高解像度・長尺ジョブは同時実行制限にカウントされる。アカウントティアを確認

経路③：ローカル実行（ComfyUI）

データを一切外部に出したくない場合・コスト最小化したい場合の選択肢。

必要なPCスペック

モデル最低VRAM推奨VRAM備考
5Bモデル（TI2V-5B）8GB12〜16GB一般向け入門。720p対応
14Bモデル（FP8量子化）12GB24GB（RTX 4090）高品質。FP8で実用速度
14Bモデル（FP16）48GB80GBほぼクラウド前提

Wan2.7のComfyUI対応・オープンウェイト公開の状況は流動的だ。現在ComfyUI環境で実績のある最新世代はWan2.2（14B）。Wan2.7対応のワークフロー・再パッケージモデルが公開されているかはComfy-Org HuggingFaceとWan-AI GitHubで継続確認すること。今すぐローカル実行を安定して始めたい場合は、実績のあるWan2.2から着手するのが最も確実な選択肢だ。

ステップ①：ComfyUI Desktopのインストール

1. https://www.comfy.org/ にアクセス
2. 「ComfyUI Desktop」（Windows/Mac対応の公式インストーラー）をダウンロード
3. インストーラーを実行（NVIDIAドライバが自動検出される）
4. 初回起動でCUDAの確認・初期設定を完了

既にComfyUIを使っている場合はスキップ。

ステップ②：モデルファイルのダウンロード（Wan2.2の例）

5Bモデル（入門・VRAM 12〜16GB向け）：

Hugging Face: Comfy-Org/Wan_2.2_ComfyUI_Repackaged
  → wan2.2_ti2v_5B_fp16.safetensors（または fp8版）
  → umt5_xxl_fp8_e4m3fn_scaled.safetensors（テキストエンコーダー）
保存先: ComfyUI/models/diffusion_models/

14Bモデル（高品質・VRAM 24GB向け）：

Hugging Face: Comfy-Org/Wan_2.2_ComfyUI_Repackaged
  → wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors（High Noise）
  → wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors（Low Noise）
※ 14Bモデルは高ノイズ・低ノイズの2ファイルが必要
保存先: ComfyUI/models/diffusion_models/

Wan2.7対応の再パッケージモデルが公開され次第、同様の手順でマイグレートできる見込みだ。

ステップ③：ワークフローの読み込みと実行

ComfyUIの公式サンプルワークフローを使う方法が最もシンプルだ：

1. ComfyUI Desktopを起動
2. 上部メニューの「Examples」からWanのサンプルワークフローを選択
   または HuggingFaceのモデルページに含まれるサンプル画像（PNG）を
   ComfyUIの画面にドラッグ＆ドロップ
   → ワークフローが自動的に読み込まれる
3. 各ノードの設定を確認：
   - Load Diffusion Model → モデルファイルのパスを確認
   - CLIPLoader → umt5_xxl_fp8ファイルを選択
   - プロンプト入力欄にテキストを入力
4. 解像度（480P or 720P）・フレーム数を設定
5. 「Queue」をクリックして生成開始

生成時間の目安（5秒動画・RTX 4090環境、Wan2.2実績）：

  • 5Bモデル（720p）：約9〜15分
  • 14Bモデル（FP8・720p）：約30〜60分

初心者向け代替：ComfyUIの設定が難しい場合は「EasyWan22」という有志作成のオールインワン環境が公開されている。ComfyUIを新規にセットアップするより簡単に始められる。

プロンプトの書き方——Wanシリーズの鉄則

基本ルール

Wanシリーズへのプロンプトは英語で80〜120単語が推奨される。短すぎるとAIが勝手に「シネマティックな何か」で空白を埋めてしまい、意図と外れた結果になりやすい。

プロンプトの構造：

[被写体の詳細な描写]
[アクション・動きの説明（時系列順で）]
[カメラワーク（1つだけ）]
[照明・雰囲気]
[スタイル・映像品質]
[音声指示（ある場合）]

カメラワーク一覧（Wan対応確認済み）

英語キーワード意味推奨シーン
camera slow push-inゆっくりズームイン商品クローズアップ・緊張感の演出
camera pull back引いてシーン全体を見せる場所の説明・壮大な場面
pan left / pan right横移動場面転換・環境説明
tilt up / tilt down上下移動建物・人物の全身
tracking shot被写体を追う歩いている人・車
dolly shot被写体と平行に移動映画的な横移動
orbital shot被写体の周りを回転商品360度・人物紹介
crane shot高い位置から見下ろす俯瞰・全体像
handheld camera手持ちカメラ風リアリティ・ドキュメンタリー

鉄則：カメラワーク指示は1つだけ。複数指定はWanでも映像の乱れを招く。

実践プロンプト例（コピペOK・7本）

① 商品紹介動画（EC・広告向け）

A premium skincare serum bottle placed elegantly on a clean white marble surface.
The bottle slowly rotates 360 degrees, catching soft, diffused studio light from the left.
Close-up reveals the glass texture and label in sharp detail.
Camera orbital shot around the product.
White background, luxury cosmetics commercial aesthetic.
Soft ambient sound, subtle shimmer effects.
Photorealistic, 4K quality, shallow depth of field.

② カフェ・飲食店プロモーション（縦型SNS向け）

A barista's hands carefully pour steaming matcha latte into a ceramic cup
at a cozy Japanese cafe counter. Steam rises in gentle wisps.
Autumn afternoon sunlight filters through shoji screens in the background.
Camera tilts down slowly from steam to cup surface revealing latte art.
Warm amber lighting, shallow depth of field.
Soft ambient cafe sounds — low chatter, gentle jazz, rain on window.
Cinematic food photography style. 9:16 vertical.

③ キャラクター一貫性（FLF2V活用）

[First Frame]: Original character stands facing camera, neutral expression, in forest clearing.
[Last Frame]: Same character stands at forest edge looking into sunset distance.

The character walks slowly from center clearing toward the forest edge,
turning once to look back at camera, then continuing forward.
Natural daylight shifting from midday to golden hour.
Camera tracking shot following the character from behind.
Cinematic color grade, warm tones.

④ ビフォー/アフター変換（指示ベース編集）

Transform the visual style of this video.
Keep all camera movements and subject motion exactly the same.
Change the color palette from natural daylight to neon-lit cyberpunk night city.
Add rain reflections on the ground surface.
Maintain character proportions and action timing.
Apply futuristic aesthetic with blue and purple neon lighting.

⑤ BtoB・サービス紹介（横型）

Abstract visualization of glowing data streams flowing between interconnected nodes
representing a global business network. Deep blue and cyan color palette on dark background.
Corporate technology motion graphics style.
Camera slow pull back from a single glowing node to reveal the full network map.
Professional, clean aesthetic.
Subtle electronic ambient sound with soft data processing tones.
16:9 landscape. Cinematic quality.

⑥ 採用・コーポレートビデオ

A diverse team of young professionals collaborates around a glass-walled conference room
in a modern Tokyo office. Some type on laptops, others discuss at a whiteboard.
Natural daylight floods the space from floor-to-ceiling windows.
One team member smiles and points to a presentation screen.
Camera slow tracking shot across the room left to right.
Warm, optimistic atmosphere. Uplifting background music.
Corporate lifestyle photography style, 16:9.

⑦ 動画リメイク（実写→アニメ変換）

Remake this live-action video in the style of a modern Japanese anime.
Maintain the original camera movements and character actions exactly.
Convert the visual aesthetic to: cel-shaded animation, vibrant saturated colors,
clean line art, anime-style lighting with rim light effects.
Keep the emotional tone of the scene but adapt it fully to 2D anime visual language.
High-quality anime production value.

他ツールとの比較

項目Wan2.7Veo 3.1 LiteSeedance 2.0Kling 3.0
ライセンスクラウド/API先行提供。オープンウェイト化は進行中とみられるが要最新確認Gemini API（有料従量）API延期中有料
ローカル実行△（公式確認が必要）❌❌❌
データ外部送信なし△（ローカル実行可否に依存）❌❌❌
商用利用✅（利用規約確認推奨）✅（利用規約確認）✅（一部制限）✅（要確認）
最大動画長15秒8秒15秒3分
FLF2V（始終フレーム制御）✅❌❌✅
9枚グリッドI2V✅❌✅❌
指示ベース編集✅❌❌✅
コスト（大量生成時）ローカル実行が可能であれば低コスト化の余地あり$0.05〜/秒参考値$0.10〜/秒$0.07〜/秒
ノーコードアクセス✅（create.wan.video）✅（AI Studio）△✅

使い分けの指針：

  • FLF2V・マルチリファレンス・長尺コントロール重視 → Wan2.7
  • ノーコードで今すぐ試したい・API量産 → Veo 3.1 Lite
  • コストゼロ・データ外出NG・大量生成を将来的に狙う → Wan2.7（ローカル実行の可否を確認の上）
  • リップシンク・音声同期重視 → Seedance 2.0またはWan2.6/2.7

よくある質問（FAQ）

Q1. Wan2.7はWan2.2と何が違いますか？

Wan2.2は高品質な動画生成の基礎を確立しましたが、機能面では「生成するだけ」でした。Wan2.7は開始/終了フレーム制御（FLF2V）・9枚グリッドI2V・指示ベース編集・動画リメイクという「編集・制御機能」を大幅追加し、コンテンツ制作のワークフロー全体をカバーするようになっています。

Q2. 商用利用はできますか？

Wan2.1・2.2はApache 2.0ライセンスで商用利用が明確に認められています。Wan2.7についても商用利用は可能とされていますが、ライセンス形態の詳細はプラットフォームの利用規約で確認することを推奨します。また生成する動画の内容が他者の著作権・肖像権を侵害しないよう注意が必要です。Webプラットフォーム（create.wan.video）での利用はProプラン以上が商用利用の対象です。

Q3. VRAM 8GBのPCでも動かせますか？

Wan2.2の5Bモデルであれば公式には8GB以上対応とされていますが、安定動作のためには12〜16GBが推奨です。8GBでの動作報告はあるものの、生成できる解像度・フレーム数が制限されます。14Bモデルは最低でも24GBが必要です。Wan2.7のローカル実行時の要件は、対応版が公開され次第確認が必要です。

Q4. ComfyUI以外で使えますか？

Stability Matrix（ComfyUIの統合管理ツール）経由でも利用可能です。また「EasyWan22」という有志のオールインワン環境も存在します。技術的にはPython直接実行も可能ですが、ComfyUIが最もエコシステムが充実しています。

Q5. Wan2.7のComfyUI対応・ローカル実行はいつ安定しますか？

2026年4月の公開時点ではクラウド・API経由の提供が先行しており、オープンウェイト公開の時期は明言されていませんでした。その後の情報ではモデルの重みを入手したという報告も見られますが、公式のComfyUI対応パッケージが整うタイミングは流動的です。Comfy-OrgのHugging FaceとWan-AI GitHub（github.com/Wan-Video）の更新を確認してください。Wan2.2は既にComfyUIで完全対応済みなので、今すぐローカル実行を始めたい場合はWan2.2から試すのが最も安定した選択肢です。

まとめ：Wan2.7を「今すぐ使い始める」ための最短ルート

用途別の推奨スタートポイントをまとめる：

まず試したい（5分で始める）： → create.wan.video にアクセス → Google登録 → テキストから動画生成

開発者・プロダクト組み込み： → Alibaba Cloud Model Studioでアカウント作成 → 正式なモデルIDを確認 → 本記事のPythonコードの構造を参考に実装

ローカル・機密データ・コストゼロを目指す： → ComfyUI Desktopをインストール → Wan2.2（14B FP8）でまず動かす → Wan2.7のローカル対応版が公開され次第マイグレート

Wanシリーズの本質的な強みは、ローカル実行が可能になれば「使い続けるコストがゼロに近づく可能性がある」という点だ。APIコストを気にせず、大量の動画を生成できるパイプラインを自社で持てるとすれば、Veo 3.1 LiteやKlingにはない差別化軸になりうる。ただしWan2.7自体は2026年4月に公開されたばかりのモデルであり、ローカル実行の可否・ライセンス詳細は今後の公式発表で変わりうる点は踏まえておきたい。

LIFRELLへの相談

Wan2.7を含むオープンソース動画AIのローカル環境構築、ComfyUIワークフロー設計、APIを使った自動化パイプライン開発まで、現場マーケター・エンジニア双方の視点でサポートします。

👉 LIFRELLへ無料相談する

本記事の情報は2026年4月時点のものです。Wan2.7はリリース直後のモデルであり、ライセンス形態・APIモデルID・料金体系は変更される可能性があります。最新情報はWan-AI GitHubおよびAlibaba Cloud Model Studioでご確認ください。

NEW
よかったらシェアしてね！
  • URLをコピーしました！
  • URLをコピーしました！

関連記事

目次