VIBE ブログ8分で読める

WAN 2.2 AI動画生成:低コストな720pドラフトクリップ

WAN 2.2なら、プロンプトや写真から5秒・720pのクリップをわずか15〜20トークンで作れます。VIBEでの正確な制限、WAN 2.6・2.7との違い、使いどころを解説します。

Jiyeon Kim

Jiyeon Kim

VIBE AI動画エディター

テキストプロンプトから低コストな720pドラフトクリップを作るWAN 2.2 AI動画生成
目次
  1. WAN 2.2 AI動画生成とは?
  2. VIBEのWAN 2.2では何が作れる?
  3. WAN 2.2でAI動画を作るにはどうすればいい?
  4. WAN 2.2で写真を動画にできる?
  5. VIBEでWAN 2.2の料金はいくら?
  6. WAN 2.2、WAN 2.6、WAN 2.7の違いは?
  7. 安いテストクリップに最適なAI動画モデルは?
  8. WAN 2.2でより良いプロンプトを書くには?
  9. よくある質問
  10. まとめ

VIBEのWAN 2.2 AI動画生成は、プロンプトや写真から5秒・720pのクリップを手早く低コストで作る方法です。WAN 2.2はAlibabaのモデルで、テキストからは1秒あたり3トークン、画像からは1秒あたり4トークンかかるため、1クリップ全体で15トークンまたは20トークンになります。VIBEは、KlingやSora、Veoなどの最新AIモデルを使って、テキストプロンプトや画像から魅力的な動画を作れるAI動画生成アプリです。

WAN 2.2はWANの最新モデルではありませんが、だからこそ便利です。いわばドラフト用モデルで、アイデアを安く試してから、うまくいったプロンプトを上位モデルに移せます。このガイドでは、WAN 2.2でできること、VIBEでの正確な制限、料金、そしてWAN 2.6やWAN 2.7を選ぶべき場面を紹介します。

テキストプロンプトから720pクリップを作るWAN 2.2 AI動画生成
テキストプロンプトから720pクリップを作るWAN 2.2 AI動画生成

WAN 2.2 AI動画生成とは?

WAN 2.2は、Alibabaが2025年7月下旬にApache 2.0ライセンスで公開したオープンな動画生成モデルです。Alibabaによると、同社初のMixture-of-Experts設計の動画モデルで、生成の序盤のノイズが多い段階を1つ目のエキスパートが担当し、2つ目のエキスパートがディテールを仕上げます。また、WAN 2.1と比べて学習データを画像で65.6%、動画で83.2%増やしたとのことです。

VIBEのWAN 2.2は、速度重視に調整されたコンパクトな5Bバリアントで動作します。そのため高速で低コストですが、アプリ内で最も精細、あるいは最も長尺のモデルではありません。

VIBEで使えるWAN 2.2の特徴は次のとおりです。

  • 1つのモデルでテキストから動画、画像から動画の両方に対応。
  • 16:9または9:16の720p出力。
  • 5秒固定のクリップ。
  • 音声トラックなし。音は別途追加します。
  • テキストからは1秒あたり3トークン、画像からは1秒あたり4トークン。

WANシリーズの経緯をさらに知りたい方は、WAN AI動画生成ガイドをご覧ください。

VIBEのWAN 2.2では何が作れる?

WAN 2.2が得意なのは、被写体と動きがそれぞれ1つずつの、短くシンプルなシーンです。キャラクターへゆっくり寄っていくカメラ、カップから立ちのぼる湯気、浜辺に打ち寄せる波、テーブルの上で回る商品などが向いています。

5秒あれば1つの動作を収められるため、こうしたシーンはうまく仕上がります。一方、群衆、速いスポーツ、読める文字、3つ続けての動作などは苦手です。それらは大きなモデルのほうが適しています。

WAN 2.2が向いている用途は次のとおりです。

  • プレミアムモデルにトークンを使う前のコンセプトテスト。
  • SNS投稿用のループ背景クリップ。
  • 写真を動かすアニメーション。
  • 水彩、クレイ、ネオンの夜景などのスタイル実験。
モニターで複数のWAN 2.2ドラフトクリップを確認するクリエイター
モニターで複数のWAN 2.2ドラフトクリップを確認するクリエイター

WAN 2.2でAI動画を作るにはどうすればいい?

モデルを選び、短いプロンプトを1つ書き、アスペクト比を選んで生成するだけで、WAN 2.2の動画が作れます。VIBEはどのスマートフォンやパソコンのブラウザでも動くので、インストールは不要です。

  1. app.vibeclips.aiにサインインし、テキストから動画の画面を開きます。
  2. モデル一覧でWAN 2.2を選びます。
  3. 被写体、動き、カメラワークを入れたプロンプトを書きます。
  4. YouTubeやデスクトップ向けなら16:9、ショート、リール、TikTok向けなら9:16を選びます。
  5. 生成して5秒のクリップを確認し、気に入ったらダウンロードします。

確実なプロンプトの型は「被写体、動き、場所、光、カメラ」です。たとえば「夜明けの新雪の中を赤いキツネが歩く、やわらかな金色の光、ゆっくりしたドリーイン、浅い被写界深度」のように書きます。

60秒で、はじめてのAI動画を。

Kling、Veo、SoraなどでAI動画を生成 — ブラウザからすぐに。

WAN 2.2で写真を動画にできる?

はい、できます。WAN 2.2は画像から動画に対応しているので、写真をアップロードして、どう動かしたいかを書くだけです。料金は1秒あたり4トークンで、5秒のクリップ全体では20トークンです。

画像から動画は、写真に明確な被写体があり、その周りに余白がある場合に最も効果的です。モデルは写真をすでに見ているので、絵そのものではなく動きだけを書きましょう。人物を長々と説明するより、「カメラがゆっくり寄り、髪が風になびく」のほうが適しています。

1枚の写真をもっと細かく制御したい場合は、画像から動画のツールと写真から動画へのガイドで、画像の準備方法を確認できます。

VIBEでWAN 2.2の料金はいくら?

WAN 2.2のクリップは、テキストからなら15トークン、画像からなら20トークンです。1クリップあたりでは、カタログの中でも最も安いモデルの1つです。VIBEに無料プランはなく、買い切りのトークンパックを購入するか、全モデルが使える月額または年額プランを選びます。

新しいWANモデルとのトークン費用を比べると次のようになります。

  • WAN 2.2:1秒あたり3トークン、5秒で15トークン。
  • WAN 2.6:720pは1秒あたり10トークンで、5秒なら50トークン。1080pは1秒あたり15トークン。
  • WAN 2.7:1秒あたり10トークンで、2〜15秒に対応。

つまり、WAN 2.6を1クリップ作る費用で、WAN 2.2のドラフトを3本以上作れます。料金の全体像はAI動画生成アプリの料金の仕組みをご覧ください。

光るバーで示したWAN 2.2、WAN 2.6、WAN 2.7のトークン費用比較
光るバーで示したWAN 2.2、WAN 2.6、WAN 2.7のトークン費用比較

WAN 2.2、WAN 2.6、WAN 2.7の違いは?

WAN 2.2は5秒・720pの高速ドラフトモデル、WAN 2.6は1080p、より長いクリップ、内蔵音声が加わり、WAN 2.7は柔軟な長さと音声同期が加わります。違いはVIBEのモデル一覧どおりです。

  • WAN 2.2: 720p、5秒、16:9と9:16、音声なし。
  • WAN 2.6: 720pまたは1080p、5秒・10秒・15秒、16:9と9:16、音声は常にオン、より長いストーリー向けのマルチショットのシーン切り替え。
  • WAN 2.7: 720p、2〜15秒の任意の整数秒、1:1・4:3・3:4を含む5種類のアスペクト比、音声は常にオン、音声や音楽トラックをアップロードして動画を同期させるオプション。

コストと速度を最優先するならWAN 2.2、1080pや音が必要ならWAN 2.6、特定の長さや正方形・縦長のフレームが必要ならWAN 2.7を選びましょう。

安いテストクリップに最適なAI動画モデルは?

安いテストクリップなら、WAN 2.2が最初の有力な選択肢です。15トークンで5秒・720pのプレビューが丸ごと作れるからです。おすすめのワークフローは、ドラフトで試してから上位モデルに移す流れです。

  1. プロンプトを少しずつ変えて、WAN 2.2で3〜5パターン生成します。
  2. 動きと構図が最もよいものを残します。
  3. その同じプロンプトを、WAN 2.6、WAN 2.7、Kling、Veoで再実行して最終版にします。

これは映画の撮影チームが絵コンテを使うのと同じ考え方です。安価なパスでアイデアを見つけ、高価なパスで仕上げます。上位モデルを比べたい場合は、AI動画生成モデルの違いと、/#modelsのモデルセクションをご覧ください。

ドラフトクリップが磨かれた最終動画へアップグレードされる絵コンテ
ドラフトクリップが磨かれた最終動画へアップグレードされる絵コンテ

WAN 2.2でより良いプロンプトを書くには?

5秒のクリップにはそれ以上入らないので、被写体1つ、動き1つ、カメラワーク1つを書きましょう。20〜40語程度の短いプロンプトのほうが、長いものよりうまくいくことが多いです。

効果的なコツは次のとおりです。

  • カメラワークを指定する:ゆっくりしたドリーイン、オービット、手持ち、固定の引きの画。
  • 光と時間帯を書く:ゴールデンアワー、ネオンの夜、曇りの朝。
  • 最もきれいに仕上げるため、動きは穏やかにする:漂う、揺れる、流れる。
  • 看板や画面の文字は避ける。小さな文字は歪みやすいためです。
  • 9:16は縦向きで投稿する予定のときだけ使う。

WAN 2.2には音声がないため、音は別に用意してください。クリップの中にセリフや音楽が必要なら、WAN 2.6とWAN 2.7は音声を自動で生成します。

よくある質問

VIBEとは?

VIBEは、KlingやSora、Veoなどの最新AIモデルを使って、テキストプロンプトや画像から魅力的な動画を作れるAI動画生成アプリです。ブラウザで動くので、どのスマートフォンやパソコンでも使えます。

WAN 2.2はオンラインのAI動画生成で使えますか?

はい。WAN 2.2はブラウザ上のVIBEで利用できます。モデル一覧から選んで、テキストや写真から5秒・720pのクリップを生成します。

WAN 2.2の動画はどのくらいの長さにできますか?

VIBEのWAN 2.2のクリップは常に5秒です。10秒や15秒ならWAN 2.6、2〜15秒の好きな長さならWAN 2.7を使ってください。

WAN 2.2は音声を生成しますか?

いいえ。VIBEのWAN 2.2は無音の動画を出力します。WAN 2.6とWAN 2.7は、クリップの一部として音声も生成します。

WAN 2.2の動画は何トークンかかりますか?

テキストからは1秒あたり3トークン、画像からは1秒あたり4トークンです。そのため、5秒のクリップは15トークンまたは20トークンになります。

WAN 2.2をTikTokやInstagramリールに使えますか?

はい。縦向きのクリップなら9:16のアスペクト比を選び、完成した動画をダウンロードして投稿します。クリップは720pなので、スマートフォンのフィードに適しています。

WAN 2.2はWAN 2.6より優れていますか?

いいえ、優れているのではなく、より安くて速いモデルです。WAN 2.6は1080p、より長いクリップ、音声に対応しているので、最終レンダリング向けのより強力なモデルです。

まとめ

WAN 2.2 AI動画生成は、VIBEの低予算ドラフトモデルです。5秒、720p、テキストまたは画像入力に対応し、1クリップわずか15〜20トークンです。プロンプトを素早く試し、最も良いアイデアをWAN 2.6、WAN 2.7、または別のモデルに移して最終版を作りましょう。

VIBEは、ブラウザで動き、複数のAIモデルを1か所にまとめたAI動画生成アプリです。app.vibeclips.aiを開き、WAN 2.2を選んで、今日さっそく最初のドラフトを生成しましょう。

この記事をシェア

60秒で、はじめてのAI動画を。

Kling、Veo、SoraなどでAI動画を生成 — ブラウザからすぐに。