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。

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。

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。
- 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。
- モデル一覧でWAN 2.2を選びます。
- 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。
- 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。
- 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。
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。

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。
- 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。
- 動きと構図が最もよいものを残します。
- 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。

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。



