Wan 3.0とGrok Imagine Video 1.5、30秒のファイル参照か15秒keyframeへ分割するか？
Wanの長尺マルチモーダル参照を保つか、Grokのkeyframeとnative audioへ短尺分割するかを選びます。
2026年10月19日にAlibaba Cloud Model StudioのWan3.0仕様・guide・pricingと、xAI full 1.5の能力表・pricingを確認しました。Grok LiteやRunway経路を対象へ含めません。
公式仕様の比較。生成結果の実測と、公式に記載された機能は分けて紹介します。根拠・検証範囲を見る
この記事の目次
長尺ファイル参照を残すかkeyframeへ分割するか
ファイル・リンクを含む複数素材を30秒工程へ束ねるならWan3.0、first/last/mid keyframeとnative audioを含む15秒以内のカットへ分割するならGrok full 1.5が候補です。実測品質は比較していません。
Wanで長尺参照を束ねるか、Grokでkeyframeへ分割するかを先に決めます。
正式ID・入力・出力・料金単位
| 確認軸 | 左側 | 右側 | 判断メモ |
|---|---|---|---|
| 正式ID・経路 | wan3.0-video / Alibaba Cloud Model Studio API | grok-imagine-video-1.5 / xAI API | Wan3 PrimeやGrok Lite/Runway IDを混ぜない。 |
| 入力・参照 | text/image/video/audio/file/link、最大20参照、first/last/reference | 画像14・音声3、first/last/mid keyframe | ファイル/リンク数と画像/音声参照数を同じ上限にしない。 |
| 出力・音声 | 最大30秒、480/720/1080P、30fps、native dialogue/BGM/SFX案内 | 1–15秒、480/720/1080p、native audio | 音声機能の名称と実際の同期品質を分ける。 |
| 料金単位 | Singapore（deployment scope: International）の原価格の入力＋成功出力動画合算 $0.05/$0.10/$0.20 per sec | 入力画像 $0.01/枚＋出力480/720/1080p $0.08/$0.14/$0.25 per sec | 同じ解像度・秒数でも入力条件と地域を確認する。 |
入力資産と経路を分ける
Wanでは入力動画＋成功出力動画のdurationを合算して30秒以内へ設計し、動画・音声・ファイル・リンクを役割別に記録し、最大20参照とリージョンを固定します。Grokでは画像・音声参照の数とkeyframe位置、native audioをリクエストへ明記します。入力画像は$0.01/枚として出力秒課金と分けます。Wanの30秒をGrokへ、Grokのmid keyframeをWanへそのまま移さないでください。
Wanで束ねるもの
- ファイル/リンクの所在を台帳化。
- 最大20参照と編集・延長を記録。
- 30fps・音声条件を保存。
Grokで割るもの
- 画像14・音声3へ整理。
- first/last/midをカット単位で指定。
- native audioと解像度を保存。
ペア固有の仮想工程
仮の編集条件（実際の生成結果ではありません）
アウトドア用品の紹介を、実演動画5本、商品画像6枚、環境音参照1本から作る想定です。
- Wanでは入力動画5秒＋出力動画20秒（合計25秒）へ固定し、ファイル/リンクへ素材を分け、最大20参照の一工程へ組む。
- Grokでは画像6枚と音声1本を選び、first/mid/lastの位置を3つの8秒カットへ分ける。
- 動作の連続性、環境音の同期、ロゴ、ファイル形式を受入票で確認する。
長尺の連続性を維持したいか、短尺ごとの再実行を重視するかがペア固有の判断です。
同条件の費用を記録する
Wanの単価はSingapore（deployment scope: International）の原価格です。以下の算術例も原価格の試算で、期間限定割引・無料枠・他リージョンの価格は別条件です。
Wan3.0のSingapore（deployment scope: International）の原価格 1080Pは入力動画なしで20秒を出力すると$4.00です。入力動画5秒＋出力動画20秒（合計25秒）なら合算25秒×$0.20で$5.00です。Grokを720p・10秒出力だけなら$1.40です。入力画像6枚なら$0.01 × 6 = $0.06を加え、出力と画像を合わせた仮の合計は$1.46です。
これは出力だけの算術で、Wanの入力ファイル・参照・リージョン、Grokの参照条件を含む総額ではありません。価格の低さから速度や品質を推測しません。
実測と未確認範囲
Wan3.0のファイル/リンク・30秒・20参照・価格とGrok full 1.5のkeyframe・native audio・価格を公式資料で確認しました。待ち時間、連続性、音声同期、生成品質、成功率は未測定です。Wanの機能案内を品質順位へ拡張しません。
出典・確認範囲
確認日は2026-10-19です。
- Alibaba Cloud Model Studio｜Wan3.0 video：モデルID wan3.0-video、テキスト・画像・動画・音声・ファイル・リンク入力、first/last/reference、480P/720P/1080P、最大30秒を案内する。
- Model Studio｜Wan3 video generation guide：30秒、30fps、native dialogue/BGM/SFX、最大20個のマルチモーダル参照、first/last frame、編集・延長、入力動画＋成功出力動画のduration合算課金を案内する。
- Alibaba Cloud Model Studio｜Model pricing：Wan3.0-videoのSingapore（deployment scope: International）の原価格価格として480P $0.05/秒、720P $0.10/秒、1080P $0.20/秒を掲載し、入力動画＋成功出力動画のduration合算課金を明記する。
- xAI API｜Video capabilities overview：grok-imagine-video-1.5は1–15秒、480/720/1080p、最大14画像・3音声参照、first/last/mid keyframe、native audioを案内する。
- xAI｜Grok Imagine Video 1.5：Grok Imagine Video 1.5をxAI APIのgrok-imagine-video-1.5として案内し、画像起点・プロンプト・native soundを発表する。
- xAI API｜Pricing：grok-imagine-video-1.5の入力画像 $0.01/枚と、出力480p $0.08/秒、720p $0.14/秒、1080p $0.25/秒を掲載する。
この条件で制作を相談する
用途・素材・尺・予算・希望時期が決まっている範囲で、株式会社志庵へ相談できます。掲載会社への一斉送信や契約は行いません。