Wan 3.0 動画制作ワークフロー（Alibaba Cloud Model Studio API）

実行主体はClaude Code・Cursor・Codexのいずれでもよい（.agents/skills/と.cursor/skills/の両方にsymlinkしてある）。

位置づけ

	/no-image-video＋/colab-video（H3）	本スキル（Wan 3.0）
生成場所	Colab（L4/A100）で自前GPU	Alibaba Cloud Model Studio API（従量課金）
解像度・比率	1344x768（16:9）→仕上げで2.39:1に切り出し	2208x948（21:9）を直接生成、30fps。切り出し・拡大なし
1本の尺	4〜15秒（17k+5フレームのグリッド）	2〜30秒（整数秒）
参照	画像9・音声3・合計12	画像10・音声5（合計15秒）・動画5
セリフ音声	wavをファイルで添付	公開URLでしか渡せない（drive_audio_url.py）
品質（2026-10・37で同一プロンプト比較）	3つのLoRA版とも同等	ユーザー評価で明確に高画質。添付wavの再現度0.98〜0.99
費用	90秒で¥300〜500（A100）	90秒で約$18（1080P・$0.20/秒の想定）

台本・ゲート・プロンプトは/no-image-videoの「映画品質モード」と完全に共通（チャプター分割→動き→シート→音声→APPROVED→6セクション形式のプロンプト）。本スキルは生成工程だけを置き換える。同じランをH3とWanの両方で生成して比べることもできる（37_sobaya_beer_ocean_kaijuが実例）。CLAUDE.mdの共通ルール（シート照合・福ギュン表記・禁止事項）はそのまま適用する。

0. セットアップ確認（作業の最初に必ず実行）

python3 .claude/skills/wan3-video/wan3_setup.py

• exit 0（OK）: APIキーとホストがあり、無料の認証確認（存在しないタスクの照会。生成も課金もされない）が通った。先へ進む。
• exit 1（未設定）: スクリプトが設定手順を表示する。その手順をユーザーにそのまま伝えて止まる（下記）。ユーザーが「設定した」と言ったら、もう一度このスクリプトを実行して確認する。
• exit 2 / HTTPエラー: キーとホストのリージョン違い（例: キーはシンガポール、ホストは東京）や、キーの失効。エラー文をユーザーに見せる。

ユーザーに伝える設定手順（wan3_common.pyのSETUP_HELPと同じ内容）:

1. Model Studioのコンソール（https://modelstudio.console.alibabacloud.com/ ）のAPI Keyページで「Create API Key」。同じページの**「Pay-as-you-go Base URL」のホスト名**（例 ws-xxxxxxxx.ap-southeast-1.maas.aliyuncs.com）を控える。キー・ホスト・モデルは同じリージョンにそろえる。
2. ターミナルで次を実行する（キーは画面にも履歴にも残らない）。

read -s "KEY?DASHSCOPE_API_KEY: " && echo "export DASHSCOPE_API_KEY='$KEY'" >> ~/.zshrc && unset KEY && echo && echo saved

echo "export DASHSCOPE_API_HOST='<控えたホスト名>'" >> ~/.zshrc

• キーをチャットに貼ってもらわない・Claudeがキーをファイルに書かない・表示しない（wan3_setup.pyは長さだけを出す）。ユーザーが誤ってチャットに貼ったら、そのキーを使わずに「Reset」で作り直すよう勧める。
• ツールは環境変数のほか~/.zshrc等のexport行も読む（エージェントのシェルは~/.zshrcを読み込まないことが多いため。2026-10-23に実測）。ホストは秘密情報ではないので、ユーザーがチャットで教えてくれた値をこちらで設定してもよい。
• 「ワークスペースIDが無い」と言われたら、上記の「Pay-as-you-go Base URL」のws-…部分がワークスペースIDだと案内する（2026-10の画面ではワークスペース管理画面ではなくAPI Keyページに出ていた）。

1. 素材（/no-image-videoと共通）

• chapter_plan.md（全章APPROVED）、シート（正典・モブ・群衆）、セリフwav（2テイク→ユーザーが選ぶ）、chN_prompt.txt（6セクション形式・<Picture N>/<Audio N>表記のまま書く）。
• 入力の定義:
  • H3のワークフロー（chN_workflow.json）があるランは、それを読んで同じ画像・音声を同じ順序で渡す（尺はH3の長さを整数秒に丸める）。
  • Wanだけで作るランは、ラン直下にwan3_inputs.jsonを書く（<Picture N>の順＝imagesの順）:

{"ch1": {"images": ["Mob_lifeguard_sheet.png", "Mob_father_sheet.png"], "audio": [], "seconds": 10},
 "ch3": {"images": ["Mob_lifeguard_sheet.png"], "audio": ["ch3_line1_mob_lifeguard.wav"], "seconds": 6}}

• Wanだけで作るときの書き方: 尺は最大30秒まで延ばせる（H3の15秒の制約が無い）。ただし[Shot N] At MM:SS.mmmのカット時刻は尺の中に収める。2.39:1で切り出す前提の一文は書かなくてよい（あってもwan3_run.pyが取り除く）。
• wan3_run.pyの変換（自動）: <Picture N>→Image N、<Audio N>→Audio N、2.39:1の一文を削除、prompt_extend=false（Wan側でプロンプトを書き換えさせない）、watermark=false、audio=true、ratio=21:9、resolution=1080P。
• 画面に残したい状態は必ず映像の説明に書く（37の9章で、ビールの海をoverall_soundscapeにしか書かなかったら青い海に戻った）。

2. セリフ音声（公開URL）

APIは音声をbase64で受け取らないので、wavを公開URLに置く。Google Driveでよい（2026-10-23実測）。

1. ユーザーに、各章の正式wav（2秒に整えたchN_lineM_*.wav。audio_takes/ではない）をDriveへ上げ、「リンクを知っている全員（閲覧者）」で共有してリンクを貼ってもらう。
2. 変換と照合（Driveから取れる中身が手元のwavと同一かSHA-256で確認し、--audio-url引数を出力する）:

python3 .claude/skills/wan3-video/drive_audio_url.py 03_SCRIPTS/<run> 'ch3=<共有リンク>' 'ch9=<共有リンク>'

3. 生成が終わったら、共有を「制限付き」に戻すか削除するようユーザーに伝える。

3. 費用の確認（必須ゲート）

送信は課金される。毎回、送信前に見積りを出してユーザーの了承を取る（了承は送る範囲ごと。前回の了承を次の範囲に流用しない）。

python3 .claude/skills/wan3-video/wan3_run.py 03_SCRIPTS/<run> --chapters ch1,ch2,...,ch9 --estimate

• 単価は第三者の記事の数字（1080P $0.20/秒）。正式な額はコンソールの「View Cost」で確認するよう添える。
• 新しい端末・アカウントで初めて回すときは1章だけ先に送る（API・画質・請求を確かめる）。それ以降はユーザーの了承があれば全章をまとめて送ってよい。

4. 生成

python3 -u .claude/skills/wan3-video/wan3_run.py 03_SCRIPTS/<run> --chapters ch1,ch2,ch4 --yes > 03_SCRIPTS/<run>/out_wan3_run.log 2>&1
python3 -u .claude/skills/wan3-video/wan3_run.py 03_SCRIPTS/<run> --chapters ch3,ch9 --yes --audio-url "ch3=…" --audio-url "ch9=…"

• バックグラウンドで実行し、完了の通知を待つ（1章ずつ順番に処理し、1章あたり3〜7分。ログはタスク作成と完了だけを出す）。進捗のポーリング用モニターは通知が多すぎるので立てない。
• 成果物はout_wan3/chN.mp4とchN_task.json（usageに請求対象の秒数）。結果のURLは24時間で消えるので、スクリプトが即ダウンロードする。
• ポーリングの途中で止まったら、--task-id <ID>で同じタスクを照会し直す（新しいタスクを作ると二重に課金される）。タスクIDはログのtask … created行にある。タスクIDは24時間有効。
• 既定は各章1テイク（seed 42）。ユーザーが明示的に頼んだときだけ2テイク目を--seed 1234 --label s1234で作る（成果物はchN__s1234.mp4）。

5. 確認と結合

1. 章ごとに9枚の中間フレームのグリッドを作って確認する（シート照合・人数・ショット割り・画面内文字・状態の連続性）。文字や小物はクロップして拡大する。
2. セリフ章は声の再現度を測る（0.9以上なら添付wavがそのまま使われている）:

python3 .claude/skills/no-image-video/check_voice.py 03_SCRIPTS/<run>/out_wan3/ch3.mp4 03_SCRIPTS/<run>/ch3_line1_x.wav

3. 結合と仕上げ（生成したままの解像度で、切り出しなし。軽いグレード・グレイン・通しの劇伴・2パスloudnorm・末尾の暗転）:

python3 .claude/skills/no-image-video/finish_cinematic.py 03_SCRIPTS/<run> --mode wan --chapters 9 --src out_wan3 \
    --hits 5,8,9 --out finals/<slug>_wan3.mp4        # [--music score.wav] [--smash-last]

書き出しは90秒で約1GBになる。共有用には別途圧縮を提案する。

実測（2026-10-23〜26・37_sobaya_beer_ocean_kaiju・9章90秒）

• 出力: 2206〜2208 x 946〜948、30fps、H.264＋音声。生成時間は1章あたり2.5〜7分（15秒の章で約7分）。
• 声: 添付wavとの包絡一致 0.99（3章）/ 0.98（9章）。メガホン越しの叫び、仮面のキャラ（口が動かない）でも添付どおりに鳴った。
• シート再現: 正典（そば屋の仮面・髪・肌・体型）、主役のモブ4人、ライフセーバーの装備までよく再現された。群衆シートの服装も反映された。
• ズレた点（プロンプトで潰す）: 小物の時期（5章でジョッキを早く持った）、数（戦闘機4機→3機）、ショット頭の空白（8章の最初の約1秒が空だけ）、監視台の看板の崩れた小さな文字、状態の連続性（9章でビールの海が青に戻った）。
• API: 作成はPOSTにX-DashScope-Async: enableが必須。照会のGETにこのヘッダーを付けると403（"current user api does not support asynchronous calls"）。

同梱ファイル

ファイル	役割
wan3_setup.py	キー・ホストの有無と無料の認証確認。未設定なら設定手順を表示（exit 1）
wan3_run.py	見積り（--estimate）・ドライラン・送信（--yes）・再開（--task-id）・ダウンロード
wan3_common.py	認証情報の読み込み（環境変数＋シェルのrcファイル）、APIホスト、HTTP、設定手順の文面
drive_audio_url.py	Driveの共有リンク→直接ダウンロードURL、中身の同一性確認、--audio-urlの出力

結合は/no-image-videoのfinish_cinematic.py、声の確認は同じくcheck_voice.pyを使う。

完了条件

• wan3_setup.pyがOK（未設定の端末ではユーザーに設定してもらってから）
• /no-image-videoのゲート（全章・全シートAPPROVED、採用テイクの音声）を満たしている
• 送信した範囲ごとに、見積りを提示してユーザーの了承を取った
• 全章をダウンロードし、フレームのグリッドとセリフ章のcheck_voice.pyで確認した（ズレは報告した）
• finish_cinematic.py --mode wanで結合し、Driveの共有を戻すようユーザーに伝えた