「もっと長く」ボタンを作るときに決めないといけない五つのこと

動画生成のフロントを作っていると、必ず出てくる要望がある。「この動画をもう少し
長くしたい」。

一見すると、既存の生成リクエストに秒数を足して投げ直すだけに見える。実際にはそうで
はなくて、このボタン一つの裏に独立した意思決定が五つある。全部決めないと、
UI が嘘をつくか、請求が想定外になるかのどちらかになる。

Wan 3.0 を例にするが、形は他の従量課金の生成 API でもだいたい同じだ。

1. 「延長」は再生成なのか、継続なのか

まずここを決めないと何も進まない。

• 再生成：同じプロンプトで、尺だけ長くしてもう一度回す。前の映像とは別物になる。
• 継続：既存のクリップを入力として渡し、その続き（あるいは前）を生成させる。

Wan 3.0 には後者のモードがある。前方向・後方向・両方向に伸ばせる。つまり「継続」は
選択肢として実在する。ただし継続を選んだ瞬間に、以下の四つが全部効いてくる。

UI 的には、この二つを同じボタンにまとめてはいけない。ユーザーが期待しているのは
たいてい「継続」で、実装が楽なのは「再生成」だからだ。黙って後者をやると、
「同じ動画が長くなる」と思っていた人に別の動画が返る。

2. 上限は「出力の尺」ではなく「入力＋出力の合計」

ここが一番間違えやすい。

input_video_seconds + output_seconds <= 30

入力に動画を渡すと、その入力の尺も 30 秒の上限を食う。超えた場合は切り詰めでは
なく、リクエストごと拒否される。

なので「あと何秒伸ばせますか？」の答えは固定値ではなく引き算になる。

アップロードするクリップ	伸ばせる最大	完成尺
3 秒	27 秒	30 秒
10 秒	20 秒	30 秒
20 秒	10 秒	30 秒
28 秒	2 秒	30 秒

UI にスライダーを出すなら、最大値は入力尺に応じて動的に変える必要がある。
固定で 30 を出すと、ユーザーが選べる値の半分が必ず失敗する。

3. 入力の秒数も課金される

二つめの引き算。入力動画の秒数は、出力と同じレートで課金される。
参照画像は 10 枚まで無料なのに、参照動画は自分の長さぶん請求される。

billed_seconds = input_video_seconds + output_seconds

この二つの式を並べると、直感に反する結論が出る。

一回の延長リクエストは、どう使ってもだいたい 30 秒ぶん課金される。
変わるのは「そのうち何秒が新しい映像か」だけ。

• 20 秒を入れる → 30 秒ぶん払って、新しい映像は 10 秒。
• 3 秒を入れる → 30 秒ぶん払って、新しい映像は 27 秒。

同じ請求額で、得られる新規映像は 9 倍違う。

したがって実装としての正解は明確で、送る前にクリップの末尾だけを切り出す。
モデルが動きと光と被写体を拾うのに必要なのは末尾の 2〜3 秒で、その前の 20 秒は
課金されて上限を食うだけの存在になる。

これは UI に出したほうがいい。「末尾 3 秒だけを使って延長します（推奨）」という
チェックを既定で入れておくと、ユーザーは何も考えずに正しい側に落ちる。

4. 音は繋がらない

音声は画と同じパスで生成される。つまりパスが変われば音も変わる。

• 元のクリップと延長ぶんで、音楽が繋がらない。
• ステムは返ってこないので、音だけ差し替えることもできない。

なので「延長」の結果は、映像は繋がっているように見えても音は継ぎ目がある、という
状態になりやすい。ここは UI で先に言っておく類の制約だ。後から気づかれると
「壊れている」と受け取られる。

実務的な回避策は一つだけで、編集側で連続した音を下に敷く。プロダクトとして
そこまで面倒を見るなら、延長を選んだ時点で「音声なしで書き出す」オプションを
出すのが親切になる——ただし音を切っても料金は下がらない（切るべき二回目の
パスが存在しないため）ことも同時に書いておく必要がある。

5. 45 秒を要求されたときの答えを先に決めておく

上限は 30 秒なので、45 秒は一回の呼び出しでは出ない。ここで UI が取れる態度は三つ。

1. できないと言う。 一番正直で、一番早い。
2. 二回に分けて、繋ぎ目をユーザーに選ばせる。 カットを置く位置を生成前に決めて
   もらう。動きが解決した瞬間（カメラ移動の終わり）を推奨として提示する。
3. 黙って二回投げて繋げる。 やめたほうがいい。繋ぎ目の品質を保証できないうえに、
   課金が二倍になったことがユーザーから見えない。

2 を選ぶ場合、見積もり表示は「2 リクエスト・合計 N 課金秒」と分解して出す。
従量課金のプロダクトで一番不信を買うのは、一回の操作が裏で何回課金されたか
分からないことなので、ここは冗長なくらい明示していい。

まとめ

「もっと長く」は機能ではなく、五つの意思決定の束になっている。

1. 継続なのか再生成なのか
2. 上限は入力＋出力の合計
3. 入力秒数も課金される（＝末尾だけ送る）
4. 音は繋がらないしステムもない
5. 上限超えの要求にどう答えるか

上限や課金の根拠になっている値は、出典と確認日つきで
Wan 3.0 の仕様表にまとめてある。
ブラウザから実際に一度投げて挙動を見たい場合は
wan-3.run から一本目を無料で試せる。

wan-3.run は Wan 3.0 の上に作られた独立した第三者インターフェースであり、
Alibaba Group および Alibaba Cloud とは提携関係にありません。