1. ヘルプセンター
  2. AI動画・画像

動画モデルの比較

AI動画・画像2026年11月5日 更新

AI動画では多くのモデルを利用できます。モデルによって、クリップの最大の長さ、最高解像度、使える参照の数、音声を生成するかどうか、価格が異なります。モデル選びの参考にしてください。

早見ガイド

  • 迷ったら初期設定のWan 3.0から始めましょう。最長30秒・1080pで、画像・動画・音声の参照を多数使えます。
  • 低コストでアイデアを試す — Wan 2.2 TurboまたはP-Video-2で試し、最終版は上位のモデルで作成します。
  • 参照を使った長いクリップ — Seedance 2.5またはKling 4.0で最長30秒。
  • 最高解像度 — Kling 3.0、Gemini Omni Flash 1.1、Vidu Q4、Veo 3.1で最大4K。
  • 実在の人物の写真 — モデルに写真を拒否された場合は、別のモデルを試すか、代わりにキャラクターを使ってください。

モデルガイド

モデル長さ最大解像度知っておきたいこと
Wan 3.02–30秒1080p初期設定のモデル。開始・終了フレームに対応。参照として画像最大10枚、動画5本、音声5件。参照動画と生成結果の合計は最長30秒です。
Kling 4.03–30秒1080p音声は常に生成されます。開始・終了フレームに対応。参照画像は最大10枚(JPGまたはPNG)。
Seedance 2.54–30秒1080p参照の数が最も多いモデルです。画像最大30枚、動画10本、音声10件。開始・終了フレームに対応。
Seedance 2.04–15秒1080p参照が充実(画像9枚、動画3本、音声3件)。開始・終了フレームに対応。
Seedance 2.0 Mini4–15秒720pSeedance 2.0の軽量版。参照の数は同じで、最大720p。
Gemini Omni Flash 1.13–10秒4K開始・終了フレームに対応。参照として画像6枚と短い動画3本。
MiniMax H3 Max5–15秒1080p映像と同期した音声。多くの参照に対応。キャラクターは使用できません。
Kling 3.03–15秒4K音声のオン・オフを選べます。参照画像は最大7枚。
Kling 2.5 Turbo5秒または10秒1080p高速。開始フレームまたはテキストから生成します。
Vidu Q43–16秒4K参照画像最大12枚と短い音声クリップに対応。
Vidu Q31–16秒1080pテキストモードと開始フレームモードで、TurboまたはProの品質を選べます(開始フレームのみ)。
Vidu Q22–8秒1080pフレームから動画でTurboまたはProの品質を選べます(開始フレームのみ)。動画生成では参照画像と参照動画も使えます。
Veo 3.1 / Veo 3.1 Fast4秒、6秒、8秒4K音声のオン・オフを選べます(初期設定はオン)。テキスト、または720ピクセル以上の開始フレームから生成します。Fastは低コスト版です。
P-Video-25秒、10秒、15秒、20秒1080p開始フレームから生成します。音声のオン・オフを選べます。低価格です。
Wan 2.72–15秒1080p開始・終了フレームとネガティブプロンプトに対応。
Wan 2.2 Turbo5秒720p5秒固定のクリップを低価格で作成できます。

モデルの一覧は、新しいモデルの追加や古いモデルの提供終了に伴って変わります。現在のモデル、オプション、価格は常にアプリ上に表示されます。アップロード時に表示される上限(参照の数、ファイルサイズ、長さ)が実際に適用される上限です。

用語の意味

  • 開始・終了フレーム — フレームから動画で、クリップは1枚目の画像から始まり、終了フレームを指定すると2枚目の画像で終わります。
  • 参照 — 動画生成でモデルが素材として使う画像・動画・音声。プロンプトでは@を使って指定します。
  • 音声 — 一部のモデルは話し声、効果音、環境音を動画と一緒に生成します。それ以外のモデルでは音声が付きません。

解決しませんでしたか? ご質問をお送りいただければ、メールでご返信します。