Text to Video:テキストから動画を生成するAI
Text to Videoは、文章やプロンプトで書いた場面を短い動画にするAIです。誰が登場し、どこで何が起きるかを書いて、10種類のモデルから1つを選びます。3〜30秒の音声付きMP4が、たいてい1〜5分でできあがります。カメラも編集の知識もいりません。

実際の生成結果
このツールで 作った作品
各作例には、生成に使ったモデルを表示しています。動画をタップすると音声付きで開きます。

































使い方
かんたん 3ステップ
場面を書く
誰が映るか、どこで何をするかを書きます。カメラの動き、光、天気などは、こだわりたいときだけ足してください。
モデル・長さ・画面の向きを選ぶ
モデルによって3〜30秒の動画を作れます。TikTok、Reels、YouTubeショートには縦長、YouTubeには横長を選びます。
生成してダウンロード
生成はバックグラウンドで進むので、タブを閉じてもかまいません。完成した動画はMP4としてライブラリに保存されます。
モデル
モデル 一覧
料金はクレジット単位で、生成前に正確な消費量が表示されます。クレジットパックは75クレジット¥980からご用意しています。
Seedance 2.5
ByteDance
最大30秒、フルHDなら最大25秒のワンショット。ラインナップでいちばん高性能で、いちばん高価なモデルです。
Seedance 2.0
ByteDance
手頃な価格のSeedance。最大15秒・最大4Kの音声付き動画を、バランスのよい価格で。
Seedance 2.0 Mini
ByteDance
いちばん安いSeedance。SNS向けの音声付きショートクリップを手早く作れます。
MiniMax H3 Max Turbo
MiniMax
速くて安く、SNS投稿には十分な品質。音声も生成します。
MiniMax H3 Max
MiniMax
動きとディテールがひと回り向上。音声付き動画の第三者評価で上位に入っています。
Google Gemini Omni Flash
もっともリアルな仕上がりで、音声も同期。広告やプロモーション動画向けです。
Google Veo 3.1 Lite
Googleの動画モデルの手頃な価格版。映像と一緒にセリフや環境音も生成します。
Wan 3.0
Alibaba
フルHDで最大30秒のワンショット。長めのシーンに向いています。
Kling 4.0
Kuaishou
Klingの最新モデル。最大30秒のワンショットで、常にステレオ音声付き。720pまたはフルHDで、映画的な21:9にも対応します。
Kling 3.0
Kuaishou
Klingのひとつ前の世代のモデル。最大15秒で、音声のあり・なしを選べます。Standardは720p、Proは1080p。内蔵の音声は英語か中国語です。
特長
ここで作る 理由
音声付き
ここにあるモデルはすべて、映像に合った環境音も一緒に生成します。Seedance 2.5、Seedance 2.0、Seedance 2.0 Mini、Google Veo 3.1 Lite、Wan 3.0、Kling 3.0では音声をオフにできます。
主要モデルを1つの残高で
Google、ByteDance、Alibaba、MiniMaxのモデルを並べて使えます。別々にサブスクリプションを契約しなくても、同じプロンプトを複数のモデルで試せます。
最長30秒
Seedance 2.5、Wan 3.0、Kling 4.0は、カットなしのワンショットで最長30秒まで生成できます。つなぎ合わせる手間はありません。
プロンプトの補助つき
短いプロンプトには、カメラ・光・動きの説明を自動で補います。自分の言葉どおりに送りたいときは、いつでもオフにできます。
失敗したらクレジットを返還
生成が完了しなかった場合、クレジットは自動で返還されます。問い合わせは必要ありません。
SNSに合うサイズ
縦長・正方形・横長(モデルによる)で出力できるので、TikTok、Instagram、YouTubeにトリミングなしで使えます。
比較
Text to Videoの各モデルでできること
長さ、解像度、アスペクト比、音声の有無はモデルによって違います。この表はモデルカタログから直接作っているので、スタジオで見る内容とそのまま一致します。
| モデル | 長さ | 解像度 | アスペクト比 | 音声 |
|---|---|---|---|---|
| Seedance 2.5ByteDance | 4・5・6・8・10・12・15・20・25・30秒 | 480p / 720p / 1080p | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | あり(オフにできます) |
| Seedance 2.0ByteDance | 4・5・6・8・10・12・15秒 | 480p / 720p / 1080p / 4K | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | あり(オフにできます) |
| Seedance 2.0 MiniByteDance | 4・5・6・8・10・12・15秒 | 480p / 720p | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | あり(オフにできます) |
| MiniMax H3 Max TurboMiniMax | 5・10・15秒 | 480p / 768p / 1080p | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | あり |
| MiniMax H3 MaxMiniMax | 5・10・15秒 | 480p / 768p / 1080p | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 | あり |
| Google Gemini Omni FlashGoogle | 5・8・10秒 | 360p / 720p / 1080p / 4K | 16:9, 9:16 | あり |
| Google Veo 3.1 LiteGoogle | 4・6・8秒 | 720p / 1080p | 16:9, 9:16 | あり(オフにできます) |
| Wan 3.0Alibaba | 5・10・15・20・30秒 | 480p / 720p / 1080p | 16:9, 9:16, 1:1, 4:3, 3:4 | あり(オフにできます) |
| Kling 4.0Kuaishou | 3・5・8・10・15・20・25・30秒 | 720p / 1080p | 16:9, 9:16, 1:1, 21:9 | あり |
| Kling 3.0Kuaishou | 3・5・8・10・15秒 | 720p / 1080p | 16:9, 9:16, 1:1 | あり(オフにできます) |
手短に言うと、アイデアを安く試すならMiniMax H3 Max Turboから始めてください(480pの5秒で13クレジット)。最長30秒のワンショットが必要ならSeedance 2.5、Wan 3.0、またはKling 4.0を。いちばんリアルな仕上がりと4Kが欲しいならGoogle Gemini Omni Flashです。Veo 3.1 Liteはその中間で、クリップに短いセリフを入れたいときに向いています。
プロンプト
テキストから動画を作るプロンプトの書き方
良いプロンプトは、たいてい同じ質問に同じ順番で答えています。画面に映るのは誰(何)か、何をするか、どこで起きるか、カメラはどう動くか、光はどうか、何が聞こえるか。次の例は、この6つをすべて押さえています。
黄色いレインコートを着たゴールデンレトリバーが、夕暮れの街の歩道で水たまりを跳ねながら走る。犬を追う低いトラッキングショット。濡れた路面に暖かい街灯が映り込む。雨音と遠くの車の音。
- 1つのクリップに動作は1つだけ。5秒で3つのことを起こそうとすると、たいてい3つともぼやけます。
- カメラの動きを名前で書きます。ゆっくりしたプッシュイン、手持ち、ドローンショット、低いトラッキングショットなど。モデルはこうした指示によく従います。
- 欲しい音も書きます。雨音、人のざわめき、コーヒーマシンの蒸気の音など。書かなければモデルが選びます。
- 画面内の文字は入れません。文字は崩れて出てくるので、字幕は編集ソフトで足してください。
- 縦長の動画では、大事なものが切れないよう被写体を画面の中央に置きます。
短いプロンプトでもかまいません。モデルに送る前に、カメラ・光・動きの説明をこちらで補います。詳細設定でオフにすれば、書いたとおりの文章をそのまま送れます。
使い分け
Text to Videoと画像から動画、どちらを使う?
よくある質問
よくある 質問
テキストから動画を生成するAIは、どういう仕組みですか?
場面の説明を文章で書くと、膨大な映像で学習した動画モデルが、その説明から新しいフレームを作ります。ここにあるモデルは、合わせて音声も生成します。既存の映像を探してくるのではなく、毎回ゼロから作ります。
Text to Videoを無料で使えますか?
いいえ、ここでは無料では使えません。動画や画像を1つ生成するたびに、AIプロバイダーへの支払いが発生します。無料のお試しではその費用がかさみすぎたため、提供していません。購入前に作例ページで、これらのモデルで実際に作った無編集の生成結果をご覧いただけます。メールアドレスを確認すると、音声読み上げに使える20クレジットを無料で受け取れます。動画・画像ツールは、初回のクレジット購入後に使えるようになります。MiniMax H3 Max Turboの5秒動画は、480pで13クレジット、768pで20クレジットです。いちばん小さいのはMiniパック(75クレジットで¥980)です。サブスクリプションの契約は不要で、クレジットに有効期限はありません。
Text to Videoの動画1本の料金はいくらですか?
モデル、長さ、解像度によって変わります。現在の料金では、MiniMax H3 Max Turboが480pの5秒で13クレジット(¥81–¥170)、Veo 3.1 Liteが8秒で40クレジット(¥248–¥523)、Wan 3.0が10秒で100クレジット、Seedance 2.5が5秒で147クレジットです。金額はどのクレジットパックを買うかで変わります。正確な消費クレジットは、使う前に生成ボタンに表示されます。
どの動画生成AIモデルを使えますか?
Seedance 2.5、Seedance 2.0、Seedance 2.0 Mini、MiniMax H3 Max Turbo、MiniMax H3 Max、Google Gemini Omni Flash、Google Veo 3.1 Lite、Wan 3.0、Kling 4.0、Kling 3.0です。どれも動画と一緒に音声を生成します。長さ、解像度、料金はモデルごとに異なります。
動画は何秒まで作れますか?
1回の生成で3〜30秒です。Seedance 2.5、Wan 3.0、Kling 4.0は最長30秒、Seedance 2.5は1080pで最長25秒まで作れます。それより長い動画は、複数のクリップを生成して編集でつなげてください。
動画にセリフを入れられますか?
動画モデルは環境音が得意で、短い一言なら話すこともあります。ただし、言葉や口の動きは安定しません。言い回しが大事なときは写真リップシンクを使ってください。先に台本を音声にしてから、写真の人物の口の動きをそれに合わせます。
生成にはどのくらい時間がかかりますか?
モデルと長さによりますが、たいてい1〜5分です。タブを閉じても生成は続き、完成するとライブラリに表示されます。
作った動画は商用利用できますか?
はい。利用規約を守っていただければ、生成した動画を自社のビジネスや広告に使えます。アップロードする素材の権利を持っていること、実在の人物を本人の許可なく描かないことは、ご自身の責任となります。
何かインストールする必要はありますか?
いいえ。パソコンでもスマートフォンでも、すべてブラウザで動きます。生成はモデル提供元のサーバーで行われ、結果はMP4でダウンロードできます。
良いプロンプトを書くコツは?
被写体、動作、場所、カメラの動き、光、音の順に書きます。1つのクリップには動作を1つだけにして、画面内の文字は入れません。形容詞を並べた長い文より、はっきりした2文のほうがうまくいきます。
- 1回の生成は最長30秒です。もっと長い動画は、複数のクリップを生成して編集ソフトでつなげてください。
- 看板、ロゴ、字幕など、映像の中の文字は崩れやすくなります。最初のフレームを画像生成で作り、それを動かす方法をおすすめします。
- 実在の人物、有名人、著作権のあるキャラクターは生成できません。モデルの安全フィルターがそうしたプロンプトを拒否します。
- 同じプロンプトでも、毎回違う動画になります。まったく同じクリップを再現することはできません。
- セリフはうまくいかないことがあります。決まった一言を話させたいなら、ナレーションに口の動きを合わせる写真リップシンクのほうがずっと確実です。
関連ページ
今すぐ 試してみる
登録は無料です。このツールは初回のクレジット購入後に使えるようになり、パックは75クレジット¥980からです。サブスクリプションは不要で、購入前に上の作例を確認できます。
テキストから動画を生成