モデルの選び方
Nodaro で、用途に合った画像、動画、オーディオ、テキストのモデルを選べます。低価格の試作向けモデルからプレミアムな最終レンダリング向けモデルまで、最新のクレジット料金とともに紹介します。
Nodaro では、100 を超える画像、動画、オーディオ、テキストのモデルを実行できます。どのモデルが適しているかは、何を作るか、どれだけ費用をかけたいかによって変わります。このガイドでは、モデルを用途と価格で分類しているので、すべてのモデルページを読まなくても選べます。まず用途別のおすすめから始め、低価格のモデルで試作し、最終レンダリングではプレミアムモデルに切り替えます。このページの表は Nodaro のモデルカタログから読み込まれるので、料金は常に最新です。
用途別のおすすめ
左の列で目的を探し、モデルをクリックすると、その設定、料金、プロンプトのコツを確認できます。
| タイポグラフィ、ロゴ、文字の多い画像に最適 | GPT Image 2、GPT Image 2.6 Flare正確なコピー、ラベル、ラテン文字以外の文字には GPT Image 2、ポスターやレイアウトには、より高速な GPT Image 2.6 Flare が向いています。 |
| 最安のリアルな画像 | Z-Image、Qwen、Imagen 4 Fast最も安いのは Z-Image です。もう少し品質を上げたいときは Qwen か Imagen4 Fast を使います。 |
| 忠実度が最も高い画像 | GPT Image 2、GPT Image 2.6 Sunburst、Imagen 4 Ultraキャラクターと人物の一貫性には GPT Image 2、GPT Image 2 が描けない横長や中間のアスペクト比には GPT Image 2.6 Sunburst が向いています。 |
| 画像の編集、スタイル変更 | GPT Image 2.6 Flare (I2I)、GPT Image 2 (I2I)、Seedream 5 Pro (I2I)GPT Image 2.6 Flare は指示した部分だけを変え、それ以外を保ちます。人物の一貫性が重要な編集には GPT Image 2 i2i、指示に基づく編集には Seedream 5 Pro を使います。 |
| 最高解像度の画像 | Topaz Image Upscale、GPT Image 2、GPT Image 2.6 Sunburstモデルの最上位ティアで生成してから、Topaz で 4x にアップスケールします(Topaz で調整できるのは 1x/2x/4x の倍率だけです)。 |
| 文字、ラベル、ロゴを含む画像のアップスケール | Nodaro Image Upscale文字を書かれたとおり正確に保ちます。1x は同じサイズのまま画質を上げ、最大 8x まで拡大できます。料金は出力のサイズで決まるため、小さな画像なら料金も少なくて済みます。 |
| 背景の削除、切り抜き | Recraft Remove BG安価で、プロンプトは不要です。 |
| 最もシネマティックな動画 | VEO 3.1 Quality、Kling 3.0、Seedance 2プレミアムなストーリー表現には VEO 3.1 Quality、音楽に合わせた動きには Kling 3.0、リファレンスによる一貫性には Seedance 2 が向いています。 |
| 安価な動画クリップの一括生成 | VEO 3.1 Fast、Wan 2.2 TurboVEO 3.1 Fast は、ネイティブオーディオ付きで価格と品質のバランスが最も優れています。 |
| 開始フレームと終了フレームを使う動画 | VEO 3.1 Quality、VEO 3.1 Fast、Kling 2.5 Turbo Pro、Hailuo 02 Standard、Seedance 2挙げたモデルはすべて終了フレームに対応しています。VEO では imageUrls[start, end] を使います。 |
| 音楽、歌の生成 | Suno V6、Suno V6 Wild、Suno V6 Mini、Suno v5.5V6 はデフォルトのフラッグシップです。より大胆で予測しにくい結果には V6 Wild、速さを重視するときは V6 Mini を使います。v5.5 / v5 / v4 はそれぞれ独自の持ち味を保っています。料金はすべて同じです。 |
| ボイスオーバー、ナレーション | ElevenLabs v4、ElevenLabs v3、ElevenLabs v4 Turbo、ElevenLabs Turbo v2.5デフォルトは v4 で、感情を表す[オーディオタグ]に対応し、1 回のリクエストで最大 10,000 文字まで扱えます。v3 は以前の表現力の高いモデルで、引き続き選べます。v4 Turbo は v4 のタグを Turbo の料金で使えます。タグのない普通のナレーションには Turbo v2.5 が最も安価です。 |
| ポートレートをオーディオにリップシンク | Kling Avatar Pro、Kling Avatar Standard口の形を最も正確にするなら Pro、解像度を調整するなら InfiniTalk を選びます。 |
| 文字起こし、字幕 | ElevenLabs STT、Incredibly Fast Whisper、Whisper、Nemotron 3.5 Transcribe字幕には単語単位のタイムスタンプが必要です。ElevenLabs STT(常に出力)、Incredibly Fast Whisper か Nemotron 3.5 Transcribe(指定した場合、単語ごとの話者付き)を使ってください。通常の Whisper はフレーズ単位のセグメントしか返しません。音声を文字起こしする代わりに翻訳する(英語へ、または英語から)には、翻訳先の言語を指定して Nemotron 3.5 Transcribe を使います。翻訳には単語のタイミングは付きません。 |
| モーション転送(別の動画の動きで被写体を動かす) | Kling 2.6 Motion Transfer、Kling 3.0 Motion TransferKling 2.6 ベースは安価で、Kling 3.0 はプレミアムです。 |
普段使い、スタンダード、プレミアム
モデルは 3 つの価格帯に分かれます。価格帯は、同じ種類のメディアの中での相対的なものです。画像、動画、オーディオのモデルをそれぞれデフォルト設定での料金で分け、各価格帯にその約 3 分の 1 が入ります。料金が同じモデルは、同じ価格帯に入ります。
| 価格帯 | 用途 |
|---|---|
| 普段使い | 低価格で高速です。試作、試行錯誤、ほとんどの作業に適したデフォルトです。 |
| スタンダード | 手ごろな価格で、品質が一段上がります。 |
| プレミアム | 最高の品質で、価格も最も高くなります。メインのショットや最終レンダリングに使います。 |
価格帯のないモデルもあります。Nodaro Image Upscale や Nodaro Video Upscale のように Nodaro 自身のラベルで提供されるモデルは、ランク付けされません。その料金が、ほかのモデルの価格帯を動かすこともありません。そのクレジットの料金で何が得られるかは、説明に書かれています。
メディアの種類をまたいで比べるときは、価格帯の名前ではなくクレジットで比べます。プレミアムの画像モデルでも、プレミアムの動画モデルよりはるかに安価です。
料金はデフォルト設定のものです。以下の各表のクレジットは、モデルのデフォルト設定での料金です。解像度を上げる、クリップを長くする、ネイティブオーディオを付けるなどすると、料金が上がります。料金が請求されるしくみについては、クレジットを参照してください。
画像モデル
| 用途 | モデル | 理由 |
|---|---|---|
| キャラクター、アイデンティティ、画像内の正確な文字 | GPT Image 2 | 画像生成ノードのデフォルトです。正確なコピー、ラベル、ラテン文字以外の文字と、キャラクターのアイデンティティの維持に最適です。 |
| すばやい試行錯誤、ポスター、商品写真 | GPT Image 2.6 Flare | GPT Image 2.6 の高速なモデルで、レイアウトに優れています。GPT Image 2 より速く、文字の入ったポスターやレイアウトに向いています。 |
| 細部まで重要な仕上げ | GPT Image 2.6 Sunburst | 最も細かい描写と、編集をまたいだ最も高い一貫性が得られます。21:9、4:5、5:4 など、GPT Image 2 では描けない横長や中間のアスペクト比も描けます。 |
| 低価格の試作と絵コンテ | Nano Banana 2.1、Z-Image、Seedream 5 Flash | Nano Banana 2.1 は高速かつ低価格で、リファレンス画像を最大 10 枚まで使えます。Z-Image はカタログで最も安いモデルで、使えるアスペクト比は限られています。Seedream 5 Flash は 1K でも 2K でも同じ価格で画像を作ります。 |
| 高速で低価格な画像と編集 | FLUX 3 Klein | FLUX 3 の軽量モデルです。デフォルトでは 1K の画像を作り、2K と 4K も 9 種類の形で作れます。リファレンス画像を最大 10 枚追加すると、それをもとに同じ価格で編集します。 |
| 低価格で読みやすい文字 | MiniMax H3 Image | 4K で最大約 16 MP の精細な画像を作り、画像内の文字も読みやすく描きます。1K と 2K は同じ価格です。 |
| 写真のような光、肌、細かく密な文字 | Seedream 5.5 | 光、質感、肌がより自然になり、細かく密な文字も読みやすく保ちます。透明な背景も 1 ステップで描けます。 |
| 詳細な指示に従わせる | Seedream 5 Pro | Seedream ファミリーの中で、指示への追従性と視覚的な推論が最も優れています。 |
| 被写体を保ったままの編集 | GPT Image 2.6 Flare (I2I)、GPT Image 2 (I2I)、Seedream 5.5 (I2I) | GPT Image 2.6 Flare は、指示した部分だけを変え、それ以外はそのまま保ちます。GPT Image 2 (I2I) は、アイデンティティが最も重要な編集に向いています。Seedream 5.5 (I2I) は編集を何度重ねても、画像のそれ以外の部分を元のまま保ちます。 |
| マスクした 1 つの領域だけを変える | GPT Image 2.6 Flare (I2I)、GPT Image 2.6 Sunburst (I2I) | どちらも PNG、JPEG、WebP のインペイント用マスクを受け付けます。画像のそれ以外の部分は元のまま正確に保たれます。画像修正を参照してください。 |
| 1 回の編集で多くの画像を組み合わせる | MiniMax H3 Image (I2I) | 最大 16 枚のリファレンス画像を変更または組み合わせ、文字も読みやすく描きます。料金はサイズとリファレンス画像 1 枚ごとに決まります。 |
| アニメーション GIF やベクター形式の SVG | GPT Image 2.6 Flare、GPT Image 2.6 Sunburst | どちらも PNG、JPEG、WebP、アニメーション GIF、SVG を書き出せます。ファイルは形式で選びます。画像生成の形式を参照してください。 |
| 図表と複雑な構図 | Nano Banana Pro | 文字の描画、図表、複雑な構図に優れています。 |
| 最高の解像度 | Topaz Image Upscale | モデルの最高解像度で生成してから、画像を 2 倍または 4 倍にアップスケールします。 |
| 文字、ラベル、ロゴのある画像のアップスケール | Nodaro Image Upscale | 文字を書かれたとおりに保ちます。1x では同じサイズのまま画質を上げ、倍率は最大 8x です。出力のサイズで料金が決まるため、小さな画像は安く済みます。 |
| 背景の削除 | Recraft Remove BG | 低価格で、プロンプトも不要です。 |
2 つの GPT Image 2.6 モデルで迷ったら、Flare で試作して Sunburst で仕上げます。どちらも料金は同じです。
| モデル | 開発元 | モード | クレジット | 詳細 |
|---|---|---|---|---|
| GPT Image 2 | OpenAI | テキストから画像 | 21 から | 次世代の GPT Image で、より多くのアスペクト比に対応し、料金は解像度(1K/2K/4K)で決まります。 |
| GPT Image 2.5 Flare | OpenAI | テキストから画像 | 17 から | 日常使い向けの高速な GPT Image 2.5 で、GPT Image 2 より高品質なうえ、待ち時間は約半分です。2 つある GPT Image 2.5 のうちのデフォルトで、SNS やクリエイター向けのコンテンツ、キャンペーンのバリエーション、サムネイル、すばやい試行錯誤、大量の制作に向いています。 |
| GPT Image 2.5 Sunburst | OpenAI | テキストから画像 | 17 から | 精度重視の GPT Image 2.5 で、生成時間と引き換えに、より細かな制御とディテールの忠実度が得られます。パッケージ、図解、EC 向けのレタッチ、完成度の高いキャンペーン素材など、ブランドに関わる制作や本番の制作に選んでください。 |
| Nano Banana 2.1 | テキストから画像、画像から画像 | 11 から | 生成と編集に使える Google の高効率な画像モデルで、画質、プロンプトへの追従性、キャラクターの一貫性、文字の描画が向上し、リファレンスは最大 10 枚、出力は最大 4K です。 | |
| Z-Image | Tongyi-MAI | テキストから画像 | 3 | カタログで最も安価なモデルです。高速で、スタイライズされた出力になります。選べるアスペクト比は限られています。 |
| Seedream 5 Flash | Bytedance | テキストから画像 | 11 | 高速で低価格な Seedream 5 で、1K と 2K ですばやく生成でき、どちらのサイズでも料金は同じです。 |
| Seedream 5 Pro | Bytedance | テキストから画像 | 20 から | フラッグシップの Seedream 5 Pro で、指示への追従性と視覚的な推論が最も優れています。品質は basic(ベーシック)が 1K、high(ハイ)が 2K です。 |
| GPT Image 2.5 Flare (I2I) | OpenAI | 画像から画像 | 17 から | ソース画像を最大 16 枚使える高速な GPT Image 2.5 の編集モデルで、仕上げよりも試行錯誤を重ねる段階でのデフォルトです。 |
| GPT Image 2 (I2I) | OpenAI | 画像から画像 | 21 から | GPT Image 2 による画像から画像への変換です。 |
| Nano Banana Pro | テキストから画像、画像から画像 | 50 から | Nano Banana の最上位モデルで、文字の描画、図解、複雑な構図に最適です。 | |
| Topaz Image Upscale | Topaz | 画像のアップスケール | 28 から | 1x(画質の向上のみ)、2x、4x で画像を高品質にアップスケールします。本番でそのまま使える出力に最適です。 |
| Nodaro Image Upscale | — | 画像のアップスケール | 5 から | 1x(画質向上のみ)、2x、4x、8x で画像をアップスケールします。細部を復元して文字を書かれたとおり正確に保ち、出力は入力に倍率を掛けたサイズで、切り取られる部分はありません。料金は出力のサイズで決まります。 |
| Recraft Remove BG | Recraft | 背景の削除 | 4 | 画像の背景を削除します。安価なユーティリティです。 |
すべての画像モデルは、画像モデルに掲載しています。
動画モデル
選ぶ前に、モデルのページで 3 つの点を確認します。モデルはネイティブオーディオを生成しますか?どの長さに対応していますか?開始フレームに加えて、終了フレームも受け付けますか?多くの動画モデルは、1 つの名前でテキストから動画と画像から動画の両方に対応しています。動画生成ノードは、接続したものからモードを選びます。開始フレームがあればその画像をアニメーション化し、なければプロンプトをもとに生成します。
| 用途 | モデル | 理由 |
|---|---|---|
| ほとんどのクリップ | VEO 3.1 Fast | 価格と品質のバランスが最も優れています。ネイティブオーディオ付きで、長さは 4、6、8 秒です。 |
| 大量のクリップを最低価格で | VEO 3.1 Lite、Wan 2.2 Turbo | B ロールのような大量生成向けです。 |
| プレミアムで映画的なショット | VEO 3.1 Quality | ネイティブオーディオと、任意の終了フレームに対応した、プレミアムな物語向けの動画です。 |
| 音楽に合わせた動き | Kling 3.0 | プレミアムな動きで、長さは 3〜15 秒、ネイティブオーディオ付きです。 |
| より高速で低価格な Kling | Kling 4.0 Flash | Kling 4.0 の高速版で、720p、最長 20 秒、ネイティブオーディオ付きです。開始フレーム、リファレンス画像、動画、キャラクター、またはテキストだけから作れます。 |
| リファレンス画像による一貫性 | Seedance 2 | リファレンスをもとにした、ネイティブオーディオ付きの動画です。Seedance 2 Mini は低価格版です。 |
| 1 つの長いショット | Seedance 2.5、Wan 3.0 | 1 ショットで最大 30 秒です。 |
| 開始フレームと終了フレーム | VEO 3.1 Quality、VEO 3.1 Fast、Kling 2.5 Turbo Pro、Seedance 2 | いずれも終了フレームに対応しています。 |
| 話すポートレート | Kling Avatar Pro、Kling Avatar Standard | Kling Avatar Pro は、口の形を最も正確に再現します。 |
| 別の動画からの動き | Kling 2.6 Motion Transfer、Kling 3.0 Motion Transfer | Kling 2.6 は低価格な選択肢です。Kling 3.0 はプレミアムです。 |
| 任意の動画から長いクリップを作る | Seedance 2.5 Extend、Seedance 2.5 Flash Extend、Seedance 2.0 Extend、Kling 4 Extend、Gemini Omni Flash 1.2 Extend | どれも音声付きの続きを作り、1 本のクリップにつなぎます。Seedance 2.5 Extend と Seedance 2.5 Flash Extend は 4〜30 秒、Seedance 2.0 Extend は 4〜15 秒、Kling 4 Extend は 3〜30 秒を追加します。Gemini Omni Flash 1.2 Extend は、16:9 か 9:16 の動画に 3〜10 秒を追加します。動画を延長を参照してください。 |
| よりシャープな最終動画 | Topaz Video Upscale、Nodaro Video Upscale | Topaz は、720p、1080p、4K への高品質なアップスケールと画質の向上です。最大 60 fps に対応します。Nodaro Video Upscale は、最大 60 秒、50 MB までのクリップを 1080p、2K、4K にし、形、フレームレート、長さ、音声を保ちます。料金はクリップの秒数で決まります。 |
| モデル | 開発元 | モード | クレジット | 詳細 |
|---|---|---|---|---|
| VEO 3.1 Lite | 画像から動画、テキストから動画 | 83 から | VEO 3.1 Lite は、大量生成に向く、最もコスト効率の良い VEO のティアです。オーディオ付きの 4/6/8 秒のクリップを作り、最初と最後のフレームに対応しています。 | |
| VEO 3.1 Fast | 画像から動画、テキストから動画 | 165 から | VEO 3.1 Fast は VEO 3.1 の安価なティアで、オーディオ付きの 4/6/8 秒のクリップを作ります。ほとんどの用途でバランスの良い選択です。料金は長さに関係なく、1 回の生成ごとに一律です。 | |
| VEO 3.1 Quality | 画像から動画、テキストから動画 | 1,100 から | Google の VEO 3.1 Quality で、プレミアムなシネマティック動画を作ります。クリップは 4/6/8 秒で、終了フレームを任意で指定でき、ネイティブオーディオに対応しています。リファレンスから動画を作るモードはありません(Fast と Lite のみにあります)。料金は長さに関係なく、1 回の生成ごとに一律です。 | |
| Kling 3.0 | Kuaishou | 画像から動画、テキストから動画 | 297 から | プレミアムな Kling 3.0 で、長さは 3〜15 秒の間で変えられ、ネイティブオーディオに対応し、720P/1080P で出力します。 |
| Seedance 2 Mini | Bytedance | 画像から動画、テキストから動画 | 132 から | Seedance 2 の低価格なティアで、480p/720p のみに対応し、料金は解像度ごとの秒単位です。 |
| Seedance 2 | Bytedance | 画像から動画、テキストから動画 | 253 から | Seedance 2 は、ネイティブオーディオ付きのプレミアムなティアです。料金は解像度ごとの秒単位です。 |
| Seedance 2.5 | Bytedance | 画像から動画、テキストから動画、動画から動画 | 374 から | Seedance 2.5 は、1 ショットで最大 30 秒を生成でき、ネイティブオーディオと幅広いマルチモーダルのリファレンスに対応しています。解像度は 480p/720p/1080p です。 |
| Wan 2.2 Turbo | Alibaba | 画像から動画、テキストから動画 | 110 から | 安価で高速な Wan turbo で、長さは 5 秒です。1 つの ID で、画像から動画とテキストから動画の両方に対応します。 |
| Kling 2.5 Turbo Pro | Kuaishou | 画像から動画、テキストから動画 | 121 から | より高速な Kling で、低コストで良好な品質が得られます。終了フレームに対応しています。 |
すべての動画モデルは、動画モデルに掲載しています。そのうち Seedance 2.5 と Seedance 2 Fast の 2 つが、カメラの指示にどう従うかについては、カメラモーション・ラボ を参照してください。
オーディオ、ボイス、音楽のモデル
| 用途 | モデル | 理由 |
|---|---|---|
| 感情のこもったナレーション | ElevenLabs v4、ElevenLabs v3 | ElevenLabs v4 がデフォルトです。感情や間の取り方を指定する、角かっこで囲んだオーディオタグを読み取り、1 回のリクエストで最大 10,000 文字を扱えます。ElevenLabs v3 は 1 つ前の表現力の高いモデルで、引き続き選べます。 |
| 低価格のナレーション | ElevenLabs v4 Turbo、ElevenLabs Turbo v2.5 | ElevenLabs v4 Turbo は、v4 のオーディオタグを Turbo v2.5 と同じクレジット価格で使えます。タグを使わないシンプルなナレーションには、Turbo v2.5 が最も安価です。 |
| 名前の付いたボイスで最も低価格なナレーション | Gemini 3.8 Flash-Lite TTS、Gemini 3.8 Flash TTS、Gemini 3.1 Flash TTS、Gemini 2.5 Pro TTS | Gemini のボイスは、1 文字あたりの料金が ElevenLabs よりはるかに低価格です。各モデルは自分の名前付きボイスだけを話し、ライブラリのボイスは使えません。言語は設定しません。テキストが言語を決めます。最も安価なのは 3.8 Flash-Lite です。3.8 Flash と 3.8 Flash-Lite は、笑い、ため息、短い間などの独自のトーンタグと、自分の言葉で書いたスタイルを受け付けます。3.1 Flash と 2.5 Pro は、角かっこのオーディオタグと、スタイル、ペース、アクセント、オーディオプロファイルを受け付けます。 |
| 多言語の音声 | ElevenLabs Multilingual v2 | 複数の言語向けに作られています。 |
| 複数の声による会話 | ElevenLabs Dialogue v3 | 台本の各役に声を当てます。 |
| 効果音 | ElevenLabs Sound Effects | テキストのプロンプトから短い効果音を作ります。料金はとても安価です。 |
| 歌と音楽 | Suno V6 | デフォルトです。Suno V6 Wild はより大胆で予測しにくく、Suno V6 Mini はより高速です。Suno のモデルはすべて同じ料金です。 |
| 字幕用の文字起こし | ElevenLabs STT、Incredibly Fast Whisper、Nemotron 3.5 Transcribe | 字幕には単語ごとのタイミングが必要で、これらのモデルはそれを返します。Nemotron 3.5 Transcribe は、要求されたときに単語のタイミングを返し、各単語に話者を付けます。Whisper が返すのは、フレーズ単位のタイミングだけです。 |
| 音声の翻訳 | Nemotron 3.5 Transcribe | 音声を文字起こしする代わりに、英語との間で翻訳します。翻訳には単語のタイミングがありません。料金は、ファイルの開始した 1 分ごとに、最大 60 分までです。文字起こしを参照してください。 |
| モデル | 開発元 | モード | クレジット | 詳細 |
|---|---|---|---|---|
| ElevenLabs v4 | ElevenLabs | テキストから音声 | 5 から | テキストから音声を生成する ElevenLabs の最新モデルで、[オーディオタグ]、安定性と類似度の調整に対応し、1 回のリクエストで最大 10,000 文字まで扱えます。ElevenLabs の API を直接使います。 |
| ElevenLabs v3 | ElevenLabs | テキストから音声 | 5 から | 表現力の高い ElevenLabs のテキスト音声モデルで、感情や話すテンポを指定する[オーディオタグ]に対応しています。ElevenLabs の API を直接使います。 |
| ElevenLabs v4 Turbo | ElevenLabs | テキストから音声 | 3 から | 忠実度と引き換えに、より速く、より安く使える ElevenLabs v4 で、[オーディオタグ]、安定性と類似度の調整に対応し、料金は Turbo と同じです。品質を重視するなら v4 を選んでください。ElevenLabs の API を直接使います。 |
| ElevenLabs Turbo v2.5 | ElevenLabs | テキストから音声 | 3 から | ElevenLabs の API を直接使って、高速かつ安価にテキストから音声を生成します。ナレーションに向いています。 |
| ElevenLabs Multilingual v2 | ElevenLabs | テキストから音声 | 5 から | ElevenLabs の API を直接使って、多言語でテキストから音声を生成します。 |
| ElevenLabs Dialogue v3 | ElevenLabs | 複数話者の会話 | 5 から | ElevenLabs の API を直接使って複数話者の会話を作るモデルで、台本を渡すと役ごとに声を当てます(既製のボイス、ライブラリのボイス、クローンしたボイスのどれでも使えます)。 |
| ElevenLabs Sound Effects | ElevenLabs | 効果音 | 2 から | テキストのプロンプトから短い効果音を生成します。 |
| ElevenLabs STT | ElevenLabs | 文字起こし | 25 | 単語単位のタイムスタンプ(常にオン)、話者の識別、効果音イベントのタグ付きで文字起こしをします。文字起こしを字幕に使うときは、このエンジンを選んでください。 |
| Incredibly Fast Whisper | OpenAI | 文字起こし | 44 | Whisper による高速な文字起こしです。指定すると単語単位のタイムスタンプを返すため、その文字起こしを字幕に使えます。 |
| Whisper | OpenAI | 文字起こし | 44 | Whisper による文字起こしで、返すのはフレーズ単位のセグメントのみ、単語のタイムスタンプはありません。文字起こしや静的な字幕には十分ですが、単語ごとにタイミングを合わせる(キネティックな)字幕には向きません。 |
| Suno V6 | Suno | 音楽 | 33 | Suno V6 は、より自然なボーカルと豊かなディテールで、音楽表現がさらに向上しています。フラッグシップで、デフォルトのモデルです。 |
| Suno V6 Wild | Suno | 音楽 | 33 | Suno V6 Wild は創造性の限界を押し広げ、より大胆で個性的な音楽表現を目指すモデルで、結果のばらつきが大きく、予測しにくくなります。 |
| Suno V6 Mini | Suno | 音楽 | 33 | Suno V6 Mini は、軽量かつ高速で、品質と速度のバランスが取れており、手軽に制作できます。 |
すべてのオーディオモデルは、オーディオモデルに掲載しています。
テキストモデル
言語モデルでテキストを書いたり読んだりするノードでは、モデルを選べます。たとえば、テキスト生成 - あらゆる LLM、脚本生成、品質チェック、画像の説明、説明をピッカーへ、画像クリティック、ベストを選択の AI 審査員です。モデルの選択欄は、品質と予算の目安として、モデルを 3 つの価格帯に分けています。
| 価格帯 | 用途 | トークンあたりの相対的な価格 |
|---|---|---|
| エコノミー | 大量で単純なテキスト:すばやい下書き、短いプロンプト、チェック。 | 最も安い |
| スタンダード | ほとんどの文章作成と構造化された出力。品質と価格のバランスがとれています。 | 中程度 |
| プレミアム | 最も難しい推論:長い脚本、詳細なシーン計画、丁寧な書き直し。 | 最も高い |
各呼び出しは、実際に使ったトークンに応じて、それを実行したモデルの単価で課金されます。実行ボタンには ≈ と数値が表示されます。これは、そのモデルでの一般的な呼び出しの見積もりです。長いプロンプトや長い回答は、どのモデルでも高くなります。推論の強度を上げると、書かれるトークンが増える分だけ高くなります。GPT-6.1 Terra では、一般的な実行の見積もりは、どの推論の強度でも同じです。呼び出し前の確保や、失敗した呼び出しの料金を含むすべてのルールは、LLM 呼び出しの課金のしくみにあります。
選べるモデルは、ノードによって異なります。各ノードのデフォルトのモデルは、そのノードのページに書かれています。
安く試作し、プレミアムで仕上げる
普段使いのモデルで試作する
低価格のモデルで、低い解像度か短い長さを使ってワークフローを組み立てます。構図、プロンプト、ピッカーが決まるまで、実行を繰り返します。
モデルを 1 つのノードにまとめる
ショットごとにノードをコピーする代わりに、似たショットをリストから 1 つの生成ノードに渡します。ノードはリストの項目ごとに 1 回ずつ実行されるので、試作用のモデルから最終用のモデルへの切り替えは、1 回の変更で済みます。
1 つのプロバイダーノードを、すべての画像生成ノード、またはすべての動画生成ノードや動画生成 Proノードの設定入力に接続することもできます。そうすると、プロバイダーノードがそれらすべてのモデルを設定します。
最終版をレンダリングする
プレミアムモデルか高い解像度に切り替えて、もう一度実行します。ワークフローの残りにクレジットを使う前に、結果を試作と比べます。
ヒント
- 画像内の文字には、適したモデルを使います。看板、ラベル、文字入りのポスターには、GPT Image 2 か GPT Image 2.6 Flare を使ってください。
- 先に動画の機能を確認します。ネイティブオーディオのないモデルでは、別途ボイスや音楽のトラックが必要です。終了フレームに対応していないモデルでは、あらかじめ決めた最後のフレームで終えることはできません。
- やり直しの費用を抑えます。普段使いのモデルでの試作は、プレミアムでの実行の数分の一の料金なので、試行錯誤はそちらで行ってください。
よくある質問
最初に使う画像モデルはどれがよいですか?
キャラクター、アイデンティティ、画像内の正確な文字には、画像生成ノードのデフォルトである GPT Image 2 から始めてください。すばやい試行錯誤、ポスター、商品写真には GPT Image 2.6 Flare を、細部まで重要な仕上げには GPT Image 2.6 Sunburst を使います。低価格で試作するには Nano Banana 2.1 か Z-Image を使います。
最も良い結果が得られる動画モデルはどれですか?
プレミアムで映画的なショットには VEO 3.1 Quality、音楽に合わせた動きには Kling 3.0、リファレンス画像による一貫性には Seedance 2 が向いています。ほとんどのクリップでは、VEO 3.1 Fast が価格と品質のバランスに最も優れ、ネイティブオーディオも生成します。
字幕を作るには、どのモデルを使えばよいですか?
字幕には単語ごとのタイミングが必要なので、ElevenLabs STT、Incredibly Fast Whisper、Nemotron 3.5 Transcribe のいずれかを使ってください。Nemotron 3.5 Transcribe は、各単語に話者も付けます。通常の Whisper はフレーズ単位のタイミングしか返さないため、文字起こしには十分ですが、単語ごとの字幕には向きません。
モデルの料金が開始価格として表示されるのはなぜですか?
表の数字は、モデルのデフォルト設定での料金です。解像度を上げる、クリップを長くする、ネイティブオーディオを付けるなどすると、料金が上がります。各モデルのページに、すべての料金が掲載されています。
多くのノードのモデルを一度に切り替えられますか?
画像生成ノードと動画ノードなら、できます。1 つのプロバイダーノードを、各画像生成ノード、または各動画生成ノードや動画生成 Pro ノードの「設定」入力に接続し、プロバイダーノードでモデルを変更します。ほかのノードでは、似たショットをリストから 1 つの生成ノードに渡します。そのノードは、項目ごとに 1 回ずつ同じモデルで実行されます。
関連ページ
Nodaro の AI モデル
クレジット
画像生成
動画生成
リストとバッチ処理
最終更新