動画生成
Seedance、VEO、Kling、Wan などのモデルで、プロンプト、開始フレーム、リファレンスから動画クリップを作ります。サウンド、終了フレーム、モデルごとのクレジットのルールも解説します。
動画生成ノードは、プロンプト、画像、または複数のリファレンスから動画クリップを作ります。Nodaro のメインの動画ノードです。テキストから動画、画像から動画、開始フレームと終了フレームを指定したクリップ、リファレンスをもとにしたクリップを、すべてこのノードで作れます。モードは、接続したものからノードが選びます。動画モデルは、用意されたものから 1 つを選びます。結果は、動画を結合など、ほかのどの動画ノードにも渡せます。
使いどころ
- 説明文から短いクリップを作りたいとき。B ロール、エスタブリッシングショット、商品の回転ショット、SNS 投稿などです。
- 静止画を動かしたいとき。画像生成の結果などを、開始フレームに接続します。
- ある画像で始まり、別の画像で終わるクリップを作りたいとき。開始フレームと終了フレームの両方に画像を接続します。
- 同じキャラクター、商品、場所を、たくさんのクリップに登場させたいとき。アセットノードかリファレンス画像を接続します。
- 既存のクリップを、指示で変更したいとき。Seedance 2.5、Seedance 2.5 Flash、Gemini Omni、Gemini Omni Flash 1.2 は、接続した動画を編集できます。
モデルの 1 回の実行で作れる長さを超えるクリップには、動画生成 Proを使います。手元にあるクリップの続きを作るには、動画を延長を使います。
クイックスタート
ノードを追加する
キャンバス上で Tab を押すか、サイドバーからノードピッカーを開き、動画 › 作成 › 動画生成を選びます。
開始フレームがあれば接続する
画像ノードを開始フレームに接続すると、その画像が動き出します。空のままにすると、プロンプトだけからクリップを作ります。
モデルとクリップの設定を選ぶ
設定パネルを開きます。プロバイダーでモデルを選び、次に長さ(秒)、解像度、アスペクト比を選びます。選べる値はモデルによって変わります。ノードにポインターを合わせたときにノードの下に表示されるバーにも、同じ項目が表示されます。
実行する
実行をクリックします。クリップがノードに表示されます。それまでの結果も、すべてノードの結果一覧に残ります。
ノードがモードを選ぶ仕組み
モードの切り替えスイッチはありません。ノードは実行時に、何が接続されているかを見てモードを選びます。
| 接続されているもの | ノードが作るもの |
|---|---|
| プロンプトのみ | テキストから動画のクリップです。 |
| 開始フレーム | 画像から動画のクリップです。接続した画像から始まります。 |
| 開始フレームと終了フレーム | 最初の画像から最後の画像へと移り変わるクリップです。終了フレームに対応するモデルで使えます。 |
| 画像リファレンス、動画リファレンス、またはオーディオリファレンス | リファレンスをもとにしたクリップです。リファレンスに対応するモデルでは、モデルがリファレンスを使って結果を形づくります。 |
| Seedance 2.5、Seedance 2.5 Flash、Gemini Omni、Gemini Omni Flash 1.2 のいずれかで、動画リファレンスにクリップを接続 | そのクリップを編集したものです。Gemini Omni と Gemini Omni Flash 1.2 では常に編集になり、Seedance 2.5 と Seedance 2.5 Flash ではプロンプトが変更を求めているときに編集になります。クリップを編集するを参照してください。 |
一覧のどのモデルも、どのモードでも選べます。ただし、一部のモデルでは次の点が異なります。
- 画像が必要なモデルがある:テキストから動画のモードがないモデルがあります。該当するのは、Kling 2.1 Master、Kling 3 Omni、Hailuo 2.3、Hailuo 2.3 Pro、Bytedance Pro Fast、HappyHorse 1.1 Ref2V、Vidu Q4、Grok Imagine Video 1.5 です。これらのモデルでは、画像が接続されるまで実行は無効のままで、ボタンのツールチップにそのモデル名が表示されます。HappyHorse 1.1 Ref2V と Vidu Q4 では、リファレンス画像だけで十分です。開始フレームがなくても、リファレンス画像から実行されます。
- 開始フレームなしのリファレンス:一部のモデルは、リファレンスを接続していれば、開始フレームなしで実行できます。該当するのは、Seedance 2 ファミリー、MiniMax H3、Wan 3.0、Gemini Omni、Gemini Omni Flash 1.2 です。VEO 3.1 Fast と Lite、Grok Imagine、HappyHorse 1.1 Ref2V、Vidu Q4、Kling 4.0、Kling 4.0 Flash も該当します。Kling 4.0 Keyframes も、開始フレームなしで中間フレームから実行できます。これは、エディター、ワークフローやアプリの実行、API のどれでも使えます。Grok Imagine Video 1.5 は異なり、中間フレームには開始フレームが必要です。
- 終了フレームだけなら開始画像になる:開始フレームなしで終了フレームを接続すると、ノードはその画像を、動かす画像として送ります。
- 1 つの項目に 2 つのバージョン:Grok Imagine、Wan 2.6、Wan 2.7、HappyHorse 1.1 は、モデルの一覧にそれぞれ 1 回だけ表示されます。ノードは、画像が接続されているかどうかに応じて、そのモデルのテキストから動画版か画像から動画版を使います。
入力
動画生成には、左端に 11 個の入力があります。各入力が受け付けるのは表に挙げた種類のノードだけで、合わない接続はエディターが受け付けません。選んだモデルが使えない入力は、無効として表示されます。入力をクリックすると、接続されているものの確認、接続先のノードへの移動、接続の解除、対応する新しいノードの追加ができます。
| 入力 | 接続できるノード | 説明 |
|---|---|---|
| プロンプト | テキスト、テキスト生成 - あらゆる LLM、脚本生成、テキストを結合などのテキスト系ノードと、ピッカー | クリップの説明です。 |
| ネガティブ | テキスト系ノード | モデルに避けてほしいものです。一部のモデルは、これを本来のネガティブプロンプトとして受け取ります。それ以外のモデルでは、Nodaro がプロンプトに「Avoid:」(避けるもの)という行として追加します。 |
| 開始フレーム | 画像アップロード、画像生成、画像修正などの画像系ノード | クリップの最初のフレームです。 |
| 終了フレーム | 画像系ノード | クリップの最後のフレームです。終了フレームに対応するモデルで使えます。 |
| 画像リファレンス | 画像系ノード(複数を同時に接続可) | リファレンス画像に対応するモデルで使う、リファレンス画像です。順番が重要です。設定パネルでドラッグして並べ替えます。Kling 4.0 Keyframes と Grok Imagine Video 1.5 では、これらの画像が中間フレームになります。 |
| 動画リファレンス | 動画系ノード(複数を同時に接続可) | Seedance 2、Seedance 2.5、Seedance 2.5 Flash、MiniMax H3、Wan 3.0、Kling 4.0、Kling 4.0 Flash、Gemini Omni 用のリファレンスクリップです。Seedance 2.5、Seedance 2.5 Flash、Gemini Omni、Gemini Omni Flash 1.2 では、ここに接続したクリップを編集することもできます。 |
| オーディオリファレンス | オーディオ系ノード(複数を同時に接続可) | モデルが生成中に使うオーディオです。Seedance 2 ファミリー、MiniMax H3、Wan 3.0、Kling 4.0、Kling 4.0 Flash、LTX 2.3 Pro で使えます。セリフの音声を接続すると、Seedance 2 と MiniMax H3 は話者の口の動きをその音声に合わせます。Kling 4.0 では、最初のクリップがサウンドトラックとして再生され、ほかのクリップは名前付きの声になります。Kling 4.0 Flash では、この入力はボイスリファレンスという名前になり、クリップ 1 がキャラクター 1 の声になります。LTX 2.3 Pro では、1 本のクリップをもとにクリップを作ります(オーディオから動画)。 |
| アセット | キャラクターアセット、ロケーションアセット、オブジェクト/小道具アセット、動物/クリーチャーアセット、顔を作成の各ノード | 見た目を固定するためのアセットです。承認済みの画像と説明がプロンプトと一緒に送られます。プロンプトの中で @ を使ってメンションすることもできます。 |
| ルック | カメラモーション、レンズ、ライティング、フレーミング、ムード、スタイル、時間表現、トランジションなどのカメラ・ルック系ピッカー | 各ピッカーの言い回しが、プロンプトに追加されます。 |
| エレメント | 人物、ポーズ、動物、乗り物、スタイリング、手に持つ小道具などの被写体系ピッカー | 各ピッカーの言い回しが、プロンプトに追加されます。 |
| 設定 | アスペクト比、長さ、プロバイダー、モーションの各ノード(1 つの入力で 4 種類すべてを接続可) | ノードの実行時に、ノードのアスペクト比、長さ、モデルを設定します。モーションノードは、プロンプトに語句を追加します。「設定」入力を参照してください。 |
出力の動画は、生成されたクリップの URL です。いくつのノードにでも同時に渡せます。
オーディオリファレンスは、このノードの唯一のオーディオ入力です。モデルに渡され、生成される内容そのものを変えます。完成したクリップにサウンドトラックを重ねるには、クリップとオーディオを 動画とオーディオを結合ノードに接続します。
以前の「オーディオ」入力で保存したワークフロー。動画生成には以前、結果にトラックを重ねる別のオーディオ入力がありました。この入力への接続を含んで保存したワークフローを開くと、クリップの後に動画とオーディオを結合ノードが追加されます。トラックは最大の音量で再生され、モデルがサウンドを作った場合にだけ、クリップ自体のサウンドが 30% で残ります。LTX 2.3 Pro では、代わりに接続がオーディオリファレンスに移ります。この入力を使っていなかった LTX 2.3 Fast では、接続が削除されます。
直接入力したプロンプトと接続したプロンプト
プロンプトに接続したプロンプトは、ノードに直接入力したプロンプトの後に追加されます。直接入力したプロンプトで、接続したノードを {Subject} のような変数として指定している場合、接続したテキストは変数の位置にだけ入ります。接続したプロンプトを追加しないようにするには、設定パネルのプロンプト挿入にあるプロンプトを挿入をオフにします。
プロンプトへの接続がグレーの破線になるのは、ノードが接続したテキストを使わない場合だけです。グレーの接続にポインターを合わせると、理由が表示されます。
- プロンプトを挿入がオフで、直接入力したプロンプトが、接続したノードを変数として指定していません。接続には「未使用:『プロンプトを挿入』がオフです」と表示されます。
- プロンプトに複数のテキストノードが接続されています。ノードは最後に接続したものを使い、それより前の接続はグレーになります。これらの接続には「未使用:後から接続したテキストノードに置き換えられています」と表示されます。直接入力したプロンプトが変数として指定しているテキストノードは、常に使われます。
「設定」入力
設定入力は、アスペクト比、長さ、プロバイダー、モーションの各ノードを受け付けます。ノードの実行時には、接続したアスペクト比、長さ、プロバイダーの各ノードが、ノード自体の設定を 1 つずつ置き換えます。
| 接続したノード | 置き換える設定 | 実行時の値 |
|---|---|---|
| アスペクト比 | アスペクト比 | モデルが作れる最も近い比率です。たとえば Seedance 2 では、4:5 は 3:4 で実行されます。 |
| 長さ | 長さ(秒) | モデルが作れる最も近い長さです。同じだけ近い長さが 2 つある場合は、短いほうになります。たとえば 60 秒は、Seedance 2 では 15 秒、VEO 3.1 では 8 秒で実行されます。 |
| プロバイダー | プロバイダー | プロバイダーノードのモデルです。このノードで実行できる動画モデルである必要があります。 |
モーションノードは、どの設定も置き換えません。接続したピッカーの言い回しと一緒に、動きの量についての語句をプロンプトの末尾に追加します。たとえばダイナミックは、dynamic, energetic motion with fast, pronounced movement を追加します。この語句は、ルックのピッカーと同じように、プロンプト挿入のルックを挿入スイッチに従います。モーションノードを接続しても、ノード自体のモーションヒント(プロンプトに挿入)の設定はオフにならず、2 つがまとめられることもありません。どちらか一方を使ってください。モーションを参照してください。
- 同じ種類のノードが複数ある場合:長さノード 2 つなど、同じ種類のノードが 2 つ接続されている場合は、最後に接続したものが使われます。
- ノードが実行できないモデル:画像モデルを設定したプロバイダーノードは拒否されます。ノード上のモデルのチップが赤くなり、実行が無効になって、その理由が表示されます。たとえば「このノードでは Nano Banana を実行できません。プロバイダー ノードで、このノードのモデルを選択してください。」と表示されます。ワークフローの実行などで、実行がこのノードまで進んだ場合は、料金がかかる前にそこで止まり、エラーにはプロバイダーノードの名前が示されます。
- ノードの表示:ノードの左上にあるチップに、実行に使われる値が表示されます。たとえば 16:9、8s、Seedance 2、ダイナミックです。ノードの下のバーと設定パネルでは、接続したアスペクト比、長さ、プロバイダーに接続元のノードが表示され、そこでは変更できません。
- 料金:実行ボタン、ワークフローの合計、実行の開始時に確保されるクレジットは、すべて接続したモデルと、モデルに合わせた長さで計算されます。モーションノードで料金は変わりません。設定が接続されている間は、実行の下に「接続した設定によって価格が変わる場合があります」という注記が表示されます。
- 自動調整と自動:接続した比率は自動調整と自動(画像に合わせる)を置き換え、接続した長さは自動を置き換えます。
設定
以下の設定は、ほとんどのモデルで表示されます。設定パネルには、選んだモデルが対応している項目だけが表示されます。
| 設定 | 説明 |
|---|---|
| プロバイダー | 動画モデルです。新しいノードは、Seedance 2.0 Fast の 4 秒から始まります。一覧でモデルにポインターを合わせると、そのモデルが対応している機能を確認できます。 |
| プロンプト | プロンプトのテキストです。プロンプト入力に接続したプロンプトは、直接入力したテキストの後に追加されます。上限はモデルごとに異なり、Kling 2.6 の 1,000 文字から Seedance 2.5 の 30,000 文字までです。エディターには選んだモデルの上限までの残り文字数が表示され、上限を超えたテキストは切り捨てられます。 |
| ネガティブプロンプト | 避けたいものです。 |
| 長さ(秒) | クリップの長さです。選べる値はモデルによって異なります。Seedance 2 ファミリーでは、自動を選ぶとモデルが長さを決めます。 |
| 解像度 | 出力の解像度です。解像度を選べるモデルで使えます。 |
| アスペクト比 | クリップの形です。自動調整または自動(画像に合わせる)は、接続した画像に合わせます。 |
| オーディオを生成 | モデルがサウンドトラックを作るかどうかです。サウンドのオン・オフを切り替えられるモデルで使えます。 |
| フレームの調整 | 接続した開始フレームや終了フレームを、モデルに渡す前にどう整形するかです。開始フレームと終了フレームを参照してください。 |
| フレームの送信形式 | 接続したフレームを、本来のフレームとして送るか、リファレンス画像として送るかです。開始フレームと終了フレームを参照してください。 |
| リファレンス動画の用途 | Seedance 2.5 と Seedance 2.5 Flash で、動画リファレンスにクリップを接続すると表示されます。クリップの役割です。リファレンス動画の用途を参照してください。 |
| ループトリミング | 完成したクリップを、最もきれいにループする位置でカットします。きれいなループを作るを参照してください。 |
| モーションヒント(プロンプトに挿入) | チェックを入れると、開始フレームの有無にかかわらず、動きの強さをプロンプトに追加します。控えめ、中程度(初期値)、ダイナミックから選びます。設定入力に接続したモーションノードは独自の語句を追加し、この設定をオフにしないため、どちらか一方を使ってください。 |
| クリップを「…」のリファレンス動画として保存 | キャラクターを接続すると表示されます。完成したクリップに、入力したバリエーションのラベルを付けて、そのキャラクターのリファレンス動画に保存します。保存したクリップは、動画のリファレンスとして再利用できます。 |
| 前後のテキスト | プロンプトの前後に必ず追加されるテキストです。ワークフローをアプリとして使う人には表示されません。プロンプトの前後のテキストを参照してください。 |
設定入力に接続したプロバイダー、長さ、アスペクト比の各ノードは、ノードの実行時にプロバイダー、長さ(秒)、アスペクト比を置き換えます。接続したモーションノードは、設定を置き換える代わりに、プロンプトに語句を追加します。「設定」入力を参照してください。


モデル別の設定
| モデル | 追加の設定 |
|---|---|
| VEO 3.1 Quality、Fast、Lite | 生成モード:フレーム指定(デフォルト)かリファレンスモードです。リファレンスモードは、フレームの代わりに 1〜3 枚のリファレンス画像を使います。シード(任意):10000〜99999 です。オーディオを生成:デフォルトでオンです。プロンプトを英語に自動翻訳:デフォルトでオンです。オフにすると、プロンプトが一字一句そのまま使われます。 |
| Seedance 2、Seedance 2 Fast、Seedance 2 Mini、Seedance 2.5、Seedance 2.5 Flash | オーディオを生成(デフォルトでオン)、Web 検索を有効にする、NSFW コンテンツフィルターです。パネル上部の注記に、接続した入力で決まるモードが表示されます。デプロイの管理者がそのモデルでフィルターをオンに固定している場合、NSFW コンテンツフィルターはチェックが入った状態でロックされ、管理者が設定という注記が表示されます。 |
| MiniMax H3 (minimax-h3) | 解像度:2K(デフォルト)か 768P です。768P のほうが、1 秒あたりの料金が安くなります。オーディオは常に生成されます。 |
| Wan 3.0、Wan 3.0 Prime | 環境音を生成するオーディオを生成(デフォルトでオン)です。初期値は 720p、自動調整です。 |
| Vidu Q4 | 同期したサウンドを生成するオーディオを生成で、デフォルトでオンです。長さは 3〜16 秒の範囲で 1 秒単位(デフォルトは 5 秒)、解像度は 540p〜4K の 5 種類(デフォルトは 720p)です。終了フレームは無効です。Vidu Q4 は終了フレームを受け付けません。 |
| Kling 4.0、Kling 4.0 Keyframes | 長さは 3〜30 秒の範囲で 1 秒単位(デフォルトは 5 秒)、解像度は 720p(デフォルト)か 1080p です。アスペクト比のデフォルトは自動で、素材に合わせ、素材がない場合は 16:9 で作ります。サウンドは常にオンでスイッチはなく、シードもありません。プロンプトは最大 8,000 文字です。 |
| Kling 4.0 Flash | 長さは 3〜20 秒の範囲で 1 秒単位(デフォルトは 5 秒)、解像度は 720p だけです。アスペクト比のデフォルトは自動で、16:9、9:16、1:1、21:9 も選べます。サウンドは常にオンでスイッチはありません。シードと終了フレームはありません。プロンプトは最大 8,000 文字です。 |
| Kling 2.6 | サウンドを有効にするです。サウンド付きのクリップは料金が高くなります。 |
| Kling 2.5 Turbo Pro、Kling 2.1 Master | CFG スケール:0(創造的)〜1(プロンプトに厳密に従う)です。 |
| Kling 3 Omni | 品質(スタンダード(720p)またはプロ(1080p))と、オーディオを生成です。 |
| Grok Imagine | 解像度(480p または 720p)と、モード(ノーマル、ファン、スパイシー)です。 |
| Grok Imagine Video 1.5 | 1〜15 秒の範囲で 1 秒単位の長さ(デフォルトは 8 秒)を、480p(デフォルト)、720p、1080p で作ります。アスペクト比は 16:9、9:16、1:1、4:3、3:4 で、モデルに任せることもできます。ネイティブのサウンドを作り、シードはありません。プロンプトは最大 4,096 文字です。Grok Imagine Video 1.5 のフレームを参照してください。 |
| PixVerse V6 Max | 1〜15 秒の範囲で 1 秒単位の長さ(デフォルトは 5 秒)を、360p、540p、720p(デフォルト)、1080p で作ります。オーディオを生成はデフォルトでオンで、料金が変わります。シードは任意です。プロンプトは最大 5,000 文字です。PixVerse V6 Max を参照してください。 |
| Bytedance Pro | カメラを固定とシード(-1 でランダム)です。 |
| Hailuo 2.3、Hailuo 2.3 Pro | 解像度:768P または 1080P です。1080P では、クリップは 6 秒にしかできません。 |
| Gemini Omni、Gemini Omni Flash、Gemini Omni Flash 1.2 | ソースクリップのトリミング(秒、10 秒以内の範囲)です。動画リファレンスに動画を接続すると表示されます。Gemini Omni Flash 1.2 では、範囲を最大 15 秒にできます。 |
Kling 3.0 の設定
Kling 3.0 を選ぶと、設定パネルがシーン、ショット、エレメントの 3 つのタブに変わります。
- シーンには、モデル、モード(プロ(1080p)、スタンダード(720p)、4K(ウルトラ HD))、アスペクト比、リップシンクしたセリフとサウンドのための効果音、長さ(3〜15 秒)があります。
- ショットには、マルチショットモードがあります。クリップを 2〜6 個のショットに分け、ショットごとにプロンプトと長さを設定できます。合計は最大 15 秒です。マルチショットモードではサウンドが必須で、終了フレームは使えません。
- エレメントでは、説明と 2〜4 枚のリファレンス画像を使って、名前付きのキャラクターやオブジェクトを定義できます。定義したものは、プロンプトの中で
@nameとしてメンションできます。
どのモデルを選ぶか
動画生成では、以下のすべてのモデルを実行できます。モデルをクリックすると、その設定、クレジットの料金、プロンプトのコツを確認できます。
| モデル | 開発元 | モード | クレジット | 詳細 |
|---|---|---|---|---|
| MiniMax H3 | MiniMax | 画像から動画、テキストから動画 | 253 から | MiniMax H3 はプレミアムなマルチモーダルのティアで、最初と最後のフレームに加えて画像/動画/オーディオのリファレンスを使え、ネイティブオーディオに対応し、2K(デフォルト)または 768P で出力し、長さは 4〜15 秒で料金は秒単位です。 |
| Hailuo 2.3 Pro | MiniMax | 画像から動画 | 143 から | Hailuo 2.3 Pro は、768P と 1080P の解像度に対応した新しい Hailuo です。 |
| Hailuo 2.3 Standard | MiniMax | 画像から動画 | 83 から | Hailuo 2.3 のより安価なティアで、基本的な品質は良好です。 |
| Hailuo 02 Standard | MiniMax | 画像から動画、テキストから動画 | 83 から | Hailuo 02 Standard は、終了フレームに対応した経済的な選択肢です。 |
| 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。 | |
| 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 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。 | |
| Gemini Omni | 画像から動画、テキストから動画 | 253 から | ネイティブオーディオ付きの Google のマルチモーダル動画モデルで、テキストや画像から動画を作れるほか、動画の編集もできます。 | |
| Gemini Omni Flash | 画像から動画、テキストから動画 | 176 から | Google の Gemini Omni Flash は、より高速で安価な Omni のティアで、ネイティブオーディオ付きのマルチモーダル動画モデルとして、テキストや画像から動画を作れるほか、動画の編集もできます。 | |
| Gemini Omni Flash 1.2 | 画像から動画、テキストから動画 | 33 から | Google の Gemini Omni Flash 1.2 は、ネイティブのサウンド付きで 3〜15 秒、360p〜4K の動画を、テキスト、最大 6 枚のリファレンス画像、正確な最初と最後のフレームから作るほか、動画の編集もできます。料金は秒単位です。 | |
| Kling 2.6 | Kuaishou | 画像から動画、テキストから動画 | 152 から | 画像から動画を生成する Kling 2.6 で、動きのリアルさに優れています。長さは 5 秒または 10 秒で、ネイティブオーディオを任意で付けられます。 |
| 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。 |
| 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。 |
| Kling 2.1 Master | Kuaishou | 画像から動画 | 440 から | 画像から動画を生成する Master ティアのモデルで、シネマティックな品質に優れています。 |
| Kling 3 Omni | Kuaishou | 画像から動画 | 275 から | Kling 3 Omni は 3〜15 秒、720p/1080p に対応し、終了フレームとリファレンス画像を使えるほか、ネイティブオーディオにも対応しています。 |
| Kling 4.0 | Kuaishou | 画像から動画、テキストから動画 | 242 から | Kling 4.0 は、ネイティブオーディオとリップシンク付きで最長 30 秒の動画を、リファレンス画像、動画、キャラクター、声、またはテキストだけから作ります。 |
| Kling 4.0 Keyframes | Kuaishou | 画像から動画、テキストから動画 | 242 から | Kling 4.0 Keyframes は、開始フレーム、最大 8 枚の中間フレーム、終了フレームから、ネイティブオーディオ付きで最長 30 秒の動画を作ります。 |
| Kling 4.0 Flash | Kuaishou | 画像から動画、テキストから動画 | 143 から | Kling 4.0 Flash は、Kling 4.0 をより高速かつ低価格にしたモデルで、720p、最長 20 秒、ネイティブオーディオ付きの動画を、開始フレーム、リファレンス画像、動画、キャラクター(それぞれに音声クリップを付けられます)、またはテキストだけから作ります。 |
| Grok Imagine (I2V) | xAI | 画像から動画 | 55 から | 画像から動画を生成する Grok のモデルで、スタイライズされた動きを作ります。長さは最大 15 秒です。 |
| Grok Imagine Video 1.5 | xAI | 画像から動画 | 55 から | Grok Imagine Video 1.5 は、1〜15 秒の動画を 480p、720p、1080p で作り、料金は秒単位です。正確な最初と最後のフレーム(同じ画像を両方に使うと継ぎ目のないループになります)と、最大 4 枚の中間フレームを使えます。入力画像が必要です。 |
| 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 Fast | Bytedance | 画像から動画、テキストから動画 | 198 から | Seedance 2 の、より安価で高速なティアです。 |
| 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 2.5 | 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。 |
| Bytedance Pro I2V | Bytedance | 画像から動画、テキストから動画 | 193 | Bytedance の Pro 動画ティアで、品質がより高くなります。 |
| Bytedance Pro Fast I2V | Bytedance | 画像から動画 | 99 | Bytedance Pro の、より高速なバリアントです。 |
| Wan 3.0 | Alibaba | 画像から動画、テキストから動画 | 176 から | Wan 3.0 はマルチモーダルなモデルで、最初と最後のフレーム、または画像/動画/オーディオのリファレンスを使え、ネイティブオーディオに対応し、480p/720p/1080p で 2〜30 秒の動画を作ります。 |
| Wan 3.0 Prime | Alibaba | 画像から動画、テキストから動画 | 275 から | Wan 3.0 Prime は Alibaba による Wan 3.0 の高速なティアで、マルチモーダルな入力と 2〜30 秒の範囲は同じまま、秒単位の料金が高い分、より早く仕上がります。 |
| Wan 2.6 I2V | Alibaba | 画像から動画 | 193 から | 画像から動画を生成する Wan 2.6 で、720p/1080p で 5/10/15 秒の動画を作ります。 |
| 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。 |
| Wan 2.6 | Alibaba | 動画から動画、テキストから動画 | 193 から | Wan 2.6 は、1 つの ID でテキストから動画と動画から動画の両方に対応します。 |
| Wan 2.7 I2V | Alibaba | 画像から動画 | 207 | 画像から動画を生成する Wan 2.7 で、720p/1080p で 2〜15 秒の動画を作り、開始フレームと終了フレームに対応しています。 |
| Wan 2.7 T2V | Alibaba | テキストから動画 | 207 | テキストから動画を生成する Wan 2.7 で、720p/1080p で 2〜15 秒の動画を作ります。 |
| LTX 2.3 Pro | Lightricks | 画像から動画、テキストから動画 | 264 から | Lightricks の LTX 2.3 Pro は、テキスト/画像/オーディオから最大 4K、6/8/10 秒の動画を作り、終了フレームまでの補間にも対応しています。 |
| LTX 2.3 Fast | Lightricks | 画像から動画、テキストから動画 | 198 から | Lightricks の LTX 2.3 Fast は、テキストや画像から 1080p で最大 20 秒の動画を作ります(2K と 4K では 6/8/10 秒)。オーディオの入力と延長には対応していません。 |
| HappyHorse 1.1 | HappyHorse | テキストから動画 | 311 | テキストから動画を生成する HappyHorse 1.1 で、720p/1080p で 3〜15 秒の動画を作り、21:9 や 9:21 を含む 9 種類のアスペクト比に対応しています。料金は秒単位です。 |
| HappyHorse 1.1 I2V | HappyHorse | 画像から動画 | 311 | 画像から動画を生成する HappyHorse 1.1 で、720p/1080p で 3〜15 秒の動画を作り、アスペクト比は入力画像から決まり、料金は秒単位です。 |
| HappyHorse 1.1 Ref2V | HappyHorse | 画像から動画 | 311 | リファレンスから動画を生成する HappyHorse 1.1 で、1〜9 枚のリファレンス画像を使って 720p/1080p で 3〜15 秒の動画を作り、料金は秒単位です。 |
| Vidu Q4 | Vidu | 画像から動画 | 66 から | Vidu Q4 は、開始フレームまたはリファレンス(最大 15 枚のリファレンス画像と、MP3 の声や効果音のクリップ 3 本)をもとに、ネイティブオーディオ付きで 3〜16 秒、540p〜4K の動画を作ります。 |
| PixVerse V6 Max | PixVerse | 画像から動画、テキストから動画 | 22 から | PixVerse V6 Max は、テキストまたは正確な最初のフレームから、360p〜1080p で 1〜15 秒のシネマティックな動画を作り、ネイティブオーディオを任意で付けられます(デフォルトでオンで、料金が変わります)。プロンプトへの忠実さ、カメラの制御、画面上の文字に優れています。 |
| Runway Gen-3 | Runway | 画像から動画、テキストから動画 | 33 | Runway Gen-3 です。720p/1080p で 5/10 秒の動画を作ります。 |
- Seedance 2.0 Fast:デフォルトです。低価格で、サウンドはオン、リファレンスに対応しています。試行錯誤に使います。
- VEO 3.1 Fast:価格と品質のバランスがよいモデルです。ネイティブオーディオに対応し、4 秒、6 秒、8 秒のどれでも同じ料金です。
- VEO 3.1 Quality と Kling 3.0:上質なシネマティックショット向けです。Kling 3.0 は、マルチショットのクリップと 3〜15 秒の長さにも対応しています。
- Seedance 2 と Seedance 2.5:リファレンスへの対応が最も幅広く、画像、動画、オーディオを組み合わせて使えます。Seedance 2.5 は、1 回の実行で最大 30 秒を作れ、クリップの編集もできます。
- Seedance 2.5 Flash:Seedance 2.5 の、より速く低価格な版です。480p か 720p で 4〜30 秒を作り、ネイティブサウンド、リファレンス、クリップの編集に対応します。Seedance 2.5 Flashを参照してください。
- Wan 3.0:2〜30 秒の範囲で、1 秒単位で長さを選べます。リファレンスと環境音に対応しています。
- Vidu Q4:開始フレーム、または最大 15 枚のリファレンス画像と 3 本の声やサウンドのクリップを使えます。ネイティブオーディオ付きで、540p〜4K に対応しています。
- Kling 4.0:ネイティブオーディオ付きで最長 30 秒のクリップを、リファレンス画像、動画、キャラクター、声のクリップから、またはテキストだけから作ります。Kling 4.0 Keyframes は、開始フレーム、最大 8 枚の中間フレーム、終了フレームを順にたどるクリップを作ります。
- Kling 4.0 Flash:Kling 4.0 の高速で低価格な版で、720p で 3〜20 秒のクリップを、同じ種類のリファレンスから作ります。無料クレジットで実行できる唯一の Kling モデルです。
- MiniMax H3 (minimax-h3):2K の上質なマルチモーダルのクリップを作ります。リファレンスに対応し、オーディオは常にオンです。
- PixVerse V6 Max:テキストまたは開始フレームから、最大 1080p で 1〜15 秒を作ります。サウンドはデフォルトでオンです。映画、ショートドラマ、広告向けに調整されています。
- Grok Imagine Video 1.5:開始フレームを、最大 1080p で 1〜15 秒動かします。正確な終了フレームで終えることも、シームレスなループにすることも、最大 4 枚の中間フレームを通ることもできます。
- Gemini Omni Flash 1.2:3〜15 秒の範囲で 1 秒単位の長さを、ネイティブのサウンド付きで、360p〜4K で作ります。テキスト、最大 6 枚のリファレンス画像、正確な開始フレームと終了フレームから作るほか、クリップの編集もでき、料金は秒単位です。
- VEO 3.1 Lite と Wan 2.2 Turbo:最も安くクリップを作れます。まとめて作るときや下書きに使います。
すべてのモデルの比較は、モデルの選び方を読んでください。
1 つの開始フレーム、3 つのモデル
以下の 3 本のクリップは、画像生成で作った同じ画像から始まり、同じプロンプトを使って、サウンドをオンにして生成しています。変えたのはモデルだけです。
プロンプトの翻訳です。モデルには英語の原文を送りました。原文は下にあります。
英語の原文プロンプト
- VEO 3.1 Fast は、開始フレームの金色の光を保ったまま、ゆっくりとプッシュインし、プロンプトにあるカモメを加えました。
- Seedance 2.5 は、開始フレームに最も忠実で、動きも最も穏やかでした。480p なので映像も最もソフトですが、下書きなら問題ありません。
- Gemini Omni Flash は、1.5 秒ほどで開始フレームから離れました。光は寒色寄りになり、山の形も変わりました。
クリップが開始フレームを正確に引き継ぐ必要がある場合は、その先の作業に進む前に、各テイクの最初の数秒を確認してください。最初のモデルが開始フレームからずれるときは、別のモデルを試してください。
PixVerse V6 Max
PixVerse V6 Max は、映画、ショートドラマ、広告向けに調整されたモデルです。プロンプトとカメラの指示によく従い、光と素材をリアルに描きます。被写体はショットをまたいでも一貫し、商品や画面上の文字も正しく描かれます。1〜15 秒の範囲で 1 秒単位の長さ(デフォルトは 5 秒)を、360p、540p、720p、1080p(デフォルトは 720p)で作ります。プロンプトは最大 5,000 文字です。
- 開始フレームがある場合は、画像から動画を作ります。画像が正確な最初のフレームになり、クリップはその形になるため、設定パネルではアスペクト比が非表示になります。
- 画像がない場合は、テキストから動画を作ります。比率は 16:9(デフォルト)、4:3、1:1、3:4、9:16、2:3、3:2、21:9 です。
- サウンドは、オフにしない限りオン:無音のクリップにするにはオーディオを生成のチェックを外します。無音のほうが安くなります。サウンドは環境音と効果音です。台本どおりのセリフは保証されないため、話すキャラクターには、テキスト読み上げとリップシンクで声を付けてください。
- シード:同じシードと同じ設定では、似た結果になります。
- 終了フレームとリファレンスはなし:このモデルでは、エディターに終了フレームも、リファレンスの画像、動画、オーディオの入力もありません。
PixVerse V6 Max は動画生成 Pro でも使えます。
モデル別の長さと解像度
選べる長さと解像度は、モデルによって異なります。各モデルのページには、すべての値とアスペクト比が記載されています。
| モデル | 長さ | 解像度 | 終了フレーム | リファレンス |
|---|---|---|---|---|
| Seedance 2 | 4〜15 秒、または自動 | 480p、720p、1080p、4K | 対応 | 画像 9 枚、動画 3 本、オーディオ 3 本 |
| Seedance 2 Fast | 4〜15 秒、または自動 | 480p、720p | 対応 | 画像 9 枚、動画 3 本、オーディオ 3 本 |
| Seedance 2 Mini | 4〜15 秒、または自動 | 480p、720p | 対応 | 画像 9 枚、動画 3 本、オーディオ 3 本 |
| Seedance 2.5 | 4〜30 秒、または自動 | 480p、720p、1080p | 対応 | 画像 30 枚、動画 10 本、オーディオ 10 本 |
| Seedance 2.5 Flash | 4〜30 秒、または自動 | 480p、720p | 対応 | 画像 10 枚、動画 5 本、オーディオ 5 本 |
| MiniMax H3 (minimax-h3) | 4〜15 秒 | 2K、768P | 対応 | 画像 9 枚、動画 3 本、オーディオ 3 本 |
| VEO 3.1 Quality | 4、6、8 秒 | 720p、1080p、4K | 対応 | なし |
| VEO 3.1 Fast | 4、6、8 秒 | 720p、1080p、4K | 対応 | 画像 3 枚まで |
| VEO 3.1 Lite | 4、6、8 秒 | 720p、1080p、4K | 対応 | 画像 3 枚まで |
| Gemini Omni | 4、6、8、10 秒 | 720p、1080p、4K | 非対応 | 入力 7 件(動画は 2 件分) |
| Gemini Omni Flash | 4、6、8、10 秒 | 720p、1080p、4K | 非対応 | 入力 7 件(動画は 2 件分) |
| Gemini Omni Flash 1.2 | 3〜15 秒 | 360p、720p、1080p、4K | 対応 | 画像最大 6 枚、キャラクター 2 人 |
| Kling 3.0 | 3〜15 秒 | 720p、1080p、4K | 対応 | エレメント |
| Kling 3 Omni | 3〜15 秒 | 720p、1080p | 対応 | 画像 7 枚まで |
| Kling 2.6 | 5、10 秒 | — | 非対応 | なし |
| Kling 2.5 Turbo Pro | 5、10 秒 | — | 対応 | なし |
| Kling 2.1 Master | 5、10 秒 | — | 非対応 | なし |
| Wan 3.0、Wan 3.0 Prime | 2〜30 秒 | 480p、720p、1080p | 対応 | 画像 10 枚、動画 5 本、オーディオ 5 本 |
| Vidu Q4 | 3〜16 秒 | 540p、720p、1080p、2K、4K | 非対応 | 画像 15 枚、オーディオ 3 本 |
| Kling 4.0 | 3〜30 秒 | 720p、1080p | リファレンス画像として | 画像 10 枚、動画 5 本、キャラクター 7 人、オーディオ 3 本。合計 15 件まで |
| Kling 4.0 Keyframes | 3〜30 秒 | 720p、1080p | 対応 | 中間フレーム最大 8 枚 |
| Kling 4.0 Flash | 3〜20 秒 | 720p | 非対応 | 画像 10 枚、動画 5 本、キャラクター 7 人。合計 15 件まで |
| Wan 2.7 | 2〜15 秒 | 720p、1080p | 対応 | なし |
| Wan 2.6 | 5、10、15 秒 | 720p、1080p | 非対応 | なし |
| Wan 2.2 Turbo | 5 秒 | 480p、720p | 非対応 | なし |
| HappyHorse 1.1 | 3〜15 秒 | 720p、1080p | 非対応 | なし |
| HappyHorse 1.1 Ref2V | 3〜15 秒 | 720p、1080p | 非対応 | 画像 1〜9 枚 |
| Hailuo 2.3 Pro、Hailuo 2.3 Standard | 6、10 秒 | 768P、1080P | 非対応 | なし |
| Hailuo 02 Standard | 6、10 秒 | 512P、768P | 対応 | なし |
| Bytedance Pro I2V | 5、10 秒 | 480p、720p、1080p | 非対応 | なし |
| Bytedance Pro Fast I2V | 5、10 秒 | 720p、1080p | 非対応 | なし |
| Grok Imagine (I2V) | 6、10 秒 | 480p、720p | 非対応 | リファレンス画像 |
| Grok Imagine Video 1.5 | 1〜15 秒 | 480p、720p、1080p | 対応(1080p 未満) | 最大 4 枚の中間フレーム(1080p 未満) |
| PixVerse V6 Max | 1〜15 秒 | 360p、540p、720p、1080p | 非対応 | なし |
| LTX 2.3 Pro | 6、8、10 秒 | 1080p、2K、4K | 対応 | なし |
| LTX 2.3 Fast | 1080p では 6〜20 秒、2K と 4K では 6、8、10 秒 | 1080p、2K、4K | 対応 | なし |
| Runway Gen-3 | 5、10 秒 | 720p、1080p | 非対応 | なし |
「—」は、そのモデルでは解像度を選べないことを示します。
アスペクト比:VEO 3.1、Gemini Omni、LTX 2.3 は、16:9 か 9:16 のクリップを作ります。Seedance 2 ファミリーでは、さらに 1:1、4:3、3:4、21:9 と自動調整を選べます。自動調整はデフォルトで、接続した画像に合わせます。MiniMax H3 と Wan 3.0 でも、自動調整がデフォルトです。MiniMax H3 か Wan 3.0 でテキストだけからクリップを作る場合は、比率を選ばない限り 16:9 でレンダリングされます。HappyHorse 1.1 では、テキストから動画と Ref2V のクリップで、4:5、5:4、21:9、9:21 を含む 9 種類の比率を選べます。画像から動画では、入力画像の比率に従います。Vidu Q4 は、開始フレームだけを使う場合はその形を保ちます。リファレンスを使う場合は、16:9(デフォルト)、9:16、1:1、4:3、3:4 で作ります。Kling 4.0 では、自動(デフォルト)、16:9、9:16、1:1、21:9 を選べます。Kling 4.0 Keyframes では、フレームを接続していない場合にだけ比率が適用されます。それ以外の場合、クリップは開始フレームの形に従います。Gemini Omni Flash 1.2 は、16:9、9:16、自動で作ります。正確なフレームを使う場合、自動は 16:9 と 9:16 のうち、開始フレームに近いほうを選びます。リファレンス画像を使う場合はリファレンスに合わせ、どちらもない場合は 16:9 で作ります。PixVerse V6 Max は、テキストからは 8 種類の比率で作り、それ以外は開始フレームの形に従います。Grok Imagine Video 1.5 は、16:9、9:16、1:1、4:3、3:4 で作るか、比率をモデルに任せます。
VEO 3.1 の 4K:VEO はクリップを 1080p で作り、同じ実行の中で 4K にアップスケールします。料金は 4K の価格です。Gemini Omni の 4K、Gemini Omni Flash 1.2 の 4K、Vidu Q4 の 4K は、無料プランでは使えません。
開始フレームと終了フレーム
開始フレームに画像を接続すると、クリップはその画像から始まります。終了フレームに 2 枚目の画像を接続すると、クリップはその画像で終わります。終了フレームに対応しているのは、次のモデルです。
- VEO 3.1 Quality、Fast、Lite。
- Seedance 2 ファミリー、Seedance 2.5、Seedance 2.5 Flash。
- MiniMax H3、Hailuo 02 Standard。
- Kling 4.0 Keyframes、Kling 3.0、Kling 3 Omni、Kling 2.5 Turbo Pro。Kling 4.0 Keyframes は、終了フレームだけでも受け付けます。
- Wan 2.7、Wan 3.0、Wan 3.0 Prime。
- LTX 2.3 Pro、LTX 2.3 Fast。
- Grok Imagine Video 1.5。開始フレームが必要で、480p か 720p で使えます。両方のフレームに同じ画像を使うと、シームレスなループになります。Grok Imagine Video 1.5 のフレームを参照してください。
- Gemini Omni Flash 1.2。開始フレームと終了フレームは、10 秒までなら正確なフレームになります。それより長いクリップの場合や、終了フレームだけの場合、フレームはリファレンスの一覧に加わり、プロンプトが最初と最後のフレームとして指定します。この場合、フレームはクリップの方向づけになりますが、クリップがそのフレームで正確に始まったり終わったりするわけではありません。
それ以外のモデルは、終了フレームを無視します。Kling 4.0 は、終了フレームを代わりにリファレンス画像として受け取り、プロンプトでは最後のフレームとして示します。
フレームの調整
フレームのサイズが、モデルがレンダリングするサイズとぴったり同じでない場合、モデルがフレームの形を変えます。モデルによっては、この変形がクリップの 2 フレーム目から起こります。すると、最初のフレームは自分の画像のままで、残りのクリップはわずかに縦長または横長になります。フレームの調整は、フレームを送る前にサイズを整えます。
| 値 | 説明 |
|---|---|
| 出力サイズに合わせる(デフォルト) | 選んだ解像度とアスペクト比でモデルがレンダリングするピクセルサイズに、フレームをぴったり合わせます。 |
| アスペクト比に合わせる | 最小限の変更で、アスペクト比だけを補正します。 |
| 元のまま | フレームに手を加えずに送ります。 |
選んだモデル、解像度、比率に対するサイズを Nodaro が把握している場合は、設定の下に 720×1280 のようにそのサイズが表示されます。画像の形が目標の形から 5% を超えてずれている場合は、まず画像の中央を目標の比率で切り抜いてから、サイズを変更します。たとえば、9:16 のクリップに正方形の写真を使う場合です。被写体がつぶれることはありません。Nodaro が計測していない組み合わせでは、フレームには手を加えません。
フレームの送信形式
| 値 | 説明 |
|---|---|
| 自動(デフォルト) | モデルに合った最適な方法を選びます。選択肢には、どちらになるかが自動(フレームとして)または自動(リファレンス画像として)と表示されます。 |
| フレーム | 常に本来の開始フレームとして送ります。 |
| リファレンス画像 | 常に画像をリファレンスとして送り、プロンプトの中でその画像を冒頭のフレームとして指定します。 |
Seedance 2.0 ファミリー(Fast、標準、Mini)は、本来の開始フレームを約 2% ズームし、6 フレーム以内に明るさが落ちます。リファレンス画像として送ると、同じモデルでも最初のフレームから見た目が保たれます。Nodaro が計測したほかのすべてのモデルは、本来のフレームとして送ったほうが冒頭のフレームを忠実に再現します。そのため、自動ではそれらのモデルにフレームとして送ります。リファレンス画像を受け付けないモデルでは、この設定は表示されません。
制限が 2 つあります。1 つ目に、フレームを入れるために自分のリファレンス画像が外されることはありません。フレームを加えるとモデルの画像の上限を超える場合、フレームはフレームのまま送られます。2 つ目に、リクエストにすでにリファレンス画像がある場合、いくつかのモデルは本来の開始フレームを保てません。Seedance、Wan、Vidu Q4 はフレームをリファレンスの一覧に移し、MiniMax H3 はリファレンスモードに切り替わります。
Grok Imagine Video 1.5 のフレーム
Grok Imagine Video 1.5 は開始画像を動かすモデルです。テキストから動画のモードがないため、どの実行にも開始フレームが必要です。1〜15 秒の範囲で 1 秒単位の長さ(デフォルトは 8 秒)を、480p(デフォルト)、720p、1080p で作ります。
- 開始フレームと終了フレーム:開始フレームはクリップの正確な最初のフレームに、接続した終了フレームは正確な最後のフレームになります。
- シームレスなループ:開始フレームと終了フレームに同じ画像を接続すると、クリップはその画像で始まり、その画像で終わります。専用の設定はありません。
- 中間フレーム:画像リファレンスの画像は、最大 4 枚の中間フレームになり、設定パネルに表示される順に使われます。ドラッグして並べ替えます。フレームになるのは画像リファレンスの画像だけです。アセットのアセットはフレームにならず、キャラクターはプロンプトに名前と説明を加えるだけです。
- フレームの位置:フレームはクリップの中に、1 秒単位で均等に配置されます。たとえば、8 秒のクリップに 2 枚なら、3 秒と 5 秒の位置になります。下の表のとおり、短いクリップに入るフレームは少なくなります。上限を超えたフレームは外され、指定した順で最初のものが残ります。使われる枚数は設定パネルに表示されます。
- 開始フレームが必要:中間フレームだけでは拒否されます。終了フレームだけの場合は実行で拒否され、ワークフローの実行では開始フレームとして使われます。
- 1080p は開始フレームのみ:1080p では、終了フレーム、ループ、中間フレームを使えません。エディターで 1080p を選べるのは、開始フレームだけを接続している間です。1080p でそれ以上のフレームを送る実行は、クレジットを確保する前に拒否されます。720p を選ぶか、終了フレームと中間フレームを外してください。
- ほかのリファレンスはなし:リファレンス動画、オーディオ、キャラクターは受け付けません。フレームをプロンプトで指定することはできないので、フレームの間に起こることを言葉で説明してください。
| 長さ | 1 秒 | 2 秒 | 3 秒 | 4 秒 | 5 秒以上 |
|---|---|---|---|---|---|
| 中間フレームの最大数 | 0 | 1 | 2 | 3 | 4 |
フレームで料金は増えません。開始フレームだけでも、開始フレーム、終了フレーム、4 枚の中間フレームを使っても、料金は同じです。
リファレンス:画像、動画、オーディオ
リファレンスは、特定のフレームを固定せずに、何を映像に含めるかをモデルに伝えます。画像リファレンス、動画リファレンス、オーディオリファレンスに接続します。モデルごとの上限は、上の表にあります。リファレンスに対応していないモデルは、リファレンスを無視します。
- Seedance 2 ファミリーと MiniMax H3:フレームとリファレンスを一緒に接続できます。リファレンスがない場合、フレームは正確な最初と最後のフレームになります。リファレンスを 1 つでも接続すると、フレームはリファレンスのセットに加わり、プロンプトの中で冒頭または末尾のフレームとして指定されます。パネルには決まったモードが表示され、使われない入力がある場合は警告が表示されます。
- Seedance 2.5:画像は最大 30 枚、動画は 10 本、オーディオクリップは 10 本です。リファレンス動画は 1 本ごとに 2〜30 秒で、合計でも 30 秒以内である必要があります。リファレンスオーディオは、1 本あたり最大 30 秒です。
- Seedance 2.5 Flash:画像は最大 10 枚、動画は 5 本、オーディオクリップは 5 本です。リファレンス動画は Seedance 2.5 と同じ制限です。リファレンスオーディオは 1 本ごとに 2〜30 秒で、合計でも 30 秒以内である必要があり、この範囲外のクリップは実行の開始前に拒否されます。プロンプトとリファレンスオーディオだけでも実行できます。WAV でも MP3 でもないクリップは、送信の前に MP3 に変換されます。画像 10 枚、動画 5 本、オーディオ 5 本を超える場合、エディターやワークフローからの実行では上限までの最初のものが送られ、API や MCP の呼び出しはクレジットが確保される前に拒否されます。
- Seedance 2 Fast:リファレンスオーディオは、1 本ごとに 15.2 秒以下である必要があります。
- MiniMax H3:リファレンス動画は 1 本ごとに 2〜15 秒で、合計 15 秒までです。リファレンスオーディオは 1 本あたり最大 15 秒で、画像か動画のリファレンスと一緒に使う必要があります。オーディオだけでは受け付けられません。
- Wan 3.0:画像は最大 10 枚、動画は 5 本、オーディオクリップは 5 本です。動画とオーディオのクリップは 1 本ごとに 1〜15 秒で、種類ごとに合計 15 秒までです。リファレンス動画を使う場合は、リファレンスと出力の長さの合計を 30 秒以下に収める必要があります。開始フレームや終了フレームは、リファレンスの一覧の、自分の画像の後ろに加わります。
- VEO 3.1 Fast と Lite:リファレンス画像を接続すると、開始フレームの有無にかかわらず、VEO はリファレンスモードに切り替わります。リファレンスモードでは、常に 8 秒のクリップが作られます。VEO の料金は 4 秒、6 秒、8 秒で同じなので、費用は変わりません。VEO が受け付ける画像は最大 3 枚です。自分のリファレンスが先になり、その後に開始フレームと終了フレームが続きます。上限に達した場合は、フレームが残り、最後のリファレンスが外されます。そのため、開始フレーム、終了フレーム、リファレンスを使うと、リファレンスは 1 枚分しか入りません。VEO 3.1 Quality にはリファレンスモードがないため、リファレンスの入力は無効になります。
- Gemini Omni と Gemini Omni Flash:入力は最大 7 件です。開始フレームとリファレンス画像はそれぞれ 1 件、動画は 2 件として数えます。開始フレームがある場合、リファレンスはフレームではなく、見た目を保つためのリファレンスとして働きます。上限を超えたリファレンスは使われず、その数がノードに表示されます。開始フレームは常に残ります。
- Gemini Omni Flash 1.2:リファレンス画像は最大 6 枚です。プロンプトでは
@image_1、@image_2のように指定します。リファレンスを接続した場合、フレームは同じ一覧で自分のリファレンスのあとに続きます。プロンプトは、どの画像が最初のフレームで、どれが最後のフレームで、どれが被写体のリファレンスかを平易な言葉で伝えます。この場合、フレームはクリップの方向づけになり、多くは被写体として使われますが、クリップがそのフレームで正確に始まるわけではありません。最初のフレームを正確に合わせるには、リファレンスなしでフレームを接続してください。編集するクリップと一緒に接続できる画像は最大 5 枚で、接続したフレームもこの 5 枚に数えます。API と MCP では、Gemini Omni Flash 1.2 はキャラクターリファレンスを最大 2 人まで受け付け、これは 6 枚の画像に数えません。キャラクターの保存済みの声は使えないので、3 人目のキャラクターや声には Gemini Omni Flash を使ってください。 - Vidu Q4:画像は最大 15 枚、オーディオクリップは最大 3 本で、リファレンス動画は使えません。リファレンスモードにはプロンプトが必要です。プロンプトが空の実行は、クレジットが確保される前に拒否されます。リファレンスオーディオには、少なくとも 1 枚の画像が必要です。開始フレームも画像として数えます。各オーディオクリップは、3〜12 秒の MP3 ファイルである必要があります。それ以外の形式や長さは実行の開始前に拒否されるため、クレジットはかかりません。先にクリップを MP3 で書き出してください。
- HappyHorse 1.1 Ref2V は、1〜9 枚のリファレンス画像を受け付けます。Kling 3 Omni は最大 7 枚です。
- Kling 4.0:画像は最大 10 枚、動画は 5 本、キャラクターは 7 人、オーディオクリップは 3 本で、素材は全部で最大 15 件です。Kling 4.0 のリファレンス、キャラクター、キーフレームを参照してください。
- Kling 4.0 Flash:画像は最大 10 枚、動画は 5 本、キャラクターは 7 人で、素材は全部で最大 15 件です。リファレンス動画は合計 2〜20 秒です。Kling 4.0 Flash を参照してください。
開始フレームの位置:フレームとリファレンス画像を 1 つの一覧で扱うモデルでは、自分のリファレンスが、指定した順で先になります。プロンプトの画像 1 は、常に自分の最初のリファレンスです。開始フレームと、終了フレームを受け付けるモデルでは終了フレームが、リファレンスの後に続き、プロンプトではそれぞれ最初のフレームと最後のフレームとして示されます。モデルの画像の上限に達した場合は、フレームが残り、最後のリファレンスが外され、ノードにそのことが表示されます。これは、Seedance 2 ファミリー、MiniMax H3、Wan 3.0、Vidu Q4、Kling 4.0、Kling 4.0 Flash、Gemini Omni、VEO 3.1 Fast と Lite、Grok Imagine、HappyHorse 1.1 Ref2V に当てはまります。2026-10-18 までは、Gemini Omni、VEO、Grok Imagine、HappyHorse では開始フレームが先頭でした。Kling 4.0 Keyframes と Grok Imagine Video 1.5 は異なり、フレームは本来のフレームで、画像リファレンスは中間フレームです。
Seedance 2 と Seedance 2.5 のリファレンス動画は、送信の前に、同じ解像度、フレーム、長さ、音声のまま再エンコードされます。そのため、Seedance 自身が作ったクリップも、入力とほぼ同じコピーとして戻ってくるのではなく、編集されます。料金は変わりません。Seedance 2.5 Flash では、すべてのリファレンス動画が、さらにモデルが受け付ける形に合わせられます。形を保ったまま 480p か 720p クラスの映像に拡大・縮小され、フレームレートは毎秒 24〜60 フレームに保たれます。長さと料金は変わりません。2.5:1 より横長、または 1:2.5 より縦長のクリップは、クレジットが確保される前に拒否されるので、もっと控えめな形に切り抜いてください。
これらの長さの制限のほとんどは実行の開始前に確認されるため、制限を満たさないクリップでクレジットがかかることはありません。Wan 3.0 は例外で、リファレンス動画の制限を実行中に確認し、クリップが長すぎる場合は確保したクレジットを返還します。長いクリップは、先に動画のトリミングで短くしてください。
Kling 4.0 のリファレンス、キャラクター、キーフレーム
Kling 4.0 には 2 つのモデルがあります。どちらも 720p か 1080p で 3〜30 秒のクリップを作り、ネイティブオーディオは常にオンです。Kling 4.0 と Kling 4.0 Keyframes は、無料クレジットでは使えません。
Kling 4.0:何も接続していない場合は、プロンプトだけからクリップを作ります。それ以外の場合は、リファレンス画像を最大 10 枚、リファレンス動画を 5 本、キャラクターを 7 人、声のクリップを 3 本受け付け、素材は全部で最大 15 件です。接続した開始フレームや終了フレームは、画像として数えます。各リファレンス動画の長さは 2〜30 秒で、リファレンス動画の合計は 30 秒までです。6 本目のリファレンス動画は、クレジットが確保される前に拒否されます。6 本目を含むワークフローの実行も、始まる前に拒否されます。
- フレームはリファレンス画像に加わる:開始フレームや終了フレームは、自分のリファレンス画像の後に続き、プロンプトでは最初のフレームまたは最後のフレームとして示されます。
- キャラクターは動画から作ることもできる:キャラクターを映した 3〜8 秒のクリップです。動画の被写体を参照してください。
- キャラクターは名前付きの被写体になる:アセットに接続したキャラクターアセットノードは、キャラクターの名前が付いた被写体としてモデルに届きます。送られるのは、ポートレートと、最大 3 枚のほかの画像です。画像が 1 枚だけのキャラクターは、通常のリファレンス画像として送られます。
- 最初のオーディオリファレンスのクリップは、サウンドトラックとして再生されます。これはデフォルトでオンです。Kling 4.0 はリファレンスのオーディオを声のサンプルとしてしか受け付けないため、Nodaro は最初のクリップを、もう 1 本のリファレンス動画として送ります。オーディオを載せた静止フレームで、その動画のサウンドは残されます。結果のサウンドは正確にそのトラックになり、シーンの人物はそれに合わせて演技します。サウンドトラックのクリップの長さはオーディオと同じで、2 秒以上、動画の長さ以下です。それより長いトラックはカットされます。プロンプトでは、
@audio_1がこのクリップを指します。サウンドトラックは、5 個あるリファレンス動画の枠を 1 つ使い、実行はリファレンス動画を使う実行として料金が決まります。サウンドトラックがある場合、Kling は接続したリファレンス動画のサウンドも残します。 - ほかのオーディオクリップは名前付きの声になります。順番は、接続した順です。Kling は各クリップを声のサンプルとして受け取り、自分でサウンドを作るので、声のクリップは再生されません。すべてのクリップを声のサンプルとして送るには、設定パネルで最初のクリップをサウンドトラックとして再生をオフにします。そのとき、入力の名前はボイスリファレンスになります。
- リファレンス動画は、それぞれ 2〜30 秒である必要があります。この範囲外のクリップは実行の開始前に拒否されるため、クレジットはかかりません。長辺が 2048 ピクセルを超えるクリップや、1920×1080 より画素数が多いクリップは、送信前に縦横比を保ったまま縮小されます。4K の 16:9 クリップは 1920×1080 で送信されます。クリップの長さは変わらないため、料金も変わりません。デフォルトでは、クリップに新しいサウンドが付きます。API から
keepOriginalSound: trueを送ると、代わりにリファレンス動画自体のサウンドが残ります。 - プロンプトで素材を指定する:リファレンス画像は
@image_1、リファレンス動画は@video_1、キャラクターは@Name、声のクリップは@audio_1と書きます。@のオートコンプリートが、これらを書き込みます。実行に含まれない素材をプロンプトで指定した場合は、Nodaro が@を取り除いて単語を残すので、実行はそのまま始まります。 - 素材が 15 件を超えると、クレジットが確保される前に拒否されます。
Kling 4.0 Keyframes:クリップは、開始フレーム、最大 8 枚の中間フレーム、終了フレームを順にたどります。中間フレームは画像リファレンスの画像で、設定パネルに表示される順に使われます。ドラッグして並べ替えます。終了フレームだけでも使え、フレームがまったくない場合は、テキストからクリップを作ります。フレームになるのは画像リファレンスの画像だけです。アセットのアセットはフレームにならず、キャラクターはプロンプトに名前と説明を加えるだけです。クリップの長さによって、フレームの数が制限されます。開始フレーム、中間フレーム、終了フレームを合わせて数えます。
| 長さ | 3 秒 | 4 秒 | 5 秒 | 6 秒 | 7 秒 | 8 秒 | 9 秒以上 |
|---|---|---|---|---|---|---|---|
| フレームの総数の上限 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
フレームが上限を超えるか、中間フレームが 8 枚を超えると、クレジットが確保される前に拒否されます。プロンプトでは、フレームは @first_frame、@keyframe_1 以降、@last_frame です。エディターの @image_1 トークンは、このモデルでは @keyframe_1 になります。Kling 4.0 Keyframes は、リファレンス動画、オーディオ、キャラクターを受け付けません。
Kling 4.0 Flash
Kling 4.0 Flash は、Kling 4.0 の高速で低価格な版です。3〜20 秒の範囲で 1 秒単位(デフォルトは 5 秒)のクリップを、720p だけで作ります。ほかの解像度は 720p としてレンダリングされ、その料金になります。ネイティブオーディオは常にオンで、スイッチはありません。シードと終了フレームはなく、プロンプトは最大 8,000 文字です。アスペクト比のデフォルトは自動で、素材に合わせ、素材がない場合は 16:9 で作ります。16:9、9:16、1:1、21:9 も選べます。
Kling 4.0 Flash は、無料クレジットで実行できる唯一の Kling モデルで、720p の 3 秒または 4 秒のクリップになります。
このモデルは、接続したものに応じて、次の 2 つのどちらかの方法で動きます:
- 開始フレームだけの場合、それが正確な開始フレームになります。リファレンス画像、リファレンス動画、キャラクターは接続されていません。クリップはそのフレームから始まり、その形になるので、設定パネルではアスペクト比が非表示になります。プロンプトでは、このフレームは
@first_frameです。 - それ以外はリファレンスモードで実行されます。プロンプトだけ、リファレンス画像、リファレンス動画、キャラクター、またはそれらと一緒の開始フレームです。何も接続していない場合は、プロンプトだけからクリップを作ります。リファレンスモードの開始フレームは、自分のリファレンス画像の後に加わり、プロンプトでは最初のフレームとして示されます。
リファレンスモードでは、Kling 4.0 Flash はリファレンス画像を最大 10 枚、リファレンス動画を 5 本、キャラクターを 7 人受け付け、素材は全部で最大 15 件です。接続した開始フレームは画像として数えられます。6 本目のリファレンス動画は、Kling 4.0 と同じく拒否されます。素材が 15 件を超えると、クレジットが確保される前に拒否されます。
- キャラクターは名前付きの被写体になります(Kling 4.0 と同じ)。アセットに接続したキャラクターアセットノードは、ポートレートと、最大 3 枚のほかの画像とともにモデルに届き、プロンプトでは
@Nameと呼ばれます。画像が 1 枚だけのキャラクターは、通常のリファレンス画像として送られます。キャラクターは、そのキャラクターを映した 3〜8 秒のクリップから作ることもできます。動画の被写体を参照してください。 - ボイスリファレンスの N 番目のクリップが、キャラクター N の声になります。Kling 4.0 Flash には、サウンドトラックのクリップも、単独の声もありません。最初のクリップが最初に接続したキャラクターの声、2 番目のクリップが 2 番目のキャラクターの声、という順になります。声を持たせるには、キャラクターに 2〜4 枚の画像か、動画が必要です。画像が 1 枚だけで動画のないキャラクターのクリップや、最後のキャラクターより後のクリップは取り除かれ、実行はそのまま始まります。声のクリップは、15 件の素材には数えられません。クリップはプロンプトで名前を指定できないので、誰が話すかはキャラクターの名前で書いてください。
- リファレンス動画は、1 本ずつでも合計でも 2〜20 秒にする必要があります。この範囲外のセットは実行の開始前に拒否されるので、クレジットはかかりません。Kling 4.0 と同じく、非常に大きなクリップは、送信の前に収まるように縮小されます。
- プロンプトで素材を指定する:リファレンス画像は
@image_1、リファレンス動画は@video_1、キャラクターは@Nameと書きます。実行に含まれない素材をプロンプトで指定した場合、Nodaro は@を取り除いて単語を残すので、実行はそのまま始まります。 - 終了フレームはありません。設定パネルには表示されません。ワークフローの実行では、開始フレームのない終了フレームは開始フレームになります。
動画の被写体(Kling 4.0 と Kling 4.0 Flash)
Kling 4.0 と Kling 4.0 Flash では、キャラクターを画像ではなく、そのキャラクターを映した短い動画から作れます。動画は 3〜8 秒のワンショットのクリップで、カットのない 1 回の連続した撮影です。モデルは、クリップから人物の外見を、クリップに話し声があれば声も取り込みます。プロンプトでは、キャラクターは引き続き @Name です。
- エディターで:キャラクターアセットノードで動画の被写体を設定します。クリップをアップロードするか、リンクを貼り付けます。キャラクターアセットノードを Kling 4.0 または Kling 4.0 Flash の動画生成に接続すると、キャラクターは動画の被写体として送られます。ほかのすべてのモデルや、以前の画像から動画とテキストから動画のノードでは、クリップは無視され、キャラクターの画像が使われます。キャラクターアセットノードは複数のモデルで使い回せるので、クリップが原因で実行が失敗することはありません。
- API で:
POST /v1/generate-videoまたはPOST /v1/text-to-videoのcharacterReferencesのエントリーにvideoUrlを追加します。MCP のgenerate_videoツールではvideo_url、SDK のVideoCharacterReferenceではvideoUrlです。エントリーには、引き続きポートレートのimageUrlとdescriptionが必要です。ほかのモデルでは、API と MCP はvideoUrlを400エラー(character_video_unsupported)で拒否します。Nodaro は、クリップを実行のリファレンス動画に自動で追加します。同じリンクをreferenceVideoUrlsにも指定した場合は、キャラクターとしてだけ数えます。 - 制限:1 回の実行で、動画から作ったキャラクターは最大 3 人、動画はリファレンス動画とキャラクターの動画を合わせて最大 5 本です。各キャラクターの動画は 3〜8 秒です。すべての動画の合計は、モデルの合計の範囲内に収まります。Kling 4.0 Flash では 20 秒、Kling 4.0 では 30 秒です。2 人のキャラクターが 1 本の動画を共有することはできません。
- 実行前に確認されます:Nodaro は各動画を自分で測ります。制限外のリクエストは、クレジットが確保される前に
400エラーで拒否されます。ワークフローの実行も、始まる前に拒否されます。エラーコードはcharacter_videos_over_limit、reference_videos_over_limit、character_video_shared、長さが合わない動画ではvideo_too_longです。 - キャラクターの動画は読み取れる必要があります:再生できる動画ファイルでない、または接続できないキャラクターの動画は、長さを確認できないため、クレジットが確保される前に
400エラー(character_video_unreadable)で拒否されます。長さが合わない動画は、測った長さとともに拒否されます。たとえば「one is 8.03 s」(1 本が 8.03 秒)です。 - 素材:動画から作ったキャラクターは、画像から作ったキャラクターと同じく、15 件の素材に 1 回だけ数えられます。その動画は、リファレンス動画として改めて数えられることはありません。ただし、5 本の動画と、動画の合計の長さには含まれます。
- 声:Kling 4.0 Flash では、キャラクターが画像から作られたか動画から作られたかにかかわらず、ボイスリファレンスの N 番目のクリップがキャラクター N の声になります。Kling 4.0 では、声のクリップは名前付きの声のままです。声を付けていない場合、動画から作ったキャラクターは、そのクリップの声で話します。
- 料金:どちらのモデルでも、キャラクターの動画で料金は増えません。キャラクターの動画だけを使う実行は、通常の秒単位の料金のままです。720p で 5 秒の場合、Kling 4.0 では 396 クレジット、Kling 4.0 Flash では 242 クレジットです。通常のリファレンス動画と一緒に使う場合は、そのリファレンス動画の秒数だけが課金されます。
プロンプトでリファレンスを指定する
リファレンスに対応するモデルでは、プロンプトの中の語句を特定のリファレンスに結び付けて、そのリファレンスを結果に反映させることができます。語句を置く位置に、トークンを入力します。プロンプトエディターで @ を入力すると、候補にトークンが表示されます。
| トークン | 置き換わる内容 | 用途 |
|---|---|---|
{image:1:person} | the person from @image_1(@image_1 の人物) | 被写体をリファレンス画像 1 に結び付ける |
{image:2:jacket} | the jacket from @image_2(@image_2 のジャケット) | アイテムをリファレンス画像 2 に結び付ける |
{image:1} | the subject in @image_1(@image_1 の被写体) | 名詞を付けずに結び付ける |
{video:1:clip} | the clip from @video_1(@video_1 のクリップ) | リファレンス動画 1 に結び付ける |
{audio:1:voice} | the voice from @audio_1(@audio_1 の声) | リファレンスオーディオ 1 に結び付ける |
たとえば、リファレンス画像を 2 枚接続しているとします。その場合、circle {image:1:person} wearing {image:2:jacket} for a 360 spin というプロンプトは「circle the person from @image_1 wearing the jacket from @image_2 for a 360 spin」(@image_2 のジャケットを着た @image_1 の人物を 360 度回る)になります。
- 番号の付け方:画像の番号は、まず画像リファレンスの画像を順に数え、次にアセット入力のアセットを数えます。リファレンス画像が 1 枚で、オブジェクトのアセットを接続している場合、そのオブジェクトは
{image:2}です。動画とオーディオには、それぞれ別の番号が付きます。 - フレームの番号は自動で付く:開始フレームと終了フレームは自分の画像の後に並び、プロンプトの中で冒頭または末尾のフレームとして指定されます。フレームのトークンを書く必要はありません。
- 範囲外の番号はただのテキストになる:リファレンスが 2 つのノードでは、
{image:5:ghost}は「ghost」(幽霊)になります。 - リファレンスに対応していないモデルでは、すべてのトークンがラベルの語だけに置き換わるので、プロンプトは自然な文章のままです。
サウンド
多くのモデルは、映像と一緒にオーディオトラックを作ります。制御の方法は、モデルによって異なります。
- VEO 3.1 は、プロンプトからサウンドを作ります。デフォルトでオンです。無音のクリップにするには、オーディオを生成をオフにします。
- Seedance 2 ファミリー(Seedance 2.5 Flash を含む)と Wan 3.0 は、デフォルトでサウンドを作ります。オーディオを生成(デフォルトでオン)でオフにできます。
- MiniMax H3 は、常にサウンドを作ります。リファレンスオーディオを接続すると、口の動きをその音声に合わせます。
- Gemini Omni は、毎回の実行でサウンドトラックを作り、その内容はプロンプトの指示に従います。たとえば「Sound design: gentle breeze, distant bird chirps」(サウンドデザイン:穏やかなそよ風、遠くの鳥のさえずり)のように書きます。サウンドはオフにできず、セリフも話しません。
- Gemini Omni Flash 1.2 は、毎回の実行で映像と一緒にサウンドを作ります。オンとオフの切り替えはありません。
- Kling 2.6 は、サウンドを有効にするがオンのときだけサウンドを作ります。Kling 3.0 には効果音があります。Kling は、プロンプトの中でセリフを引用符で囲むと、そのセリフを話します。たとえば
[Anna: warm calm voice]: "good morning"のように書きます。Kling 2.6 が話せるのは英語と中国語です。それ以外の言語は、モデルが英語に翻訳します。 - Kling 3 Omni は、料金にオーディオが含まれています。オーディオを生成のスイッチがあります。
- Kling 4.0 と Kling 4.0 Keyframes は、常にサウンドを作り、その料金は価格に含まれています。スイッチはなく、キャラクターの保存済みの声では話しません。Kling 4.0 では、最初のクリップをサウンドトラックとして再生をオフにしない限り、オーディオリファレンスの最初のクリップがサウンドトラックとして再生されます。Kling 4.0 Flash も常にサウンドを作り、そのボイスリファレンスのクリップがキャラクターの声になります。
- PixVerse V6 Max は、オーディオを生成のチェックを外さない限り、環境音と効果音を作ります。サウンド付きのクリップのほうが高くなります。台本どおりのセリフは確実には話しません。
- Grok Imagine Video 1.5 は、どの実行でもネイティブのサウンドを作ります。
声や音楽にモデルを反応させたい場合は、オーディオリファレンスに接続します。完成したクリップに自分のサウンドトラックを重ねるには、動画生成の後に 動画とオーディオを結合ノードを使います。
クリップを編集する
Seedance 2.5、Seedance 2.5 Flash、Gemini Omni、Gemini Omni Flash 1.2 は、動画リファレンスに接続したクリップを変更できます。
Seedance 2.5 の場合、モデルはプロンプトをもとに、その実行がクリップをリファレンスとして使う通常の生成なのか、クリップの編集なのかを判断します。編集とは、たとえば「remove the sign」(看板を消して)や「make it black and white」(白黒にして)のような指示です。編集では、元のクリップのアスペクト比と長さが保たれます。モデルがプロンプトを編集と判断したのに、設定で別の比率や長さを指定していた場合は、Nodaro が編集に必要な値でもう一度実行を送信します。そのため、エラーではなく、編集されたクリップを受け取れます。最初から編集として依頼するには、リファレンス動画の用途を編集する動画に設定します。元のクリップの長さは 4〜30 秒である必要があります。標準プリセットの動画を編集は、このような実行のために作られています。Seedance 2.5 Flash も同じ方法でクリップを編集します。
Gemini Omni と Gemini Omni Flash の場合、クリップを接続するとノードが動画の編集に切り替わります。クリップは最大 10 秒の範囲にトリミングされ、その範囲はソースクリップのトリミングで設定します。長さはクリップに合わせて決まり、動画の編集は 1 回の実行ごとの定額料金です。
Gemini Omni Flash 1.2 の場合も、クリップを接続するとノードが動画の編集に切り替わります。変更内容をプロンプトに書きます。結果はソースクリップに合わせるため、長さは無視されます。クリップは最大 15 秒です。それより長いクリップは最初の 15 秒が使われ、ソースクリップのトリミングで別の最大 15 秒の範囲を選べます。料金はクリップの長さで決まります。クレジットを参照してください。
リファレンス動画の用途
Seedance 2.5 と Seedance 2.5 Flash では、動画リファレンスにクリップを接続すると、リファレンス動画の用途の設定が表示されます。この設定でクリップの役割をモデルに伝えるので、モデルがプロンプトから推測する必要がなくなります。
| 選択肢 | クリップの役割 |
|---|---|
| 自動(デフォルト) | クリップについて何も伝えません。モデルがプロンプトから判断します。 |
| リファレンス | 新しい動画の手本です。動き、カメラ、スタイルを参考にします。 |
| 編集する動画 | クリップそのものの変更です。たとえば「remove the sign」(看板を消して)や「make it black and white」(白黒にして)です。 |
| 延長する動画(新しい部分のみ) | クリップの終わりからの続きです。 |
- 編集する動画では、クリップ本来の形と長さが保たれるため、アスペクト比と長さはロックされます。接続したリファレンス動画がすべて 4〜30 秒の場合にだけ適用されます。そうでない場合、ノードは自動と同じように実行され、設定の下にそのことが表示されます。
- 延長する動画では、クリップの形が保たれるため、アスペクト比はロックされます。長さは自分で決めますが、続きには決まった長さが必要なので、自動は 8 秒になります。
- 延長で返るのは新しい部分だけ:元のクリップは結合されません。元のクリップと続きを 1 本の動画にするには、動画を延長を使います。
- 設定は保たれる:編集や延長を選んでも、保存されているアスペクト比と長さは変わりません。自動に戻すと、また表示されます。クリップの接続を外すと設定は非表示になり、選択は保たれます。
- 設定の適用で元に戻る:以前の Seedance 2.5 の結果の設定を適用すると、この選択も、その実行で使ったものに戻ります。
- どこでも同じ:単独の実行、ワークフローの実行、公開したアプリの実行のどれでも、同じノードと同じクリップなら同じ選択が送られます。
- モデルが受け付けない選択は取り除かれる:ワークフローを保存するたびに、このルールが適用されます。エディター、API、エージェント、インポート、コピー、テンプレート、公開したアプリのどれからでも同じです。エディターは、ワークフローを開くときにも適用します。そのため、あとで Seedance 2.5 に戻しても、古い選択は戻りません。
料金は、実際に行われる実行に従います。クレジットを参照してください。
Seedance 2.5 Flash
Seedance 2.5 Flash は、Seedance 2.5 の、より速く低価格な版で、その隣に表示されます。1 回の実行で 4〜30 秒を、整数の秒数(デフォルトは 8 秒)で、480p か 720p で作ります。ネイティブサウンドはデフォルトでオンです。プロンプトは最大 20,480 文字です。
- 入力:テキストだけ、開始フレーム、開始フレームと終了フレーム、またはリファレンスとして画像最大 10 枚、動画 5 本、オーディオ 5 本で実行できます。プロンプトとリファレンスオーディオだけでも実行できます。リファレンスを参照してください。
- 解像度:新しいノードは、Seedance 2.5 と同じく 480p で始まります。解像度を指定しない API リクエストは 720p でレンダリングされ、その料金になります。1080p の値も 720p でレンダリングされ、その料金になります。
- アスペクト比:開始フレームがある場合、比率は常に自動調整になり、フレームが比率を決めます。
- 編集:リファレンス動画の用途は Seedance 2.5 と同じように働きます。Flash はここで、または 動画から動画で Seedance 2.5 Flash Edit として、クリップを編集できます。
- ドラフトとシードはなし:ドラフト(480p)のスイッチ、HD での仕上げ、シードはありません。
- 無料クレジット:無料クレジットの制限内で、480p の 4 秒のクリップとして実行できます。
Seedance 2.5 Flash は、480p と 720p の独自の料金表で、秒単位で料金が決まります。リファレンス動画を接続すると、1 秒あたりの料金が安くなります。実行する前に、ノードの料金バッジに料金が表示されます。
Seedance 2.5 のドラフトモード
Seedance 2.5 では、設定パネルにドラフト(480p)のスイッチがあります。ドラフトは、ショットを 480p でレンダリングしたものです。気に入ったテイクができたら、Seedance 2.5 HD(ドラフトから)に設定した動画をアップスケールノードで、同じテイクのままフレーム単位で 1080p に仕上げます。シード、プロンプト、リファレンス、タイミング、オーディオの設定は変わりません。ドラフトを使えば、ショットを低い料金で何度も試し、1080p の料金は 1 回だけ払えば済みます。
- ドラフトは 480p でのみレンダリングされます。 ドラフトをオンにすると、解像度は 480p に固定されます。ほかの解像度とともにドラフトを送ったリクエストやワークフローは 480p でレンダリングされ、その変更が報告されます。
- ドラフトの料金は 480p の実行と同じです。 たとえば、8 秒なら 616 クレジット、リファレンス動画付きなら 374 クレジットです。
- 仕上げには別に料金がかかります。 その料金は、ドラフト自体の長さで決まります。ドラフトを接続すると、動画をアップスケールに正確な料金が表示されます。
- ドラフトでクレジットを節約できる場合。 ドラフトとその仕上げを合わせると、1080p で直接 1 回実行するより高くなります。1080p で直接実行すると 2 回以上試す必要がある場合は、先にドラフトを作るほうがクレジットを節約できます。
- オーディオは引き継がれます。 音声付きクリップのセリフは、1080p のレンダリングにも同じように重ねられます。
- ドラフトは約 7 日間保持されます。 その期間内にドラフトを仕上げてください。
- リファレンス動画の用途も同じように使える:ドラフトがオンでも、同じ選択肢とロックがあります。編集のドラフトはクリップの形と長さを保ち、1080p の仕上げも同じです。
ドラフトは Seedance 2.5 でのみ使え、ほかのモデルでは無視されます。Seedance 2.5 Flash には、ドラフトも HD での仕上げもありません。動画から動画でも、Seedance 2.5 Edit に同じスイッチがあります。
きれいなループを作る
ループトリミングは、クリップが最もきれいに先頭へつながるフレームを見つけ、そこでクリップをカットします。設定パネルでオンにします。
- テストするフレーム数は、Nodaro が比較するフレームの数で、4〜64 です。デフォルトは 16 です。
- 品質:精密は、正確なフレームでカットしますが、画質がわずかに落ちます。ロスレスは、キーフレームでカットし、ファイルを 1 バイトも変えずに保ちます。
完璧なループにするには、開始フレームと終了フレームに同じ画像を接続します。終了フレームがなくても、Nodaro は見つけた中で最適なループポイントを選びますが、ループのつなぎ目で映像が飛ぶことがあります。ループトリミングは、VEO 3.1 がループの最後に加えるフェードも取り除きます。
ループトリミングを使うと、ノードの実行ボタン、API、SDK、MCP からの実行に料金が加わります。この料金は、実行ボタンに表示される料金には含まれません。料金は、クリップの長さの 5 秒ごとに 1 単位と、テストするフレームの 24 枚ごとに 1 単位で、どちらも 5 秒や 24 枚に満たない端数を 1 単位として数えます。1 単位の料金は 11 クレジットで、動画のトリミングの 5 秒の 1 段階分と同じです。ワークフローの実行では、この料金なしでトリミングが行われます。トリミングに失敗した場合は、トリミング前のクリップが残り、ループトリミングのクレジットは返還されます。
キャラクターの一貫性を保つ
- アセットを接続する:キャラクターアセット、ロケーションアセット、オブジェクト/小道具アセット、動物/クリーチャーアセットのノードをアセットに接続します。Nodaro は、承認済みの画像と説明をプロンプトと一緒に送ります。
- メンションする:プロンプトに
@mayaと書くと、文の中の必要な位置にキャラクターを正確に置けます。@maya:1:clothesのようにメンションに役割を付けると、リファレンスから何を取り入れるかを指定できます。リファレンスの役割を参照してください。 - 送られる内容を確認する:設定パネルの挿入されたリファレンスの一覧に、モデルが受け取るすべてのリファレンスが表示されます。ドラッグして並べ替えたり、× をクリックして削除したりできます。
- ボードを使う:画像生成で作ったリファレンスボードや一貫性グリッドを使うと、複数のクリップで顔が安定します。シーンレシピのプリセットは、こうしたボードを読み取るように作られています。リファレンスボードを参照してください。
方法の全体は、キャラクターの一貫性を読んでください。
プリセット
ノードのプリセットを開くと、すぐに使える設定が用意されています。各プリセットは、合ったモデル、アスペクト比、長さを選び、プロンプトに {placeholder || default} 形式の差し込み枠を入れます。さらに、ゆがみ、ちらつき、形の崩れを防ぐように調整したネガティブプロンプトを追加します。プリセットは、編集せずにそのまま実行できます。値を入れていない差し込み枠には、それぞれのデフォルト値が使われます。
| フォルダー | 例 |
|---|---|
| カメラワーク | スロープッシュイン、ドリーアウト(全景を見せる)、360° オービット、クレーンアップ、トラッキング(追従)、ウィップパン、ドリーズーム(めまいショット) |
| ショットの種類とアングル | エスタブリッシングショット(ワイド)、クローズアップ、マクロディテール、ローアングルのヒーローショット、真俯瞰(トップダウン)、FPV ドローンのフライスルー |
| シネマティックと特殊撮影 | 手持ちカメラのドキュメンタリー、スローモーション、タイムラプス、ハイパーラプス、バレットタイム、ピント送り(ラックフォーカス) |
| SNS とリール | 縦型ヒーローショット、トーキングヘッド、商品お披露目(縦型)、トレンド系クイックカット、POV ウォーク(縦型)。すべて 9:16 です。 |
| 商品と広告 | 商品ヒーローショット、商品 360° 回転、液体スプラッシュ、開封動画、ライフスタイル広告 |
| モーショングラフィックスとロゴ | ロゴ演出、タイトル登場、パーティクル背景、ループ背景 |
| B ロールと自然 | 雲のタイムラプス、水のスローモーション、森を漂う、空撮の風景、海のループ |
| アニメーションとスタイル | アニメ調モーション、3D カートゥーン、クレイアニメ、動く水彩画 |
| ループと背景 | さりげない動き、動く壁紙 |
| バイラルとエフェクト | 氷漬け、スーパーヒーローへの変身、エレベーターの扉が開く、POV スカイダイブ、水中 POV。入力画像があると最適です。 |
| シーンレシピ | バズる隕石シーン、カートゥーン短編(オープニング、追いかけっこ、結末)、2 人のキャラクターの会話、背後の大災害、追跡シーン。ネイティブオーディオ付きの Seedance 2 のシーンで、引用符で囲んだセリフはリップシンクされます。リファレンスボードやキャストグリッドを、リファレンス画像として接続してください。 |
| 動画編集 | 動画を編集:Seedance 2.5 で、動画リファレンスのクリップを指示に従って編集します。変更したい内容をプロンプトとして入力します。 |
| UGC とクリエイター | UGC トーキングヘッド、UGC 商品クロージング、手持ちの開封、ゲット・レディ・ウィズ・ミー、街頭Q&A風、リアクションショット、スマホ操作(画面は見せない)。Seedance 2.5 で 9:16、720p、ネイティブ音声付きの、カメラに向かって話す日常的なクリップです。ほとんどは 8 秒で、街頭Q&A風とリアクションショットは 5 秒です。顔や商品など、各プリセットが指定する写真を画像リファレンスに接続します。プリセットに話す行がある場合は、数字を言葉で書いて入力します。 |
複数のシーンレシピをつないで 1 本の短編にするには、動画を結合のシームレス結合(ワンカット)プリセットでクリップをつなぎます。自分のプリセットを保存して共有する方法は、プリセットを読んでください。
クレジット
実行する前に、ノードの料金バッジで料金を確認できます。料金は、モデル、長さ、解像度によって決まります。モデルによっては、サウンドとリファレンスによっても変わります。
- クリップごとの定額料金:VEO 3.1 は、4 秒、6 秒、8 秒のどれでも同じ料金です。VEO 3.1 Lite は 720p で 83 クレジット、1080p で 99 クレジットです。VEO 3.1 Fast は 720p で 165 クレジット、1080p で 187 クレジットです。VEO 3.1 Quality は、1080p のクリップで 1,100 クレジットです。
- 長さごとの料金:Gemini Omni と Gemini Omni Flash は、長さと解像度ごとに料金が決まっています。Gemini Omni Flash は、720p か 1080p で、4 秒なら 176 クレジット、10 秒なら 352 クレジットです。動画の編集は 1 回の実行ごとの定額料金で、720p か 1080p で、Gemini Omni Flash は 462 クレジット、Gemini Omni は 660 クレジットです。
- Gemini Omni Flash 1.2 は秒単位の料金:3〜15 秒の 1 秒ごとに、360p、720p、1080p、4K のそれぞれで料金が決まっています。動画の編集は、送信するクリップの長さで課金されます。トリミング後の秒数で、最大 15 秒、1 秒単位で切り上げ、最低 3 秒です。クリップを計測できない場合、実行は 15 秒の料金を確保し、そのあと実際に届いた長さで課金されます。
- 秒単位の料金:Seedance 2.5、Seedance 2.5 Flash、MiniMax H3、Wan 3.0、Grok Imagine Video 1.5、PixVerse V6 Max、HappyHorse 1.1 は、秒単位で料金が決まります。たとえば Wan 3.0 は、720p の 5 秒で 220 クレジット、1080p の 8 秒で 704 クレジットです。Vidu Q4 も秒単位の料金です。2 つのモードで、サウンドの有無にかかわらず同じ料金で、リファレンスによる追加料金はありません。リファレンス動画がない場合、Seedance 2 ファミリーは 4、8、12、15 秒の段階ごとに課金され、2 つの段階の間の長さは、1 つ上の段階として課金されます。たとえば 6 秒は 8 秒として課金されます。
- Kling 4.0 は秒単位の料金:Kling 4.0 と Kling 4.0 Keyframes は、解像度ごとに、長さ 1 秒あたりの同じ料金です。サウンドは料金に含まれ、リファレンス画像、キャラクター、声のクリップ、フレームによる追加料金はありません。動画から作ったキャラクターでも追加料金はありません。Kling 4.0 でリファレンス動画を使うと、出力の秒数に、出力とリファレンス動画のうち長いほうの秒数を足した分が、リファレンス料金で課金されます。たとえば、4 秒のリファレンス動画を使う 5 秒のクリップは、10 秒として課金されます。キャラクターの動画で秒数は増えません。サウンドトラックのクリップは、リファレンス動画として数えられます。動画より長くなることはないので、ほかにリファレンス動画のないサウンドトラックの実行は、動画の秒数の 2 倍がリファレンス料金で課金されます。
- Kling 4.0 Flash は秒単位の料金:3〜20 秒の各長さに、720p での料金がそれぞれあり、開始フレームを接続しているかどうかで変わりません。サウンドは料金に含まれ、リファレンス画像、キャラクター、声のクリップ、開始フレームによる追加料金はありません。動画から作ったキャラクターでも追加料金はなく、その動画でリファレンス動画の実行の秒数が増えることもありません。長さを設定していない実行は、5 秒として料金が計算されます。リファレンス動画を使うと、Kling 4.0 と同じく、出力の秒数に、出力とリファレンス動画のうち長いほうの秒数を足した分が、リファレンス料金で課金されます。
- Grok Imagine Video 1.5 のフレームで料金は増えない:480p、720p、1080p で、長さごとにそれぞれの料金があります。終了フレーム、ループ、最大 4 枚の中間フレームを使っても、開始フレームだけの場合と同じ料金です。長さを指定しないリクエストは 8 秒、解像度を指定しないリクエストは 480p の料金になります。
- PixVerse V6 Max には無音の料金とサウンド付きの料金がある:長さと解像度ごとに両方の料金があり、サウンド付きのほうが高くなります。オーディオを生成のチェックを外さない限り、サウンドはオンです。開始フレームの有無で料金は変わりません。
- リファレンス動画で Seedance が安くなる:Seedance 2 ファミリー、Seedance 2.5、Seedance 2.5 Flash では、リファレンス動画を接続すると、1 秒あたりの料金が安くなります。Seedance 2 の 1080p で 8 秒のクリップは 2,244 クレジットですが、リファレンス動画があれば、出力 8 秒分は 1,364 クレジットです。
- サウンドで料金が上がることがある:Kling 3.0 は、10 秒のクリップがサウンドなしで 748 クレジット、サウンドありで 1,100 クレジットです。Kling 3.0 では、オフにしない限りサウンドはオンです。
- リファレンス動画の長さも料金に含まれる:Seedance 2 ファミリーと MiniMax H3 では、各リファレンス動画の秒数と出力の秒数の合計に料金がかかります。MiniMax H3 の 2K は、出力 8 秒で 803 クレジットで、リファレンス動画は 1 秒ごとに同じ秒単価で加算されます。Wan 3.0 では、リファレンス動画による追加料金はありません。
- MiniMax H3 の追加画像:入力画像が 5 枚を超えると、1 枚ごとに少額の料金が加算されます。2K で 6 秒のクリップは、画像 5 枚までなら 605 クレジットで、6 枚目からは 1 枚ごとにその少額の料金が加わります。
- 自動の長さは実行後に精算される:長さを自動にすると、Nodaro はそのモデルの最長のクリップの料金を確保します。Seedance 2.5 と Seedance 2.5 Flash では 30 秒、ほかの Seedance 2 のモデルでは 15 秒です。クリップができあがると、実際の長さの分だけを支払い、残りは返還されます。実行を始めるには、確保する額をまかなえる残高が必要です。
- 編集も実行後に精算される:リファレンス動画を使う Seedance 2.5 の実行では、指定した長さとクリップの長さのうち長いほうで料金が確保され、実際に出力された長さで精算されます。
- リファレンス動画がある場合の自動は、ふつう最初のクリップの編集になる:Seedance 2 ファミリーでは、この編集で編集するクリップの長さが保たれますが、モデルが別のクリップを編集することもあります。すべてのリファレンスクリップを計測できた場合、Nodaro は出力を、最も長いクリップの長さを 1 秒単位に切り上げて 1 秒足した長さで確保します。出力の確保がモデルの最長のクリップを超えることはなく、支払うのは出力された長さの分です。接続したクリップはすべて、引き続き入力側に数えられます。計測できないクリップがある場合は、最悪のケースで確保されます。出力はモデルの最長のクリップ、入力はモデルが受け付ける最長のクリップとして数えられます。
- リファレンス動画の用途で確保額が変わる:Seedance 2.5 では、編集する動画は最初から、リファレンス動画付きの長さ自動の実行として料金が決まり、長さは使われません。リファレンスで長さが自動の場合は、モデルが作れる最長の出力で確保され、実際に作った分が請求されます。延長する動画は、実行する長さで料金が決まります。
- 計測できないリファレンスクリップは、もう一度計測される:Seedance 2 ファミリー、Kling 4.0、Kling 4.0 Flash では、計測できないリファレンスクリップは、モデルが受け付ける最長のクリップとして確保されます。実行が終わると、Nodaro はそのクリップをもう一度計測します。そのとき読み取れれば、実際の長さで課金され、残りは返還されます。
- ノードの料金は、確保される額そのもの:Seedance 2 ファミリーでは、ノードの料金と実行ボタンの料金はサーバーから届きます。サーバーは、接続されたリファレンス動画の長さを測り、実行時と同じ方法で料金を計算します。リファレンス動画がまだ作られていない間は、そのモデルが受け付ける最短のクリップから最悪の場合までの範囲がノードに表示され、実行ボタンには範囲の上限が表示されます。クリップの長さを測っている間は、金額は表示されません。
- ワークフローとアプリの見積もりも、リファレンス動画を同じ方法で計算する:ワークフローの実行の見積もりと、公開したアプリに表示される料金では、アップロードされたリファレンスクリップの長さを測ります。実行中のノードが作るクリップや、アプリの利用者がアップロードするクリップなど、事前にわからないクリップは、そのモデルの最悪の場合の料金で計算されます。見積もりが、実行時に確保される額を下回ることはありません。
- 接続した設定は、実行時の値で料金が決まる:設定入力にプロバイダーノードや長さノードが接続されている場合、料金は、接続したモデルと、モデルに合わせた長さで計算されます。「設定」入力を参照してください。
- ループトリミングは別料金:ノード、API、SDK、MCP からの実行では、実行ボタンの料金に含まれない料金が加わります。きれいなループを作るを参照してください。
正確な料金は、各モデルのページに記載されています。料金の確保と返還の仕組みは、クレジットを参照してください。
長さが自動で決まる動画の次のステップ
ノードに保存された長さとは違う長さになるクリップがあります。自動の Seedance 2 ファミリーのクリップ、Seedance 2.5 の編集、自動の Seedance 2.5 の延長です。リファレンスまたは延長する動画を選んだ Seedance 2.5 の実行も、同じように長さを記録します。このようなクリップは、作られたときに実際の長さを記録します。その実行で作れる最長の長さを超えることはありません。
- 次のステップは測ったクリップで課金される:動画のトリミング、動画をループ、動画を結合は、クレジットを確保する前に受け取った動画を測り、その長さで課金されます。単体のノードの実行、ワークフローの実行、公開したアプリの実行のどれでも同じなので、このような動画の後では、実際にできた長さで課金されます。
- クリップができるまでは、見積もりで最長の長さを数える:実行ボタン、ワークフローの合計、アプリの料金、実行前のクレジットの確認では、このようなクリップを、ありうる最長の長さで数えます。これは、リファレンス動画を接続している場合も同じです。編集する動画を指定した実行だけは、そのクリップの長さを切り上げて 1 秒を足した長さで数えます。クリップができたあとは、記録された長さに、秒単位の記録で切り捨てられうる 0.25 秒を足して使います。見積もりが請求額を上回ることはあっても、下回ることはありません。たとえば、自動の Seedance 2.5 を動画を結合につなぐと、30 秒のクリップとして見積もられ、実際にできた長さで請求されます。
- 動画分析と AI 監査も従う:ワークフローの実行では、記録された長さで料金が決まります。
- 長さを決めた実行:タスクの種類を指定せず、長さを決めた実行は、その長さで作るので、長さを記録しません。その結果の後で単独で実行したステップは、その結果を長さで数えます。受け取ったクリップを測るステップは、すべて自分の測定で課金されます。動画の効果音、動画マスク、動画の深度、マスク合成、ピッチとテンポ、動画のトリミング、動画をループ、動画を結合です。
設定がモデルに対応していない場合
保存したワークフローに、現在のモデルでは選べない解像度、アスペクト比、長さが残っていることがあります。たとえば、モデルを切り替えた後です。その場合も、Nodaro は実行を失敗させません。値をモデルが受け付けるものに補正し、補正後の値で料金を請求します。モデルが実際に作るのも、補正後の値のクリップだからです。
- 最も近い値が使われる:1080p までのモデルで 4K を指定すると、1080p でレンダリングされます。縦長の 9:21 は 9:16 になり、横長になることはありません。
- 解像度が空の場合は、料金の計算に使った解像度で送られる:使われた値は、実行の記録に残ります。
- 自動調整と自動はそのまま:これらは、入力に合わせるようモデルに指示する値です。
- 長さは設定した値のまま:ただし LTX 2.3 は例外で、最も近い長さに変わります。LTX 2.3 で 7 秒を指定すると、6 秒でレンダリングされ、6 秒分の料金がかかります。
- 接続した長さノードの値はモデルに合わせられる:設定入力から来た長さは、常にモデルが作れる最も近い長さで実行され、その長さの分の料金を支払います。
- MiniMax H3、Wan 3.0、Vidu Q4、Kling 4.0、PixVerse V6 Max、Grok Imagine Video 1.5:対応していない解像度の場合は、決まったデフォルトでレンダリングします。MiniMax H3 は 2K、Grok Imagine Video 1.5 は 480p、Wan 3.0、Vidu Q4、PixVerse V6 Max、Kling 4.0 Flash を含むすべての Kling 4.0 モデルは 720p です。料金は、実際にレンダリングした解像度に従います。
モデルがプロンプトをブロックしたとき
一部のモデルは、完成したクリップをコンテンツポリシーに照らして確認し、拒否することがあります。たとえば、保護された映画やテレビのコンテンツに似ている場合です。そうなった場合、Nodaro はプロンプトを 1 回だけ書き直します。書き直したプロンプトでは、被写体、カメラワークの表現、ムードは変えずに、拒否の原因になった部分を和らげます。その後、Nodaro は追加のクレジットなしでクリップをもう一度実行します。2 回目も拒否された場合は、モデル自身が示した理由とともに実行が失敗します。
以前の「テキストから動画」と「画像から動画」ノード
動画生成は、以前のテキストから動画ノードと画像から動画ノードに代わるノードです。これらのノードを含む保存済みのワークフローを開くと、代わりに動画生成ノードが置かれています。接続は対応する入力に移り、モデル、設定、料金は変わりません。何も変更する必要はありません。
ヒント
- 重要な言葉は先に書く:モデルのプロンプトの上限を超えたテキストは切り捨てられます。Kling 2.6 では 1,000 文字までしか使えません。
- 下書きは安く、仕上げは鮮明に:Seedance 2.0 Fast か VEO 3.1 Lite を低い解像度で使って試行錯誤し、最終的なクリップではモデルか解像度を切り替えます。Seedance 2.5 では、ドラフト(480p)をオンにし、気に入ったテイクを Seedance 2.5 HD で仕上げます。
- 絵ではなく動きを書く:開始フレームがある場合、シーンはすでに画像に写っています。プロンプトでは、何が動くかとカメラの動きを書きます。
- カメラワークは名前だけでなく、動きを説明する:カメラが物理的にどう動くか、何が静止しているか、ショットがどこで終わるかを書きます。カメラモーション・ラボ では、147 本のテストクリップをもとに、「orbit」(オービット)や「dolly」(ドリー)のような用語だけの指示がなぜよく失敗するのかを示しています。
- ルックはピッカーで指定する:カメラモーションやライティングなどのピッカーは、検証済みの言い回しを追加します。ピッカーの設定は、プロンプトを書き直さずに変えられます。
- 1 つのノードで多くのショットを作る:ノードをコピーする代わりに、ショットのプロンプトを並べたリストを 1 つの動画生成ノードに接続します。そうすれば、すべてのショットのモデルを 1 回で設定できます。
- 複数の動画ノードを 1 つのモデルにそろえる:1 つのプロバイダーノードを各ノードの設定入力に接続すると、1 か所でモデルを切り替えられます。
- モデルが使うものだけを接続する:設定パネルはモデルが対応していない項目を隠しますが、別のモデルで設定した値はノードに残ります。
トラブルシューティング
実行が無効で、ツールチップにモデル名が表示される:そのモデルには、テキストから動画のモードがありません。開始フレームに画像を接続するか、テキストからクリップを作れるモデルを選んでください。
実行が無効で、ノードのチップが赤い:設定入力に接続したプロバイダーノードに、画像モデルなど、このノードでは実行できないモデルが設定されています。プロバイダーノードで、このノードの動画モデルを 1 つ選んでください。ワークフローの実行は、料金がかかる前にこのノードで止まり、そのエラーにはプロバイダーノードの名前が示されます。
クリップの長さや形が、接続した設定と違う:モデルがその長さや比率を作れないため、ノードは最も近い値で実行されます。ノードのチップには、実行に使われる値が表示されます。「設定」入力を参照してください。
最初のフレームの後で、クリップがわずかに飛ぶ:モデルが開始フレームの形を変えています。フレームの調整を出力サイズに合わせるに戻してください。
Seedance 2.0 で、最初のほうのフレームがズームされたり暗くなったりする:フレームの送信形式をリファレンス画像に設定するか、自動のままにしてください。Seedance 2.0 ファミリーでは、自動でもリファレンス画像として送られます。
入力が使われないという表示がノードに出る:モデルが受け付ける数より多くのリファレンスを接続したか、VEO の終了フレームとリファレンス画像のように、モデルが同時に使えない入力を組み合わせています。入力を減らすか、上限の高いモデルを選んでください。
実行前にリファレンスのクリップが拒否される:リファレンスの動画かオーディオのクリップが、モデルの長さの制限から外れています。動画のトリミングかオーディオのトリミングで短くしてから、もう一度実行してください。クレジットは使われません。
Wan 3.0 の実行が、開始後に失敗する:Wan 3.0 は、リファレンス動画の制限を実行中に確認します。確保したクレジットは返還されます。リファレンス動画を短くして、もう一度実行してください。
Seedance 2.5 の結果の長さや形が、設定と違う:モデルがプロンプトをリファレンス動画の編集として扱ったため、クリップ本来の比率と長さが保たれています。これを自分で決めるには、リファレンス動画の用途を設定してください。
Kling 4.0 が、開始前に実行を拒否する:実行の素材が 15 件を超えているか、リファレンス動画の合計が 30 秒(Kling 4.0 Flash では 20 秒)を超えています。Kling 4.0 Keyframes では、フレームが、クリップの長さで使える数を超えている場合もあります。入力を減らすか、短いリファレンス動画を使うか、クリップを長くしてください。クレジットはかかりません。
Grok Imagine Video 1.5 が 1080p の実行を拒否する:1080p では、このモデルは開始フレームだけを受け付け、終了フレーム、ループ、中間フレームは使えません。720p を選ぶか、終了フレームと中間フレームを外してください。料金はかかりません。
Gemini Omni または Gemini Omni Flash 1.2 で 4K が拒否される:無料プランでは 4K を使えません。720p か 1080p を選ぶか、プランをアップグレードしてください。
一部のモデル、長さ、解像度がロックされている:アカウントで何かを購入するまでは、無料クレジットでの動画は、モデルの最も低い解像度で最長 4 秒のクリップに制限されます。Seedance 2.5 と、Kling 4.0 Flash 以外のすべての Kling モデルは使えません。Seedance 2.5 Flash は、480p の 4 秒のクリップとして実行できます。ロックされた選択肢には、その下に理由が表示されます。初期設定(Seedance 2 Fast、4 秒)は、そのまま実行できます。クレジットパックかプランを 1 つでも購入すると、制限が解除されます。
API から
上記の設定はすべて、POST /v1/generate-video を通じて、コードや AI アシスタントからも使えます。以前のルートである POST /v1/text-to-video も引き続き使え、動作は同じです。
- ID で演出を指定する:
{ "cameraMotion": "dolly-in", "timeOfDay": "dawn" }のように、ピッカー ID をまとめたdirectionオブジェクトを送ると、Nodaro がそれに対応する言い回しをプロンプトに書き込みます。有効な ID はGET /v1/picker-catalogsで取得できます。ピッカーカタログを参照してください。 - フレーム:
frameFitとframeDeliveryで、フレームの調整とフレームの送信形式を設定します。 - 補正:補正された値は、
adjustments配列で返されます。 - ドラフト:
providerをseedance-2-5にしてdraft: trueを送ると、480p のドラフトが作られます。POST /v1/video-upscaleに{ "provider": "seedance-2-5-hd", "sourceJobId": "<the draft's job id>" }を送ると、それを仕上げます。実行を始めずに先に仕上げの料金を知るには、同じsourceJobIdでPOST /v1/credits/seedance-hd-estimateを呼び出します。 - Kling 4.0:
provider: "kling-4"に、referenceImageUrls、referenceVideoUrls、referenceAudioUrls、characterReferencesを付けて送ります。各キャラクターリファレンスは名前付きの被写体です。imageUrl、bodyImageUrl、最大 3 個のextraImageUrlsがその 2〜4 枚の画像で、nameがプロンプトでの呼び名です。キャラクターリファレンスのvoiceは拒否されるので、声のクリップはreferenceAudioUrlsで送ってください。最初のクリップはサウンドトラックとして再生されます。audioSoundtrack: falseにすると、すべてのクリップがボイスのサンプルのままになります。 - Kling 4.0 Flash:
provider: "kling-4-flash"に、同じフィールドを付けて送ります。referenceAudioUrlsの N 番目のクリップが、N 番目のキャラクターリファレンスの声になり、キャラクターリファレンスのvoiceは拒否されます。keepOriginalSound: trueは、リファレンス動画自体の音声を残します。終了フレームだけでリファレンスのないリクエストは拒否されます。 - 自分のサウンドトラック:
audioUrlは今でも結果にトラックを重ねますが、非推奨です。代わりに、クリップとオーディオを動画とオーディオを結合に送ってください。kling-4-keyframesでは、中間フレームを順番どおりにreferenceImageUrlsで送ります。 - Gemini Omni Flash 1.2:
provider: "gemini-omni-flash-1-2"を送り、durationに 3〜15 の整数の秒数、resolutionに360p、720p、1080p、4kのいずれか、aspectRatioに16:9、9:16、autoのいずれかを指定します。ソース動画は編集され、videoTrimStartとvideoTrimEndで最大 15 秒の範囲を選べます。seedは、10000〜99999 の整数の場合にだけ送られます。resolutionがない場合は 720p、durationがない場合は 8 秒の料金になります。characterReferencesは最大 2 人まで受け付け、6 枚のリファレンス画像には数えません。テキスト、リファレンス画像、ソース動画と一緒に使えます。キャラクターリファレンスは、開始フレームか終了フレームと一緒だと拒否され(character_references_with_start_frame、character_references_with_end_frame)、3 人目はcharacter_references_over_limitで、voiceはcharacter_voice_unsupportedで拒否されます。キャラクターリファレンスによる追加のクレジットはありません。 - Seedance 2.5 Flash:
provider: "seedance-2-5-flash"を送り、durationに 4〜30、resolutionに480pか720pを指定します。referenceImageUrlsが 10 枚、referenceVideoUrlsが 5 本、referenceAudioUrlsが 5 本を超えると、クレジットが確保される前に400 too_many_referencesで拒否されます。draftとseedは無視されます。 - Seedance 2.5 のリファレンスのタスクの種類:
referenceTaskType(auto、reference、edit、extend)で、Seedance 2.5 と Seedance 2.5 Flash のリファレンス動画の用途を設定します。MCP では、generate_videoのreference_task_typeです。 - PixVerse V6 Max:
provider: "pixverse-v6-max"を送ります。リクエストがsound: falseを送らない限り、サウンドはオンです。soundがない場合は、generateAudio: falseでも同じです。seedは 0〜2147483647 の整数です。resolutionがない場合は 720p、durationがない場合は 5 秒で作ります。 - Grok Imagine Video 1.5:開始フレーム付きで
provider: "grok-imagine-video-1.5"を送ります。endFrameUrlは正確な最後のフレーム、referenceImageUrlsは最大 4 枚の中間フレームで、順番どおりに使われます。1080p で終了フレームや中間フレームを含むリクエストは、400とコードstart_frame_only_resolutionで拒否されます。 - デフォルト:
providerを指定しないリクエストは、Seedance 2 Fast で実行されます。durationも指定しない場合は、4 秒のクリップが作られます。 - キャラクターの声:VEO 3.1、Kling 2.6、Kling 3.0、Kling 3 Omni、Seedance 2 ファミリー、MiniMax H3 など、セリフを話せるモデルでは、
characterVoicesとdialogueを渡せます。すると、クリップはキャラクターの保存済みの声で話します。追加料金は、VEO と Kling では 44 クレジット、Seedance と MiniMax H3 では 1,000 文字ごとに 5〜28 クレジットです。それ以外のモデルでは声は無視されますが、クリップは生成され、追加のクレジットはかかりません。
単体のノードを実行すると MCP ツールを参照してください。
よくある質問
動画生成ノードでは、どのモデルを選べばよいですか?
新しいノードは、低価格でサウンド付きの Seedance 2 Fast から始まります。ネイティブオーディオ付きで価格と品質のバランスがよいのは VEO 3.1 Fast です。上質なシネマティックショットには Kling 3.0 か VEO 3.1 Quality を、リファレンスをもとにショットを作る場合は Seedance 2 か Seedance 2.5 を使います。
テキストから動画と画像から動画は、どうやって切り替えますか?
切り替える必要はありません。プロンプトだけなら、ノードはテキストから動画のクリップを作ります。「開始フレーム」に画像を接続すると、同じノードがその画像を動かします。さらに「終了フレーム」も接続すると、クリップは一方の画像からもう一方の画像へと移り変わります。
動画生成のクリップ 1 本には、何クレジットかかりますか?
料金は、モデル、長さ、解像度によって決まり、モデルによってはサウンドとリファレンスによっても変わります。実行する前に、ノードの料金バッジで料金を確認できます。たとえば、VEO 3.1 Lite は 720p のクリップで 83 クレジット、Seedance 2 は 720p の 8 秒で 902 クレジットです。
動画クリップはどのくらいの長さにできますか?
モデルによって異なります。1 回の実行で、VEO 3.1 は 4 秒、6 秒、8 秒、Kling 3.0 と Seedance 2 は最大 15 秒、Seedance 2.5、Seedance 2.5 Flash、Wan 3.0、Kling 4.0 は最大 30 秒のクリップを作れます。それより長い動画には、複数のセグメントをつないで 1 本のクリップにする「動画生成 Pro」を使います。
動画生成ではサウンドも作れますか?
VEO 3.1、Seedance 2 ファミリー、Kling 3.0、Gemini Omni、MiniMax H3、Wan 3.0、PixVerse V6 Max など、多くのモデルが映像と一緒にオーディオトラックを作ります。モデルが対応していれば「オーディオを生成」でオフにできます。完成したクリップに自分のトラックを重ねるには、「動画とオーディオを結合」ノードを使います。
「テキストから動画」ノードと「画像から動画」ノードはどうなりましたか?
現在は動画生成ノードに統合されています。これらのノードを含む保存済みのワークフローを開くと、代わりに動画生成ノードが置かれ、接続、設定、料金はそのまま引き継がれます。
関連ページ
動画生成 Pro
画像生成
動画を延長
リファレンスの役割
動画モデル
最終更新