Video to Video

• 長さ: 5、10、15、20、25、または30秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: 参照動画(最大3本)、参照画像(最大9枚)、参照音声を使ったプロンプト駆動型のVideo-to-Video生成。最大30秒の長いマルチショット編集や変換に。モデルが書いたネイティブ音声もオプションで付与可能。大規模にラベル付けされたNSFWデータセットで学習済み。

• 強み: Generate Audioトグルで独自のサウンドトラックを作成可能。タイムスタンプ付きショットに分割された長い脚本風プロンプトに対応。参照トークン([img1]、[vid1]、[audio1])でどのアップロードを使うか正確に指定できる。以前のWanモデルよりも強力なマルチサブジェクトの一貫性とカメラ制御。

• トレードオフ: 最良の結果には長さに合ったプロンプトが必要。長い長さに短いプロンプトを使うと、ストーリーやショットの選択がモデル任せになる。ネガティブプロンプトなし。不要な要素は明示的に記述する必要がある。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5、10、15、20、25、または30秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: Wan 3.0 Spicyと同じプロンプト駆動型のVideo-to-Video生成(参照動画は最大3本、参照画像は最大9枚、参照音声に対応)だが、約40%速く返される。

• 強み: Wan 3.0 Spicyと同一の出力品質と機能セット(Generate Audioトグル、脚本風プロンプト、参照トークン、マルチサブジェクトの一貫性)。違いは待ち時間で、アイデアを試したりショットを微調整したりする際に重要になる。

• トレードオフ: 同じ結果に対してWan 3.0 Spicyより秒あたりのコストが高い。プロンプトの長さへの感度やネガティブプロンプトがない点も同様。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5〜15秒

• 解像度: 720p / 480p

• 最適な用途: 最初/最後のフレームとマルチモーダルリファレンス(画像、動画、音声)を使ったプロンプト駆動の動画生成。被写体の動き、タイミング、アイデンティティを保ちながら、衣装、背景、照明、設定を変更して完成済みの動画を編集します。大規模な注釈付きNSFWコンテンツデータセットで訓練されています。

• 強み: プロンプト内で「何を保つか」と「何を変えるか」を明確に区別することで、シーンを「作り直す」ことなく予測可能な結果が得られます。プロンプトが正確に記述されていれば、元のアニメーションと体のプロポーションをよく保持します。[video 1]/[audio 1]/[image 1]のリファレンスを正確に処理し、リファレンスが提供されない場合は音声を生成できます。

• トレードオフ: 要素を記述する順序が重要です。保つべきものより先に変更点から始めると、モデルが元の動きとタイミングを失う可能性があります。信頼できる結果を得るには、元の動画リファレンス[Video 1]が明瞭である必要があります。3つの動画リファレンスの最大長は15秒です。Seedance 2.0 Fast Spicyより遅いです。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5〜15秒

• 解像度: 720p / 480p

• 最適な用途: Seedance 2.0 Uncensoredと同じ最初/最後のフレームとマルチモーダルリファレンスのアプローチで、より高速で安価な動画生成。動き、タイミング、顔のアイデンティティを保ちながら、事前録画された動画(衣装、背景、照明)を編集する良好な品質。さらに大規模なラベル付きNSFWコンテンツデータセットでの追加訓練。

• 強み: 高速な処理時間;プロンプト内で「何を保つか」と「何を変えるか」を明確に区別することで、シーンを「作り直す」必要なく予測可能な結果が得られます。Seedance 2.0 Uncensoredより速く、安価です。

• トレードオフ: 変更点を記述する順序が重要です。保つべきものより先に変更点から始めると、モデルが元の動きとタイミングを失う可能性があります。元の動画リファレンス[Video 1]は明瞭である必要があります。3つの動画リファレンスの最大長は15秒です。品質はSeedance 2.0 Uncensoredより低めです。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 5、10、15、20、30秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: 最大10本の参照動画、30枚の参照画像、10個の参照音声クリップ(プロンプトでは[vid1]、[img1]、[audio1]と指定)から、最大30秒の長いマルチショット結果を作るプロンプト駆動型のVideo-to-Video生成。NSFWコンテンツの大規模なラベル付きデータセットで学習済み。

• 強み: より自然で「AIっぽさ」の少ない映像。カメラの切り替え、被写体の安定性、ライティング、肌や目のディテールが向上。タイムスタンプ付きプロンプト(「0–5s: …, 6–10s: …」)で何がいつ起こるかを制御可能。Generate Audioトグルでネイティブ音声をオプション生成。

• トレードオフ: Seedanceで最も高価なモデル。1080pは720pの約3.4倍の料金で、参照動画の秒数も結果と合わせて課金されるため、まず480p/720pでテストしてください。ネガティブプロンプトなし。Generate Audioをオンにしても音声なしで出力される場合があります。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 最大30秒

• 解像度: 720p / 480p

• 最適な用途: リファレンス動画から体の動き、ジェスチャー、表情、口の動きを正確に適用することで、静止画のキャラクターに命を吹き込みます。キャラクターの演技、ダンスシーケンス、表現力豊かなアニメーション、複数キャラクターのシーンに最適で、さらに大規模なラベル付きNSFWコンテンツデータセットでの追加訓練を受けています。

• 強み: 優れた動きの忠実度と動きの意味理解、高いアイデンティティと背景の一貫性、人間以外やスタイライズされたキャラクターでの高いパフォーマンス、自然な表情、複雑なアクションでも安定した出力。写真に命を吹き込むための最も安定した選択肢です。

• トレードオフ: 構図がよく合っていること、明瞭なリファレンス動画(良い照明、最小限の遮蔽)、互換性のあるキャラクター画像で最良の結果が得られます。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 最大30秒

• 解像度: 720p / 480p

• 最適な用途: リファレンス動画から体の動き、ジェスチャー、表情を正確に適用することで、静止画のキャラクター(ポートレート、イラスト、デザイン)に命を吹き込みます。キャラクターの演技、ダンスシーケンス、表現力豊かなアニメーションに最適で、さらに大規模なラベル付きNSFWコンテンツデータセットでの追加訓練を受けています。

• 強み: 自然な表情を伴う高い動きの忠実度、高いアイデンティティの一貫性、複雑なアクションのシームレスな転送。

• トレードオフ: 構図がよく合っていること、明瞭なリファレンス動画(良い照明、最小限の遮蔽)、互換性のあるキャラクター画像で最良の結果が得られます。不安定になることがあります(下記の注記を参照してください)。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 最大30秒

• 解像度: 720p / 480p

• 最適な用途: 元の動き、シーン、照明、カメラワークを保ちながら、既存の動画のメインキャラクターをあなたの画像の被写体に置き換えます。映像内のキャラクター交換、プレゼンターの入れ替え、シームレスな統合に最適で、さらに大規模なラベル付きNSFWコンテンツデータセットでの追加訓練を受けています。

• 強み: 元のシーン要素と動きを維持し、強力なアイデンティティ保持、環境や照明とのリアルな統合を実現します。

• トレードオフ: 画像と動画の間でポーズ/構図がよく一致していること、クリーンなリファレンス映像で最良の結果が得られます。不安定になることがあります(下記の注記を参照してください)。

• コンテンツに関する注記: フィルター:最小限

• 長さ: 最大30秒(それより長い動画は自動的にクリップされます)

• 解像度: 1080pのみ

• 最適な用途: リファレンス動画から振り付けと動きをキャラクター画像内の被写体に適用します。複雑なダンスの動き、ジェスチャー、全身のパフォーマンスに最適です。ダンスシーケンス、モーション転送、一貫したキャラクターアニメーションの作成に最適です。

• 強み: リファレンス動画から完全な動き/振り付け(複雑なアクション、手、表情を含む)を抽出して転送します。オリジナル音声を保持するオプションあり。高い動きの忠実度とキャラクターの一貫性。

• トレードオフ: 良好なリファレンス動画品質(明瞭で遮られていない動き)と互換性のあるキャラクター画像が必要です。他のモデルよりも厳しい安全フィルターがあります。

• コンテンツに関する注記: フィルター:オン

• 長さ: 5秒、6秒、8秒、10秒、12秒、または15秒

• 解像度: 480p / 720p / 1080p

• 最適な用途: 既存の動画をテキストプロンプトで作り変える。任意で参照画像、追加の動画、音声(参照画像最大9枚、参照動画3本、参照音声3クリップ、合計12ファイルまで)を組み合わせて結果を調整できる。

• 強み: 参照トークン(Image 1、Video 1、Audio 1)でどのアップロード素材が編集のどの部分を動かすか正確に指定可能。すべての結果に個別のトグルなしでネイティブなステレオ音声が付与される。柔軟なアスペクト比(16:9、9:16、4:3、3:4、1:1、21:9、またはアダプティブ)。

• トレードオフ: 元動画の秒数と出力の秒数の両方に課金される。ネガティブプロンプトなし。不要な要素はメインプロンプトの末尾に記述する。音声はオフにできない。長いプロンプトは内部で圧縮されるため、より短く的確な文章の方がうまくいきやすい。

• コンテンツに関する注記: フィルター:オン。SFW専用、NSFWコンテンツには対応していません。

エラーが表示されますが、クレジットは自動的に返金されます。

はい、最大30秒までです。

これは、すべてのフレームで顔がはっきりと見えていない場合、動画に速い動きやカットが含まれる場合、または照明が大きく変化する場合に発生することがあります。最良の結果を得るには、一貫した照明と見える顔を持つ安定した動画を使用してください。

タスクは、非対応または破損したファイル、非常に低品質な入力、選択したモデルによるコンテンツ制限、またはソース動画内の不安定な動きが原因で失敗することがあります。入力を簡略化し、より短くて明瞭な動画を使ってみてください。

Animateは動画の動きに従い、より高速ですが安定性は劣ります。Kling 2.6 Motionはより高い品質と一貫性を提供しますが、より厳しい安全フィルターを使用します。

Kling 2.6 Motionは最大30秒の長さに対応しています。動画がそれより長い場合、自動的にクリップされます。

はい、ツールに直接リンクを貼り付けることができます。リンクは一部のモデルでのみ使用でき、Seedance、Wan 3.0、MiniMax H3では動画ファイルのアップロードが必要です。動画が公開されていて、アクセス可能であることを確認してください。

いいえ。失敗したタスクのクレジットは自動的に残高に返金されます。