目次
この春、Soraアプリを開いて別れのメッセージを見たのなら、見間違いではありません。OpenAIは2026年3月24日、Soraの提供終了を発表しました。アプリとウェブサイトは4月26日に閉鎖され、APIも9月24日に終了しました。
Soraは戻ってきませんが、選択肢は豊富です。それ以降の数か月間は、AI動画にとって過去にないほど活発な時期でした。ByteDance、Kuaishou、Google、Alibaba、MiniMaxがいずれも新モデルを投入し、そのうちいくつかは、30秒の連続したワンカット生成や、会話だけでのクリップ編集など、Soraにはできなかったことを実現しています。
ここでは試す価値のある6モデルについて、実際の得意分野、苦手な点、料金を紹介します。すべてAI Studioで利用できるため、6回登録することなく、1つのアカウントで同じプロンプトを各モデルに試せます。
早見表
| モデル | 開発元 | 得意な用途 | 単一クリップの最大長 |
|---|---|---|---|
| Seedance 2.5 | ByteDance | 音声付きの長い連続ショット | 30秒 |
| Kling 4.0 | Kuaishou | 複数の展開を計画したシーン | 30秒 |
| Gemini Omni | Google DeepMind | 会話による動画の編集と延長 | 1回10秒、40秒まで延長可能 |
| Happy Horse | Alibaba | リアルな人物とリップシンク付きの会話 | AI Studioでは15秒 |
| MiniMax H3 | MiniMax | 2K出力と公開ウェイト | 15秒 |
| Seedance 2.0 | ByteDance | 安定した音声付き画像から動画への生成 | 約15秒 |
長さは2026年11月初旬時点で開発元が示す上限です。これらのモデルを提供する再販プラットフォームでは選べる範囲が狭い場合があるため、利用する生成ツールを確認してください。
1. Seedance 2.5:ワンカットの専門家
ByteDanceは2026年7月31日にSeedance 2.5を発表しました。最大の特徴は長さです。1回の生成で、同期した音声付きの動画を最大30秒作成でき、前モデルの1回あたりの長さの2倍になりました。
これは想像以上に大きな違いです。多くのAI動画はいまだに短いクリップをつないだように見え、継ぎ目を感じます。途切れない30秒があれば、製品デモ全体、ミュージックビデオの1節、あるいは始まり・中盤・終わりのある短いシーンを作れます。
細部をコントロールしたい監督向けの機能も備えています。
- 豊富な参照素材。 ByteDanceによれば、1回の生成に画像30枚、動画クリップ10本、音声クリップ10本まで使用できます。
- タイムスタンプ付きプロンプト。 0~5秒、次に5~12秒というように、各時間帯に何が起こるかを指定できます。
- 3Dのラフ配置。 テクスチャのない簡単な3Dモデルでシーンを大まかに組み立てると(ByteDanceは「クレイレンダー」と呼んでいます)、モデルはその配置をポーズ、移動経路、カメラアングルに利用します。
- 部分的な編集。 グリーンスクリーン編集、カメラ視点の変更、タイムスタンプで指定した瞬間の編集が可能です。
苦手な点: ByteDance自身の発表記事でも、複雑な動きの物理表現や、複数の人物が関わる場面の安定性には改善の余地があると認めています。大勢が戦うショットなら、再生成を見込んでおきましょう。
料金: ByteDanceの発表記事には公開料金表がありませんでした。発表時には同社のJimengとDoubaoアプリへの展開が進められており、BytePlus ModelArk経由のAPI提供は「近日公開」とされていました。
AI Studioでは: Seedance 2.5 AI動画生成ツールで4~30秒、480p~1080p、参照画像最大30枚に対応し、音声は初期設定でオンです。まず480pで下書きを作り、採用するものを1080pで仕上げるとよいでしょう。
こんな場合におすすめ: 音声付きの長く滑らかなワンカットを作りたく、時間指定を含む詳細なプロンプトを書くことが苦にならない場合。
2. Kling 4.0:計画派のためのモデル
KuaishouのKling 4.0は2段階で登場しました。2026年9月28日にKling 4.0 Flashというプレビュー版が一部の有料会員に公開され、10月に完全版が続きました。
Seedance 2.5と同様、3~30秒を直接生成できます。独自の強みはキーフレームです。9月30日公開のKlingのガイドによれば、1回の生成で最大10枚のキーフレーム画像を指定できます。冒頭のショット、製品のお披露目、照明が変わる瞬間、エンディングなどです。プロンプトで各画像の間をどうつなぐか説明します。Klingは1タスクあたり最大15点の参照素材(画像、動画、被写体、声)と、最大8,000トークンのプロンプトにも対応するとしています。
Seedance 2.5が長回しを見事に撮るカメラマンなら、Kling 4.0は絵コンテ作家です。展開がすでに決まっているときに力を発揮します。
苦手な点: 仕様はプラットフォームによって異なります。Klingは4KやHDRなどをアピールしていますが、AI Studioを含む多くの外部プラットフォームで現在提供されているのは720pと1080pです。キーフレームが増えると、トランジションが崩れる可能性も増えます。Kling自身も、大きな変更は一度に1つだけにするよう勧めています。
料金: Kling自身のAPI料金表では、2026年11月初旬時点で、入力動画がない場合のKling 4.0は720pが1秒あたり約$0.157、1080pが約$0.235です。Klingは自社アプリでクレジットプランも販売しており、再販事業者は独自に価格を設定しています。
AI Studioでは: Kling 4.0 AI動画生成ツールで3~30秒、720pまたは1080p、16:9・9:16・1:1・21:9の比率、最初と最後のフレーム制御、画像最大10枚と動画最大5本の参照に対応しています。AI Studioのページでは、生成に失敗した場合のクレジットは自動返還されるとしています。
こんな場合におすすめ: 広告、解説動画など、明確なショットリストがある作品を作る場合。
3. Gemini Omni:編集役
Google DeepMindは2026年5月19日、Google I/OでGemini Omniを紹介しました。切り札は単純な長さではなく、会話です。
1つのプロンプトにテキスト、画像、音声、動画を混ぜ、その後も結果を調整できます。指示は直前の内容を引き継ぎ、人物、物理表現、シーンの細部も次のやり取りへと持ち越されます。照明が違うからといって最初から再生成する代わりに、光をもっと暖かくするよう頼むだけで済みます。
8月27日のGemini Omni 1.1 Flashへの更新では、クリエイターが求めていた制御機能が追加されました。
- シーンの延長: 直前の映像を最大10秒分コンテキストとして使い、10秒ずつ、合計40秒まで延長できます。
- 最初と最後のフレーム: ショットの開始点と終了点を設定できます。
- 360pの下書き: Googleによれば、720pに比べ生成が最大60%速く、コストは約3分の1です。
- 1080pと4Kの出力: 完成作品向けです。
2026年11月5日、Googleは現在の公式バージョンであるGemini Omni 1.2 Flashを公開しました。公式のクリップ長は最大15秒(3〜15秒、1秒刻み)になり、720pの公式API料金は30%下がって1秒あたり$0.07となり、参照素材への忠実度も向上しています。会話による複数ターンの編集、360pの下書き、1080pと4Kへのアップスケーリング、シーン延長は、引き続きGoogle自身のツールの公式機能です。変更点とこのサイトで実際に使える機能は、Gemini Omni 1.2 Flash:新機能、料金、AI Studioで使える機能をご覧ください。
すべてのOmni動画には初期設定でGoogleの不可視のSynthID透かしが入り、AI表示の規則が適用される場所へ公開する際には重要です。
苦手な点: 1.1 Flashの登場時、クリップは1回の生成で最大10秒でした。MindStudioの初期テストでは、その更新後の最初の数日間にAPIがエラーを返し、ブレイクダンス中のロボットが動作の途中で頭を失う例もありました。背景や雰囲気は良好でしたが、複雑な動きをする人物は弱点でした。現在、1.2 Flashは公式にもAI Studioでも1回の生成で最大15秒に対応しています。
料金: GoogleのGemini API料金ページでは、1.2 Flashの720pは1秒あたり$0.07で、1.1 Flash(1秒あたり約$0.10)より30%安くなっています。2026年11月10日確認。
AI Studioでは: Gemini Omni AI動画生成ツールは現在Gemini Omni 1.2 Flashが標準で、720pの3~15秒(画像から動画を生成する際に画像を2枚使う場合は最大10秒)、ネイティブ音声、参照画像最大10枚に対応しています。Gemini Omni 1.1 Flashも4~10秒で引き続き利用できます。このサイトの生成ツールは1回ずつ生成する方式で、Googleの会話による複数ターンの編集やシーン延長は含まれていません。
こんな場合におすすめ: Googleの現行モデルで参照素材を使った短いクリップを作りたい場合や、最初から再生成するよりもGoogle自身のアプリでショットを調整したい場合。
4. Happy Horse:リアリズム派
Happy Horseは、このリストで最も興味深い登場の物語を持っています。2026年4月にArtificial Analysisの動画ランキングへ匿名で現れ、誰が作ったか分からないうちに首位へ躍り出ました。その後、Bloombergが開発元はAlibabaだと報じました。
DataNorthの発表報道によれば、開発したのはAlibabaのTaotian Future Life Labで、以前Klingの技術アーキテクトだったZhang Diが率いるチームです。登場時、Artificial Analysisの音声を評価しない部門では、テキストから動画、画像から動画の両方で1位でした。
注目すべきは音の扱いです。Happy Horseは会話、環境音、効果音を含む動画と音声を1回で同時生成し、英語、中国標準語、広東語、日本語、韓国語、ドイツ語、フランス語の7言語でネイティブのリップシンクに対応します。カメラに向かって話す人が登場する動画なら、大きな利点です。
苦手な点: 首位という成績は登場時の一時点のもので、この分野の順位は毎月変わります。クリップの長さも30秒モデルほどはありません。
料金: DataNorthの4月28日の報道によれば、falでの提供開始時のHappy Horseは、720pが1秒あたり$0.14、1080pが$0.28でした。
AI Studioでは: Happy Horse AI動画生成ツールで、テキスト、画像、参照素材から3~15秒の動画を720pまたは1080pで生成できます。参照画像は最大9枚で、プロンプトではcharacter1、character2などと指定します。720pは1秒あたり10クレジット、1080pは18クレジットなので、5秒のクリップは50または90クレジットです。
こんな場合におすすめ: 顔出しの語り、広報担当者の動画、会話シーンなど、人物を中心とする動画を作る場合。
5. MiniMax H3:ウェイト公開モデル
MiniMaxは2026年7月31日、多くの人がHailuo 3.0と呼ぶH3を公開しました。同期したステレオ音声付きで、最大15秒、最大2K解像度のクリップを作れます。入力にはテキスト、画像、動画、音声を使えます。
真の特徴はウェイトの公開です。GIGAZINEは8月3日、MiniMaxがHugging FaceとModelScopeでモデルを公開したと報じました。つまり、強力なハードウェアがあれば、開発者はサービスを借りずに自分で実行できます。「強力」が重要です。ComfyUIのリポジトリ内のファイルによると、拡散モデルだけで約21 GB、テキストエンコーダーはさらに27 GBあります。
競争力もあります。GIGAZINEが8月初旬に報じたArtificial Analysisのランキングでは、H3は音声付きテキストから動画でGemini Omni Flashに次ぐ2位、音声付き画像から動画で3位でした。
苦手な点: GIGAZINEが公開を報じた時点では、ライセンス条件が明示されていませんでした。セルフホストしたモデルで商用製品を作る前に、ライセンスを読んでください。
料金: 自分で実行する場合はクリップごとではなくハードウェアに費用がかかります。ホスティングサービスの価格は提供元によって異なります。
AI Studioでは: MiniMax H3 AI動画生成ツールで3つのバージョンを1つのツールから利用できます。H3は768pと2Kに対応し、H3 MaxとH3 Max Turboは480pと768pに対応します。Turboが最も安価です。H3は参照画像最大5枚、参照動画最大3本にも対応しています。
こんな場合におすすめ: 2K出力が必要な場合や、セルフホストの選択肢を持ちたい開発者の場合。
6. Seedance 2.0:実績のある実用派
どんな仕事でも新しいほうがよいとは限りません。2026年2月公開のSeedance 2.0は1回あたり約15秒を生成し、すでに数か月の実利用の実績があります。
一方で、問題も抱えています。公開から数日で実在の俳優を使ったクリップが拡散し、DisneyとParamount SkydanceがByteDanceに停止要求書を送りました。ByteDanceは、知的財産を尊重しており、安全対策を強化すると回答しました。
それでも品質には説得力があります。GIGAZINEが8月初旬に報じたArtificial Analysisのランキングでは、Seedance 2.0は音声付き画像から動画でGemini Omni FlashとMiniMax H3を上回り、1位でした。
こんな場合におすすめ: 静止画像を音付きで動かしたく、30秒は必要ない場合。AI Studioでも利用できます。ただし、有名人の顔やシリーズ作品のキャラクターを入力しないでください。
2分で選ぶ方法
- 長く途切れないワンカットが必要? Seedance 2.5かKling 4.0。
- ショットリストが事前に決まっている? キーフレームを使えるKling 4.0。
- 最初から作り直さず修正や延長をしたい? Gemini Omni。
- カメラの前で人が話す? Happy Horse。
- セルフホストしたい、または2Kが必要? MiniMax H3。
- 1枚の画像を音付きで動かす? Seedance 2.0。
とはいえ、一番よいテストは自分のプロンプトです。仕様表では、どのモデルがあなたの考える「ゴールデンアワーのトラッキングショット」を理解するかは分かりません。大切なプロンプトを1つ書き、複数モデルを扱うAI動画生成ツールで2~3モデルに試し、結果を並べて比較しましょう。20分の実験は、この記事を含め、比較記事を1週間読むより役に立ちます。
Soraからの移行
以前のSoraライブラリは失われています。 The Decoderによれば、OpenAIは終了期限を過ぎるとユーザーデータを完全に削除するとしていました。動画をエクスポートしてある場合は、管理できる場所に元ファイルを保管してください。
Cameosの完全な代替はありません。 自分や友人を動画に登場させるSora 2の機能に、そのまま対応するものはありません。最も近い代替手段は参照画像です。AI StudioではHappy Horseは最大9枚、Gemini Omni(1.2 Flashまたは1.1 Flash)は最大10枚、Seedance 2.5は最大30枚を使えます。実在する人物の容姿を使うときは、本人の許可を得てください。
長いクリップ向けにプロンプトを書き直しましょう。 Sora時代のプロンプトは短いクリップ用でした。30秒モデルでは「0–8秒:…、8–20秒:…、20–30秒:…」のように時間帯を分け、いつ何が起こるかをモデルに伝えましょう。
製品を作るなら、1つのモデルに依存しないこと。 Soraの終了は提供元への依存リスクを教えてくれました。コード内でモデルを切り替えられるようにしておけば、提供元の変更は書き直しではなく設定の変更で済みます。
他者のキャラクターを尊重しましょう。 SoraとSeedance 2.0はいずれも、著作権のあるキャラクターや実在する人物の容姿をめぐって法的な批判を受けました。オリジナルキャラクターのほうが安全で、率直に言って面白くもあります。
出典
- The Decoder、OpenAIがSoraを2段階で終了、アプリは2026年4月、APIは9月に閉鎖、2026年3月28日
- OpenAI Help Center、Soraの提供終了について知っておくべきこと
- ByteDance Seed、Seedance 2.5の紹介、2026年7月31日
- Kling AI、Kling 4.0の複数キーフレームガイド、2026年9月30日
- The Next Web、GoogleがGemini Omni Flashを公開、2026年5月
- Google、Gemini Omni 1.1 Flashで制作をより細かく制御、2026年8月27日
- Google、Gemini Omni 1.2 Flash:15秒の動画と料金引き下げ、2026年11月5日
- Google Cloud、Gemini Omni 1.2 Flashが一般提供開始、2026年11月5日
- Google、Gemini APIの料金、2026年11月2日確認
- MindStudio、Gemini Omni 1.1 Flash:料金、動画品質、初期の不具合、2026年8月29日
- Bloomberg、Alibaba開発の動画AIモデルが登場時に世界ランキング首位、2026年4月10日
- DataNorth、AlibabaがHappyHorse動画モデルを公開、2026年4月28日
- GIGAZINE、MiniMax H3動画生成AI、2026年8月3日
- Wikipedia、Seedance 2.0、2026年2月のReuters、Axios、Variety、BBC Newsの報道を引用
- AI Studioのモデルページ、2026年11月2日確認
アイデアを動画に
動画生成ツールを開いて、制作を始めましょう。
動画を生成


