テキストから動画を生成するAI（人工知能）です

スクリプトを貼ってからの流れ

スクリプトは一度読まれ、自然な切れ目でシーンに分割されます。ペーシングによりますが、おおむね文や節ごとに1シーンです。各シーンには選んだビジュアルスタイルに沿った画像または動画のプロンプトが作成され、全体として統一感のある動画になります。

ナレーションは一度の処理で生成され、各単語のタイミングが返されます。そのタイミングが基準の時計となり、キャプションのハイライトやシーン切替は文字数で推定するのではなくそこから導出されます。だからカットが文の区切りで終わり、ビートが遅れてしまうことがないのです。

ビジュアルは各シーンごとに生成され、選んだトランジションやBGM（背景音楽）の設定で合成されてレンダリングされます。ほとんどの動画は2〜5分で完了します。

レンダリングに適したスクリプトの書き方

短く断定的な文はシーンの区切りが明確になります。複数の節を含む長文は、画面に長く留まりながら多くの説明が流れるため、テンポが遅く感じられがちです。

具体的な名詞は画像生成にとって扱いやすい材料になります。特定の場所にある具体的な物についての文は、抽象的な表現よりもはるかに良くレンダリングされます。なぜならそのシーン用に書かれるプロンプトに描写できる対象がはっきりするからです。

スクリプト内に演出メモを入れるのは避けてください。あなたが書いたものはすべてナレーションとして読み上げられます。ショットの見た目に関する自分用の注も読み上げられてしまいます。

静止画か生成された動画クリップか

画像出力は各シーンごとに静止画を生成し、カメラをゆっくり動かします。安価で、約1分あたり100クレジット残高で、言葉が動画を引っ張るナレーション主導のスクリプトに最適なデフォルトです。

アニメーション動画は各シーンごとに実際の動画クリップを生成し、動きとネイティブ音声を含みます。HDでは1秒あたり35クレジット残高なので、1分で2,100クレジット残高になり、視覚が見る理由になっている場合に価値があります。

アニメーション動画は最大1,200文字のスクリプトを受け付けます。画像動画はかなり長いスクリプトに対応できます。

音声とキャプション

プレビュー付きの音声が36種類あります。どれを選んでもその音声は動画と一緒に保存されるので、後で再コンパイルしても現在のデフォルトではなく元の音声のまま聞こえます。

キャプションは単語ごとに同期され、2種類のスタイルとハイライト色を選べます。キャプションにはナレーションが必要です。ナレーションがなければ同期するものがないためです。ナレーションなしの動画も生成できます。その場合はタイミングはあなたが設定したシーンの長さから決まります。

後で変更したくなったら

エディターでナレーションを書き直して再コンパイルできます。文が変わると、ナレーションとキャプションは揃って再生成され、一回で整合した処理が行われます。シーン境界は新しい音声に合わせて再マップされるので、ズレが生じません。

文が変わらなかった場合は既存の音声とキャプションを再利用し、レンダー代だけを支払います。単一シーンのビジュアルを再生成する場合も同様で、そのシーン分のコストだけです。

フォーマットと出力

画像動画は9:16、16:9、1:1、4:5でレンダリングされます。アニメーション動画は9:16、16:9、1:1で、Standard 480p、HD 720p、Full HD 1080pの品質が選べます。

出力はどのプランでもウォーターマークのない通常のMP4で、商用利用の権利はすべてあなたにあります。