テキストから動画を生成する機能は、AIの中でも特に驚異的な能力のひとつです。登場人物、舞台設定、動き、カメラワーク、音声を言葉で説明するだけで、1〜3分でこれまで存在しなかった最長10秒のクリップが完成します。
仕上がりの質は説明の書き方次第です。良いプロンプトの型は「誰が写っているか」「何が起きているか」「どこで、どんな雰囲気か」「カメラがどう動くか」「何が聞こえるか」を盛り込むこと。例えば「夜の濡れた東京の通りを赤い猫が歩いている。水たまりにネオンサインが反射し、カメラはゆっくり引いていく。雨の音が聞こえる」といった具合です。プロンプトはご自身の言語で書くことができ、自動的に翻訳されます。
Gemini Omni Flashは説明に忠実で、キャラクターに指定したセリフを話させることもできます。MiniMax H3 Turboは22クレジットから使える、高速で手頃な選択肢です。Kling 3 Proは映画的なライティングで1080p撮影を実現し、Kling 4.0は1080pで最長15秒のクリップを生成、Veo 3.1はリアルな物理演算による表現が可能、Wan 3.0はシーン転換を含むストーリー性のある動画を生み出し、Seedance 2.5は複雑なアクションとリップシンクした会話に対応します。