動画ジェネレーターには2つのモードがあります。「写真から動画」は、アップロードした画像に命を吹き込みます——人物が微笑んで振り向いたり、波が岸に打ち寄せたり、カメラがシーンをなめらかに移動したりします。「テキストから動画」は、説明文をもとにゼロからクリップを構築します——キャラクター、設定、カメラワーク、雰囲気まで。ほとんどのモデルは、映像と同時に音声も生成します：セリフ、音楽、環境音まで。
2026年を代表する動画生成モデルを、すべて一つのインターフェースで利用できます。MiniMax H3 Turboは最速かつ最も手頃な価格で、約1分でクリップが完成します。MiniMax H3は特に人物のポートレートをアニメーション化するのが得意です。Kling 3とKling 3 Proは、映画のようなカメラワークとライティングを実現します。GoogleのVeo 3.1はリアルな物理演算が特徴です。Gemini Omni FlashはGoogleの新しいモデルで、プロンプトへの忠実な追従とセリフの生成に優れています。アリババのWan 3.0は、ショットの切り替えを伴う物語性のあるシーン構築を得意とします。xAIのGrok Imagine 1.5とKling 4.0は、1回の生成で最大15秒のクリップを作成できます。ByteDanceのSeedance 2.5は、複雑なアクションやリップシンク付きのセリフに対応するプレミアムモデルです。
長さは5秒または10秒です（Gemini Omni Flashは8秒にも対応、Veo 3.1は4秒・6秒・8秒、Grok ImagineとKling 4.0は最大15秒まで対応）。解像度は720pまたは1080p、フォーマットは16:9、9:16、1:1に対応しています。生成はすべてクラウド上で完結するため、グラフィックボードや専用ソフトは不要です。完成したMP4は延長したり、説明文で編集したり、4Kにアップスケールしたり、そのまま公開したりできます。