テキストから動画AI：プロンプトひとつでクリップに、必要なときは同じキャラクターで - RefVid

テキストから動画を作るAIの仕組み

• テキストから動画を作るモデルは、プロンプトを読み取り、そこからすべてのフレームを生成します。人物も、場所も、光も、カメラの動きもです。画像を動かしているわけではありません。だからこそアイデアからクリップまでの最短ルートであり、同時にクリップごとに被写体が変わってしまう理由でもあります。
• 言葉が表すのは「タイプ」であって、特定の人物ではありません。「20代後半、銅色がかった赤のボブヘアでそばかすのある女性」に当てはまる顔は何千とあり、モデルは実行のたびにそのうちの一つを選びます。単発のショットや雰囲気づくり、Bロールなら問題ありません。しかしシリーズや広告、同じ顔が繰り返し登場するストーリーでは問題になります。

RefVidの動画生成AIを無料で：言葉だけで始める

• エレメントを選ばずにスタジオを開き、プロンプトを書いて「生成」を押します。モデル、長さ、画面比率（16:9、9:16、1:1）、音声の有無は自分で選べます。クリップはたいてい2〜10分で完成して動画一覧に届き、透かしなしでそのままダウンロードできます。
• 長さはモデルによって異なります。デフォルトのKling 4では3〜30秒、Kling 3.0 Omniでは最大15秒です。ショット全体をプロンプトで伝える必要があるため、参照写真を前提に書くプロンプトより長くなります。

• マルチショットのAI動画を計画する方法→
• 画像から動画AI：言葉に画像を加える→

Kling text to videoとほかのモデル

• Kling 4とKling 3.0 Omniはどちらもテキストから動画を作るモードを備えており、「テキストのみ」を選ぶとRefVidはこのモードを使います。Kling 4は常に音声付きで最長30秒、Kling 3.0 Omniはより安価で、無音のクリップも作れます。
• Seedance 2.5、Wan 3.0、Gemini Omni Flash、PixVerse C1、Happy Horse 1.1も言葉だけでクリップを作れます。例外はVidu Q4で、RefVidでは被写体ありでしか使えません。同じプロンプトを2つのモデルで試せば、そのシーンにどちらが合うかすぐにわかります。

• Kling 4とKling 3.0 Omniの比較→

言葉だけで作る動画のプロンプト例

• 言葉だけで動画を作るときの良いプロンプトは、被写体を具体的に描写し、動作を一つに絞り、カメラの位置と動きを示します。光とレンズは最後です。こだわらない要素は省きましょう。細部を一つ足すたびに、モデルはそれを数秒の中に収めなければなりません。
• キャラクターの例：「20代後半の女性。銅色がかった赤のボブヘアにまっすぐな前髪、薄いそばかす、オリーブグリーンのユーティリティジャケット姿で、ゴールデンアワーの風の強いビーチに立っている。海を眺めてから、ちらりとカメラを見る。ミディアムショットからクローズアップへのゆっくりしたプッシュイン、暖かい逆光。」
• トラッキングカメラの例で、このページ冒頭のクリップの元になったプロンプトです：「…小雨の降る夜、ネオンに照らされた東京の路地を歩く。濡れたアスファルトにピンクと青のネオンが映り込む。彼女が歩くのに合わせ、カメラは肩の高さで横に並び、滑らかなラテラルドリーで追う。シネマティック、浅い被写界深度。」

• 被写体を追加したあとのシーンプロンプトの書き方→

無料で始められて、透かしなし

• 言葉だけで作る動画も被写体ありの動画と同じクレジットで作れ、新規アカウントは無料で始められます。新規アカウントには5秒のKling 3.0 Omni動画が1本無料で付き、カード登録は不要です。無料クレジットは無音のクリップ用で、音声付きには有料クレジットが必要です。
• どの動画も、モデルが作ったままのクリーンなファイルを透かしなしでダウンロードできます。無料でも有料プランでも同じです。クリップを一か所にまとめて保存できるよう、Googleまたはメールで無料アカウントを作成していただく必要があります。

• RefVidの料金の仕組み：秒あたりのクレジットと計算例→
• 自分の写真で使える無料のAI動画生成→

使う前にクリップを確認する

• 投稿する前に、どのクリップもフルサイズで見てください。手、動いているときの顔、画面内の文字は、今でもモデルがもっとも間違えやすい部分です。ある生成がおかしく次はうまくいったなら、それは偶然です。プロンプトを書き直す前に、同じプロンプトでもう一度生成してみましょう。生成した人物を実在の人物として見せてはいけません。