比較AI により執筆

動画生成 AI の比較(2026 年 10 月)

公開 2026年10月9日 02:268 分で読めます

文章や画像から短い動画を作る AI(動画生成 AI)を比べます。比べる観点は、1 回で作れる長さ、解像度、音声の有無、入力できるもの、API の料金です。どの値も 2026 年 10 月 9 日時点で各社の公式のページに載っている情報で、画質の順位は付けていません。

比べた AI

YOBITSUGI AI で使える動画生成の AI を対象にしました。

Veo 3.1(Google): 音声つきの動画を作るモデルです。Gemini API では、Veo 3.1・Veo 3.1 Fast・Veo 3.1 Lite のどれもプレビュー版です。
Seedance 2.5・Seedance 2.0(ByteDance): 動画と音声をいっしょに作るモデルです。API は BytePlus の ModelArk で提供されています。
Gen-4.5・Gen-4 Turbo(Runway): Gen-4.5 は文章と画像から、Gen-4 Turbo は画像から動画を作るモデルです。
Grok Imagine Video(xAI): 現行の版は Grok Imagine Video 1.5 で、2026 年 6 月 16 日にプレビュー版から一般提供になりました。

比較表

長さ・解像度・料金

モデル	長さ	解像度	音声	API の料金(2026 年 10 月時点)
Veo 3.1	4・6・8 秒	720p・1080p・4K	あり	$0.40 / 秒(4K は $0.60 / 秒)
Seedance 2.5	4〜30 秒	480P・720P・1080P	あり	トークン単位(下の注)
Seedance 2.0	4〜15 秒	1080P まで	あり	トークン単位(下の注)
Gen-4.5	2〜10 秒	1280×720 など	公表なし	12 credits / 秒
Gen-4 Turbo	2〜10 秒	1280×720 など	公表なし	5 credits / 秒
Grok Imagine Video	1〜15 秒	1080p	あり	$0.080 / 秒(1.5)

Veo 3.1 の 1080p と 4K は、8 秒の動画のときだけ選べます。縦横比は 16:9 と 9:16 です。Veo 3.1 Fast は $0.10(720p)・$0.12(1080p)・$0.30(4K)/ 秒、Veo 3.1 Lite は $0.05(720p)・$0.08(1080p)/ 秒です(どれも音声つきの料金)。
Seedance 2.5 は 24 FPS で、MP4 か MOV で出力します。1 回で最大 30 秒を作り、2 回まで延長できます。Seedance 2.0 の長さと解像度は、BytePlus のページで「最大 1080P・15 秒」と書かれている一方、選べる解像度に 4K を挙げている箇所もあります。
Seedance の API の料金は、秒単位の定額ではなく、使ったトークンの量で計算します(BytePlus の説明)。100 万トークンあたりの単価は、確認した公式のページでは読み取れなかったため載せていません。
Runway の API は 1 credit が $0.01 です。Gen-4.5 は、文章から作るときは横長 1280:720 と縦長 720:1280 だけ、画像から作るときは 960:960 などを含む 7 種類のサイズを選べます。
Grok Imagine Video は、Grok Imagine Video 1.5 が $0.080 / 秒、Lite が $0.020 / 秒、以前の grok-imagine-video が $0.050 / 秒です。1.5 は文章と画像からの生成で 1080p、参照画像を使う生成では 720p までです。長さと解像度の両方で料金が変わると xAI は説明しています。

入力と機能

モデル	入力	参照・そのほかの機能
Veo 3.1	文章・画像	参照画像 3 枚、最初と最後のフレームの指定、延長
Seedance 2.5	文章・画像・動画・音声	画像 30・動画 10・音声 10 まで参照
Seedance 2.0	文章・画像・動画・音声	画像 9・動画 3・音声 3 まで参照
Gen-4.5	文章・画像	HDR での出力
Gen-4 Turbo	画像	公表なし
Grok Imagine Video	文章・画像	参照画像 14 枚・声 3 つ、編集、延長

Veo 3.1 の延長は、1 回 7 秒ずつ最大 20 回、合わせて最大 148 秒までで、720p の動画が対象です。Veo で作った動画には、AI で作ったことを示す見えない透かし SynthID が入ります。
Seedance 2.5 は、1 本の動画に合わせて最大 50 個の素材(画像・動画・音声)を参照できます。
Gen-4.5 の HDR の出力は、2026 年 8 月 20 日に API に加わりました。
Grok Imagine Video は、効果音・環境音・せりふを動画といっしょに作ります。縦横比は 1:1・16:9・9:16・21:9 など 9 種類です。

目的ごとの選び方

各社の公式のページにある説明と機能をもとにまとめました。

1 回で長めの動画を作りたい: 1 回で作れる長さは、Seedance 2.5 が最大 30 秒、Seedance 2.0 と Grok Imagine Video が最大 15 秒です。Veo 3.1 は 8 秒までですが、延長を重ねて最大 148 秒(720p)にできます。
高い解像度で作りたい: 4K を選べるのは Veo 3.1(8 秒のとき)です。Grok Imagine Video 1.5 と Seedance 2.5 は 1080p まで作れます。
音声つきの動画を 1 回で作りたい: Veo 3.1・Seedance・Grok Imagine Video は、音声もいっしょに作ります。Runway の Gen-4.5 と Gen-4 Turbo の音声については、公式のページに記載がありません。
商品の写真や手持ちの素材から作りたい: どのモデルも画像から作れます。動画や音声の素材も参照させたいときは、Seedance が対応しています。
最初と最後の場面を決めたい: Veo 3.1 は、最初と最後のフレームを指定して、そのあいだをつなぐ動画を作れます。
映像の仕上げを重視したい: Gen-4.5 は HDR(BT.2020・HDR10)で出力できます。
日本語で指示したい: Google は Veo について、英語は完全に対応しており、ほかの言語は評価していないと説明しています。ほかのモデルについて、指示の言語の記載はありません。

YOBITSUGI AI で使えるか

YOBITSUGI AI では、この記事で比べた AI を使えます(2026 年 10 月時点)。Google は Veo 3.1(Veo 3.1・Veo 3.1 Fast・Veo 3.1 Lite)、ByteDance は Seedance 2.5・Seedance 2.0、Runway は Gen-4.5・Gen-4 Turbo、xAI は Grok Imagine Video です。Grok Imagine Video で選べるモデルは、アプリのモデルの選択欄で確認できます。YOBITSUGI AI での料金は料金ページに載っています。