2026年の動画生成AIモデル比較：制御、品質、API費用

商品動画は、カメラが回って二つ目の取っ手が現れるまでは説得力があるように見えます。APIは動画を返しましたが、使えるカットはまだ得られていません。生成モデルを選ぶには、どの入力と制御なら被写体を保てるかを判断し、不採用にしたテイクの費用まで数える必要があります。

一般的な短編動画なら、Gemini Omni FlashとRunway Gen-4.5から比較します。 承認済みの最初のフレームを低価格で動かすならGen-4 Turboを加えます。Veoの明示的な延長・フレーム制御パラメーターが必要な工程では、該当するVeo 3.1構成を比べます。これは文書化された工程から選んだ候補であり、独自の動画ベンチマーク結果ではありません。

価格とドキュメントは2026年9月14日に確認しました。これは選定したAPIの比較であり、全動画モデルの一覧や一般消費者向け編集サブスクリプションのレビューではありません。生成したカバー画像や仮定の合格率を、モデル比較の証拠として扱ってはいません。

すでに持っている入力から始める

Googleの動画生成概要は現在、標準候補としてGemini Omni Flashを勧める一方、Veoを使う具体的な理由も示しています。Omniガイドは、生成と対話型編集を説明しています。古いVeoだけの比較を繰り返さず、現在の候補一覧に含める理由になります。

Omniの現在の安定版IDはgemini-omni-1.1-flashです。ガイドには始点・終点画像や動画延長もあります。Veoの明示的パラメーターは別の制御方法であり、これらの機能がVeo専用という意味ではありません。Omniでは現在、EEA、スイス、英国でアップロード動画の編集・延長を利用できません。

Runwayのモデル一覧では、文章または画像を入力できるGen-4.5と、画像入力のGen-4 Turboを区別しています。両方が文章プロンプトだけから始まるように比較してはいけません。承認済み素材をすでに持っていなければ、最初のフレームの準備も追加作業です。

Veoのモデルガイドは、Standard、Fast、Liteの違いを説明しています。3.1エンドポイントはプレビューと明記され、すべての構成が同じ参照機能や延長機能に対応するわけではありません。ファミリー名だけでなく、実際の構成を照合してください。

新しい連携でSoraから始めることは勧めません。OpenAIの動画APIリファレンスでは、2026年9月24日に恒久停止するとされています。まもなく消えるエンドポイントは、安くても採用できません。

動画料金には提供元と構成が必要

以下は米ドル料金です。税、再試行、編集、追加素材を除いた利用部分であり、完成制作物の見積もりではありません。

Omniの秒あたり概算は動画出力分で、マルチモーダルリクエスト全体ではありません。入力と文章出力も請求に含めます。RunwayのAPIクレジットは1クレジット$0.01で、一般消費者向けプランのクレジットとは異なります。業務向け出力形式などの追加処理には別料金がかかる場合があります。

上記のVeo構成では、8秒の720p生成にLite、Fast、Standardでそれぞれ**$0.40、$0.80、$3.20**かかります。同じ長さの価格比較であり、画質が同等だという証拠ではありません。Runwayの基本生成料金を、同等の音声が含まれる約束として読んではいけません。

同じモデルでも提供元が変われば費用は異なります。Runwayでは音声付きVeo 3.1 Fastを毎秒15クレジットとしていますが、上記Gemini APIの720p料金は$0.10です。試験結果を保存するときは、提供元と正確なリクエスト設定も記録してください。

サムネイルではなくカット全体を確認する

架空の制作依頼を考えます。取っ手が一つだけの無地の陶器マグを、固定した面に置いた8秒の商品動画です。カメラは正面から右へゆっくり移動します。マグは回転せず、形を変えず、文字も二つ目の取っ手も増えてはいけません。環境音は許可しますが、話し声と音楽は使いません。

これは候補すべてで実行したプロンプトではなく、合格条件の例です。カメラの動きと物の動きを分け、カットを使えなくする細部を明示しています。「映画のような商品動画」と依頼するだけでは、これらの要件は定まりません。

通常速度で再生し、冒頭、中間、終わりを確認します。形の変化、接地の不整合、不要なカット、意図した側面を見せないカメラ移動を探してください。音声も別に聞きます。映像がよくても、音に望まないブランド名の読み上げが隠れていれば承認しません。

画像から動画を作る場合は、権利を持つ同じ開始画像をすべての候補に与えます。文章から動画を作る試験は別のグループにします。一方だけが入念に準備した参照画像を受け取り、もう一方が物体そのものから作るなら、異なる作業量を測っています。

難しかったテイクも記録に残します。各モデルの最良結果だけを並べたギャラリーでは、それを得るまでの作業量が隠れます。今後実地比較を公開するなら、読者が判断を理解できるよう、依頼、設定、試行、不採用結果を十分に示します。

採用クリップと編集時間を数える

二つの架空の工程が8秒クリップを作るとします。Aは1回$0.80で4回に1回合格し、Bは1回$1.60で2回に1回合格します。この合格率が安定すると仮定すれば、レビュー前の合格クリップ1本あたりはどちらも**$3.20**です。これは説明用の架空工程で、VeoやRunwayの測定値ではありません。

ここに視聴、ダウンロード、切り抜き、変更依頼の時間を加えます。Bが人の確認回数を減らせるなら、生成費が同じでも全体では安くなるかもしれません。反対に、高価なモデルがなお商品を変えるなら、その追加費用に見合いません。

最初のフレームを作る工程では、静止画分の予算を画像生成モデル比較で別に考えます。管理された台本の音声には、別の制作工程として音声合成APIを比べます。動画モデルが生成するせりふを、承認済みナレーション工程の代わりにできるとは考えないでください。

同じ入力を受け取れる候補を二つ選び、カット要件を固定し、合格クリップが得られるまでの支出をすべて記録します。その仕事における勝者は、必要な映像を許容できる総費用で安定して届ける工程です。

参考資料

• Googleの動画概要、Gemini Omniガイド、Veoガイド：現在の選択肢と入力制御。
• Gemini APIの料金：動画出力と構成別料金。
• RunwayのモデルとAPI料金：入力形式、クレジット、追加料金。
• OpenAI動画APIリファレンス：Soraの停止予定。