動画生成

いめーじとぅびでお

イメージ・トゥ・ビデオとは、静止画像1枚を入力としてAIが連続フレームを自動生成し、動きのある動画クリップへ変換する生成AI技術のこと。

ヴェオ

VeoとはGoogle DeepMindが開発した動画生成AIモデルのこと。テキストプロンプトや静止画から高精細な動画を生成でき、物理的整合性と映像の時間的一貫性においてSoraと並ぶ業界最高水準を誇る。

えーあいあばたー

AIアバターとは、人物の顔・声・動作をAIが生成・合成し、実写さながらの仮想キャラクターや分身を映像として出力する技術のこと。

えーあいどうがへんしゅう

AI動画編集とは、素材選定・カット割り・字幕生成・音声調整などの動画編集工程をAIが自動化する制作手法のこと。

えーあいろとすこーぷ

AIロトスコープとは、動画の各フレームからAIが被写体を自動抽出し、線画やアニメ風の表現に変換する技術のこと。

えこんてからどうが

絵コンテから動画（Storyboard-to-Video）とは、カット割りやカメラワークを描いた絵コンテをAIが解析し、連続した動画クリップへ自動変換する映像制作手法のこと。

えるてぃーえっくすびでお

LTX Videoとは、Lightricksが開発したオープンソースの高速動画生成AIモデルのことで、軽量設計により一般的なGPUでも高速に動画を書き出せる点が特徴。

おんせいどうじせいせいどうが

音声同時生成動画とは、映像と音声（SE・BGM・ナレーション）をAIが一括して同時に生成する動画制作技術のこと。

かいししゅうりょうふれーむしてい

開始終了フレーム指定とは、動画生成AIに始点と終点の2枚の静止画を与え、その間の動きを自動補間させる手法のこと。

かめおしゅつえん

カメオ出演とは、本人が撮影した顔・声の参照データをAI動画生成サービスに登録し、生成動画内に本人そっくりの映像を差し込める機能のことである。

かめらこんとろーる

カメラコントロールとは、AI動画生成においてパン・ティルト・ズーム・ドリーなどのカメラワークをテキストプロンプトやGUIパラメータで指定・制御する機能のこと。

きーふれーむ

キーフレームとは、動画の特定時点における画像・ポーズ・スタイルを固定することで、AI動画生成の動きや構図を制御するための基準フレームのこと。

ぐーぐるふろー

Google Flow(フロー)とは、Googleの動画生成AI「Veo」とImagen、Geminiを組み合わせ、キャラクターやシーンの一貫性を保ちながら短編映像を作れるAI動画制作ツールのこと。

くりんぐ

Kling（可灵）とは、中国の快手（Kuaishou）が開発したAI動画生成モデルのこと。テキストや画像から最大2分・1080pの高品質動画を生成でき、SoraやRunwayと並ぶ有力な動画生成AIとして世界的に注目されている。

ぐろっくいまじん

Grok Imagine とは、 xAI が Grok アプリに統合した動画生成 AI 機能のことで、 テキストや 1 枚の静止画から 数秒の短尺動画を自動生成するツールを指す。

しーだんす

SeedanceとはByteDance（TikTok親会社）が開発した、テキストや画像から高品質な動画を生成するAIモデルのこと。

そら

OpenAI の動画生成 AI。 ChatGPT Pro で利用可能、 最大 20 秒の高品質動画を生成。

ちょうしゃどうがせいせい

長尺動画生成とは、AIを使って数分〜数十分規模の動画コンテンツを自動生成する技術のこと。脚本・ナレーション・映像合成を一気通貫で行い、従来の制作コストを大幅に削減できる。

でぃーてぃー

DiT（拡散トランスフォーマー）とは、画像・動画生成モデルの内部構造でU-Netの代わりにTransformerを用いる拡散モデルのアーキテクチャのこと。

てきすととぅびでお

テキスト・トゥ・ビデオとはテキストプロンプトを入力するだけで動画を自動生成するAI技術のこと。文章から映像・音声・ナレーションまでを一括生成でき、動画制作を民主化する。

てんぽらるいっかんせい

テンポラル一貫性とは、AI動画生成において隣接するフレーム間で被写体・背景・照明などの視覚要素が矛盾なく保たれる性質のこと。

どうがあっぷすけーる

動画アップスケールとは、低解像度や古い動画をAIが解析し、ディテールを補完しながら高解像度・高フレームレートに変換する映像処理技術のこと。

どうがいんぺいんてぃんぐ

動画インペインティングとは、動画フレーム内の指定領域を前後フレームの情報をもとに時系列の整合性を保ちながら自動補完・修復するAI技術のこと。不要オブジェクト除去や映像修復に広く使われる。

どうがえんちょう

動画延長とは、生成AIを使って既存の動画クリップの末尾を自然につなぎ、より長い映像を自動生成する技術のこと。

どうがきゃらくたーいっかんせい

動画キャラクター一貫性とは、AI生成動画において同一キャラクターの顔・体型・服装などの見た目を、複数のシーンやカットをまたいで保持し続ける技術のこと。

どうがすたいるへんかん

動画スタイル変換（Video Restyle）とは、既存の動画のコンテンツ構造を保ちながら映像の見た目・画風・質感だけを別のスタイルに変換するAI技術のこと。

どうがとーくないざ

動画トークナイザとは、動画を時空間パッチや離散的なトークン列に変換し、生成AIモデルが扱える形式にする技術のこと。

どうがりらいてぃんぐ

動画リライティングとは、撮影済み動画の照明・光源をAIで解析し直し、時間帯や光の向き・色温度を後から自在に変更する技術のこと。

とーきんぐへっどどうが

トーキングヘッド動画とは、人物の顔・上半身を映したまま口が動いてしゃべっているように見せるAI生成動画のこと。

はいるお

Hailuo（海螺AI）とは、中国のAIスタートアップMiniMaxが開発した、テキストや参照画像から高品質な動画を自動生成できるAI動画生成ツールのこと。

ぴか

PikaとはテキストプロンプトやAI画像を入力するだけで3〜10秒の高品質な短尺動画クリップを自動生成できるAI動画生成プラットフォームのこと。

ひっぐすふぃーるど

Higgsfield（ヒッグスフィールド）とは、人物の自然な動作表現とシネマティックな映像品質に特化したAI動画生成サービスのこと。

ぶつりせいごうせい

物理整合性とは、AI生成動画や3Dモデルにおいて重力・慣性・衝突などの物理法則に沿った自然な動きが再現されているかを示す指標のこと。

ぷれいあぶるせかいもでる

プレイアブル世界モデル（Genie型）とは、1枚の画像や短いプロンプトから、キー操作などで探索できる仮想空間をリアルタイム生成するAI技術のこと。

ふれーむほかん

フレーム補間とは、映像の既存フレーム間にAIが中間フレームを自動生成し、滑らかな動きや高フレームレートを実現する技術のこと。

へいじぇん

HeyGenとはテキストや台本を入力するだけでAIアバターが登場する動画や多言語吹き替え動画を自動生成できる、企業・クリエイター向け動画制作SaaSのこと。

まるちしょっとせいせい

マルチショット生成とは、1回の生成プロセスで複数のカメラショット（場面転換）を含む動画を、キャラクターや背景の一貫性を保ちながら連続して出力する技術のこと。

もーしょんてんそう

モーション転送とは、ある動画や人物の動き情報を骨格推定で抽出し、別のキャラクターや映像に適用して同じ動きを再現するAI技術のこと。

もーしょんぶらし

モーションブラシとは、静止画の特定領域をブラシで塗ることで、その部分だけをAIが自動的にアニメーション化できる動画生成機能のこと。

もち

Mochiとは、AIスタートアップGenmoが開発した、テキストから動画を生成するオープンソース系の動画生成AIモデルのこと。

らんうぇい

プロ向け AI 動画編集・生成スイート。 Gen-3 / Gen-4 で 映画品質の動画を生成。

りあるたいむどうがせいせい

リアルタイム動画生成とは、テキストや画像の入力に対してほぼ遅延なく動画コンテンツを生成するAI技術のこと。

りっぷしんく

リップシンクとは、動画内の人物の口の動きを音声や台詞と自動で同期させるAI技術のこと。

るまどりーむましん

Luma Dream Machineとは、Luma AIが提供するテキストや画像から高品質な動画クリップを自動生成できるAIビデオ生成ツールのこと。物理的にリアルな映像と滑らかなカメラワークを特徴とする。

わん (つうぎまんそう)

Wan (通義万相) とはアリババ（阿里巴巴）が開発したオープンソースの動画生成 AI モデルのこと。テキストや画像から高品質な短尺動画を生成できる。