AI動画生成API
Veo 3.1、Seedance 2.5、Kling V3、Wan 3.0、Hailuo 2.3 などを1つの API キーで呼び出せます。テキストから動画・画像から動画の両方に対応し、料金はモデルごと。全モデルが定価の20%オフです。
テキストから動画・画像から動画 API モデル
以下の動画モデルはすべて同じ APIMart キー、非同期タスクの流れ、課金方式を共有しています。モデルを開くと、パラメータ、料金表、コード例を確認できます。
FLUX 3 Video API
Black Forest LabsのFLUX 3 Videoは、テキスト動画、1～10枚の順序付きキーフレームを使う画像動画、動画継続生成、ドラフト高画質化に対応します。同期音声付きの5～20秒のHD/FHD動画を生成でき、セーフティ許容度を設定できます。結果はAPIMart CDNに保存されます。
ネイティブ音声5～20秒順序付きキーフレームHDとFHDAPI と料金を見る →Wan 3.0 API
Wan 3.0 API（Wan3.0）は、APIMartのWan APIからAlibabaの最新Wan動画モデルを利用できます。プロンプトだけ、または先頭フレーム（末尾フレームは任意）、あるいは画像・動画・音声・ドキュメント・Webページを参照に渡し、2〜30秒、480P/720P/1080Pの動画を生成します。音声は既定で付きます。モデルID：wan3.0-video。
最大30秒480P / 720P / 1080Pフレームまたは参照素材既定で音声付きAPI と料金を見る →Wan 3.0 Prime API
APIMartのWan 3.0 Prime API（wan3.0-video-prime）は、AlibabaのWan 3.0シリーズのPrimeモデルです。wan3.0-videoとまったく同じパラメータを受け付け、プロンプト、先頭・末尾フレーム、または画像・動画・音声・ドキュメント・Webページの参照から、2〜30秒・480P/720P/1080Pの動画を生成します。音声はデフォルトでオン。モデルIDと1秒あたりの料金は独立しています。
Wan 3.0と同じ入力最長30秒480P / 720P / 1080P独自のモデルと料金API と料金を見る →Veo 3.1 API
APIMart上のVeo 3.1 APIは、Google Veo 3 APIの最新世代として veo3.1-fast と veo3.1-quality の両モデルを提供します。Veo 3.1はGoogle DeepMindによるVeo 3のアップグレード版で、強化されたオーディオビジュアル品質、ネイティブ同期音声、プロフェッショナルな動画制作のための高度な映画的コントロールを備えています。
商用利用可API と料金を見る →Gemini Omni 1.1 Flash API
Gemini Omni 1.1 Flashは、Googleが正式提供するGemini Omni APIのマルチモーダル動画モデルです。動画生成、自然言語による編集、フレーム補間、動画延長に対応します。APIMartでは専用の公式チャネルを通じて提供し、非同期タスク追跡と解像度別課金を利用できます。Omni Flash API 経由の Gemini Omni Flash は出力解像度ごとに課金され、各ティアの最新の Google Omni 料金は本ページのリアルタイム料金表で確認できます。
マルチモーダル動画開始・終了フレーム360p〜4KAPI と料金を見る →Gemini Omni 1.1 Flash Ext API
APIMart の Gemini Omni 1.1 Flash Ext API は、効率的なテキストから動画生成を提供します。model、prompt、duration、resolution、size、任意の image_urls を送信して、統一動画生成エンドポイントから AI 動画を作成できます。
テキストから動画高速生成シンプル APIAPI と料金を見る →Gemini Omni Flash Preview API
APIMart上のGemini Omni Flash Preview APIは、テキストから動画、画像から動画、動画から動画への合理化された生成を提供します。統合された動画生成エンドポイントを通じてmodelとpromptを送信でき、このモデルのテスト、統合、スケールが容易になります。
テキストから動画へ画像から動画へ動画から動画へAPI と料金を見る →PixVerse V6 API
APIMartのPixVerse V6 APIは、精密制御とネイティブな芸術表現に重点を置いた動画モデルを開発者に提供します。PixVerseで映画的な制御、物理感のある動き、高精細な人物表現、動的な美学、参照メディア誘導、本番向けAI動画ワークフローを構築できます。
テキストから動画画像から動画精密制御API と料金を見る →PixVerse V6 Max API
PixVerse V6 Max は PixVerse V6 の高画質版です。 PixVerse V6 Max API は pixverse-v6-max を使い、テキストまたは1枚の画像から動画を生成します。1～15秒、360p/540p/720p/1080p、任意のネイティブ音声に対応。最初と最後のフレームによるトランジション、複数画像の融合、動画延長には別モデルの PixVerse V6 を利用できます。
テキスト・画像から動画1～15秒任意のネイティブ音声API と料金を見る →Kling 4.0 API
Kling 4.0 API（kling-v4）はテキスト・画像からの動画生成、複数素材の参照、動画編集、続編生成に対応。720p または 1080p、3～30 秒で、常にステレオ音声を含みます。
5 つの動画モード720p / 1080pステレオ音声API と料金を見る →Kling 3.0 API
APIMartのKling APIでは、Kuaishou（快手）のKling 3.0動画モデル（モデルID kling-v3）を利用できます。テキストから動画、最初のフレームまたは最初と最後のフレームからの画像から動画に対応し、3〜15秒、720p・1080p・4K、ネイティブ音声とマルチショットも選べます。APIMartのキー1つで呼び出せます。
テキストから動画画像から動画ネイティブ音声API と料金を見る →Kling 3.0 Omni API
APIMartのKling V3 Omni APIは、KuaishouのAI動画生成モデルを提供します — kling-v3-omniの万能マルチモーダル機能で、テキスト、画像、動画を組み合わせた生成、動画の特徴参照や編集が可能です。1つのAPIMartキーで利用できます。
商用利用高画質マルチモーダルAPI と料金を見る →Kling 2.6 API
Kling 2.6 APIはAPIMartで優れたコストパフォーマンスを備えた実績あるAI動画生成を提供します。オーディオ生成、ダイナミックマスク、カメラコントロール、ネガティブプロンプトをサポートし、精密な創作コントロールを実現。
商用利用オーディオ対応カメラ制御API と料金を見る →Kling 3.0 Turbo API
Kling 3.0 Turbo は Kuaishou が提供する速度最適化型の Kling AI 動画モデルで、APIMart 上で優れた速度と品質のバランスを実現します。低遅延の本番運用向けに調整され、テキストから動画、画像から動画、柔軟なアスペクト比、マルチショットプロンプトに対応します。
商用利用低遅延高速生成API と料金を見る →Kling Motion Control 2.6 API
APIMart の Kling Motion Control 2.6 は、参照画像と参照動画を使って被写体の動きを生成クリップに転写します。kling-v2-6-motion-controlには std（720p）と pro（1080p）の 2 モードがあります。出力の長さは参照動画に従い、秒単位で課金されます。任意のプロンプト、キャラクターの向き、音声や透かしの設定も指定できます。1 つの API で Kling AI Motion Control を自社アプリに組み込めます。modelにkling-v2-6-motion-controlを指定して利用できます。
モーション制御参照画像参照動画商用利用API と料金を見る →Kling 3.0 Motion Control API
APIMart の Kling V3 Motion Control は、参照画像と参照動画を使って被写体の動きを生成クリップに転写します。kling-v3-motion-controlには std（720p）と pro（1080p）の 2 モードがあります。出力の長さは参照動画に従い、秒単位で課金されます。任意のプロンプト、キャラクターの向き、音声や透かしの設定も指定できます。1 つの API で Kling AI Motion Control を自社アプリに組み込めます。modelにkling-v3-motion-controlを指定して利用できます。
モーション制御参照画像参照動画商用利用API と料金を見る →Kling Video O1 API
APIMartのKling Video O1 APIは、Kuaishouのフラッグシップ AI動画生成モデルです。kling-video-o1の思考駆動型生成により、高度な推論能力を通じて最高品質の出力を実現し、比類のない視覚的忠実度を提供します。
フラッグシップ思考駆動最高品質API と料金を見る →MiniMax Hailuo 02 API
APIMartのMiniMax Hailuo 02は、最新世代のAI動画モデルであり、優れた画質、高い動作の一貫性、およびプロフェッショナルグレードのパフォーマンスを提供します。Hailuo 02（Hailuo 2 と表記されることもあります）は、API リクエストでモデル ID MiniMax-Hailuo-02 を使用します。
商用利用高品質API と料金を見る →MiniMax Hailuo 2.3 API
APIMartのMiniMax Hailuo 2.3は、最新世代のAI動画モデルであり、優れた画質、高い動作の一貫性、およびプロフェッショナルグレードのパフォーマンスを提供します。このページでは MiniMax-Hailuo-2.3 を使用し、テキストからの動画生成と開始フレーム画像からの動画生成に対応します。
商用利用高品質API と料金を見る →MiniMax Hailuo 2.3 Fast API
APIMartのMiniMax Hailuo 2.3 Fastは、最新世代のAI動画モデルであり、優れた画質、高い動作の一貫性、およびプロフェッショナルグレードのパフォーマンスを提供します。このページでは MiniMax-Hailuo-2.3-Fast を使用します。画像から動画を生成し、開始フレーム画像が毎回必要です。
商用利用高品質API と料金を見る →MiniMax H3 API
APIMart上のMiniMax H3は最新世代のAI動画モデルで、ネイティブ2K出力、高い動きの一貫性、マルチモーダル参照、プロ級の画質を提供します。
商用利用高画質API と料金を見る →MiniMax H3 Max API
APIMart上のMiniMax H3 Maxは最新世代のAI動画モデルで、最大1080P出力、高い動きの一貫性、マルチモーダル参照、プロ級の画質を提供します。
商用利用高画質API と料金を見る →Vidu Q3 API
Vidu Q3 はプロンプトと参照画像から動画を生成し、被写体や視覚スタイルを新しいシーンに引き継ぎます。最大七枚の参照画像でキャラクターやシーンの一貫性を導けます。
商用利用高画質参照画像から動画API と料金を見る →Vidu Q3 Pro API
Vidu Q3 Pro は極上の画質とシネマティックな表現力を追求し、ハイエンド制作に対応します。テキストから動画、最初と最後のフレームを使った画像から動画を生成できます。
商用利用高画質テキスト・画像から動画API と料金を見る →Vidu Q3 Turbo API
Vidu Q3 Turbo は生成速度と視覚品質を両立し、高速イテレーションや大量生産に対応します。テキストから動画、最初と最後のフレームを使った画像から動画を生成できます。
商用利用高画質高速生成API と料金を見る →Vidu Q3 Mix API
Vidu Q3 Mix はプロンプトと参照画像から動画を生成し、被写体や視覚スタイルを新しいシーンに引き継ぎます。最大七枚の参照画像でキャラクターやシーンの一貫性を導けます。
商用利用高画質参照画像から動画API と料金を見る →Vidu Q4 Preview API
Vidu Q4 Previewは、1枚の先頭フレームによる動画生成と、1〜15枚の参照画像および任意の参照音声を使う動画生成に対応します。viduq4-preview APIは3〜16秒、最大4Kの5段階解像度、生成音声、シード制御を提供します。テキストのみの生成や終了フレーム制御には対応しません。
画像から動画参照素材から動画3〜16秒最大4KAPI と料金を見る →Wan 2.5 API
Wan 2.5 API（Wan2.5 Preview）は、APIMartでモデルID wan2.5-previewからAlibabaのWan 2.5動画モデルを利用できます。テキストプロンプトまたは画像1枚から、5秒または10秒、480p/720p/1080pの動画を生成し、すべてのクリップに生成音声または自分の音声トラックが付きます。
5 / 10秒480p / 720p / 1080p音声付きテキスト・画像から動画API と料金を見る →Wan 2.6 API
Wan 2.6 API（Wan2.6）は、APIMartでモデルID wan2.6からAlibabaのWan 2.6動画モデルを利用できます。テキストプロンプトまたは画像1枚から、5・10・15秒、720pまたは1080pの動画を生成し、マルチショットのストーリー、生成音声またはカスタム音声、画像から動画のエフェクトテンプレートに対応します。
5 / 10 / 15秒720p / 1080pマルチショット音声とエフェクトAPI と料金を見る →Wan 2.6 I2V API
APIMartのWan 2.6 I2V API（wan2.6-i2v）は、Alibabaの画像から動画専用モデルWan 2.6を提供します。先頭フレーム画像1枚と任意のプロンプトを送ると、5・10・15秒・720pまたは1080pの動画を生成します。シングルショットかマルチショットを選べ、カスタム音声トラックも追加できます。
画像から動画5 / 10 / 15秒720p / 1080pマルチショットAPI と料金を見る →Wan 2.6 I2V Flash API
APIMartのWan 2.6 I2V Flash API（wan2.6-i2v-flash、Wan 2.6 Flashとも呼ばれます）は、AlibabaのWan 2.6 Flash画像から動画モデルを提供します。先頭フレーム画像1枚と任意のプロンプトから、2〜15秒の任意の長さ・720pまたは1080pの動画を生成します。音声は自動生成、自分の音声トラック、無音から選べ、マルチショットにも対応します。
2〜15秒の任意の長さ音声ありか無音720p / 1080pマルチショットAPI と料金を見る →Wan 2.7 API
Wan 2.7 API（Wan2.7）は、APIMartで1つのモデルID wan2.7からAlibabaのWan 2.7動画モデルを利用できます。テキストプロンプト、先頭フレーム、先頭・末尾フレーム、または続きを生成したい動画から2〜15秒・720Pまたは1080Pの動画を作り、参照音声に合わせることもできます。
2〜15秒720P / 1080P先頭・末尾フレーム動画の続き生成API と料金を見る →Wan 2.7 R2V API
APIMartのWan 2.7 R2V API（wan2.7-r2v）は、AlibabaのWan 2.7参照動画生成モデルを提供します。キャラクター、小道具、シーンの参照画像・動画を最大5つ渡してプロンプトで指定すると、その見た目を保った2〜15秒・720Pまたは1080Pの新しいショットを生成します。キャラクターごとに参照ボイスも指定できます。
参照から動画参照は最大5つ2〜15秒参照ボイスAPI と料金を見る →Wan 2.7 Video Edit API
APIMartのWan 2.7 Video Edit API（wan2.7-videoedit）は、AlibabaのWan 2.7動画編集モデルを提供します。2〜10秒の元動画と指示を送るだけで、服装の変更、背景の差し替え、要素の追加、全体のスタイル変換ができ、最大4枚の参照画像でも誘導できます。出力は720Pまたは1080Pで、元の音声を残すか再生成するかを選べます。
指示で編集スタイル変換参照画像は最大4枚音声は維持か再生成API と料金を見る →Grok Imagine Video API
APIMartのGrok Imagine API（動画）はxAIのgrok-imagine-videoモデルを呼び出します。テキストから動画、1枚以上の参照画像を使った画像から動画、既存動画の編集に対応。出力は1〜15秒、480pまたは720pで、出力秒数に応じて課金されます。
動画生成画像から動画動画編集API と料金を見る →Grok Imagine Video 1.5 API
APIMartのGrok Imagine Video 1.5 APIは、xAIの動画モデルでテキストから動画とGrokの画像から動画（image to video）の両方に対応します。プロンプトを送るだけでなく、参照画像のURLを加えれば静止画を動かすこともでき、卓越した映像忠実度の高品質動画を生成します。このページは公式 grok-imagine-video-1.5 と grok-imagine-1.5-video-ext を提供します。
動画生成高品質API と料金を見る →SkyReels V4 Std API
SkyReels V4 Std は APIMart で提供中です。このページでは skyreels-v4-std を使用します。SkyReels V4研究モデルはSkywork AI初の動画+音声統合基盤モデルです。SkyReels V4は1080p/32 FPS/15秒クリップ、ネイティブ音声、シネマ品質のマルチショット一貫性を1回の生成で提供します。現在の APIMart API は音声と動画の同時出力に対応していません。
動画生成480p / 720p / 1080pAPI と料金を見る →SkyReels V4 Fast API
SkyReels V4 Fast は APIMart で提供中です。このページでは skyreels-v4-fast を使用します。SkyReels V4研究モデルはSkywork AI初の動画+音声統合基盤モデルです。SkyReels V4は1080p/32 FPS/15秒クリップ、ネイティブ音声、シネマ品質のマルチショット一貫性を1回の生成で提供します。現在の APIMart API は音声と動画の同時出力に対応していません。
動画生成480p / 720p / 1080pAPI と料金を見る →Seedance 1.0 Pro Quality API
APIMart の Seedance 1.0 Pro API では、ByteDance Seedance 1.0 Pro の高品質ティア（モデル ID seedance-1-0-pro-quality）を利用できます。テキスト、先頭フレーム、または先頭・末尾フレームから、480p、720p、1080p で 2〜12 秒のクリップを生成します。
高品質ティアテキストから動画先頭・末尾フレーム最大 1080pAPI と料金を見る →Seedance 1.0 Pro Fast API
APIMart の Seedance 1.0 Pro Fast API では、Seedance 1.0 Pro の高速ティアである ByteDance の seedance-1-0-pro-fast モデルを、プレビューや反復作業向けに利用できます。テキストまたは先頭フレーム画像から、480p、720p、1080p で 2〜12 秒のクリップを生成します。
Fast ティアテキストから動画先頭フレームから動画最大 1080pAPI と料金を見る →Seedance 1.5 Pro API
APIMart の Seedance 1.5 Pro API では、映像と同時にサウンドを生成する動画モデル ByteDance Seedance 1.5 Pro を利用できます。テキストまたは先頭・末尾フレーム画像から、480p、720p、1080p で 4〜12 秒のクリップを作成します。
ネイティブ音声テキストから動画画像から動画最大 1080pAPI と料金を見る →Seedance 2.0 API
APIMart の Seedance 2.0 API では、ByteDance の動画モデル Seedance 2.0（Volcano Engine では Doubao-Seedance-2.0 として提供）を利用でき、テキストから動画、画像から動画、先頭・末尾フレーム指定、マルチモーダル参照による生成をネイティブ音声付きで行えます。1 つの Seedance API キーで、Seedance 2 API の全バリアント（seedance-2.0、seedance-2.0-fast、seedance-2.0-mini）を利用できます。
テキストから動画画像から動画ネイティブ音声最大 4KAPI と料金を見る →Seedance 2.0 Fast API
APIMart の Seedance 2.0 Fast API では、ByteDance の seedance-2.0-fast モデルを利用できます。標準の Seedance 2.0 と同じ機能を備え、生成がより高速です。テキストから動画、画像から動画、先頭・末尾フレーム指定、マルチモーダル参照によるクリップを、480p または 720p でネイティブ音声付きで生成できます。1 つの Seedance API キーで、Seedance 2 API の全バリアント（seedance-2.0、seedance-2.0-fast、seedance-2.0-mini）を利用できます。
高速生成テキストから動画画像から動画480p / 720pAPI と料金を見る →Seedance 2.0 Mini API
APIMart の Seedance 2.0 Mini API では、ByteDance の seedance-2.0-mini モデルを利用できます。標準の Seedance 2.0 と同じ機能を備え、プロンプトに文字数の上限がありません。テキストから動画、画像から動画、先頭・末尾フレーム指定、マルチモーダル参照によるクリップを、480p または 720p でネイティブ音声付きで生成できます。1 つの Seedance API キーで、Seedance 2 API の全バリアント（seedance-2.0、seedance-2.0-fast、seedance-2.0-mini）を利用できます。
プロンプト文字数無制限テキストから動画画像から動画480p / 720pAPI と料金を見る →Seedance 2.5 API
Seedance 2.5 API は、ByteDance の制作向け音声・動画基盤モデルを提供します。最大 1080p の 30 秒動画を 1 回でネイティブ生成し、最大 50 件のマルチモーダル参照（画像 30 枚・動画 10 本・音声 10 本）、先頭・末尾フレーム制御、動画編集と延長に対応。広告、EC、映像プリビズに活用できます。Dreamina で提供されている Dreamina Seedance 2.5 と同じモデルです。
AI動画30秒クリップマルチモーダル参照ネイティブ音声API と料金を見る →HappyHorse 1.0 API
HappyHorse 1.0 API で利用できる HappyHorse は、Alibaba ATH-AI による統合型マルチモーダル動画モデルです。HappyHorse は単一のフォワードパスで1080p動画と同期したネイティブ音声を生成し、7言語のリップシンクに対応、Artificial Analysis のテキスト→動画および画像→動画リーダーボードで1位を獲得しています。Happy Horse とも表記されるため、Happy Horse API と HappyHorse API は同じサービスです。本ページの HappyHorse 1.0 は、テキスト、最初のフレーム、参照画像からの動画生成とソース動画の編集に対応します。
Text to VideoImage to VideoNative Audio1080pAPI と料金を見る →HappyHorse 1.1 API
本ページの HappyHorse 1.1 は、テキスト、最初のフレーム、または1〜9枚の参照画像から720P・1080P動画を生成します。動画編集には対応していません。アーキテクチャと性能に関する情報は HappyHorse 1.0 に基づきます。HappyHorse 1.0 API で利用できる HappyHorse は、Alibaba ATH-AI による統合型マルチモーダル動画モデルです。HappyHorse は単一のフォワードパスで1080p動画と同期したネイティブ音声を生成し、7言語のリップシンクに対応、Artificial Analysis のテキスト→動画および画像→動画リーダーボードで1位を獲得しています。
Text to VideoImage to Video参照画像1080pAPI と料金を見る →
動画生成APIの選び方
音声付きのシネマティックな品質
Veo 3.1、Seedance 2.5 は音声と同期したリアルな物理表現の動画を生成でき、広告、予告編、ストーリー作品に適しています。
画像から動画とキャラクターの一貫性
Kling V3、Seedance、Wan シリーズは参照画像の被写体を保ったままアニメーション化でき、商品動画やアバターに便利です。
モーション制御とカメラワーク
Kling V2.6 Motion Control は参照動画から動きを転写できるため、人物の動作やカメラの軌道を細かく指示できます。
低コストで大量の下書き生成
Veo 3.1 Fast、Seedance 2.0 Fast、Hailuo 2.3 Fast などの高速版・軽量版は秒単価が低く、プレビューやバッチ生成に向いています。
AI動画生成API よくある質問
おすすめのAI動画生成APIはどれですか？
用途によって異なります。音声付きのシネマティックなリアリティなら Veo 3.1、画像から動画や一貫性重視なら Seedance 2.5 と Kling V3、大量の下書きには高速版が適しています。APIMart なら1つのキーですべて試せます。
動画生成APIの料金はいくらですか？
動画モデルはモデルと解像度に応じて、秒単位またはクリップ単位で課金されます。各モデルページに料金表をすべて掲載しており、全モデルが定価の20%オフ、さらにメンバーシップで最大28%お得になります。
テキストから動画、画像から動画の両方に対応していますか？
はい。ほとんどの動画モデルはテキストプロンプト、1枚以上の参照画像、またはその両方を入力できます。対応する入力、尺、解像度は各モデルページに記載しています。
動画生成APIはどうやって呼び出しますか？
API キーを作成し、プロンプトとパラメータを付けて生成リクエストを送信したら、動画が完成するまでタスク ID をポーリングします。リクエスト形式はモデル間で共通なので、モデルの切り替えはモデル名を変えるだけです。
動画生成に失敗した場合も課金されますか？
いいえ。料金は生成に成功した分だけで、失敗したタスクには課金されません。