画像から動画を作るおすすめAIは？2026年版・同じ写真で5モデルを比較しました

画像から動画を作るおすすめAIをデモで見ると、使い方は簡単そうです。写真をアップロードし、動きを指定すれば動画ができます。ただ、自分の写真を使うとなると、確かめたいことは具体的になります。顔は変わらないでしょうか。指定した動きは実際に再現されるでしょうか。画面の縦横比が勝手に変わることはないでしょうか。

2026年11月4日、画像から動画を生成する5つのAIモデルに同じ写真を渡し、同じ3つの動きを指示しました。5本の動画にかかった費用は合計$0.8105です。各モデルの動画と、何ができたかを確認する表を以下に載せています。

私たちが開発するTokLabでは、この5つのモデルをすべて提供しています。今回の動画もTokLabのAPIで生成しました。画像から動画生成の公開ランキングで首位のSeedance 2.5は、今回は検証していません。理由は記事の後半で説明します。

画像から動画を作るおすすめAIは？まず結論をお伝えします

今回の5つでは Seedance 2.0 Miniがプロンプトを最も忠実に再現しました。傘を下げたのは、このモデルだけです。 MiniMax H3 Standardは、1本$0.0769と約40%の料金で、それに近い結果を出し、写真の縦横比も正確に保ちました。写真がすでに16:9なら Veo 3.1 Fastで$0.168の8秒動画を作れます。それ以外の縦横比の写真には、黒帯が付きます。

動画を見た人がモデル名を知らずに投票するArtificial Analysisのランキングでは、画像から動画生成の首位はSeedance 2.5です。

検証に使った写真と指示をご紹介します

開始フレームは、雨の降る夜の通りで、若い女性が透明な傘の下で笑っている3:2の写真です。AI画像生成ツールの比較検証で作成しました。すべてのモデルに、この写真を最初のフレームとして渡し、次のプロンプトを入力しました。

"She lowers the clear umbrella slightly, keeps laughing and turns to look down the street as the rain keeps falling; a car passes behind her and its headlights sweep across the wet pavement; slow push-in"

動画を見れば、3つの動きを確かめられます。物が動くか（傘が下がる）、本人が動くか（通りの方を向く）、背景で何かが起きるか（車が通り過ぎる）です。各モデルは1回ずつ実行しました。解像度は、顔がはっきり見える範囲で最も低いものを選びました。

画像から動画を生成するAIモデルを一覧で比較できます

出典は、2026年11月4日時点のArtificial Analysis Video Arenaの画像から動画生成ランキングです。同日、各動画の生成でTokLabから請求された金額を併記しています。括弧内にバージョンや解像度の記載がある場合、ランキングの評価対象は今回の動画に使ったものと異なります。

指示を忠実に再現したい方にはSeedance 2.0 Miniがおすすめです

Seedance 2.0 Miniは、入力した指示を最も多く再現しました。動画の中盤で傘が女性の脇まで下がり、そのまま体の向きが変わっていきます。やがて後頭部が見え、画面の右には車のライトが映ります。

「通りの方を振り向く」という指示を文字どおりに実行していますが、そこが注意点でもあります。最後の1秒では顔が見えなくなります。プロフィール動画や広告に使う人物写真なら、通りにちらりと目を向けてから、またこちらを向いてほしいはずです。その動きまでプロンプトに書いてください。

顔そのものは保たれました。気付いた変化は、3秒目までにそばかすが薄くなり、髪が少し短く見えたことだけです。また、動画は元の3:2の写真より少し正方形に近くなっています。元の写真と並べて同じ比率にそろえるなら、わずかな切り抜きが必要です。

大量の写真を動画にするならMiniMax H3 Standardがおすすめです

MiniMax H3 Standardは768pの動画を生成し、写真の3:2の縦横比をピクセル単位で正確に保ちました。切り抜きも余白の追加もありません。女性は笑いながら通りの方へ体を回し、顔が画面から見えなくなります。その後ろを銀色の車が通ります。濡れた路面には車のライトが映っています。

傘の指示は無視されました。動画の最初から最後まで、写真とまったく同じ位置にあります。

1本$0.076926で、Seedance 2.0 Miniの約40%の料金です。まとめて生成するなら、最初に試したいモデルです。100枚の写真を動画にする場合、指示を1つ逃すことよりも、元の構図を維持できることの方が大切でしょう。ランキングでEloが1130のMiniMax H3は768pのモデルで、Seedance 2.0に僅差で続いています。

顔をカメラに向けたままにしたい方にはGrok Imagine Video 1.5がおすすめです

Grok ImagineはSeedanceやMiniMaxとは逆の動きになりました。カメラが近づく動きがはっきり見え、女性は通りの方に首を向けても、顔はこちらに見せたままです。背景では車が通り過ぎます。人物写真なら、こちらの方が使いやすい結果かもしれません。

写真の3:2の縦横比も維持し、57秒と、5つの中で最も早く生成が終わりました。ただし、解像度と料金には注意が必要です。672×448で$0.24と、今回で最も高い動画になりました。Grokの動画は最短でも6秒になることが、その一因です。

音声なしで素早く試作するならPixVerse v6がおすすめです

PixVerse v6は、振り向く動きをうまくしぐさとして見せました。車が通ると女性は肩越しに振り向き、またカメラの方を向いて笑います。戻る動きは指示していませんが、自然な一場面に見えます。

音がないのは、PixVerseでは音声に追加料金がかかり、今回は有効にしなかったためです。縦横比は元の写真との差が数ピクセルに収まり、見て分かる切り抜きはありません。

すでに16:9の写真ならVeo 3.1 Fastがおすすめです

Veo 3.1 Fastは、今回で最も長い8秒、720pの動画を生成しました。女性が顔を少し横に向け、暗い色の車が通り、傘に雨が降ります。動きは滑らかです。出来のよい動画ですが、左右に黒帯が付いています。

Veoは3:2の写真を16:9の画面の中央に置き、両側を黒で埋めました。黒帯は切り取れますが、その分、料金を払って生成した動画よりもサイズが小さくなります。写真がすでに16:9なら、この問題は起きません。$0.168で8秒の動画を作れるのは割安です。Veo 3.1はどのバージョンも1本8秒で生成します。

比較したいのはアプリですか？それとも中のモデルですか？

画像から動画を生成するアプリの多くは、こうしたモデルを使っています。ByteDanceのDreaminaはSeedanceを、GoogleのFlowはVeoを使い、HailuoはMiniMaxのアプリです。Grok ImagineはGrok内で使えます。同じ写真から2つのアプリでよく似た動画ができる場合、同じモデルを使っていることがよくあります。

そこで今回の検証では、アプリではなくモデルを比較しました。操作画面、無料クレジット、透かしの有無はアプリによって決まります。傘が下がるかどうかは、モデルによって決まります。

画像から動画を生成するAIには、まだ苦手なことがあります

集合写真の顔です。 Nemovideoによる画像から動画生成ツールのレビューでは、顔を安定して保つことは「今も確かに問題として残っている」とされ、特に難しいのは集合写真だと述べています。今回のように顔が1つなら、5つのモデルすべてで、同じ人物だと分かる顔を維持できました。集合写真を任せる前には、別に試してください。

物の動きの指示です。 5つのモデルすべてが女性の顔の向きを変え、車を追加しました。それでも4つは、傘をまったく動かしませんでした。本人の動きに比べ、持っている物の動きは指示が通りにくいようです。

写真の縦横比です。 3つのモデルは写真の3:2の縦横比を正確に、または数ピクセルの差で保ち、1つは少し正方形に近くなり、1つは黒帯を付けました。16:9以外の写真を100枚まとめて処理するなら、まず1枚で試して、画面の端を確認してください。

ほかの比較記事で紹介されている画像から動画生成アプリもご紹介します

Runway、Pika、Lumaは、画像から動画を生成するツールの比較記事の多くで紹介されています。今回の検証には含めていません。以下は、2026年11月4日時点の各アプリの料金ページに掲載されている情報です。

動画にしたい写真をこれらのアプリで試すなら、上で見たのと同じ3点を確認してください。顔が保たれたか、指示した動きが再現されたか、画面の縦横比が維持されたかです。

今回は検証しなかったモデルもご紹介します

Artificial Analysisの画像から動画生成ランキングでは、Seedance 2.5が1159で首位、Seedance 2.0が1135で続いています。TokLabでSeedance 2.5の480p、4秒の動画を作ると約$0.41で、今回のどの動画よりも高く、5本の合計費用の約半分に当たります。そのため、今回はSeedance 2.0 Miniを使いました。Kling 3.0とWan 3.0も検証には含めていません。仕上げの1本を高品質なモデルで生成する予算があるなら、ランキングが示す候補はSeedance 2.5です。

よくある質問にお答えします

顔が変わらない画像から動画生成AIはどれですか？

今回の5つのモデルはすべて、1人の顔を同じ人物だと分かる状態に保ちました。Seedance 2.0 Miniでは、そばかすが少し薄くなりました。集合写真では顔の変化が大きくなるため、別に試してください。

画像から生成する動画は何秒まで作れますか？

今回の動画は5〜8秒です。これらのモデルの多くは1回で最大15秒、Seedance 2.5は最大30秒まで生成できます。

画像から動画を生成できる無料AIはありますか？

ありますが、制限があります。DreaminaはSeedanceによる画像から動画生成を無料で利用できると案内しています。ほかの無料プランでも、動画の長さ、解像度、1日に作れる本数に上限があるのが一般的です。上記モデルのTokLabでの現在の料金は、料金ページで確認できます。