動画生成AI｜6モデル比較。30秒つくれるのはSeedance 2.5とWan 3.0だけです

第1回で、動画生成AIを1本つくった。次に決めるのは「どれを使うか」。基準は1つでええ。何秒つくれるか、や。

長さで絞ったら、30秒は2つだけ

日本語の比較記事は「高画質」「使いやすい」といった曖昧な評価軸で並んどることが多い。それやと、初心者は選べへん。比較記事を何本も読んで、結局どれが一番なのか分からへんまま止まっている人もおるはずや。

この記事では、評価軸を1つに絞る。長さや。

モデル	開発元	単発の長さ
Seedance 2.5	ByteDance	30秒（2回まで延長可）
Wan 3.0	Alibaba	30秒
Kling 3.0	快手（Kuaishou）	3〜15秒
MiniMax H3	MiniMax	15秒
Gemini Omni Flash	Google	10秒
Veo 3.1	Google	4／6／8秒

30秒のショート動画を1本つくるなら、この時点で選択肢は2つに絞れる。Seedance 2.5とWan 3.0や。「Veo 3.1が高性能」と言われても、8秒しか作れへんかったら、30秒には4回つなぐ必要が出てくる。長さで先に絞るだけで、ここから先の迷いが減る。

なぜ長さを最初の基準に置くかというと、あとから変えられへん条件やからや。参照素材の数、音声の対応、料金プランは、使いながら調整できる部分が多い。一方で、単発で何秒までしか作れないか、という上限は、モデルそのものの仕様であって、使い方でどうにかなるものやない。動かせない条件から先に決めると、残りの判断が一気に楽になる。

8秒を4回つなぐのと、30秒を1回。何がちがうか

「高性能」と「使いやすい」は別の話になる。8秒のモデルで30秒をつくろうとすると、4回生成して、4つのクリップをつなぐ作業が発生する。カットのつなぎ目で、人物の顔や商品の見え方が微妙にズレることがある。これは第6回（一貫性・参照画像）で扱う問題そのものや。

一方、30秒を1回で生成できるモデルなら、つなぎ目そのものが要らへん。生成する回数も、失敗したときにやり直す手間も少なくなる。今日つくりたいのが30秒の1本なら、まずこの2つに候補を絞ってから、細かい違いを見ていくほうが早い。逆に、15秒以内で完結する短いカットの寄せ集めでよければ、8秒〜15秒のモデルも候補から外す理由はない。

Seedance 2.5｜参照素材を50個渡せる

Seedance 2.5は、30秒を1回で生成でき、2回まで延長できる。解像度はモデル仕様として480P・720P・1080Pに対応する。音声と映像を同時に生成する。

そして、他のモデルと桁がちがう項目が1つある。参照素材の数や。

モデル	同時に渡せる参照素材
Seedance 2.5	最大50個
Wan 3.0	20素材（＋文書ファイル）
Gemini Omni Flash	写真5枚
Kling 3.0	2〜4枚（推奨）
Veo 3.1	画像3枚

Seedance 2.5だけ、50個渡せる。同じ人物や商品を何カットも出したいときの材料が、他のモデルより圧倒的に多い。さらに、参照“動画”からカメラワークを写し取る機能を公式が前面に出しているのも、Seedance 2.5だけになる。

50個という数字は、単に「たくさん渡せる」以上の意味を持つ。1つの商品を、正面・横・アップ・パッケージ違いなど何パターンも登録しておけば、シリーズを通して同じ商品らしさを保ったまま、カットごとに違う画を出しやすくなる。逆に、渡す素材が少ないモデルほど、生成のたびに人物や商品の細部がブレやすい。これは第6回で扱う「一貫性」の土台になる話や。

白模（ホワイトモデル）制御やグリーンスクリーン編集といった、後工程での編集を前提にした機能も持っている。撮影スタジオに近い自由度を、ブラウザだけで再現しようとしているモデル、と捉えるとイメージしやすい。

ただし、アリーナには載ってへん

数字だけ見ると強そうやけど、正直に書いとく。Artificial Analysis Video Arena（2026年8月時点）に、Seedance 2.5はまだ掲載されていない。掲載されているのは前世代のSeedance 2.0までや。

	1位	2位	3位
Text-to-Video	Wan 3.0（Elo 1,241）	Gemini Omni Flash（1,236）	MiniMax H3（1,225）
Image-to-Video	Seedance 2.0（Elo 1,191）	MiniMax H3（1,185）	Gemini Omni Flash（1,180）

「Seedance 2.5が最強」と書いてある日本語記事もあるが、この順位表を根拠にはできへん。盛らんでも、30秒・50素材という仕様だけで十分に強い。ここは正直に書くほうが、あとで信用を失わへん。

Wan 3.0｜文書ファイルを投げると動画になる

Wan 3.0は、Alibabaが開発したモデルで、最短2秒から最大30秒までつくれる。解像度は480P・720P・1080Pに対応する。Seedance 2.5と同じく、30秒を1回で生成できる数少ないモデルの1つになる。

このモデルにしかない特徴がある。Omni-Referenceという仕組みで、画像・動画・音声に加えて、doc・xls・ppt・pdfのような文書ファイルやWebページまで、そのまま参照元として投げ込める。資料をそのまま動画の材料にできる、ということや。

音声については、映像と同じ工程で生成する。セリフと口の動きが噛み合うリップシンクにも対応していて、日本語のセリフを含む音声付き動画もつくれる。東京リージョンも用意されている。

料金は480Pで1秒0.3元、720Pで0.6元、1080Pで1.2元。2026年8月24日から9月23日までは7割引が適用される（期限つき）。そして、Artificial Analysis Video ArenaのText-to-Videoでは、いま1位のモデルでもある（Elo 1,241）。

社内資料やプレゼン資料をもとにショート動画をつくりたい人、あるいは日本語のナレーション付きで最初から仕上げたい人には、いちばん向いているモデルになる。

Kling 3.0｜日本語のセリフが出る

Kling 3.0は、快手（Kuaishou）が開発したモデルで、3秒から15秒までつくれる。首尾フレーム（最初と最後のコマ）を指定する機能や、複数キャラクターの多言語対話にも対応している。

このモデルの強みは、日本語の音声生成に公式対応していること。日本語のセリフをそのまま動画に乗せたいなら、6モデルの中でいちばん相性がいい。

料金プランはBasicが無料、Standardが月額$6.99、Proが$25.99、Premierが$64.99、Ultraが$127.99。ただし無料のBasicプランには注意が要る。生成した動画にロゴが表示され、書面での許可がない限り商用利用は禁止されている。有料プランに切り替えれば商用利用できる。

15秒という長さは、30秒の商品紹介には短いが、日本語のセリフをしっかり聞かせたい単発のカットとしては使いやすい。他のモデルで映像をつくって、セリフの入るカットだけKling 3.0に任せる、という組み合わせ方も考えられる。

MiniMax H3｜2Kで$0.13／秒

MiniMax H3は、単発15秒。解像度は2Kと768pに対応し、音声はステレオで生成される。

いちばんの特徴は価格性能。2K出力で1秒あたり$0.13、768Pなら$0.08と、他のモデルと比べて安い。オープンウェイトでも公開されている。Artificial Analysis Video ArenaではText-to-Videoで3位（Elo 1,225）、Image-to-Videoで2位（1,185）につけている。量を回して試したい人には向いているモデルになる。

1本の仕上がりよりも、何本も生成して選りすぐる使い方に向いている。プロンプトを少しずつ変えながら試作を重ねたいときの、コストを抑えた実験台として使うイメージや。

Gemini Omni Flash｜会話で動画を直せる

Gemini Omni Flashは、Googleが開発したモデルで、単発10秒、解像度は720p。

このモデルは、動画をつくったあとの直し方が他と違う。背景の変更、衣装の変更、照明の調整、手ブレ補正まで、会話で指示するだけで直せる。写真5枚からアバターをつくる機能もある。Artificial Analysis Video ArenaではText-to-Videoで2位（Elo 1,236）。

料金はAPI経由で1秒あたり約$0.10。ただし、Geminiアプリから使う場合はGoogle AI Plus・Pro・Ultraのいずれかの有料プランが必要で、無料プランでは動画生成そのものができへん。ここは第1回でも触れた地雷そのものになる。

1本つくって終わりやなく、出来上がりを見ながら会話で微調整していきたい人に向いている。生成をやり直すより、細部だけ直すほうが早いこともある。

Veo 3.1｜8秒。ただし4Kと音声常時ON

Veo 3.1は、Googleが開発したモデルで、単発4／6／8秒。fpsを公式に24fpsと明記しているのは、6モデルの中でVeo 3.1だけになる。他の5モデルのfpsは未確認のままにしている。

長さは短いが、強みが2つある。1つは、音声が常時ONで生成されること。もう1つは、720p・1080pに加えて4Kにも対応していること。ただし、1080p・4K・参照画像のいずれかを使うと、長さは8秒に固定される。動画の延長機能もあるが、720pだけの対応になる。

料金は720p・1080pで1秒$0.20（音声付きは$0.40）、4Kで$0.40〜$0.60。軽量版のFastは$0.08から、Liteは$0.03から使える。

30秒の商品紹介には短いが、4Kの静止感のあるカット、たとえば冒頭のロゴ表示や最後の商品カットのような、1カットだけ画質を上げたい場面で使うという選び方もある。

順位も出しときます。ただし読み方に注意

Artificial Analysis Video Arena（2026年8月時点）の順位を、もう一度まとめておく。

	1位	2位	3位
Text-to-Video	Wan 3.0（Elo 1,241）	Gemini Omni Flash（1,236）	MiniMax H3（1,225）
Image-to-Video	Seedance 2.0（Elo 1,191）	MiniMax H3（1,185）	Gemini Omni Flash（1,180）

ここで気をつけてほしいのが、Eloスコアの読み方や。Eloはパーセントやない。差が100点あっても「勝率100%」やなく、だいたい勝率64%くらいの差にしかならへん。しかも、信頼区間が重なっている相手とは、実質同着として扱ったほうが正確になる。この読み方は、ベンチマークシリーズ第1回で詳しく扱っているので、気になる人はそちらも見てほしい。

順位だけでモデルを選ぶと、自分の用途に合わないモデルを選んでしまうことがある。長さ・参照素材・音声・料金のほうが、実際の判断には効いてくる。

30秒の商品紹介を作るなら、どっちか

第1回の通し題材である、30秒の商品紹介ショート動画をつくるなら、候補はSeedance 2.5とWan 3.0の2つになる。

料金をまとめておく。

モデル	30秒あたりの目安料金	期限つきの割引
Seedance 2.5（720P）	約1.51元／秒	2026年9月17日まで72%オフ（約2.7元／秒）
Seedance 2.5（1080P）	3.7元／秒	同上
Wan 3.0（480P）	0.3元／秒	2026年8月24日〜9月23日は7割引
Wan 3.0（720P）	0.6元／秒	同上
Wan 3.0（1080P）	1.2元／秒	同上

わしがまず選ぶなら、Seedance 2.5から入る。理由は2つ。Dreaminaという日本語ページのあるサービスから登録でき、第1回で見せたとおり無料でも動画生成そのものは体験できること。もう1つは、参照素材を50個渡せるので、シリーズを通して同じ商品・同じ人物を出し続けたいときに材料が多いことや。

Wan 3.0は、資料やスライドをそのまま動画の材料にしたい人、日本語のセリフを最初から入れたい人に向いている。どちらも30秒を1回でつくれるという条件は満たしているので、あとは自分のつくりたいものに合わせて選んだらええ。

どちらか1つに縛られる必要もない。第1回で見せた炭酸飲料の動画のように、まずSeedance 2.5で試して、日本語のナレーションが要ると分かった段階でWan 3.0も併用する、という進め方もできる。今日決めるのは「最初にどっちを触るか」だけでいい。

自分がつくりたい動画は、何秒か

ここまで6モデルを見てきたが、結局どれを選ぶかは、自分がつくりたい動画の条件で決まる。長さ・カット数・音声・予算・商用利用の5つを、下の表に自分の状況で書き込んでみてほしい。

確認項目	AI大将の場合	あなたの場合
つくりたい動画の長さ	30秒	______ 秒
同じ人物・商品を何カットに出すか	4カット	______ カット
音声（セリフ）が要るか	要る。日本語	要る／要らん
無料で続けたいか	まずは無料で	無料／課金してもいい
商用に使うか	使う	使う／使わへん

判定行

20秒を超える動画を無料で試したいなら、Seedance 2.5（Dreamina経由）。日本語ページがあり、出力の権利はユーザーに帰属すると規約に明記されている。

20秒を超える動画を文書から作りたいなら、Wan 3.0。docやpdfを直接投げられて、東京リージョンもある。

15秒以内で日本語のセリフが要るなら、Kling 3.0。ただし無料プランはロゴ入りで商用不可、有料会員なら商用可になる。

15秒以内で量を回したいなら、MiniMax H3。2Kで1秒$0.13という価格性能が効いてくる。

10秒以内であとから直したいなら、Gemini Omni Flash。会話で編集できるが、有料プランが必須になる。

8秒でよくて4Kが要るなら、Veo 3.1。

この5行のどれか1つに、自分の状況が当てはまったはずや。当てはまったモデルを、まず1つ触ってみたらええ。迷ったときは、今日つくりたい動画の長さに戻って考え直すと、答えが早く出る。「他のモデルも気になる」という人は、通し題材が完成したあとの第9回（エージェント編）で、複数モデルをまとめて扱うサービスも紹介する。

比べるときの落とし穴

「4K対応」も「4K非対応」も、経路を書かんと嘘になる

Seedance 2.5の解像度は、契約先によって答えが変わる。ByteDance Seed・BytePlusのモデル仕様は480P・720P・1080Pまで、BytePlusが提供するプランは最大720pまで、Dreaminaは4K出力を前面に出している。前世代のSeedance 2.0のほうが、ネイティブ4K・10bitカラーという仕様を持っている。「対応しています」「対応していません」のどちらも、経路を書かずに断定すると事実とズレる。

fpsを断定した記事を信じすぎない

fpsを公式に明記しているのは、6モデルの中でVeo 3.1（24fps）だけになる。他の5モデルのfpsは未確認のまま。日本語の解説記事が数字を断定していても、公式の裏取りができるまでは鵜呑みにしない。

期間限定価格で年間の予算を組まない

Seedance 2.5の72%オフは2026年9月17日まで、Wan 3.0の7割引は2026年9月23日まで。どちらも期限つきの割引で、通常価格に戻る可能性がある。継続して使う前提の予算は、通常価格のほうで見積もっておく。

アリーナ順位だけで選ばない

Text-to-Videoの1位はWan 3.0やが、それが自分の用途に最適とは限らへん。長さ・参照素材・音声対応・料金のほうが、実際の制作には効いてくる。

「対応しています」で止めて、条件を見落とさない

Veo 3.1は音声が常時ONで4Kにも対応しているが、1080p・4K・参照画像のどれかを使うと長さが8秒に固定される。「4K対応」という見出しだけを見て、30秒の動画にそのまま使えると思い込まないようにする。仕様は、必ず条件までセットで確認する。

よくある質問

結局どれが一番高性能ですか

用途によって変わります。30秒を1回でつくりたいならSeedance 2.5かWan 3.0、日本語のセリフが必須ならKling 3.0、価格性能を重視するならMiniMax H3が候補になります。Artificial Analysis Video Arenaの順位はWan 3.0が1位ですが、Seedance 2.5は未掲載のため、この順位だけで「一番」を決めることはできません。「高性能」という一言でまとめず、自分がつくりたい動画の長さと予算から逆算するのが、いちばん早い決め方です。

Seedance 2.5は4Kに対応していますか

契約先によります。BytePlusが提供するプランは最大720pまでですが、Dreaminaは4K出力を前面に出しています。同じモデルでも、どこ経由で使うかで答えが変わります。

8秒しか作れないモデルでも、長い動画は作れますか

Veo 3.1のような8秒までのモデルでも、複数のクリップを生成してつなげば長い動画をつくれます。ただし、つなぎ目で人物や商品の見え方がズレることがあり、1回で長く生成できるモデルより手間がかかります。

無料で使えるのはどれですか

Wan 3.0はPollo AI経由で無料クレジットから試せ、最大30秒・1080P出力に対応しています（透かしを外すには有料プランが必要です）。Seedance 2.5は無料枠では実質さわれず、Dreaminaの無料枠は下位モデルのSeedance 2.0 Miniになります。Kling 3.0はBasicプランが無料ですが、ロゴが入り商用利用は禁止です。Gemini Omni FlashとVeo 3.1は、無料プランでは動画生成そのものができません。

日本語のセリフを入れたいのですが

Kling 3.0が日本語の音声生成に公式対応しています。Wan 3.0も、映像と同じ工程で音声を生成し、日本語のセリフを含む動画をつくれます。

Eloスコアが高いモデルを選べば間違いないですか

Eloスコアはパーセントではないので、差が大きく見えても実際の勝率差は数字ほど大きくないことがあります。信頼区間が重なっているモデル同士は、実質同着として扱ったほうが正確です。順位だけでなく、長さや参照素材、音声対応もあわせて確認してください。Eloスコアの読み方そのものは、ベンチマークシリーズ第1回で仕組みから解説しているので、あわせて読むと数字への向き合い方が変わります。

まとめ｜長さで絞ったら、選ぶのはそこまで難しくない

6モデルを並べてみると、どれも一長一短で、優劣で語れるものやないことが分かる。だからこそ、最初に「何秒つくりたいか」で絞ると、残りの判断がぐっと楽になる。

1. 評価軸は1つでいい。何秒つくれるか、で絞る
2. 30秒を1回でつくれるのはSeedance 2.5とWan 3.0だけ。Veo 3.1は8秒
3. Seedance 2.5はアリーナ未掲載。それでも30秒・50素材という仕様は本物 次回は、同じモデルでも、どこ経由で契約するかで値段が数倍変わる、という話をする。Seedance 2.5もVeo 3.1も、契約先によって同じ性能に何倍もの価格差がつく。

第1回でまだ1本目をつくっていない人は、登録するだけで無料のお試しが3回もらえる第1回から始めてほしい。Eloスコアの読み方をもっと詳しく知りたい人は、ベンチマークシリーズ第1回も読んでみてほしい。