AI広告動画ジェネレーター：写真1枚で完成した広告を

AI広告動画ジェネレーター

2026年9月20日更新

簡単に説明すると： 売りたいものの写真を1〜4枚アップロードするだけで、SceneMixerが広告の台本を書き、撮影まで行います。まず写真を無料で読み取り——カテゴリ、商品名、看板に書かれたブランド名、セールスポイントを認識し——その後、セリフ付きのクリエイティブな台本を作成し、出演者やロケーションを組み立て、15秒・30秒・60秒の絵コンテを作り、音声付きの各セグメントを生成し、最後にブランド名・タグライン・行動喚起を載せたエンドカードを仕上げます。開始前に料金が1つ提示され、その見積もり額を超えて請求されることはありません。

SceneMixerがエンドツーエンドで生成したAIショートドラマ『Crimson Vow』の静止画（キャラクター4人、1話） — サンプル：『Crimson Vow』 — 写実HD、1話、脚本からSceneMixerパイプラインでエンドツーエンド制作 · エピソードを見る

概要

広告ジェネレーターへの入力、出力、そしてあなたが決める項目
アップロードするもの	同じ対象の写真を最大4枚——商品、料理、衣料品、車、店舗の外観、不動産、あるいはアプリやサイトのスクリーンショット。4つの別々のものではなく、1つのものの異なるアングルやディテールを写した写真です。
入力するテキスト	任意です。売りたいものについて1文添えると参考になります。写真と文章の内容が異なる場合は、文章が優先されます。
長さ	15秒、30秒、60秒のいずれか——生成されるセグメントはそれぞれ1本、2本、4本です。
フレームと解像度	16:9または9:16。480P、720P、1080Pから選べます。
トーン	8種類のレシピ：壮大、コミカル、温かみ、ミニマル、どんでん返し、よだれが出る接写、使い方を見せる、1日の暮らしの中で。
生成されるもの	2〜4行のセリフを含むクリエイティブ台本、出演者、ロケーション、絵コンテ、生成された動画、そしてブランド名・商品名・タグライン・行動喚起を載せたエンドカード。
音声	セリフ、環境音、音楽は映像と同時に生成されます。後から既製の音源をミックスすることはありません。
料金	開始前に1つの金額が提示され、それが上限になります——実際に実行された段階分だけが請求され、見積もり額を超えることは決してありません。

何も入力しなくても、まず写真を読み取ります

何も入力せずにボタンを押すと、最初の処理が無料で実行されます：写真が読み取られ、結果が表示されます——対象が認識できるかどうか、どのカテゴリに分類されるか、商品名、説明文、撮影に値するセールスポイント、推奨トーン、パッケージや看板に読み取れるブランド名（推測ではなく、印刷された通りに書き起こされます）。読み取りに失敗した場合は、その場で無料で通知され、写真を差し替えるボタンが表示されます。

この読み取りで決まるのは次の2点だけであり、カテゴリが重要な意味を持つのもこのためです：

対象を再描画するかどうか。 ボトルや瓶は、クリーンなスタジオ静止画として再レンダリングする価値があります。店舗の外観、車、家はそうではありません：白背景で切り抜くと、看板や奥行き、スケール感が失われてしまうため、これらの写真はそのまま使用されます。
商品が「小道具」か「場所」か。 店舗や施設を宣伝する場合は、すべてのシーンをその中で撮影する必要があります——そうしないと、モデルが勝手に別の部屋を作り出し、そこで広告を撮影してしまいます。

店やレストランの写真には、ほとんどの場合、客やスタッフが写り込んでいます。これらを拒否するのではなく、処理パイプラインがまず人物を除去し、看板、備品、光の雰囲気を保持します——動画モデルに参考画像を渡すと、写っている顔をほぼそのまま複製してしまいますが、それらの顔は広告に使用する許可を得ていないからです。唯一受け付けられないのはスクリーンショットです：スクリーンショットを編集するとインターフェースがぼやけてしまいます。

2つの実行方法

同じ処理パイプラインでも、操縦席の位置が異なります
AIにすべて任せる	提示された1つの料金に、全工程——クリーンアップ、台本、キャスト、絵コンテ、動画、最終カット——が含まれます。進捗ページに各段階が表示され、動画生成が始まる前であればキャンセルできます。これがデフォルトのモードです。
自分で操作する	クリーンアップと台本作成の料金を支払うと、広告がすでにセットアップされた状態で通常のエディターに移ります：台本を書き直したり、キャストを変更したり、任意のショットを編集したり、1つのセグメントだけを再生成したりして、納得がいったら合成できます。その後の各ステップは通常の生成と同じように課金されます。

内部的には、広告はコンテンツタイプを「広告」に設定した通常のSceneMixerプロジェクトです——ショートドラマのページで説明されているのと同じ台本解析、同じ設定画、同じショットリスト、同じセグメント単位のレンダリングが使われています。広告特有なのは、クリエイティブブリーフ、短い構成、エンドカード、コンプライアンスフィルターです。

音楽は映像と同時に生成され、後からミックスされません

広告セグメントに使用される動画モデルは音と映像を1パスで生成するため、セリフ、ルームトーン、そして多くの場合、画面の内容に合ったスコアがすでに含まれています。その上にストック音源を重ねると、2つの音楽がぶつかってしまいます。その代わりに、ブリーフには楽器編成、テンポ、リズム、盛り上げどころといった音楽の記述を載せ、同じ広告のすべてのセグメントに同じ記述を渡します。各セグメントは独立して生成され、他のセグメントの記憶を持たないからです。記述を一致させることだけが、カット全体でスコアに一貫性を持たせる方法です。

エンドカードは意図的に無音にし、本体の音声をフェードインさせます。生成後に追加されるのは、エンドカード、ラウドネス調整、AIGCバッジの3つだけです。

対応していないこと

絶対的な主張をすること。 「世界一」「売上No.1」「国の認可済み」「返金保証」といった最上級表現や規制対象の言い回しは、撮影が始まる前に自動的に台本から削除され、タグラインとエンドカードからも個別に除去されます。これは文言のフィルターであり、法的助言ではありません：行う主張の責任はあなた自身にあります。
フレーム内に読み取り可能なテキストを配置すること。 動画モデルは信頼できる文字をレンダリングできないため、広告は画面上のテキストなしで作成され、ブランド名は実際に読み取れる場所——エンドカード——に表示されます。もし店の看板が偶然写り込んだ場合、そこに書かれている文字は装飾として扱ってください。
実在の人物を使用すること。 写真に写っている人物は複製されずに除去され、キャストは生成されます。フェイススワップやボイスクローニングは行われません。
あなたが撮影した映像を編集すること。 すべては絵コンテから生成されます。アップロードされたものは参考画像であり、元のクリップではありません。
長尺の動画を作ること。 60秒が上限で、15秒のセグメント4本で構成されます。

料金について

確定前に表示される単一の見積もりは、プラットフォーム全体の課金レートと同じ基準で計算されます。写真の読み取りは無料、クリーンアップまたは再描画は画像1枚分、台本はモデル呼び出し1回分、設定画は1枚ごとに課金され、アカウントごとに15枚までは無料、それ以降は1枚あたり7クレジットです。動画は480Pティアの場合、出力1秒あたり10クレジット（最低クレジット単価では約$0.06/秒）で、より高解像度のティアでは料金が上がります。アセンブリは1秒あたり1クレジットです。この見積もりは前払い金ではなく上限額です。各ステージは実行時に課金され、見積もりの想定よりも使用する設定画が少なく済んだ15秒の広告は、その分だけ料金が安くなります。ステージが失敗した場合、見積もりの残りを消費することなくその時点で実行が停止し、前のステージをやり直さずに失敗したステージだけを再試行できます。新規アカウントには50クレジットが付与され、クレジットパッケージは$1.49から購入できます。料金ページに基本となる料金表があります。

15言語に対応した広告

セリフ、エンドカード、キャストはすべてお使いのインターフェース言語に従い、市場もそれに合わせて調整されます。名前、顔ぶれ、街並みが広告の配信先に合わせて最適化されます。言語ごとに、以下のシリーズ制作で使用されたものと同じ対話エンジンを使用しています。

言語

15言語のネイティブ台詞

以下の各シリーズはすべて同じパイプラインで制作されており、キャストはその言語をネイティブに話します。インターフェース、作業ドキュメント、話される台詞はすべて同じ言語で統一されており、吹き替えは一切使用していません。開いて実際に聞いてみてください。

全15言語を見る

よくある質問

台本、絵コンテ、またはブリーフは必要ですか？

不要です。写真が最低限必要なものです。販売しているものについての一文があれば、結果が向上し、写真の曖昧さを解消できます。カウンターの写真の横に「当店」と書くだけで、会場の広告になるかコーヒーマシンの広告になるかの違いが生まれます。セリフを含む後続のすべての要素は自動で作成され、詳細モードで書き換えることができます。

写真を複数アップロードできますか？

最大4枚まで可能です。同じ被写体を異なる角度や異なるディテールで撮影したものを使用してください。1枚目がメイン画像として扱われ、再描画やエンドカードのベースになります。店舗の追加写真は追加のロケーション素材となり、生成された近似の空間ではなく実際の空間を舞台に広告が作成されます。

写真に人物が写っている場合はどうなりますか？

写真を参照用に使用する前に人物は除去され、看板、備品、照明は保持されます。これは単なる配慮ではありません。動画モデルは参照画像をほぼそのまま複製するため、店頭の写真に写っている顧客がそのまま広告に出演してしまうのを防ぐためです。

ブランド名は動画内に表示されますか？

エンドカードには、広告の言語で商品名、タグライン、コールトゥアクションとともに表示されます。生成された映像内には表示されません。AI動画モデルは文字を正確に描画できないため、画面上のテキストの表記に賭けるのではなく、オンスクリーンテキストのない広告を作成します。

広告はどの言語に対応していますか？

セリフとエンドカードは15の対話言語からインターフェースの言語に従い、キャストと舞台設定がその市場に合わせて調整されます。スクリプトの整形や右から左へのレイアウトが必要な場合、エンドカードは組版可能な言語にフォールバックします。

途中で停止できますか？

はい、動画ステージが始まるまでは可能です。動画ステージが高コストな呼び出しの開始点であり、キャンセルボタンが機能しなくなる地点です。ステージが失敗した場合、実行はその時点で停止し、そのステージ分のクレジットは返還されます。前のステージをやり直さずに、失敗したステージだけを再試行できます。

写真1枚から完成した広告を出力

写真を無料で読み取り、見積もりを確認してから判断できます

SceneMixerを無料で試す

クレジットパッケージは$1.49から・ Pro $7.99/月・開始時にクレジットカードは不要