オーディオブックからAI動画へ

要点：SceneMixerが受け付ける入力は3種類です。テキスト、広告用の写真最大4枚、リメイクする動画。音声ファイルは受け付けないため、オーディオブックや録音した話は文字起こしたテキストとして入れます。テキストから、キャラクターと場所を一度描き、語り手はナレーションのセリフとして残し、物語の登場人物は動画の中で話します。声は生成されるもので、録音は再利用されません。

SceneMixerがエンドツーエンドで生成したAIショートドラマ『夜明けのヴェール』の静止画（キャラクター6人、1話） — サンプル：『夜明けのヴェール』 — デジタル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

SceneMixerの概要	主な機能
動画の料金	標準プランで1秒あたり$0.06から（10クレジット）、最上位プランでは1秒あたり$0.47まで。料金はすべて、ボタンを押す前に表示されます
クリップの長さ	生成するセグメントは最長30秒。話は各セグメントを合成して作り、合成は1秒あたり1クレジットです。
1話あたりの計算例	標準プランで60秒の1話は約660クレジット（動画と合成を含む）、最も安いクレジット単価では約$4.11です。3万字の小説から作る、90秒の話を10話分のシリーズは約10,026クレジット、約$62です。
セリフ	動画の中で話します。キャラクターごとに1つの声で、15言語のどれでも使えます。
形式	9:16の縦型または16:9の横型に対応。480P〜1080P、さらに2Kプランがあります。
無料で始める	登録時に50クレジット、設定画15枚まで無料、最初の話の絵コンテは無料、5秒の動画プレビューも無料です。
利用者	2,900人以上のクリエイターがSceneMixerで生成しています（2026年11月時点で1回以上生成したアカウントを集計）
入力	脚本、小説、または一行のアイデア。.txt、.docx、.mdのアップロードに対応

録音から動画へ

テキストを用意します。原稿を使うか、音声認識ツールで録音を文字起こししたものを使ってください。
場面ごとに整えます。広告、前置き、事務的な部分は削り、話と語り手の良いセリフは残します。
.txt、.docx、.mdでアップロードします。キャストと場所を読み取ります。
画風と声を選びます。ナレーションはナレーション用の声になり、キャラクターにはそれぞれ声が割り当てられます。
生成してつなぎます。料金は完成した秒数で決まります。

ポッドキャストの話をドラマに · 使えるファイル

音声との違い

元の音声	動画
ナレーターが朗読	生成された声によるナレーションのセリフ
キャラクターごとに違う声	キャラクターごとに1つの声。選ぶか、近いものを割り当てます
効果音と音楽	話ごとに、環境音とスコアが生成されます
間と話の速さ	絵コンテのショットの秒数で決まります

自分の声が重要な場合は、会員がキャラクター用の声の見本をアップロードできます。声の選び方。

権利と料金

自分で書いた文章、または権利を持つ文章を使ってください。読み込みは1,000文字あたり4クレジット、動画は標準プランで1秒あたり10クレジットに加え、参加させるごとに1秒あたり1クレジットです。小説から動画へ · 本を映画に

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

SceneMixerと、ツールをつなぎ合わせる場合の比較

AIドラマの制作は、たいてい5〜6個のツールを順に使います。ここで各ステップがどう行われるか、そして何を置き換えるかを示します。

工程	SceneMixerでの場合	個別のツールで手作業する場合
脚本と話の構成	脚本や小説を貼り付けるか、一行を入力すると、キャスト、場所、小道具、編集できる話のあらすじに読み取られます	チャットAIモデルで脚本を書き、話ごとに分けて、ツールからツールへ文章を運びます
キャラクターの顔と場所	キャラクター、場所、小道具はそれぞれ一度だけ設定画として描かれ、登場するすべてのショットに添付されます	画像モデルで一枚ずつ作成し、各クリップに適切な参照画像を自分でアップロードします
ショット	話ごとに、番号と秒数付きの絵コンテを作成。動画は同じ設定画を参照しながら、9:16または16:9でセグメントごとに生成されます	動画モデルで、プロンプトごとに1クリップ。毎回同じ人物を説明し直す必要があります
声とセリフ	セリフは動画の中で演じられ、キャラクターごとに1つの声で、15言語のどれでも可能	セリフごとに音声合成ツールを使い、その後すべてのクリップにリップシンクを適用
1つのショットを直す	そのショットの文章を編集して、そのセグメントだけを再生成します。話の他の部分には触れません	クリップを作り直してから、タイムラインを切り直す
仕上げ	セグメントは音楽付きで1つの話のファイルに合成され、会員はAIバッジなしでダウンロードできます	動画編集ソフトでクリップをつなぎ、音楽と字幕を加えてから書き出す
公開	完成した話は、TikTok、YouTube、Instagramなど好きな場所にアップロードします。代わりに投稿されることはありません	ここと同じく、手動でアップロード

よくある質問

オーディオブックはアップロードできますか？

いいえ。SceneMixerが受け付けるのは、テキスト、広告用の写真最大4枚、リメイクする動画です。オーディオブックは、その文字起こしテキストとして入れてください。

テキストはどうやって用意しますか？

原稿を使うか、音声認識ツールで録音を文字起こしし、整えてください。

自分のナレーションは使われますか？

いいえ。ナレーターは生成されたナレーション用のセリフになります。会員はキャラクター用の声の見本をアップロードできます。

効果音は追加できますか？

話ごとに、環境音とスコアが生成されます。

どのファイルをアップロードできますか？

.txt、.docx、.md。

料金はいくらですか？

読み込みは1,000文字あたり4クレジット、動画は標準プランで1秒あたり10クレジットです。

無料で試せますか？

新規アカウントは50クレジットから始まり、最初の絵コンテと5秒のプレビューは無料です。

文字起こしを貼り付ける

まずキャストと絵コンテを確認してください。

テキストから動画を作る

2026年11月2日更新