台本から動画まで、エンドツーエンド

概要

台本から動画とテキストから動画の違い

テキストから動画はプロンプトごとに1つのクリップを生成します。台本には構造が必要です：誰がショットに映り、どこで起こり、前のシーンで何が描かれていたか。SceneMixerのパーサーはまず台本全体を読み込み、1フレームも生成する前にキャストリスト、ロケーション、小道具、エピソード分割といった制作計画を作成します。その後の各絵コンテセグメントはこれらの共有アセットを参照するため、41番目のショットでも3番目のショットと一貫性が保たれます。

SceneMixerのパイプラインの仕組み

1. ストーリーをアップロード — テキストを貼り付けるか、.txt / .docx / .mdをアップロードします。中国語と英語の両方に対応しているほか、内蔵のAIライターに台本を作成させることもできます。
2. AIによる台本解析 — 1回のパスでキャラクター、シーン、小道具、エピソード全体の構造を抽出し、各エピソードを対立とクリフハンガー付きでアウトライン化します。
3. 一貫性のある設定画 — 9:16比率の全身キャラクター設定画に加え、選択した画風（リアル、2D、3D CGなど）のシーン・小道具設定画を作成します。これらのリファレンスが後のすべてのショットの基準となり、エピソードをまたいでも顔や服装の一貫性が保たれます。
4. 絵コンテ台本 — 各エピソードを4～15秒の動画セグメントに分割し、編集可能なショット説明を付けます。台本の編集は無料です。
5. 動画生成＆合成 — セグメントはデフォルトの16:9横長、または9:16縦長で、デフォルトでWan 3.0を使用して生成されます。セグメントごとにバージョン履歴が残り、ワンクリックでエピソード全体に合成できます。

ローカライズ機能を標準搭載：対象地域（欧米、東アジア、東南アジア、ラテンアメリカ）を選ぶだけで、キャスティング、キャラクター名、風景、画面上のテキストがその市場に合わせて調整されます。

AIが得意な撮影向けに設計

絵コンテ作成機能は、AI動画モデルがきれいにレンダリングしやすいショット（2人の対話クローズアップ、1人のキャラクターの感情の見せ場、はっきりした照明など）を優先し、大人数の群衆や複雑な振り付けの戦闘シーンといった既知の失敗パターンを避けます。任意のセグメントの台本を手動で編集（無料）し、そのセグメントだけを再生成して、エピソードの他の部分はそのまま残すことができます。

台本から動画で対応していないこと

• 既に撮影した映像の編集。 ここで生成されるものはすべてショットリストから作成されます。読み込んだクリップ用のタイムラインはなく、実写映像へのフェイススワップや、既存動画への吹き替え処理には対応していません。
• 任意の長さの1カットをノーカットでレンダリングすること。 1回の生成の長さは選択したモデルティアの上限に制限されます。5分のシーンはセグメントの積み重ねで構成されるため、1ショットだけを再編集するコストが安く済みます。
• 実在の人物を再現すること。 キャストは生成され、音声はプリセットライブラリからマッチングするかユーザーがアップロードします。第三者の顔や声を再現する機能はありません。
• 指定していないショットを保証すること。 絵コンテは意図的に明確に記述されています：小道具、衣装の状態、ロケーションが重要な場合は、ショットのテキストに明記する必要があります。暗黙的に省略された内容はモデルの推測に委ねられます。
• キャプションを焼き込むこと。 フレーム内に表示するテキストはショット内に記述されます。プラットフォーム用の字幕はエクスポート後に追加してください。

料金について

SceneMixerはクレジット制です。定額のシートライセンスではなく、生成した分だけ料金がかかります。クレジットパッケージは$1.49から購入可能。$7.99/月からのメンバーシップティアでは、毎月のクレジット付与、同時実行数の引き上げ、カスタムスタイルプロンプト、アップロード、AI画像ファインチューニングなどのメンバー限定機能が利用できます。台本解析はテキストの長さに応じて課金され（3,333文字あたり4クレジット、参考画像は別途課金、キャラクター・シーン・小道具合わせてアカウントごとに15枚無料）、絵コンテ台本はエピソードごとに333文字あたり1クレジットで課金され、再生成にも同額がかかります。動画生成は出力1秒あたり10クレジットから（最低クレジット単価では1秒あたり約$0.06、料金は選択したモデルティアによって異なります）、エピソード合成は1秒あたり1クレジットです。詳細は完全な料金表をご覧ください。

処理時間と無料で試す方法

2026年9月20日までの30日間にscenemixer.comで正常に完了したすべてのジョブの実績値：台本全体の読み込みの中央値は約2分49秒、参考画像1枚は16秒、1エピソード分のショットリスト作成は1分54秒、1つの動画セグメント生成は3分20秒、1エピソードの合成は3分52秒です。セグメントは並列実行され（無料プランでは同時3つ、最大ティアでは最大20）、そのため一般的な7セグメントのエピソードはエンドツーエンドで約15分のマシンタイムで完了します。

料金を支払う前に、一連の流れをすべて試せます。すべてのアカウントに、登録時点で50クレジット、キャラクター・シーン・小道具全体で使える15枚の無料参照画像、最初のプロジェクトで使える第1話分の無料ショットリスト、さらに自分のキャスト設定で第1話のオープニングショットを生成する最長5秒の無料プレビューが1回付与されます。

15の対話言語に対応、1つの台本でOK

台本は執筆した言語のままで構いません。解析前にプロジェクトごとに話す言語を設定すると、動画モデルがネイティブに演技するため、口の動きやタイミングが言語に一致します。後から吹き替えを行うことはなく、セグメントごとの料金も変わりません。以下は同じ制作フローで仕上げた言語別の完成シリーズ例です。全15言語のサンプルはサンプルページ（15言語対応）をご覧ください。

よくある質問