AI モデル API ストア
画像・動画・顔交換のモデル API を閲覧。試してから統一 REST API で統合。
98+ models · pay as you go · credits never expire
Image to Video
30
WAN 2.2 Spicy 画像から動画へのモデル
WAN 2.2 Spicy は画像を無制限の高品質動画に変換し、スムーズなアニメーションでスケーラブルなコンテンツ生成に最適化されています。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Wan 2.2 アニメート
Wan 2.2 アニメートは、ドライビング動画から動きと表情を再現する統合キャラクターアニメーション＆置換モデルです。1枚のキャラクター画像をフルパフォーマンスに変換し、出力を安定、リアル、アイデンティティ一貫性を保ちながら、体の動きと顔の表情をコピーします。最大120秒の720p動画を生成します。
Vidu Q3 画像から動画へ
Vidu Q3 画像から動画へは、テキストプロンプトを高品質な動画に変換し、優れた視覚的忠実度と多様なモーションを実現します。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Pixverse V6 Reference to Video
PixVerse V6リファレンス動画生成（Fusion）は、1〜3枚の参考画像（主体、キャラクター、背景）をサポートし、テキストプロンプトとの組み合わせで優れたキャラクターの一貫性と物語の連続性を実現、ネイティブ同期オーディオも同時生成します。エンタープライズ向けREST推論API、コールドスタートなし、高コンカレンシーで、アニメ制作、ゲームアート、マルチカット動画開発に最適です。
Pixverse V6 Image to Video
PixVerse V6 Image-to-Video（単一画像生成と首尾フレーム生成を全面統合）は、1枚または2枚の画像から、映画並みの超高画質、リアルな物理インタラクション、そして極めて高い一貫性を備えた動的クリップを生成します。高度な絵コンテ制御、シネマティックループ、商用プロモーションに最適です。エンタープライズ向けREST推論API、高コンカレンシー、コールドスタートなし、手頃な価格設定を提供します。
Pixverse V5 T2V
PixVerse V5 テキストから動画生成は、プロンプトに基づいて滑らかで自然な5秒動画を数秒で生成します。720p出力対応（5秒ごとに$0.20）。すぐに使えるREST推論API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Pixverse V5 I2V
PixVerse V5は画像を短く滑らかで自然な動画に変換します。5秒動画：$0.15（360p/540p）、$0.20（720p）、$0.40（1080p）。すぐに使えるREST推論APIを提供し、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Pixverse V5.6 テキストから動画生成
PixVerse V5.6 は、プロンプトを数秒でリアルな動画に変換します。滑らかな動きと自然なディテールを備え、ストーリー、広告、ソーシャルクリップに最適です。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Text to Video
16
Pixverse V6 Text to Video
PixVerse V6は大幅な進化を遂げ、映画並みの超高画質と深いセマンティック理解をサポート。テキストプロンプトを、繊細な光影とリアルな物理インタラクションを伴う動的な動画へと正確に変換します。高コンカレンシー・低遅延のREST推論API、コールドスタートなしで、プロフェッショナルな動画制作とビジネス展開を強力に支援します。
Pixverse C1 Text to Video
PixVerse C1は、テキストプロンプトから映画クオリティの高品質な動画を生成する最先端のAIモデルです。1〜15秒の柔軟な動画再生時間、最大1080pの複数解像度に対応し、ネイティブ音声の同時生成も可能です。即時利用可能なREST推論APIを提供しており、圧倒的な高パフォーマンス、コールドスタートなしの即時起動、そして導入しやすい低価格な料金プランを実現しています。
Sora2 ヴィンセントビデオ
最先端の物理シミュレーション。 正確な物理挙動、強力な操作性、そして完全同期したオーディオを持つ動画を生成。
OpenAI Sora 2
OpenAI Sora 2 Pro は、リアルな物理演算、同期音声、強力な操作性を備えた最先端のテキストから動画生成モデルです。複数の解像度に対応し、最大1080p、最長20秒まで生成可能です。すぐに使用できる REST 推論 API を提供し、最高のパフォーマンス、コールドスタートなし、手頃な価格を実現しています。
Kling Omni Video O3 標準版テキストから動画生成
Kling Omni Video O3 は、MVL（マルチモーダルビジュアルランゲージ）技術を採用したKuaishouの高度な統合型マルチモーダル動画モデルです。テキストから動画生成モードでは、プロンプトを基に主体の一貫性、自然な物理シミュレーション、正確な意味理解を備えた映画品質の動画を生成します。音声生成にも対応。すぐに使えるREST API、最高のパフォーマンス、冷スタートなし、手頃な価格。
Kling Omni Video O1 テキストから動画生成
Kling Omni Video O1 は、MVL（マルチモーダルビジュアルランゲージ）技術を採用したKuaishou初の統合型マルチモーダル動画モデルです。テキストから動画生成モードでは、プロンプトに基づいて映画品質の動画を生成し、主体の一貫性、自然な物理シミュレーション、正確な意味理解を実現します。すぐに使えるREST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling 3.0 標準版
Kling 3.0 標準版は、高品質なテキストから動画生成を提供します。滑らかな動き、映画のような映像、正確なプロンプトの適合性、そして共有可能なクリップ用のネイティブ音声を備えています。即時利用可能な REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling V2.6 テキストから動画生成 API
Kling 2.6 は、滑らかなモーション、映画のようなビジュアル、強力なプロンプト適合性、そしてネイティブオーディオを備えた、トップクラスのテキストから動画生成を提供します。共有可能なクリップを即座に生成可能。すぐに使用できる REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Video to Video
13
WAN 2.2 Spicy 動画拡張
WAN 2.2 Spicy を使用して短いクリップを無制限の高品質な長編動画に拡張し、スムーズなアニメーションを実現。すぐに使用できる REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
AI Video Watermark Remover（動画透かし除去）
動画からの透かし、ロゴ、キャプション、テキストを除去し、品質を維持します。多くの形式と10分のファイルをサポート。すぐに使えるREST推論API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
VT Lip Sync 口形同期
VT Lip Sync は、翻訳後の対象動画、翻訳後音声、翻訳後字幕タイミング、および元動画とその元字幕タイミングを使用して、翻訳後動画の口形を同期します。
Kling Omni Video O3
Kling Omni Video O3は、複数の視点からキャラクター、プロップ、またはシーンの参照を使用して創造的な動画を生成します。対象の特徴を抽出し、フレーム間でアイデンティティの一貫性を維持しながら新しい動画コンテンツを作成します。音声生成をサポート。すぐに使える REST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling Omni Video O3
Kling Omni Video O3は、複数の視点からキャラクター、プロップ、またはシーンの参照を使用して創造的な動画を生成します。対象の特徴を抽出し、フレーム間でアイデンティティの一貫性を維持しながら新しい動画コンテンツを作成します。音声生成をサポート。すぐに使える REST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling Omni Video O1 リファレンス動画生成
Kling Omni Video O1 リファレンス動画生成は、複数の視点からのキャラクター、小道具、またはシーンのリファレンスを使用してクリエイティブな動画を生成します。被写体の特徴を抽出し、フレーム間でのアイデンティティの一貫性を維持しながら、新しい動画コンテンツを作成します。すぐに使えるREST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling Omni Video O1 リファレンス動画生成
Kling Omni Video O1 リファレンス動画生成は、複数の視点からのキャラクター、小道具、またはシーンのリファレンスを使用してクリエイティブな動画を生成します。被写体の特徴を抽出し、フレーム間でのアイデンティティの一貫性を維持しながら、新しい動画コンテンツを作成します。すぐに使えるREST API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Kling 3.0 Standard モーションコントロール
Kling 3.0 Standard モーションコントロールは、参照動画の動きを静止画像に転送してアニメーション化します。キャラクター画像とモーションクリップ（ダンス、アクション、ジェスチャー）をアップロードすると、モデルが動きを抽出して滑らかでリアルな動画を生成します。すぐに使用可能な REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Text to Image
13
OpenAI GPT Image 2 テキストから画像生成
OpenAI の GPT Image 2 テキストから画像生成モデルは、自然言語プロンプトから高品質な画像を生成します。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
OpenAI GPT Image 2 Edit 画像編集
OpenAI の GPT Image 2 Edit は、自然言語の指示と1枚以上の参照画像を使用して画像編集を可能にします。すぐに使える REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Nano Banana テキストから画像
Gemini 2.5 Flash Image。軽量かつ高速。大量生成やプロトタイピングに最適な、最も手頃なモデル。
Nano Banana Pro テキストから画像
Gemini 3.0 Pro Image。4K 高画質、多言語テキスト描画、プロ仕様のカメラ制御に対応したハイエンドモデル。
Nano Banana Pro テキストから画像
Gemini 3.0 Pro Image。4K 高画質、多言語テキスト描画、プロ仕様のカメラ制御に対応したハイエンドモデル。
Google Nano Banana Lite テキストから画像生成 API
Google Nano Banana 2 Lite Text to Image は、テキストのプロンプトから高品質な画像を低レイテンシで生成できます。柔軟なアスペクト比に対応し、クリエイティブ制作や実運用のワークフローで素早く画像を作成できます。すぐに使える REST 推論 API、優れたパフォーマンス、コールドスタートなし、手頃な価格。
Seedream V5.0 Pro テキストから画像生成 API
ByteDance の Seedream V5.0 Pro テキストから画像生成モデルは、テキストプロンプトから高品質な画像を生成できます。アスペクト比の選択、優れたプロンプト追従性、1K / 2K の出力階層に対応し、柔軟な画像作成が可能です。すぐに使える REST 推論 API で、高性能、コールドスタートなし、手頃な価格を実現しています。
Seedream 5.0 Lite Sequential
Seedream 5.0 Lite Sequential は、複数の画像セットを生成し、キャラクターやオブジェクトの一貫性を保ちながら、配色、ライティング、スタイルを統一します。最大 4K の出力をサポートし、キャンペーン、ストーリーボード、製品ラインに最適です。すぐに使用可能な REST 推論 API を提供し、最高のパフォーマンス、コールドスタートなし、手頃な価格を実現。
Image to Image
11
Nano Banana 画像編集
高速・低価格な編集。 マスキング不要で、直感的なオブジェクト置換やスタイル変換が可能。
Nano Banana Pro 画像編集
4K セマンティック編集。自然言語で画像を修正。文脈認識と画像内多言語テキスト編集に対応。
Nano Banana 2 画像編集
4K セマンティック編集。自然言語で画像を修正。文脈認識と画像内多言語テキスト編集に対応。
Seedream V5.0 Pro Edit 画像編集・生成 API
ByteDance の Seedream V5.0 Pro Edit は、単一画像または複数の参照画像をもとに画像の編集・生成を行えます。最大 10 枚の参照画像に対応し、アスペクト比の選択と 1K / 2K の出力階層をサポートしています。すぐに使える REST 推論 API で、高性能、コールドスタートなし、手頃な価格です。
Seedream 5.0 Lite Edit Sequential
Seedream 5.0 Lite Edit Sequentialは、複数画像の編集を行いながら、キャラクターやオブジェクトの一貫性をショット間で維持します。主要な被写体を検出し、連続性を保ちながら制御された編集を適用し、最大4K出力に対応しています。すぐに使用可能なREST推論APIを提供し、最高のパフォーマンス、コールドスタートなし、手頃な価格を実現。
Seedream 5.0 Edit
Seedream 5.0 Lite Edit は、参照画像の顔の特徴、照明、色調を保持する最先端の画像編集モデルです。高忠実度の編集をサポートし、プロフェッショナル品質、優れたプロンプト対応能力、最大 4K 解像度に対応しています。すぐに使用可能な REST 推論 API を提供し、優れたパフォーマンス、コールドスタートなし、手頃な価格を実現しています。
Seedream 4.5 Edit Sequential
Seedream 4.5 Edit Sequential は、複数画像の編集を行いながら、キャラクターやオブジェクトの一貫性をショット間で維持します。主要な被写体を検出し、連続性を保ちながら制御された編集を実現し、最大 4K 出力に対応しています。すぐに使用可能な REST 推論 API を提供し、最高のパフォーマンス、コールドスタートなし、手頃な価格を実現。
Seedream 4.5 Edit
Seedream 4.5 Edit は、参照画像の顔の特徴、光、色調を保持し、最大 4K の高解像度でプロフェッショナルな高忠実度編集を提供します。プロンプトへの高い応答性を備えています。すぐに使用可能な REST 推論 API、最高のパフォーマンス、コールドスタートなし、手頃な価格。
Face Swap
6
namifusion 画像/動画 フェイススワップ
NamiFusion ビデオ フェイススワップ モデル 1人または複数人の簡単換顔が可能。複数のmodel_styleスタイルに対応、リアルな結果かワンクリック美顔処理のどちらかを直接出力、自然で綺麗な仕上がり！
换脸
NamiFusion Faceswap v5は、圧倒的なスピードとコストパフォーマンスを誇る顔換えモデルです。肌の色調補正機能を備え、プロ品質を維持しつつ、大規模かつリアルタイムなワークフローに最適化されています。
Image FaceSwap Pro
Image FaceSwap Pro は単一顔の自動検出と、キーポイント対応による複数顔の高精度マッピングに対応します。
namifusion 画像 フェイススワップ
NamiFusion フェイススワップモデル 1人または複数人の簡単換顔が可能。複数のmodel_styleスタイルに対応、リアルな結果かワンクリック美顔処理のどちらかを直接出力、自然で綺麗な仕上がり！
顔検出
入力要素に含まれる顔情報を検出するために使用される顔検出モデル。
顔検出
入力要素に含まれる顔情報を検出するために使用される顔検出モデル。
Text to Speech
4
Eleven v3
The most expressive model. Supports 70+ languages. Requires more prompt engineering than our previous models.
Eleven Turbo v2.5
Our high quality, low latency model in 32 languages. Best for developer use cases where speed matters and you need non-English languages.
ElevenLabs Multilingual V2 is a multilingual text-to-speech model
Our most life-like, emotionally rich mode in 29 languages. Best for voice overs, audiobooks, post-production, or any other content creation needs
Eleven Flash v2.5
Our ultra low latency model in 32 languages. Ideal for conversational use cases.
Reference to Video
3
Gemini Omni Flash 参照画像から動画生成 API
Gemini Omni Flash 参照画像から動画生成は、1枚以上の参照画像とテキストのプロンプトから、音声が同期した短い AI 動画を生成します。視覚的な一貫性を保ちながら、提供された参照内容に従ってガイド付きのマルチモーダル動画生成を行います。すぐに使える REST 推論 API、高性能、コールドスタートなし、手頃な価格。
Seedance 2.0 Mini 参照生成動画 API
Seedance 2.0 Mini Reference-to-Video（リファレンス画像指定動画生成）は、ByteDance（バイトダンス）が開発した、シネマティックなマルチショット動画の作成に最適な、高速かつ低コストな動画生成モデルです。参考画像とテキストプロンプトを高度に融合させ、ストーリー性豊かな動画セグメントを生成します。AIによる柔軟なカメラワーク制御に対応しているだけでなく、異なるシーン間でのキャラクターの同一性を維持するという課題もクリアしています。480Pから4Kまでのマルチ解像度出力、4〜15秒の動画長、そして自由なアスペクト比をサポート。すぐに使えるREST推論APIが提供されており、コールドスタートなしの圧倒的なパフォーマンスを圧倒的なコストパフォーマンスで実現します。
Seedance 2.0 Fast reference-to-video
Seedance 2.0 Fast（Video-Edit）は、自然言語のプロンプトに基づいて入力動画をより高速かつ低コストで編集できます。ByteDance Seed の統合マルチモーダルアーキテクチャを基盤とし、被写体の同一性、構図、動きを保ちながら、指示に応じてライティング、スタイル、天候、環境、特定の要素を書き換えます。すぐに使える REST API、優れたパフォーマンス、コールドスタートなし、手頃な価格に対応しています。
