Muse Video 1.0 公開：テキストtoビデオと画像toビデオのパラメータ、料金、プロンプト

Muse Video 1.0 は Meta Superintelligence Labs が発表した動画生成モデルで、現在 HiAPI.ai で公開されています。2つのモデルがあり、muse-video-1.0/text-to-video（テキストtoビデオ）と muse-video-1.0/image-to-video（画像toビデオ）です。各動画は固定10秒、720pで、映像と音声が同時に生成されます。

料金

2つのモデルは同料金：1本あたり $0.0336。長さと解像度は固定で、段階を選ぶ必要がないため、送信前に費用が確定します。

パラメータ

テキストtoビデオ muse-video-1.0/text-to-video

• prompt（必須）：1〜5000文字で、主体、動作、カメラワーク、音声を記述します。
• aspect_ratio：16:9（デフォルト）、9:16、1:1、4:3、3:4、3:2、2:3。16:9 は 1280×720、9:16 は 720×1280 を出力します。

画像toビデオ muse-video-1.0/image-to-video

• prompt（必須）：1〜5000文字で、参照画像内の主体がどう動くか、カメラがどう動くか、そして希望する音声を記述します。
• image_urls（必須）：1〜9枚の参照画像で、http または https リンク。参照画像は映像を導くために使われ、ピクセル単位で一致する最初のフレームになることは保証されません。
• aspect_ratio：auto（デフォルト、参照画像の比率に従う）、または上記7種類の比率のいずれか。

長さ（10秒）、解像度（720p）、音声はすべて固定で、リクエストで送る必要はありません。

リクエスト例

テキストtoビデオ：

curl https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-video-1.0/text-to-video",
    "input": {
      "prompt": "A paper boat drifts across a calm pond at sunrise, low camera following it, gentle ripples, birdsong in the background",
      "aspect_ratio": "16:9"
    }
  }'

画像toビデオ（リクエストボディ）：

{
  "model": "muse-video-1.0/image-to-video",
  "input": {
    "image_urls": ["https://example.com/product.jpg"],
    "prompt": "The bottle slowly rotates as soft morning light moves across it, gentle push-in, quiet ambient music",
    "aspect_ratio": "auto"
  }
}

送信後はタスク ID が返り、GET /v1/tasks/{taskId} で状態を確認し、完了後に動画リンクを取得します。

プロンプトの書き方

1. まず主体と動作を書く：誰が画面にいて、何をしているかを一文で明確に。
2. 次にカメラを書く：寄り、追従、周回、俯瞰など、1本の動画には主要なカメラワークを1つだけ書く。
3. 希望する音声を書く：動画には音声が付くので、環境音や音楽のスタイルを明示する。例えば「鳥のさえずり」「穏やかなピアノ」など。
4. 10秒に合わせてリズムを組む：1シーン、1〜2の動作が最適で、複数のシーンを1本に詰め込まない。
5. 画像toビデオでは鮮明な参照画像を選ぶ：主体がはっきりし、光がきれいな画像ほど外観を維持しやすい。複数枚の場合はスタイルを揃える。

向いている用途

• 9:16 縦型ショート動画の素材を、環境音付きでそのまま。
• 商品画像を10秒の紹介クリップにする（画像toビデオ）。
• 絵コンテやコンセプトプレビュー：同じ記述でいくつかの比率を試し、適した画角を選ぶ。

モデルページの Playground を開けばすぐに試せます。