プロンプトを書く必要はありますか？

不要です。画像のURLを1つ提供するだけで、モデルが自動的に前景と背景を分離します。

出力は本当に透明な画像ですか？

出力はAlphaチャンネル付きのPNGです。ページ上のチェッカーボードは透明領域を表示するためのもので、ダウンロードされる元の結果には書き込まれません。

API にはどのパラメータを渡す必要がありますか？

model と input.image_url を送信してください。画像 URL は HTTP または HTTPS で直接アクセスできる必要があります。

アスペクト比や色を調整したり、新しい背景を生成したりできますか？

現在のインターフェースは背景除去に特化しており、アスペクト比、背景色、プロンプトの設定は提供していません。透明化した結果を後続の編集ツールに渡して処理を続けることができます。

画像生成後にどのように保存しますか？

タスク成功後に結果をダウンロードするか、自分のストレージに転送して保存します。ページに表示される素材とタスクの一時生成物では保持方法が異なります。

マスクはどう描きますか？

マスクは白黒画像です：白い領域は消去されて背景が補完され、黒い領域はそのまま保持されます。白い範囲は物体の輪郭より少し大きめにすると、影や輪郭の残りも一緒に除去できます。

マスクは元画像と同じサイズでなければなりませんか？

マスクのアスペクト比は元画像と一致している必要があります。消去位置のずれを避けるため、元画像のサイズのまま書き出すことをおすすめします。

プロンプトを書く必要がありますか？

いいえ。Bria Eraser は元画像とマスクのみに基づいて動作するため、リクエストに prompt フィールドを含めることはできません。

mask_type は manual と automatic のどちらを選びますか？

ペイントブラシやレタッチソフトで手作業で塗ったマスクは manual（デフォルト）を選びます。セグメンテーションツールが自動生成したマスクは automatic を選びます。

元の画像に透明な背景がある場合はどうなりますか？

preserve_alpha を有効にすると、入力画像の透明領域は結果でも透明のまま維持されます。デフォルトでは無効です。

出力の形式とサイズは？

毎回 1 枚の PNG を出力し、解像度は元画像と同じです（実測では入力 1360 × 768、出力も 1360 × 768）。PNG は RGBA 形式で、透明保持を有効にしていない場合、画面は完全に不透明です。

どの入力形式に対応していますか？

元画像は JPEG、PNG、WEBP に対応しています。元画像とマスクはどちらも公開アクセス可能な http(s) アドレスである必要があります。Playground でファイルをアップロードすると自動的にリンクに変換されます。

料金はどうやって計算されますか？

出力画像の枚数で課金され、1リクエストにつき1枚です。現在の単価はページ上のリアルタイム価格を基準とします。

シーン記述とシーン参考画像は一緒に使えますか？

いいえ、どちらか一方を選びます。英語のシーン記述（prompt）を書くときは参考画像を渡さないでください。参考画像に基づいて生成するときは記述を書かないでください。Playground では切り替えると、もう一方の内容が自動的にクリアされます。

シーン記述は英語で書く必要がありますか？

はい。prompt では新しいシーンや背景を英語で記述してください。最大 1000 文字までです。Playground が中国語を検出すると、書き直しを促すメッセージが表示されます。

最適化された説明とは何ですか？

有効にするとシーン説明が自動的に拡張されます。デフォルトで有効です。シーン説明モードでのみ有効になり、参照画像モードでは送信されません。

商品の配置方法にはどのような種類がありますか？

プリセット位置（manual_placement、デフォルト。シーン記述または参照画像のいずれでも可）は商品をキャンバスの指定位置に配置します。デフォルトは下部中央で、正方形画像入力の実測出力は 1024×1024 です。元位置保持（original）は商品の元画像における位置と比率をそのまま使用します。

元の画像サイズを維持できるのはいつ使えますか？

「位置を維持」の場合にのみ使用できます。オンにすると元の画像サイズで出力され、オフにすると約100万ピクセルに縮小されます。プリセット位置モードではこのパラメータは送信されません。

出力はどのような形式とサイズですか？

毎回 1 枚の PNG を出力します。プリセット位置（シーン記述または参照画像のいずれでも可）の正方形入力では、実測出力は 1024 × 1024 です。元の位置を維持し、元画像サイズを保持する設定をオンにした場合は元画像のサイズをそのまま使用します（実測入力 1168 × 880、出力も 1168 × 880）。

クイックモードと標準モードの違いは何ですか？

クイックモード（デフォルトでオン）は画像生成がより速くなります。オフにすると標準モードを使用します。両モードの価格は同じです。

商品画像にはどのような要件がありますか？

JPEG、PNG、WEBPに対応しており、最大12 MBです。公開アクセス可能なhttp(s)アドレスである必要があります。被写体がはっきりしており、輪郭が完全な商品画像の方がより良い結果が得られます。

料金はどのように計算されますか？

出力画像の枚数に応じて課金され、1回のリクエストにつき1枚です。現在の単価はページ上のリアルタイム価格に準じます。

Creatify Boreal はどのような入力に対応していますか？

プロンプトは必須です。任意で参照画像1枚と駆動用音声1本を指定でき、プロンプトのみでも、3つを一緒に使うこともできます。

プロンプトはどう書くと最も効果的ですか？

[VISUAL]（画面とカメラワーク）、[SPEECH]（セリフ）、[SOUNDS]（効果音と音楽）、[TEXT]（画面テキスト）の4段落で書き、不要な段落には None と記入します。

中国語のプロンプトはサポートされていますか？

現在、英語のプロンプトが最も安定しており、他の言語での効果は保証されません。まずは英語の使用をお勧めします。

動画は最長で何秒ですか？

1～20秒で、整数秒で設定し、デフォルトは10秒です。

どの解像度に対応していますか？

720p、1080p、2Kに対応しており、デフォルトは720pです。2Kは16:9および9:16では長辺が2016ピクセル、1:1、4:3、3:4では1440pグレードとなります。

画面比率はどう選びますか？

自動、16:9、9:16、1:1、4:3、3:4から選択できます。自動は参照画像がある場合は参照画像の比率に従い、参照画像がない場合は16:9になります。参照画像があり、かつ比率を指定した場合は、参照画像を中央からクロップします。

ドライブ音声はどう使いますか？

ナレーション、セリフ、またはBGMをアップロードすると、完成動画にこの音声が保持されます。「長さ」秒までの先頭部分のみが使用され、音声が足りない場合は無音で補われます。

参考画像にはどのような役割がありますか？

参考画像は人物の外見、服装、構図を決定し、商品画像や人物写真を動画化するのに適しています。

出力はどのような形式ですか？

MP4（H.264 ビデオ + AAC オーディオ、24fps）で、ナレーションと効果音が付属しています。

動画にウォーターマークはありますか？

不可視ウォーターマークのみです。すべての動画には C2PA メタデータと不可視ウォーターマークが付与されており、画面上に可視の識別子が重ねて表示されることはありません。

料金はどのように計算されますか？

リクエストの時間と選択した解像度に基づいて課金され、単価は本ページのリアルタイム価格を参照してください。失敗したタスクは全額返金されます。

APIで呼び出すにはどうすればよいですか？

POST /v1/tasks に model を creatify-boreal に設定したタスクを送信し、その後タスクのステータスをポーリングして動画のURLを取得します。詳しくは API ドキュメントをご覧ください。

公式のモデル名と HiAPI のモデル ID にはどのような違いがありますか？

DeepSeek の公式モデル名は deepseek-flash です。HiAPI が今回の公開アクセスのために保持しているモデル ID は deepseek-v4.1-flash です。リクエストとページの例では引き続き deepseek-v4.1-flash を使用してください。

DeepSeek V4.1 Flash とは何ですか？

DeepSeek V4.1 Flash は、テキストと画像の入力に対応した正式版モデルです。DeepSeek の公式資料によると、1M Token のコンテキスト、最大 384K Token の出力、および none、low、high、max の4段階の思考強度（デフォルトは high）に対応しています。

どのモデル ID とインターフェースを使用しますか？

model には deepseek-v4.1-flash を指定してください。POST /v1/responses を使用できますし、POST /v1/chat/completions にも対応しています。それぞれ input と messages を使用するため、リクエスト構造を混在させないでください。

思考モードを有効または無効にするにはどうすればよいですか？

Responses リクエストでは reasoning.effort を使用します。none で思考を無効にし、low、high、max で思考を有効にし、デフォルトは high です。Chat Completions では thinking.type=enabled/disabled を使用します。有効にする場合は reasoning_effort で low、high、max のいずれかを選択します。

Responses はどのようにマルチターン対話を行いますか？

このインターフェースはステートレスです。毎回 input に保持したい対話履歴を改めて渡してください。previous_response_id、conversation、background、context_management は渡さず、store も渡す必要はありません。

ストリーミング応答はどのように終了を判断しますか？

Responses は response.output_text.delta で本文の差分を受信し、response.completed で最終的な usage を読み取ります。response.incomplete と response.failed はそれぞれ不完全な生成と失敗を表します。Responses は [DONE] では終了しません。Chat Completions のストリームは引き続き [DONE] を使用します。

Token と思考コンテンツの課金方法は？

入力、出力、キャッシュヒット入力はそれぞれ実際の Token に基づいて課金され、思考 Token は出力に算入されます。Responses の usage.input_tokens、usage.output_tokens、input_tokens_details.cached_tokens で使用量を確認できます。最終的な請求は呼び出しログを基準とし、単価はリアルタイム価格エリアで確認してください。

画像、ツール呼び出し、構造化 JSON はすべて公開されていますか？

DeepSeek の公式資料は画像 URL と base64 画像入力に対応しており、HiAPI ランタイムではこの2種類の入力を検証済みです。ツール呼び出しおよび構造化 JSON は今回の接続検証が完了していないため、現時点ではサポートを約束しません。

既存の HiAPI API Key は引き続き使用できますか？

対応するモデルの権限と利用可能な残高がある HiAPI API Key は再利用できます。OpenAI SDK を使用する場合、base_url を https://api.hiapi.ai/v1 に設定します。Responses では client.responses.create、Chat Completions では client.chat.completions.create を使用します。

Turbo 2.5 とは何ですか？

ElevenLabs の低遅延テキスト読み上げモデルで、音声アシスタント、通知の読み上げ、大量の音声吹き込みに適しています。

どうやって呼び出すのですか？

POST /v1/tasks に model（elevenlabs/text-to-speech-turbo-2-5）と input を渡し、その後 taskId で結果を取得するか callback を設定します。

料金はどのように計算されますか？

input.text の文字数に基づき、1,000文字ごとに課金されます。最新の単価は本ページの価格欄をご参照ください。

previous_text と next_text は課金されますか？

課金されません。これらはセグメント合成にコンテキストを提供し、イントネーションのつながりを自然にするだけです。

中国語の文字はどう数えますか？

漢字・英字・数字・句読点・スペースはそれぞれ1文字として数え、中国語でも2倍にはなりません。

1回あたり最大何文字までですか？

5,000文字です。上限を超えると送信時に拒否され、課金されません。長い内容は段落ごとに分割して送信してください。

どのような音声がありますか？

ナレーション、司会、キャラクター、カスタマーサービスをカバーする 67 個の ElevenLabs プリセット音声があります。voice に voice_id を渡します。

出力言語を指定できますか？

はい。2桁の ISO 639-1 コードで language_code（例：zh、en、ja）を設定してください。省略した場合は自動検出されます。

よくある質問

請求、アカウント、API 連携、モデル機能、永続化アーティファクトに関する簡単な回答。

カテゴリ 1050

カテゴリ

プロンプトを書く必要はありますか？

不要です。画像のURLを1つ提供するだけで、モデルが自動的に前景と背景を分離します。

モデルと機能 851 Labs Background Remover
出力は本当に透明な画像ですか？

出力はAlphaチャンネル付きのPNGです。ページ上のチェッカーボードは透明領域を表示するためのもので、ダウンロードされる元の結果には書き込まれません。

モデルと機能 851 Labs Background Remover
API にはどのパラメータを渡す必要がありますか？

model と input.image_url を送信してください。画像 URL は HTTP または HTTPS で直接アクセスできる必要があります。

モデルと機能 851 Labs Background Remover
アスペクト比や色を調整したり、新しい背景を生成したりできますか？

現在のインターフェースは背景除去に特化しており、アスペクト比、背景色、プロンプトの設定は提供していません。透明化した結果を後続の編集ツールに渡して処理を続けることができます。

モデルと機能 851 Labs Background Remover
画像生成後にどのように保存しますか？

タスク成功後に結果をダウンロードするか、自分のストレージに転送して保存します。ページに表示される素材とタスクの一時生成物では保持方法が異なります。

モデルと機能 851 Labs Background Remover
マスクはどう描きますか？

マスクは白黒画像です：白い領域は消去されて背景が補完され、黒い領域はそのまま保持されます。白い範囲は物体の輪郭より少し大きめにすると、影や輪郭の残りも一緒に除去できます。

モデルと機能 BRIA Eraser
マスクは元画像と同じサイズでなければなりませんか？

マスクのアスペクト比は元画像と一致している必要があります。消去位置のずれを避けるため、元画像のサイズのまま書き出すことをおすすめします。

モデルと機能 BRIA Eraser
プロンプトを書く必要がありますか？

いいえ。Bria Eraser は元画像とマスクのみに基づいて動作するため、リクエストに prompt フィールドを含めることはできません。

モデルと機能 BRIA Eraser
mask_type は manual と automatic のどちらを選びますか？

ペイントブラシやレタッチソフトで手作業で塗ったマスクは manual（デフォルト）を選びます。セグメンテーションツールが自動生成したマスクは automatic を選びます。

モデルと機能 BRIA Eraser
元の画像に透明な背景がある場合はどうなりますか？

preserve_alpha を有効にすると、入力画像の透明領域は結果でも透明のまま維持されます。デフォルトでは無効です。

モデルと機能 BRIA Eraser
出力の形式とサイズは？

毎回 1 枚の PNG を出力し、解像度は元画像と同じです（実測では入力 1360 × 768、出力も 1360 × 768）。PNG は RGBA 形式で、透明保持を有効にしていない場合、画面は完全に不透明です。

モデルと機能 BRIA Eraser
どの入力形式に対応していますか？

元画像は JPEG、PNG、WEBP に対応しています。元画像とマスクはどちらも公開アクセス可能な http(s) アドレスである必要があります。Playground でファイルをアップロードすると自動的にリンクに変換されます。

モデルと機能 BRIA Eraser
料金はどうやって計算されますか？

出力画像の枚数で課金され、1リクエストにつき1枚です。現在の単価はページ上のリアルタイム価格を基準とします。

モデルと機能 BRIA Eraser
シーン記述とシーン参考画像は一緒に使えますか？

いいえ、どちらか一方を選びます。英語のシーン記述（prompt）を書くときは参考画像を渡さないでください。参考画像に基づいて生成するときは記述を書かないでください。Playground では切り替えると、もう一方の内容が自動的にクリアされます。

モデルと機能 BRIA Product Shot
シーン記述は英語で書く必要がありますか？

はい。prompt では新しいシーンや背景を英語で記述してください。最大 1000 文字までです。Playground が中国語を検出すると、書き直しを促すメッセージが表示されます。

モデルと機能 BRIA Product Shot
最適化された説明とは何ですか？

有効にするとシーン説明が自動的に拡張されます。デフォルトで有効です。シーン説明モードでのみ有効になり、参照画像モードでは送信されません。

モデルと機能 BRIA Product Shot
商品の配置方法にはどのような種類がありますか？

プリセット位置（manual_placement、デフォルト。シーン記述または参照画像のいずれでも可）は商品をキャンバスの指定位置に配置します。デフォルトは下部中央で、正方形画像入力の実測出力は 1024×1024 です。元位置保持（original）は商品の元画像における位置と比率をそのまま使用します。

モデルと機能 BRIA Product Shot
元の画像サイズを維持できるのはいつ使えますか？

「位置を維持」の場合にのみ使用できます。オンにすると元の画像サイズで出力され、オフにすると約100万ピクセルに縮小されます。プリセット位置モードではこのパラメータは送信されません。

モデルと機能 BRIA Product Shot
出力はどのような形式とサイズですか？

毎回 1 枚の PNG を出力します。プリセット位置（シーン記述または参照画像のいずれでも可）の正方形入力では、実測出力は 1024 × 1024 です。元の位置を維持し、元画像サイズを保持する設定をオンにした場合は元画像のサイズをそのまま使用します（実測入力 1168 × 880、出力も 1168 × 880）。

モデルと機能 BRIA Product Shot
クイックモードと標準モードの違いは何ですか？

クイックモード（デフォルトでオン）は画像生成がより速くなります。オフにすると標準モードを使用します。両モードの価格は同じです。

モデルと機能 BRIA Product Shot
商品画像にはどのような要件がありますか？

JPEG、PNG、WEBPに対応しており、最大12 MBです。公開アクセス可能なhttp(s)アドレスである必要があります。被写体がはっきりしており、輪郭が完全な商品画像の方がより良い結果が得られます。

モデルと機能 BRIA Product Shot
料金はどのように計算されますか？

出力画像の枚数に応じて課金され、1回のリクエストにつき1枚です。現在の単価はページ上のリアルタイム価格に準じます。

モデルと機能 BRIA Product Shot
Creatify Boreal はどのような入力に対応していますか？

プロンプトは必須です。任意で参照画像1枚と駆動用音声1本を指定でき、プロンプトのみでも、3つを一緒に使うこともできます。

モデルと機能 Creatify Boreal
プロンプトはどう書くと最も効果的ですか？

[VISUAL]（画面とカメラワーク）、[SPEECH]（セリフ）、[SOUNDS]（効果音と音楽）、[TEXT]（画面テキスト）の4段落で書き、不要な段落には None と記入します。

モデルと機能 Creatify Boreal
中国語のプロンプトはサポートされていますか？

現在、英語のプロンプトが最も安定しており、他の言語での効果は保証されません。まずは英語の使用をお勧めします。

モデルと機能 Creatify Boreal
動画は最長で何秒ですか？

1～20秒で、整数秒で設定し、デフォルトは10秒です。

モデルと機能 Creatify Boreal
どの解像度に対応していますか？

720p、1080p、2Kに対応しており、デフォルトは720pです。2Kは16:9および9:16では長辺が2016ピクセル、1:1、4:3、3:4では1440pグレードとなります。

モデルと機能 Creatify Boreal
画面比率はどう選びますか？

自動、16:9、9:16、1:1、4:3、3:4から選択できます。自動は参照画像がある場合は参照画像の比率に従い、参照画像がない場合は16:9になります。参照画像があり、かつ比率を指定した場合は、参照画像を中央からクロップします。

モデルと機能 Creatify Boreal
ドライブ音声はどう使いますか？

ナレーション、セリフ、またはBGMをアップロードすると、完成動画にこの音声が保持されます。「長さ」秒までの先頭部分のみが使用され、音声が足りない場合は無音で補われます。

モデルと機能 Creatify Boreal
参考画像にはどのような役割がありますか？

参考画像は人物の外見、服装、構図を決定し、商品画像や人物写真を動画化するのに適しています。

モデルと機能 Creatify Boreal
出力はどのような形式ですか？

MP4（H.264 ビデオ + AAC オーディオ、24fps）で、ナレーションと効果音が付属しています。

モデルと機能 Creatify Boreal
動画にウォーターマークはありますか？

不可視ウォーターマークのみです。すべての動画には C2PA メタデータと不可視ウォーターマークが付与されており、画面上に可視の識別子が重ねて表示されることはありません。

モデルと機能 Creatify Boreal
料金はどのように計算されますか？

リクエストの時間と選択した解像度に基づいて課金され、単価は本ページのリアルタイム価格を参照してください。失敗したタスクは全額返金されます。

モデルと機能 Creatify Boreal
APIで呼び出すにはどうすればよいですか？

POST /v1/tasks に model を creatify-boreal に設定したタスクを送信し、その後タスクのステータスをポーリングして動画のURLを取得します。詳しくは API ドキュメントをご覧ください。

モデルと機能 Creatify Boreal
公式のモデル名と HiAPI のモデル ID にはどのような違いがありますか？

DeepSeek の公式モデル名は deepseek-flash です。HiAPI が今回の公開アクセスのために保持しているモデル ID は deepseek-v4.1-flash です。リクエストとページの例では引き続き deepseek-v4.1-flash を使用してください。

モデルと機能
DeepSeek V4.1 Flash とは何ですか？

DeepSeek V4.1 Flash は、テキストと画像の入力に対応した正式版モデルです。DeepSeek の公式資料によると、1M Token のコンテキスト、最大 384K Token の出力、および none、low、high、max の4段階の思考強度（デフォルトは high）に対応しています。

モデルと機能
どのモデル ID とインターフェースを使用しますか？

model には deepseek-v4.1-flash を指定してください。POST /v1/responses を使用できますし、POST /v1/chat/completions にも対応しています。それぞれ input と messages を使用するため、リクエスト構造を混在させないでください。

モデルと機能
思考モードを有効または無効にするにはどうすればよいですか？

Responses リクエストでは reasoning.effort を使用します。none で思考を無効にし、low、high、max で思考を有効にし、デフォルトは high です。Chat Completions では thinking.type=enabled/disabled を使用します。有効にする場合は reasoning_effort で low、high、max のいずれかを選択します。

モデルと機能
Responses はどのようにマルチターン対話を行いますか？

このインターフェースはステートレスです。毎回 input に保持したい対話履歴を改めて渡してください。previous_response_id、conversation、background、context_management は渡さず、store も渡す必要はありません。

モデルと機能
ストリーミング応答はどのように終了を判断しますか？

Responses は response.output_text.delta で本文の差分を受信し、response.completed で最終的な usage を読み取ります。response.incomplete と response.failed はそれぞれ不完全な生成と失敗を表します。Responses は [DONE] では終了しません。Chat Completions のストリームは引き続き [DONE] を使用します。

モデルと機能
Token と思考コンテンツの課金方法は？

入力、出力、キャッシュヒット入力はそれぞれ実際の Token に基づいて課金され、思考 Token は出力に算入されます。Responses の usage.input_tokens、usage.output_tokens、input_tokens_details.cached_tokens で使用量を確認できます。最終的な請求は呼び出しログを基準とし、単価はリアルタイム価格エリアで確認してください。

モデルと機能
画像、ツール呼び出し、構造化 JSON はすべて公開されていますか？

DeepSeek の公式資料は画像 URL と base64 画像入力に対応しており、HiAPI ランタイムではこの2種類の入力を検証済みです。ツール呼び出しおよび構造化 JSON は今回の接続検証が完了していないため、現時点ではサポートを約束しません。

モデルと機能
既存の HiAPI API Key は引き続き使用できますか？

対応するモデルの権限と利用可能な残高がある HiAPI API Key は再利用できます。OpenAI SDK を使用する場合、base_url を https://api.hiapi.ai/v1 に設定します。Responses では client.responses.create、Chat Completions では client.chat.completions.create を使用します。

モデルと機能
Turbo 2.5 とは何ですか？

ElevenLabs の低遅延テキスト読み上げモデルで、音声アシスタント、通知の読み上げ、大量の音声吹き込みに適しています。

モデルと機能 ElevenLabs
どうやって呼び出すのですか？

POST /v1/tasks に model（elevenlabs/text-to-speech-turbo-2-5）と input を渡し、その後 taskId で結果を取得するか callback を設定します。

モデルと機能 ElevenLabs
料金はどのように計算されますか？

input.text の文字数に基づき、1,000文字ごとに課金されます。最新の単価は本ページの価格欄をご参照ください。

モデルと機能 ElevenLabs
previous_text と next_text は課金されますか？

課金されません。これらはセグメント合成にコンテキストを提供し、イントネーションのつながりを自然にするだけです。

モデルと機能 ElevenLabs
中国語の文字はどう数えますか？

漢字・英字・数字・句読点・スペースはそれぞれ1文字として数え、中国語でも2倍にはなりません。

モデルと機能 ElevenLabs
1回あたり最大何文字までですか？

5,000文字です。上限を超えると送信時に拒否され、課金されません。長い内容は段落ごとに分割して送信してください。

モデルと機能 ElevenLabs
どのような音声がありますか？

ナレーション、司会、キャラクター、カスタマーサービスをカバーする 67 個の ElevenLabs プリセット音声があります。voice に voice_id を渡します。

モデルと機能 ElevenLabs
出力言語を指定できますか？

はい。2桁の ISO 639-1 コードで language_code（例：zh、en、ja）を設定してください。省略した場合は自動検出されます。

モデルと機能 ElevenLabs
stability、similarity_boost、style はどう調整しますか？

stability は低いほど生き生きとして、高いほど安定します。similarity_boost は声質への忠実度を制御します。style はドラマ性を高め、ニュートラルなナレーションでは 0 に保ちます。

モデルと機能 ElevenLabs
字幕のタイムスタンプはサポートしていますか？

サポートしています。timestamps=true を設定すると単語ごとのタイムスタンプが返され、字幕や文字ごとのハイライトに利用できます。

モデルと機能 ElevenLabs
Turbo 2.5 と Multilingual v2 はどう選べばよいですか？

速度とコストを重視するなら Turbo 2.5（language_code 対応）を、長文コンテンツの品質と感情の安定性を重視するなら Multilingual v2 を選んでください。両者の音声ライブラリは同じです。

モデルと機能 ElevenLabs
音声クローンには対応していますか？

現在の契約ではプリセット音色のみが利用可能で、音声クローンやカスタム voice ID には対応していません。

モデルと機能 ElevenLabs
タスクが失敗すると課金されますか？

失敗の終状態は課金されません。送信時に事前に差し引かれたポイントは自動的に返還されます。

モデルと機能 ElevenLabs
Multilingual v2 とは何ですか？

ElevenLabs の高品質な多言語テキスト読み上げモデルで、オーディオブック、ナレーション、ブランドボイスに適しています。

モデルと機能 ElevenLabs
FASHN Try-On v1.6 とは何ですか？

これは専用のバーチャル試着モデルです。人物写真を1枚と衣類画像を1枚アップロードすると、モデルが衣類を人物に着せ、縦長の試着画像を出力します。プロンプトは不要で、テキスト記述も受け付けません。出力は商品詳細ページ、ソーシャルメディア素材、広告プレビューにそのまま使用するのに適しています。

モデルと機能 FASHN Tryon v1.6
プロンプトを書く必要がありますか？

不要です。人物写真と服の画像のみを受け取り、試着結果は2枚の画像と任意のカテゴリ、モード、服画像タイプのパラメータによって決まります。リクエストに prompt フィールドを追加しないでください。バックエンドは未知のフィールドとして拒否します。

モデルと機能 FASHN Tryon v1.6
2枚の画像を同時にアップロードする必要がありますか？

はい。人物写真と服装画像はどちらも必須です。どちらか一方でも欠けている場合、Playground と API の両方が送信前にブロックします。2枚の画像をアップロードした後にのみ実行ボタンが有効になり、API はパラメータ検証エラーを返します。

モデルと機能 FASHN Tryon v1.6
どの服装カテゴリに対応していますか？

トップス（tops）、ボトムス（bottoms）、ワンピース（one-pieces）に対応しており、自動識別を選択することもできます。カテゴリが不明な場合はまず自動を使用し、識別が不正確な場合に明示的に指定してください。混合カテゴリのカタログはカテゴリごとにグループ化して送信することをお勧めします。これにより自動識別による偏りを減らせます。

モデルと機能 FASHN Tryon v1.6
mode はどう選べばいいですか？

performance はより高速で、一括プレビューに適しています。balanced は速度と品質のバランスを取ります。quality はより低速で、最終出力に適しています。まず balanced で構図を確認し、その後 quality で最終版を出力するとよいでしょう。モードは人物画像の構図を変えませんが、服の輪郭、しわ、柄の細部の精細さに影響します。

モデルと機能 FASHN Tryon v1.6
平置画像、ハンガー掛け画像、モデル画像はそれぞれ設定する必要がありますか？

garment_photo_type で model または flat-lay を指定できます。自動識別に任せることも可能です。平置き、ハンガー掛け、ゴーストマネキン、実際のモデル着用の商品画像はいずれもサポートされています。種類が分かっている場合は明示的に設定する方が通常は安定します。平置きとハンガー掛けはいずれも flat-lay に該当し、実際のモデル着用画像は model を選択します。背景が複雑な場合、自動識別は誤判定する可能性があります。

モデルと機能 FASHN Tryon v1.6
出力のサイズと形式は？

毎回縦向きの画像を1枚返し、サイズは人物画像の比率に応じて変わります。今回の実測では、3:4 の人物画像は 972 × 1296、2:3 の人物画像は 768 × 1152 で出力されました。デフォルトは PNG で、JPEG も選択できます。すべての結果が同じピクセルサイズになると仮定しないでください。商品詳細ページを作る際は、まず人物画像の画角に合わせてレイアウトし、実際の出力を取得してから微調整してください。サイズを統一する必要がある場合は、生成後にトリミングまたは拡大縮小してください。

モデルと機能 FASHN Tryon v1.6
なぜ同じ入力でも結果が変わるのですか？

生成にはランダム性があります。固定の seed を渡すと同じ結果を再現できますが、seed を変えると異なるバージョンになります。モードの切り替えによっても、服装のエッジやテクスチャの細部の精細さが変わります。固定 seed はモードをまたいだ完全な一致を保証するものではないため、モードを変更した後は細部を改めて確認することをおすすめします。

モデルと機能 FASHN Tryon v1.6
服の細部は元の画像と完全に一致しますか？

ピクセル単位での複製は行われません。モデルはシルエット、色、主要な柄を保持しますが、襟元、しわ、ボタンなどの細部は人物のポーズ、カテゴリ、モードによって変化する場合があります。重要な商品画像には quality モードの使用と人的確認をおすすめします。人物写真は正面・単人・体がはっきり見えるものを推奨します。複数人の集合写真や著しい遮蔽があると、フィット効果が低下します。襟元、ボタン、柄の位置に厳密な要件がある商品画像には、より鮮明で遮蔽の少ない服の画像に差し替えることをおすすめします。

モデルと機能 FASHN Tryon v1.6
FIBO Edit 1.5 ではどのような編集ができますか？

色の変更、背景の変更、季節やスタイルの変更、部分的な置き換え、そして複数の画像を1枚に合成すること（例：衣装の試着や商品のシーン変更）ができます。

モデルと機能
画像は最大何枚まで送信できますか？

image_urls は公開画像 URL を 1～4 枚サポートします。順序には意味があります：命令内の「画像 1、画像 2」はアップロード順に対応します。

モデルと機能
aspect_ratio はいつ有効になりますか？

2枚以上の画像がある場合にのみ有効で、1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9 から選択できます。指定しない場合は最初の画像に従います。画像が1枚だけの場合は、出力は元画像の比率を維持します。

モデルと機能
マスクはどう使いますか？

mask_url には元画像と同じサイズの白黒画像を渡します。白が変更する領域、黒が変更しない領域です。

モデルと機能
複数の画像とマスクは一緒に使えますか？

いいえ。mask_url を指定する場合、image_urls は 1 枚のみでなければならず、そうでないとリクエストは拒否されます。複数画像の合成を行う場合はマスクを渡さないでください。

モデルと機能
指示はどのように書くと効果的ですか？

何を変更するか、何に変更するか、そして何を変更しないかを明確に書きましょう。例えば「アウターだけを深緑に変更し、それ以外は変更しないでください」のようにします。複数の画像がある場合は「画像1、画像2」で指し示します。

モデルと機能
出力はどのような形式ですか？

毎回 1 枚の PNG 画像を返します。

モデルと機能
なぜ同じ入力で結果が同じになるのですか？

seed はデフォルトで 5555 のため、同じ入力では同じ結果になります。seed を変更すると異なるバージョンを得られます。

モデルと機能
元画像がない場合はどのモデルを使いますか？

まず FIBO Gen 1.5 のテキスト-to-画像生成で生成し、その後 FIBO Edit 1.5 で修正します。

モデルと機能
画像はどのような条件を満たす必要がありますか？

公開アクセス可能な http(s) の画像アドレスである必要があります。Playground では直接アップロードすることもできます。

モデルと機能
タスクは同期ですか、非同期ですか？

非同期です。送信後すぐに taskId が返されるので、その後タスクの状態を照会するか、コールバックを使用して結果を取得してください。

モデルと機能
料金はどのように計算されますか？

出力画像の枚数に応じて課金され、1リクエストにつき1枚です。参照画像の数やマスクは価格に影響しません。現在の単価はページ上部および価格ページをご覧ください。

モデルと機能
FIBO Gen 1.5 は何に適していますか？

リアルな製品画像、ポートレート、料理、建築、そして文字入りの看板やパッケージなど、本物の質感が求められる画像に適しています。

モデルと機能
どの画面比率に対応していますか？

aspect_ratio は 1:1（デフォルト）、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9 から選択できます。

モデルと機能
出力サイズはどれくらいですか？

毎回約100万画素のPNG画像を1枚返します。具体的な幅と高さはアスペクト比によって変わり、例えば1:1の場合は1024 × 1024です。

モデルと機能
より高い解像度で出力できますか？

現在は約100万画素の1档のみを提供しています。より大きな画像が必要な場合は、結果を画像拡大モデルに渡して処理できます。

モデルと機能
なぜ同じ説明文なのに毎回結果が同じなのですか？

seed のデフォルトは 5555 で、同じ seed と同じ説明文からは同じ画像が生成されます。異なる結果を得たい場合は、別の seed に変更してください。

モデルと機能
画面の文字は正確ですか？

表示したい文字を引用符で囲むと、モデルはできるだけ一字一句そのまま表現します。短い看板やラベルの文字が最も効果的です。

モデルと機能
一度に何枚生成できますか？

1回のリクエストで1枚生成されます。複数枚必要な場合は複数のタスクを送信するか、seedを変えて複数回呼び出してください。

モデルと機能
参照画像をアップロードする必要がありますか？

不要です。これはテキストから画像を生成するモデルです。既存の画像を編集する場合は、FIBO Edit 1.5 を使用してください。

モデルと機能
プロンプトには長さ制限がありますか？

prompt は 1～10000 文字です。

モデルと機能
生成後も引き続き修正できますか？

はい。出力画像のURLをfibo-edit-1.5/image-to-imageに渡し、一文の指示で部分的な変更、背景の差し替え、色の変更ができます。

モデルと機能
料金はどのように計算されますか？

出力画像の枚数に応じて課金され、1リクエストにつき1枚です。現在の単価はページ上部および料金ページをご覧ください。

モデルと機能
FLUX.1 Fill Pro とは何ですか？

FLUX.1 Fill Pro はマスクによる局所的なインペイント向けの画像編集モデルです。元画像、同じサイズの白黒マスク、プロンプトをアップロードすると、白い領域のみが再描画され、黒い領域は変更されません。

モデルと機能 FLUX.1 Fill Pro
マスクの黒と白はそれぞれ何を表しますか？

黒い領域は元の画像を保持し、白い領域はプロンプトによって再描画されます。マスクは元の画像と同じサイズである必要があります。

モデルと機能 FLUX.1 Fill Pro
image と mask は両方ともアップロードする必要がありますか？

はい。現在の公開インターフェースでは、元画像と白黒マスクの両方を提供する必要があり、どちらも欠かせません。

モデルと機能 FLUX.1 Fill Pro
プロンプトには何を書けばよいですか？

マスクの白い領域に表示する新しい内容だけを記述し、必ず保持すべき要素を明示してください。マスク外の画面については繰り返し記述しないでください。

モデルと機能 FLUX.1 Fill Pro
steps と guidance はどう選べばよいですか？

steps の範囲は 15–50、デフォルトは 50 で、数値が高いほど細部が精細になります。guidance の範囲は 1.5–100、デフォルトは 60 で、数値が高いほどプロンプトに忠実になります。

モデルと機能 FLUX.1 Fill Pro
出力サイズは元画像に合わせて変わりますか？

出力は元画像のアスペクト比を維持します。実際のピクセル数はタスクの結果によります。今回、1600×900 の元画像から 1440×810 の結果が得られました。

モデルと機能 FLUX.1 Fill Pro
どのような入力・出力形式に対応していますか？

元画像とマスクは JPEG、PNG、GIF、WebP に対応しており、出力は jpg または png を選択できます。

モデルと機能 FLUX.1 Fill Pro
結果をより安定させるにはどうすればよいですか？

seed を固定し、同じ元画像、マスク、プロンプトを使用してください。steps や guidance を調整することで、細部や適合度を変えられます。

モデルと機能 FLUX.1 Fill Pro
料金はどうなりますか？

出力画像の枚数に応じて課金され、1回のリクエストで1枚が返されます。現在の単価は本ページのリアルタイム価格を基準とします。

モデルと機能 FLUX.1 Fill Pro
FLUX.2 [klein] 4B はどのようなタスクに適していますか？

バッチ下書き、商品コンセプト、ソーシャルメディア素材、コスト重視のビジュアル反復に適しています。より高い写実性、文字、細部が必要な場合は 9B に切り替えてください。

モデルと機能 FLUX.2 Klein 4B
0.25 MP から 4 MP までどう選ぶ？

下書きやサムネイルはまず 0.25 または 0.5 MP を使用できます。通常の Web 素材には 1 MP を使用します。より大きな出力が必要な場合は 2 または 4 MP を選択してください。価格はピクセル段階に応じて変わります。

モデルと機能 FLUX.2 Klein 4B
対応しているアスペクト比は？

1:1、16:9、9:16、3:2、2:3、4:3、3:4、5:4、4:5、21:9、9:21 に対応しています。

モデルと機能 FLUX.2 Klein 4B
同じ構図の方向性を再現するには？

Seed、Prompt、画面比率、ピクセル設定、出力設定を固定し、1つの変数だけを変更して比較します。

モデルと機能 FLUX.2 Klein 4B
最小限の API リクエストには何が含まれますか？

POST /v1/tasks に model と input.prompt を送信します。その他のパラメータはデフォルト値を使用できます。

モデルと機能 FLUX.2 Klein 4B
FLUX.2 [klein] 9B の画像編集は何枚の参照画像に対応していますか？

現在、JPEG、PNG、または WebP の参照画像 1 枚に対応しています。image_urls は公開画像 URL を 1 つだけ含む配列である必要があります。

モデルと機能 FLUX.2 Klein 9B
どのような編集タスクに適していますか？

商品画像のクリーンアップ、背景の差し替え、画像内の文字の書き換え、配色の変更、および被写体とカメラ位置を保持する必要がある商業向けレタッチに適しています。

モデルと機能 FLUX.2 Klein 9B
推論ステップ数はどのように設定しますか？

num_inference_steps は 4 から 8 の整数をサポートし、デフォルトは 4 です。現在の価格は推論ステップ数によって変動しません。

モデルと機能 FLUX.2 Klein 9B
対応しているアスペクト比とフォーマットは？

アスペクト比は 1:1、4:3、3:4、16:9、9:16 に対応；フォーマットは JPEG、PNG、WebP に対応しています。

モデルと機能 FLUX.2 Klein 9B
API で参照画像を送信するにはどうすればよいですか？

POST /v1/tasks の input.image_urls に公開画像の URL を渡し、同時に Prompt を送信します。アスペクト比、Seed、推論ステップ数、形式は任意です。

モデルと機能 FLUX.2 Klein 9B
FLUX.2 [klein] 9B のテキスト-to-イメージはどのようなタスクに適していますか？

素早く仕上げる必要がある商用ビジュアル、製品画像、英語の文字入りポスター、雑誌の表紙に適しています。現在のルートでは参照画像を受け付けません。

モデルと機能 FLUX.2 Klein 9B
結果を再現または比較するにはどうすればよいですか？

リクエストで seed を固定し、Prompt、アスペクト比、フォーマット、推論ステップ数を一致させたうえで、比較したい変数を1つずつ変更してください。

モデルと機能 FLUX.2 Klein 9B
最小限の API リクエストにはどのフィールドが必要ですか？

POST /v1/tasks に model と input.prompt を送信します。アスペクト比、推論ステップ数、出力形式は省略可能で、デフォルト値が使用されます。

モデルと機能 FLUX.2 Klein 9B
FLUX.2 [pro] とは何ですか？

FLUX.2 [pro] は Black Forest Labs のテキスト画像生成モデルです。HiAPI は現在、統一非同期タスクインターフェースを通じてこのモデルを提供しており、製品画像、ポスター、ブランドビジュアル、および正確な構図指定が必要な画像生成ワークフローに適しています。

モデルと機能
FLUX.2 [pro] の価格はいくらですか？

FLUX.2 [pro] は出力解像度のティアごとに課金され、プリセットのアスペクト比によって同じ解像度ティアの価格が変わることはありません。具体的な金額は本ページのリアルタイム価格およびタスク記録を基準とします。

モデルと機能
FLUX.2 [pro] はどの解像度に対応していますか？

現在の HiAPI endpoint では、0.5 MP、1 MP、2 MP、4 MP の4つの解像度ティアに対応しています。custom アスペクト比を使用する場合、width と height を 256〜2048 の範囲で設定でき、システムは 16 の倍数に丸めます。このとき resolution パラメータは無視されます。

モデルと機能
FLUX.2 [pro] API の使い方は？

POST /v1/tasks に model=flux-2/text-to-image と input.prompt を送信します。インターフェースは非同期で taskId を返します。本番環境では callback.url を設定して終了状態の通知を受け取ることも、タスク照会インターフェースで結果を取得することもできます。完全なパラメータとリクエスト例については、独立した API ドキュメントをご覧ください。

モデルと機能
FLUX.2 [pro] はオンラインで試せますか？

はい。このページの Playground でプロンプト、アスペクト比、解像度、出力形式を直接入力してテストできます。結果を確認したら、同じモデル ID を使って API に接続してください。

モデルと機能
FLUX.2 [pro] は画像編集に対応していますか？

このページの flux-2/text-to-image endpoint はテキストから画像の生成のみを扱います。参照画像を用いた編集や合成が必要な場合は、このテキストから画像生成のリクエストに画像フィールドを追加するのではなく、別の flux-2/image-to-image モデルを使用してください。

モデルと機能
FLUX.2 [pro] は商用利用できますか？

特定の商業プロジェクトに使用できるかどうかは、Black Forest Labs の適用規約、HiAPI の利用規約、およびお客様のコンテンツと利用シーンによって異なります。公開前に最新のライセンスとコンプライアンス要件をご確認ください。本ページは法的または許諾に関する見解に代わるものではありません。

モデルと機能
FLUX.2 [pro] と FLUX.2 [klein] の違いは何ですか？

FLUX.2 [pro] は高忠実度の制作出力を指向しており、HiAPI では明確なモデル ID、パラメータ、4段階の価格が提供されています。FLUX.2 [klein] は効率性と迅速な反復に重点を置いていますが、現在のリポジトリには検証可能な HiAPI Klein endpoint、価格、仕様が存在しないため、本ページでは不正確になる可能性のある数値比較やエントリーポイントは提供しません。

モデルと機能
FLUX 3 Max の画像から動画生成にはどのような入力が必要ですか？

prompt と image_url（最初のフレーム画像、PNG/JPEG/WebP に対応）が必須です。任意で end_image_url を最後のフレームとして指定でき、さらに duration、resolution、aspect_ratio、generate_audio、reasoning_level も指定できます。

モデルと機能 FLUX 3 Max
動画の長さは設定できますか？

できます。duration は 5～20 の間の整数秒で、1 秒刻みで指定でき、デフォルトは 5 秒です。画像から動画生成とテキストから動画生成は同じ秒単位の料金体系を共有します。まず 5 秒で元画像が安定しているか確認し、それから時間を延ばしてください。

モデルと機能 FLUX 3 Max
アスペクト比は何によって決まりますか？

aspect_ratio はデフォルトで auto になり、出力は先頭フレーム画像の比率に従います。手動で 21:9、2:1、16:9、4:3、1:1、3:4、または 9:16 を指定することもできます。手動指定が画像の比率と一致しない場合、画面がトリミングされることがあります。

モデルと機能 FLUX 3 Max
エンドフレームはどう使いますか？

image_url に最初のフレーム、end_image_url に最後のフレームを渡すと、動画は最初のフレームから最後のフレームへと遷移します。プロンプトには中間で起こる変化だけを書き、2枚の画像のカメラ位置と光が近いほど、遷移がより滑らかになります。

モデルと機能 FLUX 3 Max
最後のフレームを追加すると追加料金がかかりますか？

かかりません。画像から動画生成もテキストから動画生成も出力秒数と解像度で課金され、end_image_url を送信しても送信しなくても単価は同じです。変わるのは画像の枚数だけで、1秒あたりの価格は変わりません。

モデルと機能 FLUX 3 Max
最初のフレーム画像にはどのような要件がありますか？

公開アクセス可能な PNG、JPEG、WebP 画像を使用してください。Playground ではローカルファイルを直接アップロードすると自動的にリンクに変換されます。自動マッチングで重要な要素が切り取られないよう、あらかじめ目標のアスペクト比にトリミングすることをお勧めします。

モデルと機能 FLUX 3 Max
音声を生成できますか？

はい。generate_audio はデフォルトで有効になっており、映像に合った音声を生成します。オフにすると無音の映像が出力されるため、後から自分で音楽やナレーションを付けられます。この設定は料金に影響しません。

モデルと機能 FLUX 3 Max
FLUX 3 Max の画像から動画生成はどのように課金されますか？

出力秒数に基づいて課金され、単価は解像度によって決まり、費用は1秒あたりの単価に再生時間を掛けたものに等しくなります。失敗したタスクには課金されません。720p のドラフトはより安価で、元画像が安定して保たれているかを確認するのに十分です。

モデルと機能 FLUX 3 Max
API で呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model に flux-3-max/image-to-video を指定し、input に prompt と image_url を渡し、必要に応じて end_image_url と生成パラメータを追加します。インターフェースは taskId を返し、callback.url または GET /v1/tasks/:id で結果を取得できます。

モデルと機能 FLUX 3 Max
画像から動画生成とテキストから動画生成はどう選ぶ？

すでに満足のいく画面、製品、人物画像がある場合は画像から動画生成を使い、テキストから完全なシーンを構想したい場合やアスペクト比を自由に指定したい場合はテキストから動画生成を使います。両モデルの価格とパラメータはほぼ同じです。

モデルと機能 FLUX 3 Max
keyframes とは何ですか？

keyframes は 1〜10 項目の順序付き配列で、各項目には image_url と frame_index が含まれます。モデルはフレーム番号の順にキーフレームをつなぎ、その間の動きを生成します。

モデルと機能 FLUX 3 Max
frame_index はどう入力しますか？

frame_index は 24fps タイムライン上のフレーム番号で、0 から始まり、最大値は duration × 24 です。例えば 5 秒の動画の最大フレーム番号は 120 です。すべてのフレーム番号は一意である必要があります。

モデルと機能 FLUX 3 Max
少なくとも何枚のキーフレームが必要ですか？

最低 1 枚、最大 10 枚です。2 枚以上で初めて明確な開始・終了やリズムの変化が生まれます。単一のキーフレームはある画面を固定するだけで、本当のトランジションは発生しません。

モデルと機能 FLUX 3 Max
再生時間とキーフレームはどう組み合わせますか？

まず duration（5～20秒）を決め、次に 24fps でフレーム番号に換算します。5秒は 0～120、10秒は 0～240、20秒は 0～480 に対応します。キーフレームは均等に配置しても、ある区間に集中させてもかまいません。

モデルと機能 FLUX 3 Max
keyframes と最初と最後のフレームの違いは何ですか？

最初と最後のフレームは冒頭と結末だけを固定します。keyframes は途中に複数のノードを挿入でき、製品の開封、植物の成長、昼夜の変化など、複数の段階があるショットに適しています。ノードが多いほど、時間制御がより細かくなります。

モデルと機能 FLUX 3 Max
アスペクト比と解像度はどう選べばよいですか？

resolution には 720p と 1080p があり、デフォルトは 720p です。aspect_ratio はデフォルトで auto ですが、21:9、2:1、16:9、4:3、1:1、3:4、9:16 を指定することもできます。すべてのキーフレームで同じアスペクト比を使用することをお勧めします。

モデルと機能 FLUX 3 Max
FLUX 3 Max のキーフレーム動画生成はどのように課金されますか？

出力秒数に応じて課金され、単価は解像度によって決まります。テキストから動画、画像から動画の場合も同様です。アンカーポイントの数は価格に影響せず、失敗したタスクは課金されません。まず5秒のドラフトでタイムラインを確認してから、時間を延長してください。

モデルと機能 FLUX 3 Max
FLUX 3 Max のテキストから動画生成はどのような長さに対応していますか？

duration は 5～20 の任意の整数秒を 1 秒刻みで指定でき、デフォルトは 5 秒です。長さが長いほど秒単位の課金総額が高くなり、20 秒版は 5 秒のドラフトの 4 倍の秒数になります。

モデルと機能 FLUX 3 Max
解像度とアスペクト比はどう選べばよいですか？

resolution には 720p と 1080p の 2 段階があり、デフォルトは 720p です。aspect_ratio はデフォルトで auto ですが、21:9、2:1、16:9、4:3、1:1、3:4、9:16 を指定することもできます。

モデルと機能 FLUX 3 Max
生成された動画には音声がありますか？

generate_audio はデフォルトで有効になっており、動画の生成に合わせて映像にマッチした音声が生成されます。オフにすることもでき、その場合は映像のみが出力されます。リクエストごとに切り替えることを推奨し、音声の有無をプロンプトに仮定として書き込まないでください。このスイッチは課金には影響しません。

モデルと機能 FLUX 3 Max
reasoning_level とは何ですか？

これはモデルがプロンプトの画面理解と生成計画を行う度合いを制御するもので、low または high を選択でき、デフォルトは high です。複雑なシーンでは high の方が安定し、シンプルなショットでは low を使用できます。

モデルと機能 FLUX 3 Max
プロンプトはどう書けば良い結果が出やすいですか？

まず主体とシーンを書き、次に時間順に動作・カメラ方向・速度を書き、最後に光と雰囲気を書きます。1本の動画には主要な動作を1つだけにして、連続ショットでは no cuts を明記します。

モデルと機能 FLUX 3 Max
画面内の文字は信頼できますか？

信頼できません。モデルは看板やスローガン、字幕の文字を捏造する可能性があり、綴りも保証できません。ブランド名や読み取れる文字が必要な場合は、生成結果に頼らず、後工程で重ねてください。

モデルと機能 FLUX 3 Max
縦型ショート動画に適していますか？

はい、リクエストで直接 9:16 を選択でき、横型で出力してからトリミングする必要はありません。1:1 と 3:4 はフィード向け、21:9 はオープニングやワイドスクリーンコンテンツ向けです。被写体はできるだけ中央に配置し、プラットフォームのUIに隠れないようにしてください。

モデルと機能 FLUX 3 Max
FLUX 3 Max のテキスト読み上げ動画はどのように課金されますか？

出力秒数に応じて課金され、単価は解像度によって決まります。費用は1秒あたりの単価に時間を掛けたものです。失敗したタスクは課金されません。短いドラフトはコストが低く、まず5秒で2つのプロンプトを比較するのに適しています。

モデルと機能 FLUX 3 Max
画像から動画の生成との違いは何ですか？

テキストから動画の生成はテキストだけで済み、アスペクト比と構図は完全にプロンプトで決まります。明確な最初のフレーム画像がすでにある場合は、flux-3-max/image-to-video を使う方が直接的です。どちらも同じ長さの範囲と秒単位の料金を共有しています。

モデルと機能 FLUX 3 Max
FLUX 3 はどのような生成方式をサポートしていますか？

同じモデル ID で、テキストからの動画生成、1〜10 枚の画像によるキーフレームストーリーボード、および MP4 ソース動画からの継続生成をサポートしています。images と start_video は同時に使用できません。

モデルと機能
Draft と Full の違いは何ですか？

Draft は低コストの 720p プレビュー版で、構図やテンポ、動きを先に検証するのに適しています。Full は 720p と 1080p に対応しており、最終出力に適しています。

モデルと機能
キーフレーム画像はどのように機能しますか？

1枚の画像で冒頭を定義し、2枚の画像でそれぞれ最初のフレームと最後のフレームを定義し、3〜10枚の画像を順番に並べてストーリーボードを構成します。Prompt は動作、カメラワーク、サウンドを補足する役割を担います。

モデルと機能
動画の続き生成にはどのような制限がありますか？

start_video は 50MB 以下、最長 15 秒の MP4 を受け付けます。続きを生成する際は images を同時に送信しないでください。出力時間は引き続き 5～20 秒の範囲で選択します。

モデルと機能
FLUX 3 は音声を生成しますか？

はい。generate_audio はデフォルトで有効になっており、映像に合った環境音、効果音、またはセリフを生成します。無効にすれば映像のみを出力することもできます。

モデルと機能
FLUX 3 の料金体系は？

料金は出力の長さ、解像度、Draft モード、およびビデオ延長機能の使用有無によって決まります。ページの料金表では、出力秒数ごとに6つのティアが一覧表示されています。

モデルと機能
1つの入り口で生成と編集ができますか？

できます。参照画像がない場合はテキストから生成し、1～10枚の参照画像を提供する場合は既存の素材を中心に編集します。まず創作目的に応じてテキストまたは画像を用意するだけで済みます。

モデルと機能 FLUX 3 Image
5段階の解像度はどう選べばよいですか？

まず768または1Kで方向性を検討します。より詳細が必要な場合は1.5Kまたは2Kを、大きな画像とトリミングの余裕が必要な場合は4Kを検討してください。段階は固定の辺長ではないため、返却される画像の幅と高さを確認してください。

モデルと機能 FLUX 3 Image
参照画像はどのように役割を分担しますか？

どの画像が主体を提供し、どの画像が環境を提供し、どの画像が配色やスタイルのみを提供するのかを順番に説明し、同時に持ち込まない要素を指摘します。

モデルと機能 FLUX 3 Image
1回に何枚の画像が生成されますか？

1回のタスクで返される画像は1枚です。別の方向が必要な場合は説明を調整し、独立したタスクを送信してください。

モデルと機能 FLUX 3 Image
ダウンロードするファイルの形式は選択できますか？

現在の画面ではファイル形式を選択できません。返されたファイルのままご利用ください。他の形式が必要な場合は、ダウンロード後に画像ツールで変換できます。

モデルと機能 FLUX 3 Image
検索アシストはいつ有効にすべきですか？

生成前にウェブページや画像の視覚的なコンテキストを補いたい場合に有効にできます。明確な素材と閉じた制作方向がすでにある場合は、オフにして自分の説明と参照画像を中心に制作できます。

モデルと機能 FLUX 3 Image
長期間使用する必要がある画像はどのように保存すればよいですか？

生成された画像リンクには有効期限があります。長期間使用する必要がある場合は、早めにダウンロードして保存するか、タスク作成時に永久保存を選択してください。すでに生成された画像も、ストレージ管理ページの説明に従って転送保存できます。

モデルと機能 FLUX 3 Image
生成後に続けて修正できますか？

結果をダウンロードして保存し、それを新しいタスクの参照画像として使用できます。各タスクは独立して処理されるため、保持したい内容とこのステップで変更する部分を改めて指定してください。

モデルと機能 FLUX 3 Image
画像内のタイトルをより確認しやすくするにはどうすればよいですか？

短いタイトルは引用符で明確に書き、メインタイトルとサブタイトルの位置、サイズ関係、余白を説明します。使用前に一字一句確認し、必要に応じてデザインツールで最終的なレイアウトを完成させます。

モデルと機能 FLUX 3 Image
自動画幅はどのような場合に適していますか？

固定の版位が不要な場合は自動画幅を使用できます。バナー、縦長ポスター、または正方形カードが既に決まっている場合は、比率を明確に選択し、ダウンロードした画像の実際の幅と高さを確認してください。

モデルと機能 FLUX 3 Image
生成前にどこで費用を確認できますか？

パラメータを選択すると、Playground の見積もり費用とリアルタイム価格を確認できます。完了後はタスク履歴で生成結果と対応する消費を確認できます。

モデルと機能 FLUX 3 Image
なぜ同じ説明から必ずしも同じ画像が得られないのですか？

生成結果は構図や細部が変化する場合があります。すでに選択した被写体やレイアウトを踏襲する必要がある場合は、結果画像を参照として使用し、保持する要件を明確に列挙してください。

モデルと機能 FLUX 3 Image
テキストからの画像生成と画像編集はどう選ぶ？

テキストのみでゼロから始める場合はテキストからの画像生成を選び、既存の主体やレイアウトを引き継ぐ必要がある場合は画像編集を選んで参照画像を提供します。

モデルと機能 Muse Image 1.0
1回につき何枚の画像を取得できますか？

1回のタスクで返される画像は1枚で、枚数の選択はありません。別の構図を比較したい場合は、プロンプトを調整して新しいタスクを送信してください。

モデルと機能 Muse Image 1.0
1K、2K、4K を選択できますか？

このエントリでは解像度の段階は提供されません。アスペクト比はご自身で選択し、ピクセルサイズはモデルが決定します（通常は約2.5MP）。ダウンロードしたファイルの実際のサイズを基準にしてください。

モデルと機能 Muse Image 1.0
どのファイル形式を選択できますか？

JPEG、PNG、または WebP を選択できます。未選択の場合は WebP が使用されます。後続の Web 素材やデザインツールの必要に応じて選択してください。

モデルと機能 Muse Image 1.0
表紙のタイトル用スペースを確保するには？

説明文で主人公の位置と余白を空ける側を指定し、最終的な配置に適したアスペクト比を選びましょう。生成後のトリミングだけでタイトル用スペースを確保しようとしないでください。

モデルと機能 Muse Image 1.0
商品画像は何を先に描写すべきですか？

まず主体、素材、配置位置を書き、その後に光線、背景、少量の小道具を補います。ラベル上の短い文字は個別に明確に書き、完了後に製品の輪郭とレイアウトを確認します。

モデルと機能 Muse Image 1.0
長期間使用する必要がある画像はどのように保存すればよいですか？

生成された画像のリンクには有効期限があります。長期間使用する場合は、速やかにダウンロードして保存するか、タスク作成時に永久保存を選択してください。すでに生成済みの画像も、ストレージ管理ページの説明に従って転送保存できます。

モデルと機能 Muse Image 1.0
生成後にさらに修正できますか？

結果をダウンロードして保存し、それを新しいタスクの参照画像として使用できます。各タスクは独立して処理されるため、保持したい内容とこのステップで変更したい部分を改めて説明してください。

モデルと機能 Muse Image 1.0
画像内のタイトルをより確認しやすくするには？

短いタイトルは引用符で明確に書き、メインタイトルとサブタイトルの位置、サイズ関係、余白を説明します。使用前に一字一句確認し、必要に応じてデザインツールで最終的なレイアウトを完成させます。

モデルと機能 Muse Image 1.0
自動画幅はどのような場合に適していますか？

固定の版位が不要な場合に自動画幅を使用できます。バナー、縦版ポスター、正方形カードがすでに決まっている場合は、比率を明示的に選択し、ダウンロードした画像の実際の幅と高さを確認してください。

モデルと機能 Muse Image 1.0
生成前にどこで費用を確認しますか？

パラメータを選択した後、Playground の推定費用とリアルタイム価格を確認してください。完了後、タスク履歴で生成結果と対応する消費を確認できます。

モデルと機能 Muse Image 1.0
同じ説明から必ず同じ画像が生成されないのはなぜですか？

生成結果は構図や細部が変わる場合があります。すでに選定した被写体やレイアウトを引き続き使用する場合は、結果画像を参照として使用し、保持する要件を明示してください。

モデルと機能 Muse Image 1.0
参考画像は必須ですか？

1～10枚の参考画像を提供する必要があります。既存の画像がなく、テキストから始めたい場合は、テキストから画像生成の入口を選択してください。

モデルと機能 Muse Image 1.0
毎回何枚の編集結果が返されますか？

1回のタスクにつき編集結果は1枚のみ返され、枚数の選択はできません。異なる修正方針を比較したい場合は、それぞれ別々にタスクを送信してください。

モデルと機能 Muse Image 1.0
被写体を維持したまま背景を変更するには？

被写体が必ず引き継ぐべき識別要素を明確に列挙し、その後で新しい環境、光線、配置を別途記述します。完了後にスケール、遮蔽、エッジを確認します。

モデルと機能 Muse Image 1.0
複数の画像は必ずすべて結果に反映されますか？

必ずしもそうとは限りません。参照画像はそれぞれ被写体、レイアウト、配色、スタイルを個別に提供できます。それぞれの役割と、取り入れたくない内容を明示してください。

モデルと機能 Muse Image 1.0
画像内の古い文字を置き換えるにはどうすればよいですか？

削除する古い文字と、表示させる必要がある新しい内容を明確に記述し、さらにタイトルの位置、大きさの関係、余白を説明してください。使用前に一文字ずつ照合し、レイアウトを確認してください。

モデルと機能 Muse Image 1.0
アスペクト比とファイル形式はどう選べばよいですか？

まず最終的な掲載位置に合わせて横長・縦長・正方形を選び、次に JPEG、PNG、WebP を選択します。解像度の段階設定はなく、幅と高さは生成されるファイルに準じます。

モデルと機能 Muse Image 1.0
テキストのみ、画像あり、動画ありの場合、それぞれどうやって始めますか？

アイデアだけの場合はプロンプトを書くだけでOKです。製品やキャラクターの外観を参考にしたい場合は参考画像をアップロードします。冒頭の画面を決めたい場合は最初のフレームをアップロードし、最後のフレームを加えて結末を導くこともできます。既存のショットの雰囲気を変えたい場合は参考動画をアップロードします。これらの方法はすべて同じモデルを使用します。

モデルと機能
どの入力は一緒に使用できませんか？

first_frame_url は image_urls、video_list と同時に渡すことはできません。last_frame_url は first_frame_url と一緒にのみ使用できます。image_urls は video_list と組み合わせることができますが、すべての素材が合計 7 つの入力枠を共有し、1 本の動画が 2 枠を占めるため、動画を含める場合は最大 5 枚の画像しか追加で渡せません。

モデルと機能
動画を書き換えて目標の長さにするにはどうすればよいですか？

参照動画を渡すと、出力の長さは参照動画に準じます。目標の長さと一致するクリップをアップロードすることを推奨し、duration や start、ends で出力をトリミングすることに頼らないでください。参照動画は最大 1 本まで渡せます。ソース動画は 30 秒以内、100MB 以下である必要があります。リクエストには引き続き duration を指定する必要があり、値は 4、6、8、または 10 です。

モデルと機能
横画面、縦画面、解像度はどう選べばよいですか？

商品ページや横長の動画には 16:9、スマホ向けショート動画には 9:16 を選べます。まず 360p または 720p で構図と動きを確認し、その後に表示用途に応じて 1080p または 4k を選んでください。

モデルと機能
映像に環境音を付けられますか？

出力には環境音が含まれます。プロンプトで窓を打つ雨音、湖のさざなみ、カフェの背景音などを描写することで、音とシーンを一緒に創作に参加させられます。独自の音声トラックが必要な場合は、後工程で差し替え可能です。

モデルと機能
アップロードする画像にはどのような制限がありますか？

各画像は20MB以下で、公開アクセス可能なURLである必要があります。Playgroundでアップロードすると自動的にリンクに変換されます。最初のフレームと最後のフレームは、同じカメラ位置・同じアスペクト比の画像を使用するのが最適で、トランジションがより自然になります。

モデルと機能
現在の料金はどこで確認できますか？

リアルタイム料金ページをご確認ください。Playground では送信前に選択した構成の推定料金が表示されます。

モデルと機能
生成結果を取得するには？

POST /v1/tasks で非同期タスクを作成した後、data.taskId を読み取ります。callback.url で最終状態の通知を受け取ることも、GET /v1/tasks/{taskId} をポーリングすることもできます。ステータスが success になったら output[].url から動画をダウンロードします。

モデルと機能
Google Virtual Try-On にはどのような入力が必要ですか？

人物写真1枚と衣類画像1枚が必要で、両方とも必須です。プロンプトは不要です。

モデルと機能 Google Virtual Try-On
どのような人物写真が最も良い効果を発揮しますか？

単独の人物で、体の主要部位がはっきりしており、大きく遮られている部分がない写真が最も良い効果を発揮します。正面またはやや斜めの立ち姿が最も安定しています。

モデルと機能 Google Virtual Try-On
服装画像にはどのような要件がありますか？

平置き写真でもハンガー掛け写真でもかまいません。衣服が全体に写り、背景が清潔で、他の人物が写っていない方がより良い効果が得られます。

モデルと機能 Google Virtual Try-On
一度に何枚生成できますか？

1回につき1枚で、num_images は固定で 1 です。複数の候補が欲しい場合は、同じ入力セットで何度か送信してください。結果の細部は少しずつ異なります。

モデルと機能 Google Virtual Try-On
どのような服装カテゴリーに対応していますか？

トップス、アウター、ワンピースなどの一般的な服装は試せますが、複雑なアクセサリーや重ね着の効果は不安定になる可能性があります。

モデルと機能 Google Virtual Try-On
人物の顔や背景は変わりますか？

顔、髪型、ポーズ、背景は基本的に元の写真を踏襲し、主な変化は服装の領域にあります。

モデルと機能 Google Virtual Try-On
出力はどのような形式ですか？

PNG 画像で、サイズはモデルが入力に基づいて決定します。

モデルと機能 Google Virtual Try-On
実在の人物の写真は使えますか？

使用できますが、写真に写っている人物の肖像を使用する権利があることを確認してください。このページの例に登場する人物はすべて生成画像です。

モデルと機能 Google Virtual Try-On
画像が返されないことがあるのはなぜですか？

セキュリティチェックにより結果がフィルタリングされる場合がありますが、その場合もリクエストの1枚分として課金されます。

モデルと機能 Google Virtual Try-On
画像アドレスにはどのような要件がありますか？

公開アクセス可能な http(s) リンクが必要です。Playground で直接アップロードできます。

モデルと機能 Google Virtual Try-On
料金はどのように計算されますか？

リクエストされた枚数に応じて課金され、単価は本ページのリアルタイム価格をご参照ください。失敗したタスクは全額返金されます。

モデルと機能 Google Virtual Try-On
API 経由でどのように呼び出しますか？

POST /v1/tasks に model が google-virtual-try-on のタスクを送信し、person_image_url、product_image_url を渡します（num_images は省略可能で、固定で 1 です）。その後、タスクのステータスをポーリングして画像 URL を取得します。詳細は API ドキュメントを参照してください。

モデルと機能 Google Virtual Try-On
GPT-6.1 Sol はどのようなタスクに適していますか？

GPT-6.1 Sol は OpenAI のテキストモデルで、コード、分析、調査、および多段階の推論を必要とする作業に適しています。本ページではストリーミング Responses のテキスト接続について説明します。画像入力、音声、動画は本ページで保証する機能には含まれません。

モデルと機能
どのモデル ID とエンドポイントを使用すべきですか？

モデル ID gpt-6.1-sol を使用し、POST /v1/responses にリクエストを送信します。リクエストでは input 配列、stream=true、store=false を使用する必要があります。

モデルと機能
reasoning.effort はどのような値をサポートしていますか？

現在の HiAPI 連携では low、medium、high、xhigh、max の5段階をサポートしています。サンプルと Playground のデフォルトは medium です。動作を固定したい場合は、API リクエストで reasoning.effort を明示的に指定してください。その他の値は本モデルの契約に含まれません。

モデルと機能
なぜ temperature、top_p、max_output_tokens を渡せないのですか？

GPT-6.1 Sol の現在の接続契約では、これらのフィールドは公開されていません。これらは省略してください。推論の深さを変更する必要がある場合は、reasoning.effort を使用してください。他のモデルのサンプリングパラメータの例をそのままこのページに適用しないでください。

モデルと機能
ストリーミング応答はどのように処理しますか？

SSE イベントタイプに従って response.output_text.delta を読み取り本文を蓄積し、response.completed、response.incomplete または response.failed の時点で処理を終了します。ストリーム全体を 1 つの JSON として扱わないでください。また、完了イベント内の output だけを待たないでください。

モデルと機能
store=false でマルチターン対話を継続するには？

クライアント側で必要なユーザーメッセージ、アシスタントメッセージ、ツール項目を保存し、次の input で再送します。履歴を再送すると入力 Token に再びカウントされます。キャッシュのヒットと書き込みは usage の明細に基づきます。

モデルと機能
入力、キャッシュ、出力の課金はどのようになりますか？

入力、キャッシュ読み取り、キャッシュ書き込み、出力はそれぞれ、モデルページに表示されるリアルタイムのToken価格を使用します。usage が cached_tokens または cache_write_tokens を明示的に報告した場合にのみ、対応するキャッシュ使用量として計上されます。キャッシュの読み書きは入力総量に含まれているため、重複して加算することはできません。reasoning_tokens は output_tokens に含まれているため、再度加算することもできません。最終的な費用はアカウントの使用量ログに基づきます。

モデルと機能
272K 入力トークンを超える場合の課金方法は？

1回のリクエストの総入力トークン数で判定し、usage に報告されるキャッシュの読み取りと書き込みを含みます。総入力が 272,000 トークン以下の場合は標準ティアが適用され、272,001 トークン以降は、超過分だけではなくリクエスト全体の入力・出力・キャッシュに長コンテキストの料金ティアが適用されます。

モデルと機能
リクエストが失敗した、または本文がない場合、まず何を確認しますか？

まず API Key、model、Responses エンドポイント、input 配列、stream=true、store=false を確認します。本文がない場合は、クライアントが SSE の増分イベントを処理していることを確認します。費用を調査する際は、usage の input_tokens、cached_tokens、cache_write_tokens、output_tokens を照合します。

モデルと機能
GPT-6 Astra は何に適していますか？

GPT-6 Astra は OpenAI のモデルであり、複雑な推論、プログラミング、研究、文書作業に向いています。コードレビュー、方案分析、多段階の処理が必要なタスクに適しています。本ページの接続範囲はテキスト入力とテキスト出力です。画像、音声、動画の機能については、それぞれの接続説明に従ってください。

モデルと機能
モデル ID、エンドポイント、OpenAI SDK はどのように設定すればよいですか？

モデル ID には gpt-6-astra を使用し、エンドポイントは POST /v1/responses です。OpenAI SDK の base_url は https://api.hiapi.ai/v1 に設定し、HiAPI API Key を使用して Responses インターフェースを呼び出します。既存の Key はアカウントで利用可能なモデルに使用できます。画像や動画の /v1/tasks インターフェースに切り替える際は、リクエスト構造も同時に変更する必要があります。

モデルと機能
なぜサンプルでは input 配列、stream=true、store=false が要求されるのですか？

これは本ページの接続方式におけるリクエストの取り決めです。input にはメッセージ配列を渡し、stream=true でストリーミングイベントを受信し、store=false でクライアント側が会話コンテキストを保存します。Chat Completions の messages リクエストや choices 解析コードをそのまま持ち込むことはできませんし、SSE レスポンス全体を単一の JSON オブジェクトとして読み取らないでください。

モデルと機能
low、medium、high、xhigh、max はどう選べばよいですか？

reasoning.effort でこれら 5 段階の推論強度を選択します。サンプルと Playground は medium から始めます。簡単なタスクでは low を試し、複雑な分析では high、xhigh、max の効果を比較できます。段階を上げると待ち時間と出力 Token の使用量が増える可能性があるため、同じ実タスクのセットで結果とコストを比較することをおすすめします。API の呼び出し側は必要な段階を明示的に指定してください。

モデルと機能
推論を無効にしたり、temperature や top_p を調整したりできますか？

GPT-6 Astra は reasoning.effort=none をサポートしていません。このページの接続では temperature、top_p、max_output_tokens の調整項目は提供されません。このページの例に従ってリクエストを構成し、他のモデルのパラメータをそのまま流用しないでください。パラメータエラーが発生した場合は、まずそのフィールドがこのモデルおよびエンドポイントに適用可能かどうかを確認してください。

モデルと機能
1.05M コンテキストと 128K 最大出力はそれぞれどういう意味ですか？

公式仕様は 1,050,000 Token のコンテキストと 128,000 Token の最大出力です。コンテキストには入力と生成内容を収める必要があり、推論も出力予算を消費します。最大出力はモデル仕様の上限であり、リクエストごとに必ずこれだけ出力されるわけではありません。また、本ページの接続ではこの数値を調整可能な max_output_tokens パラメータとして扱いません。

モデルと機能
response.completed の output が空になることがあるのはなぜですか？

ストリーミング本文はすでに response.output_text.delta または response.output_item.done で返されているため、終了イベントが完全な内容を再度繰り返すとは限りません。イベントタイプごとにテキストと完了した出力項目を蓄積し、終了イベントからステータスと usage を読み取る必要があります。response.failed、response.incomplete は個別に処理する必要があり、一律に成功終了として扱うことはできません。

モデルと機能
マルチターン会話はどのように継続しますか？履歴内容は重複して課金されますか？

store=false の場合、引き続き使用するユーザーメッセージ、アシスタントメッセージ、ツール結果を次の input で再送する必要があり、サーバー側がすべての会話を保存してくれることに依存しません。再送された履歴内容は再び入力 Token として計上されます。そのうちキャッシュにヒットした部分はキャッシュ読み取りとして課金されます。会話が長い場合は、必要なコンテキストを保持し、無関係な履歴を減らすべきです。

モデルと機能
入力、出力、キャッシュ読み取り、キャッシュ書き込みはどのように計算されますか？

これら4種類のTokenはそれぞれの単価を使用し、具体的な数値は本ページのリアルタイム価格を参照してください。入力の総量にはキャッシュ読み取りと書き込みが含まれます。通常の入力費用を計算する際は、これら2項目を先に差し引いて二重課金を避けてください。reasoning_tokens はすでに出力Tokenに含まれているため、再度加算しないでください。ページの見積もりは参考用であり、最終的な費用はアカウントの消費ログに準じます。

モデルと機能
長コンテキストの価格はいつ適用されますか？超過分だけが加価されますか？

1回のリクエストの総入力Token数で判定され、キャッシュの読み取りと書き込みも含まれます。総入力が272,000 Tokenの場合は引き続き標準枠が適用され、272,001 Tokenからはリクエスト全体の入力・出力・キャッシュに長コンテキスト枠が適用されます。しきい値を超えたごく一部だけが加価されるわけではありません。2つの枠の単価は料金セクションを展開して比較できます。

モデルと機能
プロンプトを繰り返せば必ずキャッシュにヒットしますか？

必ずしもそうとは限りません。キャッシュが確立・ヒットするかどうかはサーバー側のポリシー、再利用可能なプレフィックス、有効期間に依存するため、usage の cached_tokens と cache_write_tokens を基準にしてください。両方が 0 の場合は、そのリクエストで該当するキャッシュ使用量が報告されていないことを示します。プロンプトの繰り返しだけを根拠に独自にキャッシュ割引で費用を見積もらないでください。

モデルと機能
関数呼び出しと構造化 JSON 出力はどのように使用しますか？

関数呼び出しでは tools で関数を宣言します。function_call を受け取ったら、アプリケーション側で関数を実行し、同じ call_id で function_call_output を返送し、必要なコンテキストとともにリクエストを続行します。JSON Object は text.format.type=json_object を使用します。フィールド制約が必要な場合は json_schema を使用します。ストリーミング JSON はまず完全に結合してから、解析と検証を行う必要があります。具体的なリクエストについてはドキュメントの例を参照してください。

モデルと機能
リクエストが失敗した、本文がない、または費用が想定と一致しない場合、まず何を確認しますか？

まず API Key、model が gpt-6-astra であるか、エンドポイントとパラメータが本ページと一致しているかを確認してください。本文がない場合は、最終的な output だけを読むのではなく、SSE を正しく処理しているかを確認してください。費用に疑問がある場合は、usage の入力、キャッシュ、出力の数量と適用されるコンテキストの料金帯を照合してください。調査が必要な場合は、リクエスト ID、エラーコード、発生時刻を提供してください。API Key は公開しないでください。

モデルと機能
参照画像は必ず送信する必要がありますか？

image_urls の送信が必須で、最低 1 枚、最大 16 枚です。テキストから画像生成のみを行いたい場合は gpt-image-2.5-flare/text-to-image をご利用ください。

モデルと機能
この編集ルートは何に適していますか？

被写体を残したまま素材やシーンを変更するのに適しています。プロンプトには、変更する内容と保持する内容を明確に書いてください。

モデルと機能
Sunburstのimage-to-imageとの違いは何ですか？

Flareはより高速で、日常的なマテリアル変更やシーン変更に適しています。Sunburstはより精細で、工業空間やマテリアルの完成度に適しています。

モデルと機能
アスペクト比はどう選びますか？

13 種類のアスペクト比のいずれかを指定するか、指定しない場合は auto が使用されます。

モデルと機能
API ではどのフィールドが必須ですか？

model、input.prompt、input.image_urls を送信してください。aspect_ratio と resolution は省略可能です。

モデルと機能
このルートは何に適していますか？

グラフィックコラージュ、ポスターの下書き、日常の静物に適しています。リクエストごとに1枚の画像を返します。

モデルと機能
Sunburstのテキストからの画像生成との違いは何ですか？

Flareはより高速で、日常的な画像生成に適しています。Sunburstはより精細で、工業的な空間、素材、幾何学に適しています。

モデルと機能
どのアスペクト比に対応していますか？

auto のほか、1:1、3:2、2:3、4:3、3:4、16:9、9:16、21:9、27:16、16:27、9:8、8:9 に対応しています。

モデルと機能
参照画像をアップロードできますか？

このテキストから画像を生成するルートでは参照画像を受け付けません。gpt-image-2.5-flare/image-to-image を使用してください。

モデルと機能
参考画像は必ず送信する必要がありますか？

image_urls は必須で、最低 1 枚、最大 16 枚です。テキストから画像生成のみを行いたい場合は gpt-image-2.5-sunburst/text-to-image を使用してください。

モデルと機能
この編集ルートは何に適していますか？

産業構造を残したまま素材、温度、表面の質感を変更するのに適しています。

モデルと機能
Flareの画像生成との違いは何ですか？

Sunburstはより精細で、工業的な空間やマテリアルに適しています。日常的なコラージュやマテリアルの変更には、まずFlareを使うとよいでしょう。

モデルと機能
このルートは何に適していますか？

工業空間や、素材と幾何学により高い要件があるシーンに適しています。

モデルと機能
Flare のテキスト生成画像とは何が違いますか？

Sunburst はより精細で、より低速です。日常的なコラージュやポスターの下書きには、まず Flare を使うとよいでしょう。

モデルと機能
参照画像をアップロードできますか？

このテキストから画像を生成するルートでは参照画像を受け付けません。gpt-image-2.5-sunburst/image-to-image を使用してください。

モデルと機能
GPT Image 2.5 Flare の主な位置づけは何ですか？

Flare は速度と日常的な高品質画像生成を重視しており、コンテンツ制作ツール、広告のドラフト、ビジュアルプロトタイプ、頻繁に画像を生成するアプリに適しています。また、画像編集と参照画像の保持機能も備えています。

モデルと機能
Flare はテキストからしか画像を生成できないのですか？

画像を入力することもできます。参照画像で人物、商品、スタイルを指定でき、Flare はそれを基に新しい画面を生成したり修正を加えたりします。例えば、このページのピクセルライダーの事例ではスタイル参照を使用しています。

モデルと機能
Flareはリアルな写真スタイルを生成できますか？

はい。漁船の人物とプールの事例は、人物、素材、環境光の写真的な表現を示しています。レンズと光の描写によって、写真の視覚効果をさらに形作ることができます。

モデルと機能
Flareでタイトル付きの広告を作成できますか？

表示したいコピーとビジュアルの要件を一緒に記述すれば可能です。服飾広告の例では、人物、服装、タイトルを同じ画像内に配置します。タイトル、配色、人物のスタイリングは後続のバージョンで引き続き調整できます。

モデルと機能
Flare は漫画やシリーズキャラクターの制作に適していますか？

このページではペットの4コマストーリーと、森のキャラクターの続きのシーンを紹介しています。1枚の画像の中で連続したコマを構成することも、前回の画像を参考にして制作を続けることもできます。

モデルと機能
Flare はどのようなインターフェースコンセプト図を生成できますか？

モバイルアプリ、商品リスト、コンテンツページなどのインターフェースコンセプト図を生成でき、レイアウト、配色、ナビゲーション、情報階層を画像で表現するため、製品提案やデザインコミュニケーションに適しています。

モデルと機能
スタイル参照では元画像の内容がすべて取り込まれますか？

画面のスタイルのみを参照し、同時に被写体を変更するよう指定できます。ピクセルアートの事例では、入力がゲーム画面で、出力がバイクライダーです。プロンプトには、借用したいスタイルと新しい内容を明記する必要があります。

モデルと機能
既存の GPT Image 2 アプリがある場合、Flare を検討できますか？

はい。Flare はテキストからの画像生成と参照画像編集の使い方を継承しつつ、低い生成レイテンシを重視しているため、画像を頻繁に更新する必要があるコンテンツツール、デザインアプリ、商品展示に適しています。

モデルと機能
Flare と Sunburst はどちらを優先して検討すべきですか？

日常的な生成と応答速度を優先する場合は Flare を検討してください。複雑なデザイン要件や精細な編集を優先する場合は、Sunburst を確認してください。どちらも生成と編集をサポートしており、違いはモデルの位置づけと効果のトレードオフにあります。

モデルと機能
Flare はどのような出力オプションに対応していますか？

HiAPI は6段階の画質、正方形・横長・縦長のアスペクト比、およびプリセットのピクセルサイズを提供します。ファイル形式は PNG、JPEG、WebP から選択でき、透過背景には PNG または WebP を組み合わせる必要があります。完全なオプションは上部の仕様と Playground に記載されています。

モデルと機能
Flare をバッチコンテンツフローに組み込むにはどうすればよいですか？

アプリケーションから画像タスクを1件ずつ送信し、クエリまたはコールバックで結果を取得できます。HiAPI は1リクエストにつき1枚の画像を出力します。頻繁に生成するシーンでは、アプリケーション側でタスク数と同時実行数を管理する必要があります。

モデルと機能
Flare の料金はどのように計算されますか？

出力画像の枚数と選択した画質に基づいて課金され、参照画像には別途料金はかかりません。パラメータを選択すると、Playground に対応する見積もり料金が表示されます。

モデルと機能
GPT Image 2.5 Sunburst はどのようなタスクに適していますか？

Sunburst は画質と編集精度に対する要求が高いビジュアル作業、すなわちブランド広告、精細な商品画像、複数の参照画像の組み合わせ、部分的な修正などに向いています。また、テキストから直接新しい画像を生成することもできます。

モデルと機能
Sunburst と Flare の主なトレードオフは何ですか？

Sunburst は品質と精度をより重視し、通常より長い生成時間を要します。Flare はスピード優先の日常的な制作向けです。どちらのトレードオフが必要かは、実際の画面要件と待ち時間によって決まります。

モデルと機能
人物と複数の服の参考画像を組み合わせることはできますか？

はい。このページの着せ替え事例では、人物写真、コート、トップス、ロングブーツの4枚の参考画像を使用し、元の人物のシーンに衣類を組み合わせて出力します。HiAPIは最大16枚の参考画像をサポートしています。

モデルと機能
写真の中の一つの物体だけを削除できますか？

はい。削除したい物体を指定し、残したい人物やシーンを説明してください。例えば花を持つ人物の肖像のケースでは、修正は手に持った花に集中し、写真のクリーンアップ、小道具の調整、内容の修正に活用できます。

モデルと機能
家居写真の家具を変更できますか？

キッチンの事例では元の椅子を木製の椅子に置き換え、テーブル、窓、部屋の環境はそのまま使用しました。同様のタスクは家居コーディネートやインテリア提案に適しています。

モデルと機能
Sunburst は画像内のテキストを翻訳できますか？

このページでは、コーヒーマシンの説明図が英語からスペイン語のバージョンへと変化する様子を紹介しています。この編集は、多言語の説明図、海外向け宣伝素材、既存デザインの言語バージョン更新に活用できます。

モデルと機能
継続的な編集で前回の広告デザインをどう引き継ぐか？

商品広告の事例では、まずボトル写真から夕日の広告看板を生成し、次に前回の結果を冬の夜の降雪シーンに変更します。各ラウンドで該当する画像を入力として、変更が必要な条件を引き続き指定します。

モデルと機能
Sunburst は複雑なパッケージを直接生成できますか？

テキストからパッケージ外殻、印刷コピー、素材、装飾を含む製品コンセプトを生成できます。おもちゃの飛行機の例はこのような組み合わせ要件を示しており、パッケージ案の提示、商品ビジュアル、クリエイティブ提案に活用できます。

モデルと機能
単独の商品画像は透明合成に使用できますか？

Sunburst は独立した被写体と透明背景の生成をサポートしています。HiAPI で使用する場合は、背景に transparent を選択し、PNG または WebP で出力します。出力は広告合成、商品展示、ページデザインに使用できます。

モデルと機能
漆櫃の事例は主に何を展示していますか？

修正対象は櫃の扉中央にある月相の象嵌飾りであり、その他の螺鈿装飾、櫃本体、工具類は保持すべき情景構成です。これは明確な局部的目標のもとでの編集結果を示すために用いられます。

モデルと機能
Sunburst にはどのような画質とサイズのオプションがありますか？

HiAPI では low、medium、high、xhigh、max、auto の6段階の画質に加え、ページに記載されたアスペクト比とピクセルサイズを選択できます。画質とサイズは個別に設定し、デフォルトの画質は medium です。

モデルと機能
Sunburst の各修正ラウンドごとに料金が発生しますか？

各ラウンドの送信は独立した画像タスクとして扱われ、そのラウンドで選択した画質と出力画像に基づいて課金されます。参照画像には別途料金はかかりません。ページには見積もり料金が表示され、生成完了後に画像をプレビューしてダウンロードできます。

モデルと機能
GPT Image 2 とは何ですか？

GPT Image 2 は OpenAI のテキスト画像生成モデルで、ポスター、ナレッジカード、プロダクトビジュアル、および明確なテキストやレイアウト要件を含む画像生成に適しています。

モデルと機能 GPT Image 2
GPT Image 2 と GPT Image 2.0 は同じモデルですか？

GPT Image 2.0 はよく使われる検索用の略称です。GPT Image 2 のページおよび API ドキュメントに記載されている正確なモデル ID を使用してください。

モデルと機能 GPT Image 2
GPT Image 2 API はどのエンドポイントとモデル ID を使用しますか？

POST /v1/tasks にリクエストを送信し、テキストから画像生成の場合は model を gpt-image-2/text-to-image に設定し、input に prompt、aspect_ratio、resolution を渡します。インターフェースはまず taskId を返し、その後タスク照会または callback で最終的な画像を取得します。

モデルと機能 GPT Image 2
GPT Image 2 はどう使いますか？

Playground で主体、シーン、レイアウト、必ず表示するテキストを明記し、画幅、解像度、背景を選択してから実行をクリックし、結果を確認します。

モデルと機能 GPT Image 2
GPT Image 2 はどのような解像度とアスペクト比に対応していますか？

1K、2K、4K、および auto、1:1、3:2、2:3、4:3、3:4、16:9、9:16 など 16 種類のアスペクト比に対応しています。auto またはアスペクト比を省略した場合は 1K のみに対応します。1:1 は 4K に対応していません。2K は 5:4、4:5、3:1、1:3、9:21 に対応していません。4K は 1:1、3:1、1:3、9:21 に対応していません。background を明示的に指定した場合は 1K のみに対応します。

モデルと機能 GPT Image 2
画像の背景パラメータにはどのような制限がありますか？

background は auto、opaque、transparent から選択できます。background パラメータは 1K のみ対応しています。2K/4K を使用する場合はこのパラメータを省略してください。

モデルと機能 GPT Image 2
HiAPI で GPT Image 2 をどのように使用しますか？

HiAPI Playground でまずプロンプトと構図を検証し、その後 POST /v1/tasks を呼び出して非同期のテキストから画像を生成するタスクを作成し、taskId または callback で結果を取得できます。

モデルと機能 GPT Image 2
GPT Image 2 はどの言語とレイアウト要件に対応していますか？

prompt で対象言語、正確なテキスト、フォントスタイル、位置、階層、全体のレイアウトを指定できます。複雑なテキスト内容は、レンダリングが必要な原文をそのまま記述してください。

モデルと機能 GPT Image 2
GPT Image 2 のテキスト生成画像と画像生成画像はどう使い分けますか？

参照画像がない場合は gpt-image-2/text-to-image を使用して説明から生成します。既存の画面を保持または修正する必要がある場合は gpt-image-2/image-to-image を使用し、1～6 枚の参照画像を渡します。

モデルと機能 GPT Image 2
各動画に音声はありますか？

はい。音声は映像と一緒に生成され、オフにすることはできません。プロンプトで希望する環境音、音楽、セリフを記述できます。

モデルと機能 Grok Imagine 1.5 Lite
どのような長さ、解像度、アスペクト比に対応していますか？

長さは1～15秒の整数（デフォルト6秒）、解像度は480p、720p、1080p（デフォルト720p）、アスペクト比は16:9、4:3、3:2、1:1、2:3、3:4、9:16（デフォルト16:9）です。

モデルと機能 Grok Imagine 1.5 Lite
プロンプトは最大どのくらいの長さですか？

最大 4096 文字です。主体、動作、カメラ、音に焦点を当てた記述は、通常、長いキーワードの羅列よりも効果的です。

モデルと機能 Grok Imagine 1.5 Lite
このモデルで私の画像を動かすことはできますか？

いいえ、このルートはテキストのみを受け付けます。画像から始める必要がある場合は、grok-imagine-1.5-lite/image-to-video をご利用ください。

モデルと機能 Grok Imagine 1.5 Lite
APIで呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model には grok-imagine-1.5-lite/text-to-video を指定し、prompt、duration、resolution、aspect_ratio を input に入れます。リクエストはタスク ID を返すので、ポーリングまたはコールバックで動画の URL を取得します。

モデルと機能 Grok Imagine 1.5 Lite
どのように課金されますか？

選択した解像度とリクエストの長さに基づいて課金されます。価格パネルにはリアルタイムの料金が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 Grok Imagine 1.5 Lite
画像は何枚アップロードできますか？

1枚のみです。image_url で渡す必要があり、公開アクセス可能である必要があります。

モデルと機能 Grok Imagine 1.5 Lite
出力画面のアスペクト比は選択できますか？

できません。動画のアスペクト比はほぼ入力画像に従い、ピクセルサイズはモデルが対応する仕様に丸められます。別の比率が必要な場合は、送信前に画像を目標のアスペクト比にトリミングまたは拡張してください。

モデルと機能 Grok Imagine 1.5 Lite
どのような長さと解像度に対応していますか？

長さは1～15秒の整数（デフォルト6秒）、解像度は480p、720p、1080p（デフォルト720p）です。

モデルと機能 Grok Imagine 1.5 Lite
プロンプトは必ず書く必要がありますか？

必須です。この経路では image_url とプロンプト（最大4096文字）を同時に提供する必要があります。プロンプトには何が動いているか、カメラワーク、音声を記述すればよく、画像の内容を繰り返し説明する必要はありません。

モデルと機能 Grok Imagine 1.5 Lite
どうすれば被写体をより安定させられますか？

構図が完結していて鮮明な画像を使用し、主要な動作を1つだけ描写し、人物の顔、画面のスタイル、背景の関係など、変更せずに保つ必要がある部分を明記してください。

モデルと機能 Grok Imagine 1.5 Lite
Grok Imagine Quality はどのような完成画像に適していますか？

より強い質感、光と影、雰囲気、細部が求められるキービジュアル、カバー、広告コンセプト、高品質なシーン画像に適しています。

モデルと機能 Grok Imagine Quality
1k と 2k の課金方法は？

1k と 2k はそれぞれ異なる1枚あたりの料金区分が適用され、画幅や出力形式による追加費用はありません。具体的な金額は本ページのリアルタイム価格を基準とします。

モデルと機能 Grok Imagine Quality
なぜ標準モードを直接使わないのですか？

一括ドラフトやスピード優先の場合は標準モードが適しています。最終的な完成映像で質感や細部を重視する場合に Quality を選択してください。

モデルと機能 Grok Imagine Quality
参考画像はサポートしていますか？

現在のテキストから画像生成のルートでは参考画像を受け付けません。高品質な参考画像編集が必要な場合は、grok-imagine-quality/image-to-image をご利用ください。

モデルと機能 Grok Imagine Quality
異なる解像度間でどうやって公平に比較しますか？

Prompt、画幅、フォーマットを固定し、resolution だけを切り替えて、1k と 2k の結果をそれぞれ保存して比較します。

モデルと機能 Grok Imagine Quality
Grok Imagine の標準プランはどんな用途に向いていますか？

バッチでのアイデア探索、ソーシャルメディア向け素材、風景やシネマティックなシーンに適しています。1k と 2k は現在同価格のため、より高い出力プランを直接選ぶのがおすすめです。

モデルと機能 Grok Imagine
標準プランとQualityプランにはどのような違いがありますか？

標準プランはスピードと固定の低価格を重視します。Qualityは独立したモデル路線で、質感・ディテール・光をより重視し、1k/2kの段階別に課金されます。

モデルと機能 Grok Imagine
対応しているアスペクト比は？

2:1、20:9 から 1:2 までの 13 種類の横長、正方形、縦長のアスペクト比に対応しています。

モデルと機能 Grok Imagine
このページは参照画像に対応していますか？

対応していません。参照画像の編集には grok-imagine/image-to-image をご利用ください。

モデルと機能 Grok Imagine
API に最低限必要なフィールドは何ですか？

model と input.prompt を送信するだけで済みます。アスペクト比、解像度、フォーマットはデフォルト値を使用できます。

モデルと機能 Grok Imagine
HeyGen Avatar IV にはどのような入力が必要ですか？

人物写真1枚に加えて、駆動方法を1つ選択します。セリフを入力して音声を選ぶか、音声ファイルをアップロードします。セリフ使用時に音声を選ばない場合は、デフォルト音声の Warm Pro Narrator が使用されます。

モデルと機能 HeyGen Avatar IV
どのような写真が最も効果的ですか？

正面を向き、五官がはっきりと隠れず、光が均一で、口を自然に閉じた单人写真が最も安定した効果を発揮します。横顔、マスク着用、複数人の集合写真、または顔がとても小さい写真は適していません。

モデルと機能 HeyGen Avatar IV
出力される動画の長さはどれくらいですか？

長さを指定する必要はありません。セリフの音声合成では、長さはセリフと話す速さによって決まります。音声駆動の場合は、アップロードした音声の長さと同じになり、音声は最長 600 秒です。

モデルと機能 HeyGen Avatar IV
どのアスペクト比と解像度に対応していますか？

アスペクト比は 16:9、9:16、4:5、5:4、1:1 および auto（写真の比率を引き継ぐ）に対応しています。解像度は 720p と 1080p に対応しています。

モデルと機能 HeyGen Avatar IV
いつ背景を設定する必要がありますか？

出力キャンバスのアスペクト比と写真の比率が異なり、画面に余白が生じた場合にのみ背景が表示されます。単色（#RRGGBB）または背景画像を1枚選択できます。設定しない場合は白色になります。

モデルと機能 HeyGen Avatar IV
HeyGen Avatar V との違いは何ですか？

Avatar IV は自分でアップロードした写真を動かします。Avatar V は 497 個のプリセットデジタルヒューマンから形象を選択でき、さらに透明背景 WebM、背景除去、SRT 字幕をサポートします。

モデルと機能 HeyGen Avatar IV
HeyGen Avatar IV の課金方法は？

生成された動画の実際の秒数に基づいて課金されます。タスク作成時に推定時間分を前もって差し引き、完了後に実際の秒数で精算し、失敗したタスクは全額返金されます。単価はこのページのリアルタイム価格をご参照ください。

モデルと機能 HeyGen Avatar IV
マスクにはどのような要件がありますか？

マスクは元画像と同じアスペクト比である必要があり、黒い領域は再描画され、白い部分は保持されます。領域がキャラクターの輪郭より少し大きい方が自然です。

モデルと機能 Ideogram V3 Character
出力サイズはどれくらいですか？

出力は元画像のサイズに従います。たとえば 1024×768 の元画像なら 1024×768 の結果が得られます。

モデルと機能 Ideogram V3 Character
元の画像にすでに人物がいる場合、置き換えられますか？

はい、置き換えたい人物をマスクに塗り込み、プロンプトで新しいキャラクターの動作を記述してください。マスク外の人物と背景は保持されます。

モデルと機能 Ideogram V3 Character
マスクはどのフォーマットを使いますか？

元画像と同じ縦横比の画像を使い、白い背景の上に黒で再描画したい領域を塗りつぶします。本ページの事例では PNG マスクを使用しています。

モデルと機能 Ideogram V3 Character
マスクはどのくらいの大きさが適切ですか？

キャラクターの輪郭より少し大きめにすれば十分です。小さすぎるとキャラクターのポーズが窮屈になり、大きすぎると背景の再描画範囲が増えます。

モデルと機能 Ideogram V3 Character
プロンプトには何を書けばいいですか？

マスク領域内でキャラクターが何をするかだけを書いてください。例えば「ベンチに座って傘をさす」「窓辺に立って手を振る」などです。背景を説明する必要はありません。マスク外の画面はそのまま維持されます。

モデルと機能 Ideogram V3 Character
同じ元画像を異なる位置に配置できますか？

はい。元画像とキャラクター参照画像は変えず、マスクの位置と動作プロンプトを変更するだけです。このページの小さな小屋の肘掛け椅子と窓際の2つのバージョンは、この方法で作成しました。

モデルと機能 Ideogram V3 Character
マスクは渡さなくてもいいですか？

いいえ。image_url、mask_url、reference_image_urls はすべて必須です。元画像がない場合は Character 生成モデルを使用してください。

モデルと機能 Ideogram V3 Character
キャラクター参照画像は複数枚アップロードできますか？

できません。reference_image_urls はちょうど 1 枚である必要があります。イラスト、マスコット、写実的な写真のいずれでも構いません。

モデルと機能 Ideogram V3 Character
rendering_speed と style は編集でも使えますか？

はい。TURBO / BALANCED / QUALITY の3段階と AUTO / REALISTIC / FICTION のスタイルも同様に適用されます。3段階は1枚ごとに個別に課金され、具体的な価格はページ上のリアルタイム価格をご確認ください。

モデルと機能 Ideogram V3 Character
Remix はサポートしていますか？

現在はサポートしていません。現在公開されているのは、キャラクター生成（ideogram-v3-character）とマスクによる部分編集（ideogram-v3-character/edit）です。

モデルと機能 Ideogram V3 Character
失敗すると課金されますか？結果はどうやって取得しますか？

失敗したタスクは課金されません。送信後に taskId を保存し、GET /v1/tasks/:id で照会してください。status が success になったら output[].url から WebP をダウンロードします。output[].url は一時的なアドレスなので、速やかに保存してください。

モデルと機能 Ideogram V3 Character
出力比率は指定できますか？

個別には指定できません。出力のアスペクト比はキャラクター参考画像に従います。縦向きの参考画像では 864×1152、横向きの参考画像では 1328×752 になります。横長画像が必要な場合は、横長のキャラクター参考画像をアップロードしてください（例：両側に背景を追加する）。

モデルと機能 Ideogram V3 Character
参照画像はどう選ぶとより良い効果が得られますか？

キャラクターがはっきりしていて、正面または斜め45度の向きで、背景がシンプルな画像を選んでください。イラストも写実的な写真も使えます。参照画像の服装と配色はできるだけ保持されます。

モデルと機能 Ideogram V3 Character
プロンプトはどう書けばいいですか？

固定の呼称でキャラクターを指し（例：the explorer character / the same man）、シーン、動作、小道具、光線を重点的に描写します。style と組み合わせて REALISTIC または FICTION を選択できます。

モデルと機能 Ideogram V3 Character
キャラクターは動物やブランドのマスコットでもいいですか？

はい。このページのオレンジ色のキツネのマスコットは、1枚のキャラクターデザイン画から看板、カウンター、市などのさまざまなシーンを生成しており、マフラーと配色は一貫しています。

モデルと機能 Ideogram V3 Character
連続したストーリーや絵コンテに使えますか？

はい、使えます。各コマで同じキャラクター参照画像を使用し、プロンプト内のシーンと動作だけを変更します。このページの4コマ絵本ストーリーは、まさにこの方法で完成させました。

モデルと機能 Ideogram V3 Character
style の3つのオプションの違いは何ですか？

AUTO はモデルがプロンプトに基づいて判断します。REALISTIC は写真のような光と質感を重視し、人物や写実的なシーンに適しています。FICTION はイラストらしさを保ち、絵本やゲーム、卡通（漫画・アニメ風）キャラクターに適しています。

モデルと機能 Ideogram V3 Character
seed は何の役に立ちますか？

seed を固定すると再現と比較が容易になります。同じ参照画像、プロンプト、seed の条件下で、段階やスタイルだけを切り替えれば、違いを直接比較できます。

モデルと機能 Ideogram V3 Character
結果画像はどのくらい保存されますか？

output[].url は有効期限付きの一時アドレスです。タスク成功後、速やかにダウンロードするかご自身のストレージへ転存してください。

モデルと機能 Ideogram V3 Character
3段階の rendering_speed はどう選べばよいですか？

TURBO は最速で単価も最も低く、方向性の試行やバッチでの下書き生成に適しています。BALANCED はデフォルトの段階です。QUALITY はディテールが最も良く、最終稿に適しています。3段階はいずれも同じモデル ID を使用し、枚数単位で個別に課金されます。具体的な価格はページのリアルタイム価格をご確認ください。

モデルと機能 Ideogram V3 Character
Ideogram 4.5 Edit ではどのような編集ができますか？

4種類の編集が可能です：プロンプトによる全体編集、参照画像によるスタイル変更、マスクを使った部分的な再描画、そして Precise Edit による精細な修正です。これら4つの方法は組み合わせて使用できます。

モデルと機能 Ideogram V4.5
少なくともどのフィールドが必要ですか？

prompt と image_url は必須です。reference_image_urls、mask_url、edit_precision、quality、image_size、num_images、seed は必要に応じて追加します。

モデルと機能 Ideogram V4.5
regular と Precise Edit の違いは何ですか？

文字の修正や小範囲の精密な編集には Precise Edit を、色変更やスタイル変更には regular を選んでください。edit_precision=high が Precise Edit で、変更していないピクセルを復元します。regular はより自由に変更できます。

モデルと機能 Ideogram V4.5
2つの精度の品質レベルは同じですか？

いいえ、異なります。regular では very_low、low、medium、high を選択できますが、Precise Edit は low、medium、high のみです。

モデルと機能 Ideogram V4.5
マスクはどう描きますか？

マスクは元画像と同じサイズにする必要があり、黒い領域は再描画され、白い領域は保持されます。黒い領域は変更したい物体より少し大きめにすることをおすすめします。

モデルと機能 Ideogram V4.5
image_size はいつ auto しか使えないのですか？

mask_url を指定する場合、または Precise Edit を使用する場合は auto しか使えません。出力は元画像のサイズに従います。マスクなしの regular 編集の場合のみ、6 種類のサイズプリセットから選択できます。

モデルと機能 Ideogram V4.5
参照画像は最大何枚アップロードできますか？

最大 4 枚まで、マスクも同時に提供する場合は最大 3 枚です。各参照画像が何を提供するのかをプロンプトで説明すると、より制御しやすくなります。

モデルと機能 Ideogram V4.5
料金はどのように計算されますか？

出力画像の枚数に応じて課金されます。単価は quality と edit_precision によって決まり、1回のリクエストにつき1枚出力されます。サイズ、参照画像、マスクは価格に影響しません。現在の単価はリアルタイムの価格に準じます。

モデルと機能 Ideogram V4.5
編集指示はどう書けばいいですか？

4つのセクションで書きます：タスク、変更するもの、保持するもの、質感と制約。例：① Edit the provided logo. ② Change the text "Ember & Oak" to "Maple & Co". ③ Keep the serif lettering, bean emblem, tagline, colors and layout. ④ The result should look like the original print; do not add new elements. 文字を変更する場合は Precise Edit の併用を推奨します。

モデルと機能 Ideogram V4.5
このモデルと Ideogram 4.5 Image to Image は同じものですか？

同じモデルです。表示名が Ideogram 4.5 Edit に変更されただけです。モデル ID ideogram-v4.5/image-to-image とページリンクは変わっていません。

モデルと機能 Ideogram V4.5
ソース画像がない場合はどのモデルを使いますか？

まず Ideogram 4.5（ideogram-v4.5/text-to-image）でプロンプトからソース画像を生成します。その後、結果をこのモデルに渡して修正します。

モデルと機能 Ideogram V4.5
このページの事例はどのように生成されたのですか？

すべて HiAPI がこのモデルを使用して生成したものです。Precise Edit は low グレード、その他は regular の very_low グレードを使用し、ソース画像は Ideogram 4.5 ページの事例です。

モデルと機能 Ideogram V4.5
Ideogram 4.5 は何に適していますか？

はっきりとした画面文字が必要な画像に適しています。ポスター、ロゴのワードマーク、パッケージラベル、看板、雑誌の表紙などが得意なタイプです。

モデルと機能 Ideogram V4.5
画面内の文字をより正確にするには？

表示したい文字を引用符で囲み、一字一句そのまま書きます。さらに各行が大見出し、サブタイトル、小さい文字のどれかを説明し、位置とフォントの印象も指定します。文字が短いほど安定します。

モデルと機能 Ideogram V4.5
プロンプトはどう書けば最も効果的ですか？

4つのセクションに分けて書きます：タスク、テキストと詳細、維持したいレイアウト、質感と制約。例えば：① Create a conference poster. ② Headline "DESIGN FORWARD", subtitle "Typography Summit 2026", orange and navy palette. ③ Keep the headline centered and the subtitle clearly smaller. ④ Crisp lettering, flat print look; do not add any other text.

モデルと機能 Ideogram V4.5
quality の3段階はどう選べばよいですか？

日常的な画像生成には medium、大量の試行には low、最終稿には high を選んでください。3段階で単価が異なり、high はディテールが最も多く、小さな文字が多い画面に適しています。

モデルと機能 Ideogram V4.5
どのサイズに対応していますか？

6 種類のサイズプリセットに対応しています：square、square_hd（デフォルト）、portrait_4_3、landscape_4_3、portrait_16_9、landscape_16_9。このページではカスタムの幅・高さは提供していません。

モデルと機能 Ideogram V4.5
サイズは価格に影響しますか？

いいえ。1枚単位の課金で、単価は quality によってのみ変わり、1回のリクエストで1枚を出力します。

モデルと機能 Ideogram V4.5
enable_prompt_expansion とは何ですか？

モデルがプロンプトを先に拡張してから画像を生成するためのスイッチで、デフォルトでオンになっています。プロンプトが短い場合はオンのままのほうが適しています。原文どおりのレイアウトを厳密に守る必要がある場合はオフにできます。

モデルと機能 Ideogram V4.5
一度に何枚生成できますか？

毎回 1 枚で、num_images は 1 に固定されています。複数の構図の方向性を比較したい場合は、seed を変えて何度かリクエストを送信してください。

モデルと機能 Ideogram V4.5
同じ画像を再現するには？

固定の seed を渡せば再現できます。あわせてプロンプト・サイズ・品質ティアを変えないでください。

モデルと機能 Ideogram V4.5
中国語の文字の仕上がりはどうですか？

大きめの中国語見出しは通常正しく描画できますが、小さい中国語文字は low 設定では誤りが生じる可能性があります。鮮明な小さい中国語文字が必要な場合は medium または high の使用をおすすめします。

モデルと機能 Ideogram V4.5
参照画像をアップロードできますか？

いいえ、このモデルはテキストのみを受け付けます。既存の画像を編集するには、Ideogram 4.5 Edit（ideogram-v4.5/image-to-image）を使用してください。

モデルと機能 Ideogram V4.5
出力画像はどう保存しますか？

タスク結果の画像 URL からダウンロードして保存してください。リンクには有効期限があるため、速やかにご自身のストレージへ保存してください。

モデルと機能 Ideogram V4.5
Imagen 4 は何に適していますか？

日常的な製品、ライフスタイル、コンテンツの画面に適しています。被写体、シーン、素材、光を明確に指定すれば、レビューに使える画像が得られ、商品メイン画像、ブランドキャンペーンの草案、記事の挿絵などによく使われます。

モデルと機能 Imagen 4
Imagen 4 はどのアスペクト比に対応していますか？

6 種類に対応しています：1:1、16:9、9:16、3:4、4:3、auto です。aspect_ratio は必須で、このページの Playground ではデフォルトで 16:9 です。

モデルと機能 Imagen 4
プロンプトは最大何文字まで書けますか？

最大5,000文字です。promptは必須で、主体、シーン、素材、光、文字の順に構成することをおすすめします。

モデルと機能 Imagen 4
不要な要素を除外できますか？

はい、negative_prompt で可能です。これはオプションのパラメータで、最大 5,000 文字まで指定でき、余計なテキストやウォーターマーク、雑然とした背景の排除に適しています。

モデルと機能 Imagen 4
seed にはどんな形式を入力しますか？

文字列で入力します。最大 500 文字、省略可能です。seed とその他のパラメータを変えなければ、プロンプトの変更による違いだけを比較できます。

モデルと機能 Imagen 4
参照画像はアップロードできますか？

できません。Imagen 4 はテキストのみに基づいて画像を生成します。既存の画像を編集する必要がある場合は、関連モデルの中から参照画像編集をサポートする Nano Banana 2.1 をご参照ください。

モデルと機能 Imagen 4
一度に何枚生成できますか？

1回につき1枚です。複数のバージョンが必要な場合は、個別に複数のタスクを送信してください。

モデルと機能 Imagen 4
ピクセルサイズや出力形式を指定できますか？

できません。現在は aspect_ratio のみが利用可能で、カスタムのピクセルサイズや出力形式のパラメータは提供されていません。

モデルと機能 Imagen 4
画像に文字を入れることはできますか？

できますが、納品前に拡大して確認してください。文字を一語一句引用符で囲み、位置とサイズを明記したうえで、それ以外の文字を入れないよう指示してください。このページのポスター事例では、タイトルに余分な文字が1文字入っていました。

モデルと機能 Imagen 4
Imagen 4、Fast、Ultra はどう選べばよいですか？

日常の制作には Imagen 4 を選びます。大量に試作する場合は Imagen 4 Fast、完成品のディテールを高めたい場合は Imagen 4 Ultra を選びます。3 つはモデル ID が異なるため、同じプロジェクト内で段階的に使い分けられます。

モデルと機能 Imagen 4
どうやって API 経由で呼び出しますか？

POST /v1/tasks でタスクを送信します。model: "imagen-4.0" を指定し、prompt と aspect_ratio を input に入れます。リクエストはすぐに taskId を返すので、callback.url を設定して完了通知を受け取るか、GET /v1/tasks/:id をポーリングし、成功後に output から画像をダウンロードできます。

モデルと機能 Imagen 4
どのように課金されますか？

1枚ごとの課金で、毎回1枚です。アスペクト比と seed は課金方式に影響しません。現在の単価はページ上のリアルタイム価格を基準とし、最終的にはタスク記録に準じます。

モデルと機能 Imagen 4
Imagen 4 Fast は何に適していますか？

大量のバージョンが必要な作業に適しています：クリエイティブの方向性の絞り込み、バッチでの試作、そしてSNSやECでの配色と構図の比較です。

モデルと機能
Fast と Imagen 4 のパラメータは同じですか？

ほぼ同じで、seed の型だけが異なります。どちらも prompt、aspect_ratio、negative_prompt、seed を使用します。Fast の seed は整数で、Imagen 4 と Ultra は文字列です。

モデルと機能
Fast はどのアスペクト比に対応していますか？

6 種類に対応しています：1:1、16:9、9:16、3:4、4:3、auto です。aspect_ratio は必須で、このページの Playground ではデフォルトで 16:9 です。

モデルと機能
seed はどう使いますか？

整数を1つ入力してください。任意です。バッチで試作する際に seed を固定し、プロンプトの1箇所だけを変更すると、その変更の効果をより明確に確認できます。

モデルと機能
プロンプトは最大何文字まで書けますか？

最大 5,000 文字です。試作段階では、まず短く明確な主体とシーンを書き、その後ラウンドごとに詳細を補足することをおすすめします。

モデルと機能
不要な要素を排除できますか？

はい、negative_prompt で可能です。最大 5,000 文字まで指定でき、バッチ試稿全体で余分なテキストやウォーターマークなどの要素を統一して排除するのに適しています。

モデルと機能
参照画像をアップロードできますか？

できません。Imagen 4 Fast はテキストのみから画像を生成します。参照画像が必要な場合は、関連モデルの中から複数の参照画像に対応した Nano Banana 2 Lite をご覧ください。

モデルと機能
一度に何枚生成できますか？

1回につき1枚です。バッチ試作時は複数のタスクを並行して送信し、callback.url で結果を受け取ります。

モデルと機能
ピクセルサイズや出力形式を指定できますか？

できません。現在は aspect_ratio のみが公開されており、カスタムのピクセルサイズや出力形式のパラメータは提供されていません。

モデルと機能
方向が決まったらどうやって完成品を出しますか？

model を切り替えるだけです。同じプロンプトと画幅を Imagen 4 または Imagen 4 Ultra に渡し、model に対応するモデル ID を入力します。なお、これら2つのモデルの seed は文字列です。

モデルと機能
APIでどう呼び出しますか？

POST /v1/tasks でタスクを送信します。model: "imagen-4.0-fast" を渡し、prompt と aspect_ratio は input に入れます。リクエストは即座に taskId を返します。callback.url を設定するか GET /v1/tasks/:id で問い合わせでき、成功後は output から画像をダウンロードします。

モデルと機能
料金はどのように計算されますか？

画像1枚ごとの課金で、1回につき1枚です。現在の単価はページ上のリアルタイム価格が適用されます。送信前に Playground で概算費用を確認できます。

モデルと機能
Imagen 4 Ultra は何に適していますか？

完成品の納品に適しています：製品のマクロ撮影、人物ポートレート、風景や素材のクローズアップ、そしてプロンプトにより忠実な画像が求められるシーンです。

モデルと機能
Ultra はどのアスペクト比に対応していますか？

6 種類に対応しています：1:1、16:9、9:16、3:4、4:3、auto です。aspect_ratio は必須で、このページの Playground ではデフォルトで 1:1 です。

モデルと機能
プロンプトは最大何文字まで書けますか？

最大 5,000 文字です。仕上げ段階では、素材、光の方向、被写界深度、背景をより具体的に書けます。

モデルと機能
不要な要素を排除できますか？

はい、negative_prompt で可能です。最大 5,000 文字まで指定でき、白飛びした反射、余計な文字、ウォーターマーク、雑然とした背景の排除に適しています。

モデルと機能
seed にはどんな形式を入力しますか？

文字列を入力してください。最大500文字、任意項目です。最終決定時は seed を固定し、プロンプトのみを微調整すると、細部の変化を比較しやすくなります。

モデルと機能
参考画像をアップロードできますか？

できません。Imagen 4 Ultra はテキストのみから画像を生成します。既存の画像をベースにする必要がある場合は、関連モデルの中から参考画像に対応した Nano Banana Pro をご覧ください。

モデルと機能
1回で何枚生成できますか？

毎回 1 枚です。複数の候補が必要な場合は、個別に複数のタスクを送信してください。

モデルと機能
画像内の文字は信頼できますか？

保証はできません。納品前に拡大して確認してください。prompt に文字・位置・サイズを一字一句明記し、他の文字を出さないよう指示すると、より安定します。

モデルと機能
Ultra はどんなときに使う価値がありますか？

方向性が固まり、完成品を納品する必要があるときです。まず Imagen 4 Fast で方向性を絞り込み、選んだプロンプトとアスペクト比を Ultra に渡すだけです。model を imagen-4.0-ultra に変更するだけで済みます。

モデルと機能
APIでどのように呼び出しますか？

POST /v1/tasks でタスクを送信します。model: "imagen-4.0-ultra" を渡し、prompt と aspect_ratio は input に入れます。リクエストはすぐに taskId を返します。callback.url を設定するか、GET /v1/tasks/:id で照会でき、成功後は output から画像をダウンロードします。

モデルと機能
料金はどのように計算されますか？

画像1枚ごとの課金で、1回につき1枚です。現在の単価はページ上のリアルタイム価格に準じ、最終的な金額はタスク記録に基づきます。

モデルと機能
Kimi K3 の Low、High、Max はどう選べばよいですか？

日常的な抽出、書き換え、短い質疑応答ではまず low を試してください。多段階の分析が必要な場合は high を試してください。難しい問題や複雑なコードタスクでは、さらに max の効果を比較してください。reasoning_effort のデフォルトは max で、low、high、max の3段階のみが提供され、medium や none はありません。より高い段階ではより多くの思考 Token が生成され、待ち時間が長くなる可能性があるため、回答品質と usage を踏まえて選択してください。

モデルと機能 Kimi K3
思考の無効化と温度調整のスイッチがないのはなぜですか？

Kimi K3 は現在の接続では常に思考が有効になっており、コストを下げるにはまず low を試すべきで、thinking.type=disabled を渡すべきではありません。このページでは thinking、temperature、top_p を送信しません。他のモデルから移行する場合も、これらの制御フィールドを削除し、トップレベルの reasoning_effort でレベルを選択してください。

モデルと機能 Kimi K3
回答が短いのに、なぜ依然として多くの出力Token費用がかかるのですか？

モデルが生成する思考内容も出力Tokenとして課金されるため、最終回答の文字数は総出力量を表すものではありません。usage.completion_tokens には既に思考Tokenが含まれています。completion_tokens_details.reasoning_tokens が返される場合、それはその内訳であり、二重に加算しないでください。費用は通常入力、キャッシュ読み取り、出力の3項目ごとに計算し、各項目のToken数を100万で割り、このページの対応する米ドル単価を掛けます。

モデルと機能 Kimi K3
マルチターン対話で最終回答だけを保存してもよいですか？

推奨されません。次のターンの messages は必要な履歴を順番に含めて返す必要があり、API が返した完全な assistant メッセージを保持してください。これには content、返された reasoning_content、および存在する可能性がある tool_calls が含まれます。最終的なテキストだけを保存すると、Kimi が思考を継続したりツールを続行したりするために必要なコンテキストが失われます。このページの Playground は返された思考内容を保持します。

モデルと機能 Kimi K3
tool_calls を返した後、ツールは自動的に実行されますか？

いいえ。モデルはどの関数をどの引数で呼び出すかを提案するだけで、ツールの実際の実行はあなたのアプリケーションが担当します。実行後、元の assistant メッセージと role=tool の結果メッセージを messages に追加してください。結果内の tool_call_id は元の呼び出しの id に対応している必要があります。そのうえで Kimi に続きの回答をリクエストしてください。ツールの結果を単なる通常の user メッセージとして送信しないでください。

モデルと機能 Kimi K3
JSON モードと厳密な JSON Schema の違いは何ですか？

response_format.type=json_object は JSON を取得するために使用しますが、ビジネスフィールドには依然としてアプリケーション側での検証が必要です。フィールドと型を制約する必要がある場合は、response_format.type=json_schema を使用し、response_format.json_schema.schema と response_format.json_schema.strict=true を指定します。最終的な JSON は choices[0].message.content に含まれるため、reasoning_content を連結して解析してはいけません。このページの JSON output スイッチは json_object を使用しています。

モデルと機能 Kimi K3
Kimi は公式に視覚理解をサポートしていますが、ここでも画像や動画をアップロードできますか？

現在、HiAPI のこの Kimi K3 接続ではテキスト入力・テキスト出力のみが提供されています。公式モデルが視覚機能を備えているからといって、このページで画像や動画の入力がすでに提供されているわけではありません。接続時はテキストの messages でリクエストを構築し、公式の image_url や video_url のサンプルをそのまま流用しないでください。今後提供されるかどうかは、このページの入力機能と Playground のコントロールを基準にしてください。

モデルと機能 Kimi K3
Responses API をそのまま使用できますか、それともモデル名を変更するだけで移行が完了しますか？

このページの Kimi K3 は現在 POST /v1/chat/completions を使用しており、model は kimi-k3 です。Responses はこの接続の公開エンドポイントとしてはまだ提供されていません。OpenAI SDK クライアントは chat.completions.create と messages を使用し、推論フィールドを調整して assistant の履歴を完全に保持する必要があります。同じ HiAPI API Key を再利用できますが、Responses を使用する既存コードはリクエストとレスポンスの処理を調整する必要があります。

モデルと機能 Kimi K3
同じコンテキストを繰り返し送信しても、キャッシュ費用が必ずしも同じにならないのはなぜですか？

キャッシュヒットはリクエストが実際に返す usage.prompt_tokens_details.cached_tokens に基づいて計算され、同じテキストでも毎回ヒットするとは限りません。先頭のシステムプロンプト、ツール定義、固定コンテキストをできるだけ一致させたうえで、新しいメッセージを追加してください。reasoning_effort を切り替えるとヒットに影響する場合もあります。cached_tokens が 0 の場合、この部分の入力はキャッシュ読み取り単価で見積もることはできません。

モデルと機能 Kimi K3
1M コンテキストは1回で100万Tokenを出力できるという意味ですか？

いいえ、そういう意味ではありません。コンテキストウィンドウと1回あたりの最大出力は別の制限です。本ページでは1Mコンテキストから最大出力を推算していないため、未確認の出力上限は「-」と表示されます。max_tokens で今回の出力予算を設定できます。finish_reason が length を返した場合は、出力制限に達していないか確認し、そのうえでタスクを縮小するか続きを生成するかを判断してください。

モデルと機能 Kimi K3
最初のフレーム画像はどう準備すればよいですか？

jpeg、png、webpに対応しており、1枚あたり10MB以下です。jpegまたはpngが最も確実です。画像のアスペクト比は出力したい画角とできるだけ一致させてください。比率が一致しない場合、完成映像が中央でクロップされることも、元画像の比率がそのまま使われることもあるため、被写体は画面の中央に配置するのがおすすめです。

モデルと機能
ラストフレームは何の役に立ち、どう使いますか？

ラストフレームは任意の2枚目の画像で、動画が最後にどの画面で止まるかを決めます。2枚の画像は背景とカメラ位置を揃え、変化させたい部分だけを変えるのが望ましいです。例えば本ページの赤い車が青い車に変わる例です。ラストフレームを追加すると、アスペクト比は16:9、9:16、または1:1しか選べません。

モデルと機能
どのような長さとアスペクト比を選べますか？

長さは5秒と10秒があります。アスペクト比は16:9、9:16、1:1、4:3、3:4、21:9で、それぞれ1920×1080、1080×1920、1440×1440、1660×1244、1244×1660、2200×940で出力され、解像度はアスペクト比に応じて決まるため、個別に設定する必要はありません。

モデルと機能
生成された動画には音声がありますか？

いいえ、完成した動画には音声トラックが含まれていません。BGMやナレーションは編集時に追加できます。完成した動画に音声を付けたい場合は、Kling 2.5 Turbo Text-to-Video をご覧ください。テキストから生成され、完成した動画に音声トラックが付属します。

モデルと機能
プロンプトには何を書けばいいですか？

最初のフレームで主体とシーンはすでに示されているので、プロンプトには動作、環境の変化、カメラワークを書けば十分です。例えば「花びらが舞い落ち、カメラがゆっくりと周回する」などです。出したくない内容はネガティブプロンプトに書くこともでき、画面が描写にどれだけ沿うかを調整することもできます。

モデルと機能
生成された動画はどのくらい保存されますか？

完成した動画のリンクはデフォルトで約7日間保持されます。長期間使用する場合は早めにダウンロードするか、タスク作成時に長期保存を選択してください。過去の生成結果はタスク記録で確認できます。

モデルと機能
Kling 2.5 Turbo Text-to-Video とはどう選び分ければよいですか？

画像があって、主体や構図を画像どおりにしたい場合は Image-to-Video を使います。アイデアだけがある場合、または音声付きの完成動画が必要な場合は Text-to-Video を使います。どちらも長さは 5 秒または 10 秒です。

モデルと機能
画像をアップロードする必要がありますか？

いいえ、このバージョンはテキストのみを受け付けます。プロンプトは最大 2500 文字で、主体、環境、動作、カメラワークを同じ段落に書けば十分です。手元に画像があり、その画像に沿った映像を生成したい場合は、Kling 2.5 Turbo Image-to-Video をご利用ください。

モデルと機能
生成された動画には音声がありますか？オフにできますか？

各完成動画には音声トラックが付いており、現在オフにするオプションはありません。音声はモデルによって生成されるため、内容がご要望に沿わない場合があります。使用前に試聴し、必要に応じて編集で差し替えるか音量を下げてください。

モデルと機能
どのような長さとアスペクト比を選べますか？

長さは5秒または10秒。アスペクト比は16:9、9:16、1:1で、それぞれ1920×1080、1080×1920、1440×1440を出力します。解像度はアスペクト比に応じて決まるため、個別に設定する必要はありません。

モデルと機能
プロンプトはどう書くと効果が高まりますか？

主体、環境、動作、カメラの順に一段落で書き、その後に光線を補足します。動作は一度に一つか二つで十分です。たとえば、このページのレッサーパンダの前足を上げる動作と振り向く動作のように。同時に多くを求めすぎると、5秒の中で全部をやり切るのは難しいです。

モデルと機能
表示したくない内容はどう処理すればよいですか？

不要な要素（文字、ロゴ、余計な人物など）を個別にネガティブプロンプトに書くことができます。また、画面が説明にどれだけ忠実に従うかの度合いを調整することもできます。

モデルと機能
Kling 3.0 Turbo Text-to-Video とはどう選べばよいですか？

5秒または10秒で十分なら Kling 2.5 Turbo を選んでください。3～15秒の間で秒単位で尺を設定したい場合や、720p と 1080p から選びたい場合は Kling 3.0 Turbo Text-to-Video を使用してください。どちらも横長、縦長、正方形に対応しています。

モデルと機能
Kling 3.0 Motion Control にはどのような入力が必要ですか？

必須入力は2つです。人物参照画像（image_url）と3〜30秒の動作参照動画（video_url）です。人物画像が外見とアイデンティティを決め、参照動画が動作・表情・リズムを決めます。Prompt は任意で、シーン・スタイル・カメラワークを補足するために使用します。

モデルと機能
出力の長さはどうやって決まりますか？

長さを渡す必要はありません。出力は参照動画の長さに従います：character_orientation=video の場合は最長 30 秒、image の場合は最長 10 秒です。動きが速すぎる、または複雑すぎる場合、モデルは利用可能な動作区間のみを抽出するため、出力は参照動画より短くなる可能性があります。

モデルと機能
video と image の2つの向きはどう選べばよいですか？

video：人物の向きは参照動画に従い、ダンスや立ち位置の移動など、大きな動きや多角的な動作に適しています。image：人物の向きは参照画像に従い、固定カメラ＋カメラワークによるトークや解説系のコンテンツに適しており、出力は最長10秒です。

モデルと機能
参考動画にはどのような撮影要件がありますか？

mp4/mov、最大100MB、3～30秒、単一ショットの連続撮影で、人物の頭部・肩・胴体がはっきりと見えること。できるだけ1人で映り、頻繁なカット割りや遮蔽を避けてください。参考画像も同様に頭・肩・胴体を写す必要があり、両辺が340pxより大きく、アスペクト比は2:5から5:2の間である必要があります。

モデルと機能
参照動画の音声は保持されますか？

デフォルトでは保持されます（keep_original_sound=true）。ナレーションやダンスのカバー動画など、元の音声トラックをそのまま使いたい場合に適しています。不要な場合は false を渡すと映像のみが出力されます。

モデルと機能
Kling 3.0 Motion Control の課金方法は？

実際の出力秒数に基づいて課金され、720p と 1080p では単価が異なります。タスク作成時に上限見込みで事前に差し引かれ、完了後に実際の出力秒数に基づいて過不足が精算されます。具体的な単価は本ページのリアルタイム価格欄をご参照ください。

モデルと機能
どのくらいの長さ、サイズの動画を生成できますか？

長さは3～15秒（整数秒、デフォルト5秒）から選択でき、解像度は720p、1080p、4Kから選択可能で、アスペクト比は16:9、9:16、1:1に対応しています。

モデルと機能
生成された動画には音声がありますか？

ネイティブ音声（audio）を有効にすると、モデルは映像に合った音声（効果音、環境音、リズムなど）を同時に生成します。デフォルトでは無効で、無効時は音声トラックを含まない出力になります。

モデルと機能
スマート絵コンテとは何ですか？

prefer_multi_shots を有効にすると、モデルはプロンプト内のストーリーに基づいて複数のショットを自動的に計画し、切り替えまで行います。一つの完結した小さな物語を語るのに適しています。連続した単一ショットのみが必要な場合は無効のままにしてください。

モデルと機能
固定のキャラクターや製品を動画に登場させるにはどうすればよいですか？

elements に主体を追加します。名前、簡単な説明、同じ主体の画像 2～4 枚を入力し、プロンプト内で @名前として参照します。テキストから動画を生成する場合、最大 7 個の主体を追加できます。

モデルと機能
Kling 3.0 Text-to-Video とは何が違いますか？

どちらも3～15秒と720p～4Kに対応しています。Omni バージョンはさらに elements を使って主体素材を参照でき、インテリジェントな絵コンテにも対応しているため、キャラクターや製品の一貫性が求められるコンテンツに適しています。純粋なテキスト生成のみであれば、どちらも使用できます。

モデルと機能
どのように課金されますか？

動画の長さに応じて課金され、解像度と音声の有無が単価に影響します。現在の価格は料金ページをご確認ください。各タスクの利用明細は HiAPI のタスク記録で確認できます。

モデルと機能
画像は何枚アップロードする必要がありますか？

image_urls には 1～2 枚を渡します。1 枚の場合は最初のフレームとして使用し、2 枚の場合は [最初のフレーム, 最後のフレーム] の順に並べ、最後のフレームで終了画面を制御します。JPG / PNG に対応し、1 枚あたり 50MB 以下、短辺は最低 300px、アスペクト比は 0.4～2.5 の範囲内である必要があります。

モデルと機能
動画のアスペクト比は自分で選べますか？

個別には選択できません。出力のアスペクト比は最初のフレーム画像に従うため、縦向きや正方形にしたい場合は、対応する比率の最初のフレームを用意してください。

モデルと機能
どれくらいの長さの動画を生成できますか？

長さは 3～15 秒（整数秒、デフォルト 5 秒）から選択でき、解像度は 720p、1080p、または 4K から選択できます。

モデルと機能
音声とスマート絵コンテには対応していますか？

対応しています。ネイティブオーディオを有効にすると、映像に合わせた音声が同時に生成されます。スマート絵コンテを有効にすると、モデルがプロンプトに基づいて複数のショットを自動的に計画します。どちらもデフォルトではオフです。

モデルと機能
主体素材を同時に参照できますか？

はい。elements に最大 3 つの主体を追加でき、各主体につき 2～4 枚の画像を指定します。プロンプト内で @名前として参照することで、キャラクターや製品を最初のフレーム以外のショットでも一貫させることができます。

モデルと機能
参考画像は最大何枚アップロードできますか？

image_urls には参考画像を1～7枚指定できます。参照動画を加える場合は最大4枚です。参考画像と elements の主体は合計で7個以内（参照動画ありの場合は4個以内）です。JPG / PNG に対応し、1枚あたり50MB以下、短辺は最低300pxです。

モデルと機能
参照動画にはどのような役割と制限がありますか？

video_urls には参照動画を1本任意で渡すことができ、カメラワークやリズムの参考に使用します。MP4 / MOV、200MB 以下、長さ 3～15.5 秒、幅・高さ 700～4553px、24～60fps が条件です。参照動画を付ける場合、ネイティブ音声とスマート絵コンテは有効にできません。

モデルと機能
参照動画生成と画像からの動画生成の違いは何ですか？

画像からの動画生成では画像を動画の最初のフレームとして扱います。参照動画生成では画像を人物・ペット・物品の見た目として扱い、まったく新しい構図とシーンを生成します。参照画像がそのまま冒頭に現れることはありません。

モデルと機能
どのくらいの長さ、どのようなアスペクト比の動画を生成できますか？

長さは 3～15 秒（デフォルト 5 秒）、解像度は 720p、1080p、または 4K に対応し、アスペクト比は 16:9、9:16、1:1 をサポートしています。

モデルと機能
プロンプト内で誰が誰であるかを指定するにはどうすればよいですか？

参考画像内の被写体を「参考画像の中で黄色いレインコートを着ている女性」のように文章で直接説明できます。より明確な紐付けが必要な場合は、elements 内で被写体に名前を付け、@名前で参照してください。

モデルと機能
どのような動画をアップロードする必要がありますか？

video_urls にはソース動画を1本アップロードします：MP4 または MOV、200MB 以下、長さ 3～15.5 秒、幅・高さ 700～4553px、フレームレート 24～60fps。

モデルと機能
長さとアスペクト比は設定できますか？

設定は不要です。出力の長さとアスペクト比はソース動画に従い、選択できるのは解像度（720p、1080p、または 4K）のみです。

モデルと機能
動画改変では何が保持され、何が変わるのか？

元動画の動きとカメラワークは保持され、プロンプトに従って画面スタイル、シーン、天気、または被写体が変更されます。プロンプトに「元動画の動きとカメラを保持する」と明記すると、より安定した結果が得られます。

モデルと機能
生成された動画には音声がありますか？

ありません。動画の改変では音声は生成されません。音声が必要な場合は、後処理で追加するか、元動画の音声トラックを保持して後処理で合成してください。

モデルと機能
被写体を指定したイメージに置き換えるにはどうすればよいですか？

elements に被写体を追加し、名前・説明・2～4枚の画像を入力したうえで、プロンプト内で @名前を使って元の被写体と置き換えることを指定します。追加できる被写体は最大7個までです。

モデルと機能
Kling 3.0 Turbo のテキスト・トゥ・ビデオでは画像をアップロードする必要がありますか？

いいえ、不要です。現在のページは純粋なテキスト・トゥ・ビデオモデル kling-3.0-turbo/text-to-video に対応しており、テキスト Prompt のみを受け付けます。最初のフレームから動画を生成する必要がある場合は、独立した Kling 3.0 Turbo Image-to-Video モデルページを使用してください。

モデルと機能 Kling 3.0 Turbo
Kling 3.0 Turbo はどのような長さ、解像度、アスペクト比に対応していますか？

現在の HiAPI リクエスト契約では 3～15 秒、720p または 1080p、および 16:9、9:16、1:1 に対応しています。ページ上の事例は 720p、5 秒と 12 秒、横画面と縦画面をカバーしています。1080p と 1:1 はインターフェースの対応機能であり、ページ上には対応する事例はまだありません。

モデルと機能 Kling 3.0 Turbo
Kling 3.0 Turbo のテキスト読み上げ動画はどのように課金されますか？

生成される動画の長さと解像度に応じて課金され、720p と 1080p では1秒あたりの料金区分が異なります。具体的な金額は、ページ上のリアルタイム価格およびタスク記録に基づきます。

モデルと機能 Kling 3.0 Turbo
Kling 3.0 Turbo のテキスト・トゥ・ビデオ Prompt はどう書けばいいですか？

まず主体とシーンを書き、次に動作とカメラワークを順番に描写し、最後に光線、スタイル、安定性の要件を補足します。長回しショットでは single continuous shot、no cuts、カメラパスを明示すべきです。縦長コンテンツの場合はさらに Prompt 内で vertical を明記し、aspect_ratio を 9:16 に設定してください。

モデルと機能 Kling 3.0 Turbo
Kling 3.0 Turbo は音声を制御できますか？

現在公開されているリクエストパラメータには独立した音声スイッチやオーディオフィールドがないため、本ページではセリフ、音楽、フォーリーを正確に制御できることを保証しません。サンプルファイルには音声トラックが含まれる場合がありますが、正式なプロジェクトでは出力を確認し、必要に応じて後工程で吹き替え、ミックス、著作権審査を行ってください。

モデルと機能 Kling 3.0 Turbo
API 経由で Kling 3.0 Turbo のテキスト読み上げ動画を呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model を kling-3.0-turbo/text-to-video に設定し、input に prompt、duration、resolution、aspect_ratio を渡します。作成リクエストは taskId を返します。タスクの照会、コールバック、エラー処理、完全なパラメータについては API ドキュメントを参照してください。

モデルと機能 Kling 3.0 Turbo
最初のフレーム画像にはどのような要件がありますか？

jpeg または png 画像の公開アクセス可能な URL を image_urls 配列に入れてください。一度に 1 枚のみアップロードできます。画像はセグメントの開始フレームとして使用されます。

モデルと機能 Kling 4.0
アスペクト比を選択しないとどうなりますか？

aspect_ratio を渡さない場合、出力は自動的に最初のフレームの比率に従い、縦画像が強制的に横画面にトリミングされることはありません。元画像の比率を上書きしたい場合にのみ、明示的に設定する必要があります。

モデルと機能 Kling 4.0
Prompt は必須ですか？

はい。最初のフレーム画像が構図と被写体を担い、Prompt が動作・カメラワーク・音声を記述するため、両方が必要です。コピーは短めに書く方が通常は良い結果になります。

モデルと機能 Kling 4.0
画像から動画生成の料金はどうなっていますか？

テキストから動画生成と同じく出力秒数に応じた課金で、720p と 1080p で料金区分が異なり、最低料金はありません。

モデルと機能 Kling 4.0
動画に音声を付けられますか？

はい。音声と映像を一緒に生成し、出力される MP4 には音声トラックが含まれます。希望する音源を Prompt に書けばOKです。

モデルと機能 Kling 4.0
APIでどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信します。model には kling-4.0/image-to-video を指定し、input に image_urls と、任意で prompt、duration、resolution、aspect_ratio を入れます。

モデルと機能 Kling 4.0
Kling 4.0 テキスト・トゥ・ビデオでは画像をアップロードする必要がありますか？

いいえ。kling-4.0/text-to-video はテキストプロンプトのみを受け付けます。指定した最初のフレームを動かしたい場合は、Kling 4.0 イメージ・トゥ・ビデオモデル kling-4.0/image-to-video を使用してください。

モデルと機能 Kling 4.0
Kling 4.0 はどのような長さ、解像度、アスペクト比に対応していますか？

3～30秒の任意の整数秒、720p または 1080p に対応し、アスペクト比は 16:9、9:16、1:1、21:9 のウルトラワイドから選択できます。ページ内の事例には 720p と 1080p の5秒横画面クリップが含まれています。

モデルと機能 Kling 4.0
Kling 4.0は音声を生成しますか？

はい。映像と音声は同じ生成処理で完結し、出力されるMP4には音声トラックが含まれます。環境音や音源（例：雨音、エンジン音、楽器）をPromptに記述すると、モデルがそれを反映します。

モデルと機能 Kling 4.0
テキストから動画生成の料金はどのように計算されますか？

出力秒数に応じた課金で、720p と 1080p では 1 秒あたりの料金が異なります。最低料金はなく、5 秒生成した場合は 5 秒分の単価となります。具体的な金額はページ上のリアルタイム価格およびタスク記録に基づきます。

モデルと機能 Kling 4.0
Kling 4.0 のプロンプトをより良く書くには？

まず主体とシーンを書き、次にカメラの動き（ズームイン、横方向の追従撮影、手持ち、固定カメラ）を明確にし、最後に光と雰囲気を補足します。音声が必要な場合は同じ段落の記述に直接書き込み、後工程で追加しないようにしましょう。

モデルと機能 Kling 4.0
Krea 2 Medium Turbo は何に適していますか？

テキスト記述から高忠実度の画像を素早く生成でき、迅速な画像生成やプロンプトの繰り返し調整が必要なシーン、たとえばコンセプトスケッチ、SNS用画像、映画的な画面などに適しています。

モデルと機能 Krea 2 Medium Turbo
どのアスペクト比に対応していますか？

aspect_ratio は 1:1（デフォルト）、4:3、3:2、16:9、2.35:1、4:5、2:3、9:16 の全8種類から選択できます。

モデルと機能 Krea 2 Medium Turbo
2.35:1 の比率はどのような画面に適していますか？

2.35:1 は一般的なワイドスクリーン映画の画角で、シネマティックなシーン、ウェブサイトのバナー、動画のカバー画像といった超横長の構図に適しています。

モデルと機能 Krea 2 Medium Turbo
creativity（創造性）にはどのような役割がありますか？

creativity はモデルがプロンプトをどの程度自由に展開するかを制御し、raw、low、medium、high から選択できます。レベルが低いほど記述に忠実で、高いほど画面はより創造的になりますが、記述から逸脱する可能性もあります。

モデルと機能 Krea 2 Medium Turbo
creativity のデフォルトはどの設定ですか？

HiAPI ではデフォルトは low で、結果はプロンプトに忠実になります。より多様な変化を求める場合は medium または high に変更できます。

モデルと機能 Krea 2 Medium Turbo
seed（シード）はどう使いますか？

seed はオプションの整数です。指定しない場合は毎回ランダムになります。seed とその他のパラメータを固定すると同じ結果を再現できるため、プロンプトや創造性の変更を比較するのに便利です。

モデルと機能 Krea 2 Medium Turbo
一度に何枚生成できますか？

1回のリクエストで1枚の画像を生成します。複数枚必要な場合は、個別に複数のタスクを送信してください。

モデルと機能 Krea 2 Medium Turbo
プロンプトには長さ制限がありますか？

prompt は必須で、長さは 1～5000 文字です。

モデルと機能 Krea 2 Medium Turbo
参照画像をアップロードする必要はありますか？

いいえ、これは純粋なテキストtoイメージモデルで、テキスト記述のみで画像を生成します。スタイル参照画像、プリセットスタイル、ムードボードは現在ご利用いただけません。

モデルと機能 Krea 2 Medium Turbo
料金はどのように計算されますか？

出力画像の枚数に応じて課金され、1リクエストにつき1枚です。現在の単価はページ上のリアルタイム価格を基準とします。

モデルと機能 Krea 2 Medium Turbo
生成結果を取得するには？

POST /v1/tasks を呼び出すと、すぐに taskId が返されます。本番環境では callback.url を設定して完了通知を受け取ることを推奨します。デバッグ時は GET /v1/tasks/:id をポーリングできます。タスク成功後、output 内の画像 URL からダウンロードしてください。

モデルと機能 Krea 2 Medium Turbo
コンテンツの安全チェックはありますか？

はい、生成のたびに安全チェックが有効になり、コンテンツ規範に適合しないリクエストは失敗する可能性があります。

モデルと機能 Krea 2 Medium Turbo
Krea 3 は何に適していますか？

リアルな写真、ポートレート、商品画像、料理、建築空間、イラスト、コンセプトデザインに適しており、タイトル文字入りのポスターも生成できます。短いプロンプトでも完成度の高い画面が得られるため、方向性を素早く探るのに向いています。

モデルと機能 Krea 3
berry と jam の違いは何ですか？

両者は同一モデルの2つのバリアントで、ほとんどのパラメータは同じです（negative_prompt は berry にのみ有効）。Krea は berry を品質優先、jam を速度優先と位置づけており、両者は同価格です。input.variant で切り替え、デフォルトは berry です。実際の比較では、同じ seed でも両者の構図と色調は異なり、画質は同等なので、両方試してから選ぶとよいでしょう。

モデルと機能 Krea 3
reasoning_level とは何ですか？どれを選べばよいですか？

これは、モデルが画像生成前にプロンプトを理解し拡張するためにどれだけの手間をかけるかを制御するもので、low と medium（デフォルト）から選べます。プロンプトが非常に短い、または抽象的すぎる場合は medium を使用してください。プロンプトがすでに具体的に書かれていて、より速くしたい場合は low を使用してください。

モデルと機能 Krea 3
どのサイズに対応していますか？

image_size は 6 種類に対応しています：square_hd（1024 × 1024、デフォルト）、square（512 × 512）、portrait_4_3（768 × 1024）、portrait_16_9（576 × 1024）、landscape_4_3（1024 × 768）、landscape_16_9（1024 × 576）。

モデルと機能 Krea 3
2K またはカスタムの幅・高さを出力できますか？

できません。このページが提供するのは 1K 仕様であり、auto およびカスタムの幅・高さには対応していません。指定した場合はパラメータエラーが直接返され、課金は発生しません。

モデルと機能 Krea 3
料金はどうなっていますか？

正常に生成された画像の枚数に応じて課金されます。6 種類のサイズはすべて同料金で、berry と jam も同料金です。具体的な単価はページ上のリアルタイム価格に準じます。パラメータ検証に失敗したリクエストは課金されません。

モデルと機能 Krea 3
一度に何枚生成できますか？

1回のリクエストで1枚生成されます。複数枚必要な場合は複数のタスクを送信するか、異なる seed で再実行してください。

モデルと機能 Krea 3
ネガティブプロンプトはどう使いますか？

避けたい要素を negative_prompt に記述します。例えば people, text, watermark などで、最大 1024 文字です。これは berry にのみ有効です。jam を選択すると Playground はこの項目を非表示にし、送信しなくなります。API 経由で jam に渡しても効果はありません。

モデルと機能 Krea 3
再現可能な結果を得るには？

固定の seed（0–2147483647）を指定し、プロンプト、サイズ、variant、reasoning_level を変更しないでください。シリーズ画像を作る場合は、1 か所の説明だけを変更すればよいです。

モデルと機能 Krea 3
画面内の文字は正確ですか？

短いタイトルは通常、比較的正確です。文字を引用符で囲んで一字一句書き出し、位置とフォントスタイルを説明してください。文字が多い場合は berry と reasoning medium の組み合わせをおすすめします。

モデルと機能 Krea 3
出力はどのような形式ですか？

output_format は png（デフォルト）または jpeg を選択できます。タスク成功後、結果の output[].url から画像をダウンロードしてください。リンクには有効期限があるため、速やかに保存してください。

モデルと機能 Krea 3
参照画像をアップロードする必要がありますか？

いいえ、これは純粋なテキストから画像を生成するモデルであり、テキストの説明のみを受け付けます。

モデルと機能 Krea 3
同じ seed を jam に変えると、同じ画像になりますか？

いいえ。seed は同じバリアント内でのみ結果を再現します。berry と jam で同じ seed を使うと、構図も色調も異なる結果になります。2つのバリアントを比較したい場合は、それぞれ別の案として1回ずつ実行するとよいでしょう。

モデルと機能 Krea 3
LTX 2.5 Fast はどの解像度に対応していますか？

720p と 1080p の2段階で、デフォルトは 720p です。テキストから動画、画像から動画のどちらも同じです。

モデルと機能 LTX 2.5 Fast
どれくらいの長さの動画を生成できますか？

2～20秒で、2、3、4、5、6、8、10、12、14、16、18、20秒から選択でき、デフォルトは6秒です。

モデルと機能 LTX 2.5 Fast
縦向きはサポートしていますか？

サポートしています。aspect_ratio を 9:16 に設定すると縦向き動画が得られ、デフォルトは 16:9 の横向きです。

モデルと機能 LTX 2.5 Fast
ネイティブオーディオとは何ですか？追加料金はかかりますか？

generate_audio を有効にすると、モデルは環境音、効果音、またはBGMも同時に生成します（デフォルトで有効）。無効にすると無音の動画が生成され、料金は変わりません。

モデルと機能 LTX 2.5 Fast
料金はどのように計算されますか？

動画の秒数に基づいて課金され、1秒あたりの価格は解像度によって決まります。1080pは720pより高くなります。現在の価格は料金ページを基準とします。

モデルと機能 LTX 2.5 Fast
テキストから動画生成と画像から動画生成はどう選ぶ？

アイデアのテキストしかない場合はテキストから動画生成を使用し、製品画像やポスター、絵コンテ画像が既にある場合は画像から動画生成を使用すると、画面の主体をより制御しやすくなります。

モデルと機能 LTX 2.5 Fast
画像から動画を生成する際のラストフレームはどう使いますか？

image_urls に画像を2枚渡すと、2枚目がラストフレームになります。モデルはファーストフレームからラストフレームへ自然に遷移するため、昼から夜へ、開閉の変化といったトランジションに適しています。

モデルと機能 LTX 2.5 Fast
最初のフレームと最後のフレームにはどのような要件がありますか？

JPG、PNG、または WebP 画像の URL。2 枚の画像の構図とカメラ位置が近いほど、トランジションが滑らかになります。

モデルと機能 LTX 2.5 Fast
フレームレートは変更できますか？

25fps に固定されており、パラメータを渡す必要はありません。

モデルと機能 LTX 2.5 Fast
画像から動画を生成する場合、アスペクト比は画像に合わせられますか？

出力アスペクト比は aspect_ratio によって決まります。最初のフレーム画像と一致させることをおすすめします。そうすることで、トリミングや余白の発生を避けられます。

モデルと機能 LTX 2.5 Fast
プロンプトはどう書けばより良い効果が得られますか？

「主体 + 動作 + カメラ + 音」の順で書きます。例えば「バリスタがミルクを注いでラテアートを作る、クローズアップ、朝の光、カップとソーサーが軽く鳴る音」のように。画像から動画を生成する場合は、加えたい動きだけを描写すればよく、画面を繰り返し説明する必要はありません。

モデルと機能 LTX 2.5 Fast
生成された動画はどのくらい保存されますか？

結果リンクには有効期限があります。長期保存が必要な場合は、早めにダウンロードするかご自身のストレージへ転送してください。

モデルと機能 LTX 2.5 Fast
画像がない場合、この入り口はどう使いますか？

シーン、動作、カメラワーク、音声を直接描写するだけで、最初のフレームと最後のフレームはどちらも省略でき、画像がない場合はデフォルトの横画面キャンバスを使用します。既存のアプリでは引き続き minimax-h3-max を使用できます。新規制作でアスペクト比を選択する必要がある場合は、MiniMax H3 Max Text-to-Video を使用してください。

モデルと機能
既存の画像を最初のフレームまたは最後のフレームとして使用できますか？

最初のフレーム、最後のフレーム、または両方を一緒に提供できます。最初のフレームは開始画面を設定し、最後のフレームは終了画面を導きます。最初のフレームがある場合はキャンバスが最初のフレームに従い、最後のフレームのみの場合は最後のフレームに従います。フレーム画像を使用する場合は、同時に aspect_ratio を渡さないでください。

モデルと機能
旧アスペクト比パラメータで縦画面を制御できますか？

この入り口は aspect_ratio の互換的な受け入れを維持しますが、このフィールドが生成キャンバスを変更することを保証するものではありません。9:16 などの画幅を明確に選択する必要がある場合は、MiniMax H3 Max Text-to-Video に切り替えてください。画像がある場合は画像の構図に従ってキャンバスが決まります。

モデルと機能
既存の呼び出しはコードを変更する必要がありますか？

不要です。モデル名、インターフェースアドレス、デフォルトの長さ、デフォルトの解像度はすべてそのまま維持され、従来の正当なリクエストは引き続き有効です。新しく追加されたオプションフィールドを使用したい場合にのみ、リクエストにそれらを追加してください。

モデルと機能
この入り口と新しいテキストから動画、画像から動画の入り口の違いは何ですか？

この入り口は元の動作を維持します：画像は任意で、画像がない場合はデフォルトで横画面になります。テキストから動画の入り口はテキストのみを受け付け、アスペクト比は任意です。画像から動画の入り口は少なくとも1枚の最初のフレームまたは最後のフレームが必要です。三者の長さ、解像度、seed、拡張、目標音声の記述方法は同じです。

モデルと機能
プロンプトは最大何文字まで書けますか？

この入口では最大7,000文字です。より長いショットの説明が必要な場合、テキストから動画生成および画像から動画生成の入口では上限がより高くなります。

モデルと機能
1080P を既存のリクエストに対してデフォルトで有効にすべきか？

デフォルト値は変更しないでください。既存のリクエストで解像度を指定しない場合は引き続き 768P となり、明示的に 1080P を指定した場合にのみその設定が使用されます。まず少数のタスクで試行し、出力結果を比較してから判断することをお勧めします。

モデルと機能
なぜ同じプロンプトでもテキストリクエストと画像リクエストでアスペクト比が異なるのですか？

キャンバスは画像に由来するためです。先頭フレームがある場合は先頭フレームに従い、末尾フレームのみの場合は末尾フレームに従い、純粋なテキストの場合はデフォルトの横画面を使用します。純粋なテキストでアスペクト比を固定するには、テキストからの動画生成の入口に切り替えてください。

モデルと機能
画像を用意する必要がありますか？

いいえ、この入口はテキストのみから動画を作成し、最初のフレームや最後のフレームの画像は受け付けません。画像が既にあり、開始画面または終了画面を設定したい場合は、MiniMax H3 Max Image-to-Video を選択してください。

モデルと機能
公開位置に合わせてアスペクト比をどう選ぶか？

21:9、16:9、4:3、1:1、3:4、9:16 から選択できます。横長は環境ショットやオープニングに、縦長はショート動画に、スクエアはフィードに適しています。構図では被写体の位置と動きの余白を明確にし、選択したアスペクト比にショットを適応させやすくします。

モデルと機能
どうすればより明確なショット描写を書けますか？

まず被写体と環境から始め、次に一貫した動作、カメラの方向、音を書きます。短編ではあまり多くの出来事を詰め込まないようにしましょう。より豊かな描写が必要な場合は、プロンプト拡張を使用し、完成映像を確認したうえで調整してください。

モデルと機能
縦画面 9:16 は本当に縦画面で出力されますか？

はい。この入口は選択したアスペクト比で直接生成され、当社の 768P テストでは 768×1344 が返されました。

モデルと機能
ターゲット音声と非常に短い長さを同時に使えますか？

いいえ。ターゲット音声を使う場合、動画の長さは2秒以上、音声自体も2秒以上必要です。1秒以内のごく短いクリップだけを作りたい場合は、モデルに音声を生成させてください。

モデルと機能
同じ構想から異なるアスペクト比でスタイルの近い画像を出すには？

プロンプトと seed を固定し、aspect_ratio だけを変更します。同じ seed でも画面が完全に一致する保証はありませんが、スタイル・色調・動作の傾向は通常より近くなるため、選びやすくなります。

モデルと機能
プロンプト拡張はいつ有効にしますか？

短いアイデアが一行だけのときは、balanced または quality を使ってモデルに詳細を補わせます。すでにカメラワーク、ライティング、動きを書き込んでいる場合は disabled にして、自分の表現をそのまま残します。拡張してもリクエストした長さは変わりません。

モデルと機能
返される再生時間がリクエストと少し異なるのはなぜですか？

動画はフレーム単位で生成されるため、最終的な再生時間は最も近いフレーム境界に合わせられます。私たちのテストでは差異は3分の1秒未満です。正確な編集ポイントが必要な場合は、返された動画の再生時間を基準にしてください。

モデルと機能
1080P の画面はどのような用途に適していますか？

1080P は 768P の画面をさらに強化した出力グレードで、最終納品や大画面再生に適しています。下書きや比較の段階では 480P または 768P を使う方が高速です。

モデルと機能
最初のフレームと最後のフレームは両方アップロードする必要がありますか？

少なくとも1枚を提供してください。最初のフレームのみで開始画面を設定し、最後のフレームのみで終了画面を導くこともでき、両方を併用して開始・終了の構図を設定することもできます。これらの画像は動画の開始・終了フレームの役割を担うものであり、通常のスタイル参考画像ではありません。

モデルと機能
画面アスペクト比はどの画像で決まりますか？

先頭フレームがある場合は先頭フレームが基準になります。末尾フレームのみの場合は末尾フレームが基準になります。この入力では aspect_ratio を受け付けません。公開位置に合った横画像または縦画像を用意し、2枚のフレームはできれば同じ画角にしてください。最終的な出力サイズは動画に準じます。

モデルと機能
プロンプトで画像を繰り返し説明する必要はありますか？

画像で主体と構図はすでに示されているため、プロンプトでは動作、環境の変化、カメラがどのように続くかに重点を置いて記述します。終了位置を固定する必要がある場合は、ラストフレームと合わせて運動方向を説明し、動作に適切な時間を確保します。

モデルと機能
最終フレームだけを渡してもいいですか？

はい。最終フレームだけを渡す場合、それは結末の画面であると同時に全体のアスペクト比も決めます。プロンプトには、冒頭からこの結末までに起こる動作を記述してください。

モデルと機能
最初のフレームと最後のフレームのサイズが一致しない場合はどうなりますか？

アスペクト比は最初のフレームが基準となり、最後のフレームはそれに合わせて処理されますが、差が大きすぎるとトランジションが不自然になる可能性があります。2枚の画像は同じ向きと近い構図で使用することをお勧めします。

モデルと機能
始点・終点のフレームではなく、参考画像でスタイルを制御することはできますか？

できません。この入口の画像は動画の始点・終点フレームであり、汎用的なスタイル参考ではありません。テキストから生成する場合は、テキスト読み上げ動画の入口をご利用ください。

モデルと機能
ターゲット音声は画像とどのように組み合わせて使用しますか？

target_audio_url を渡すと、完成動画の音声トラックがあなたの音声に置き換わります。音声は2秒以上、15 MB以下で、動画の長さも2秒以上である必要があります。画面の動きを駆動することは保証されず、動きは引き続きプロンプトで記述します。

モデルと機能
1080P は画像から動画を生成する際にどのような役割を果たしますか？

1080P は 768P の映像をベースにさらに強化した出力グレードです。2枚の縦画像を最初と最後のフレームとしてテストしたところ、1080P は 1080×1920 を返しました。最終納品に適しています。プロンプトを比較する際は 480P を使うとより速くなります。

モデルと機能
なぜ最初にごく短い時間で試作するのですか？

時間は0.92～15秒の小数に対応しています。まず1.5～2秒で最初のフレームが正しく使われているか、画面の向きが想定どおりかを確認してから最終的な長さに拡大すると、遠回りを大幅に減らせます。

モデルと機能
生成と編集を切り替えるにはどうすればよいですか？

プロンプトを書くだけで画像を生成できます。参照画像を追加したら、変更したい内容と必ず保持すべき詳細を記述してください。どちらの使い方も同じモデル ID を使用します。各タスクは独立して処理されるため、編集を続ける場合は前回の結果をもう一度提供してください。

モデルと機能
参照画像はプロンプトとどのように組み合わせて使用しますか？

JPEG、PNG、WebP 画像を最大 10 枚まで追加できます。各画像が提供する被写体、背景、スタイルを説明し、そのうえで保持する項目を列挙してください。画像 URL は公開アクセス可能である必要があります。API では 1 枚あたり 30 MB を超えないようにしてください。

モデルと機能
auto アスペクト比はどのように選択されますか？

auto では、モデルがプロンプトと参照画像に基づいてアスペクト比を選択します。ポスターや広告枠が必要な場合は、明確な比率を直接選択してください。解像度の段階は固定の幅・高さピクセルを意味するものではありません。比率は構図の目標であり、実際のピクセルは多少異なる場合があります。特に 1:8 と 8:1 では顕著です。固定枠の場合は、出力ファイルのサイズを確認してからトリミングしてください。

モデルと機能
ポスターの文字の可読性をどのように高めますか？

表示する必要がある文字を一文ずつ書き出し、タイトル、ラベル、サブタイトルの位置を明示し、追加の文字を制限します。完成後は一字ずつ照合し、特に小さい文字や長い段落に注意します。

モデルと機能
透明背景を生成できますか、または一度に複数の画像を生成できますか？

現在、1回のタスクで生成される画像は JPG または PNG の1枚で、透明背景の切り替えやバッチ枚数のパラメータはありません。PNG はファイル形式であり、透明背景を保証するものではありません。

モデルと機能
結果を取得して保存するには？

送信後に taskId を保存し、GET /v1/tasks/:id でステータスを照会し、成功したら output[].url を読み取ります。callback.url を設定して終了状態の通知を受け取ることもできます。長期的に使用する結果は速やかに保存してください。

モデルと機能
Nano Banana 2.1 はどのような制作に適していますか？

ファッションポートレートやインテリアシーンから始められ、元画像を提供して参考編集することもできます。このページでは実際に生成した海岸のポートレート、家具空間、衣装チェンジの比較を紹介しています。効果は具体的な入力によって異なるため、納品前に細部を確認してください。

モデルと機能
1K、2K、4Kはどのように選べばよいですか？

まず1Kで方向性を判断します。素材、空間、レイアウトの細部を検討する必要がある場合は2Kを選べます。大きな展示や後でのトリミングを考えるなら4Kも検討できます。解像度が高いからといって文字や構造の誤りが自動的に修正されるわけではなく、実際のピクセル寸法は画面サイズによって変わります。

モデルと機能
画像を変更しつつ、元の構図をできるだけ保つにはどうすればよいですか？

編集したい元画像をアップロードし、変更する項目と保持する項目をそれぞれ明記します。例えば、ジャケットを差し替え、人物の顔・ポーズ・背景は保持する、といった具合です。結果を元画像と照らし合わせ、衣服の輪郭、手、光影を確認します。さらに編集を続ける場合は、直前の結果をもう一度提供してください。

モデルと機能
生成画像をより写真のような質感にするには？

被写体、動作、衣料や表面の素材、カメラ位置と光の方向を具体的に指定し、小道具の数を抑えます。拡大して肌、手、反射、影を確認します。「高級写真」と書くだけや解像度を上げるだけでは、細部の正確さは保証されません。

モデルと機能
OmniHuman 1.5 にはどのような入力が必要ですか？

人物画像（image_url）と音声（audio_url）の2つで、どちらも必須です。プロンプト、マスク、解像度、クイックモード、ランダムシードはすべてオプションです。

モデルと機能
どのような人物画像が最も効果的ですか？

正面を向いてはっきりしており、口元が遮られていない1人の画像が最も安定します。実写の人物写真、ペット、イラスト、アニメキャラクターのいずれでも可能です。半身や全身の画像ではジェスチャーがより多く生成されます。動画のアスペクト比はこの画像に従うため、別途比率を設定する必要はありません。

モデルと機能
音声にはどのような要件がありますか？

話し声でも歌声でもかまいません。mp3、wav、aac、ogg、m4a 形式に対応し、最大 10MB です。長さは 60 秒未満である必要があり、15 秒以内が最も良い結果となります。動画の長さは音声の長さと同じです。

モデルと機能
歌や英語など他の言語の音声は使用できますか？

はい。駆動音声は話し声でも歌声でもよく、リップシンクは言語に依存しません。同じ人物画像に異なる言語の吹き替えを組み合わせれば、それぞれの言語版を生成できます。

モデルと機能
プロンプトは必須ですか？

いいえ。プロンプトを書かない場合、表情や動作はモデルが音声に基づいて自動的に決めます。表情やジェスチャー、カメラワークを制御したい場合に記述してください。最大300文字までで、中国語、英語、日本語、韓国語、スペイン語、インドネシア語に対応しています。

モデルと機能
画面に複数の人がいる場合、話者をどう指定しますか？

人物画像と同じサイズのマスク画像（話者の領域が白、それ以外が黒）を mask_urls にアップロードしてください。最大 5 枚まで指定でき、指定した人物がリップシンクします。

モデルと機能
HeyGen Avatar IV との違いは何ですか？

OmniHuman 1.5 は音声による駆動のみに対応していますが、ペットやアニメキャラクターをサポートし、表情や身体の動きがより豊かで、マスクを使って話者を指定できます。HeyGen Avatar IV はセリフのみを入力してプリセット音声からボイスを選べるほか、アスペクト比や背景の埋め方も指定できます。

モデルと機能
OmniHuman 1.5 の課金方法は？

生成された動画の実際の秒数に基づいて課金され、720p と 1080p は同価格です。タスク作成時にまず最大 60 秒分を事前に差し引かれ（送信時に残高が 60 秒分の費用をカバーしている必要があります）、完了後に実際の出力秒数に基づいて精算され差額が返金されます。失敗したタスクは全額返金されます。単価は本ページのリアルタイム価格をご参照ください。

モデルと機能
PixVerse V6 の画像から動画生成とは何ですか？

これは PixVerse V6 の画像から動画を生成するバージョンです。1枚の画像を最初のフレームとしてアップロードし、プロンプトで追加したい動き・カメラワーク・雰囲気を記述すると、1～15秒、360p～1080p の動画を生成できます。同期音声とスタイルプリセットも任意で利用可能です。

モデルと機能 PixVerse V6
出力動画の画面比率は何によって決まりますか？

image_url の最初のフレーム画像の比率によって決まるため、画像から動画を生成する場合には aspect_ratio パラメータはありません。縦向きが必要なら縦長の画像を、16:9 が必要なら横長の画像をアップロードしてください。

モデルと機能 PixVerse V6
プロンプトはどう書けばいいですか？

希望する変化だけを書きます。主体の動作、カメラの動き、環境の変化、音などで、画像にすでにある内容を繰り返す必要はありません。動かさないものを明確にします。例えば「カメラは固定」「背景は変わらない」などです。

モデルと機能 PixVerse V6
入力画像にはどのような要件がありますか？

image_url はインターネットから直接アクセスできる画像アドレスである必要があり、Playground では直接アップロードすることもできます。被写体がはっきりしており、構図が完全で、動作のための空間が確保されている画像ほど、安定した動きが得られやすくなります。

モデルと機能 PixVerse V6
どのような長さと解像度に対応していますか？

duration は 1 から 15 までの任意の整数秒で指定でき、デフォルトは 5 秒です。resolution は 360p、540p、720p、1080p の 4 段階で、デフォルトは 720p です。

モデルと機能 PixVerse V6
音声は生成できますか？

はい。generate_audio を true に設定すると、動画と一緒にBGM、効果音、セリフが生成されます。プロンプトで希望する音声を記述できます。デフォルトは false で、映像のみを出力します。

モデルと機能 PixVerse V6
style スタイルプリセットはどう使いますか？

style は anime（アニメ）、3d_animation（3D アニメーション）、clay（クレイ）、comic（コミック）、cyberpunk（サイバーパンク）から選択できます。指定しない場合はモデルの自然な画風を維持し、統一したスタイルが必要なときに指定します。

モデルと機能 PixVerse V6
プロンプトの長さ上限はどのように計算されますか？

prompt と negative_prompt はどちらも UTF-8 バイト数で計算され、上限は 2048 バイトです。英字は 1 文字あたり 1 バイト、中国語などの CJK 文字は 1 文字あたり 3 バイトなので、純粋な中国語では約 680 文字になります。

モデルと機能 PixVerse V6
negative_prompt と seed は何の役に立ちますか？

negative_prompt には避けたい内容を書きます。例えば、画面のちらつき、文字の透かし、体の変形などです。seed を固定すると、同じプロンプトとパラメータで同じ結果を再現できるため、1つの変数だけを変えて比較するのに便利です。

モデルと機能 PixVerse V6
PixVerse V6 の料金体系は？

出力秒数に応じて課金され、単価は解像度と音声生成の有無によって決まり、全 8 段階です。360p から 1080p へ段階的に上がり、音声を有効にした場合の単価は無効時より高くなります。実際の金額は料金ページの現在の表示価格とタスク記録に基づきます。

モデルと機能 PixVerse V6
コストを抑えてテストするには？

まず 360p または 540p、数秒の短い動画、音声オフで動きと構図を確認し、その後 720p または 1080p に上げて音声をオンにして正式版を出力します。このページの事例には、540p・4 秒のテスト動画もあれば、720p の正式版もあります。

モデルと機能 PixVerse V6
APIで呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信すると、リクエストはすぐに taskId を返します。本番環境では callback.url を渡して終了状態の通知を受け取ることを推奨します。デバッグ時は GET /v1/tasks/:id をポーリングでき、成功後は output[].url から MP4 をダウンロードできます。

モデルと機能 PixVerse V6
PixVerse V6 のテキストから動画生成とは何ですか？

これは PixVerse V6 のテキストから動画生成バージョンです。プロンプトを1つ書くだけで、1～15秒、360p～1080p の動画を生成でき、同期音声と5種類のスタイルプリセットを選択可能で、画像をアップロードする必要はありません。

モデルと機能 PixVerse V6
対応しているアスペクト比は？

aspect_ratio は 16:9、4:3、1:1、3:4、9:16、2:3、3:2、21:9 の全 8 種類に対応しており、デフォルトは 16:9 です。縦向きのショート動画なら 9:16、ワイドスクリーン効果なら 21:9 を選んでください。

モデルと機能 PixVerse V6
オープニング画面を固定したい場合はどうすればよいですか？

pixverse-v6/image-to-video に切り替えてください。1枚の画像を最初のフレームとしてアップロードすると、動画はその画像から始まります。テキストから動画を生成する場合はゼロから画面を構想するのに適しており、画像から動画を生成する場合は既存の素材がある場合や構図を固定したいシーンに適しています。

モデルと機能 PixVerse V6
Qwen Image 2.1 Pro は何に適していますか？

画質と速度のバランスが求められるテキスト・トゥ・イメージや画像編集に適しており、一度に最大 10 枚の画像を参照でき、中国語・英語の文字レンダリングにも優れた性能を発揮します。

モデルと機能
参考画像は何枚までサポートされますか？順序はどのように反映されますか？

1～10 枚です。参考画像を渡さない場合はテキストからの画像生成になります。複数の画像は配列の順序で番号が振られ、プロンプト内で「画像1」「画像2」と指定するだけです——このページの家具をシーンに配置する事例では、被写体を画像1に、シーンを画像2に置くことで、2 枚の役割が混ざり合うことなくそれぞれ機能します。

モデルと機能
アスペクト比とサイズはどのような関係ですか？

両者は同じものです。aspect_ratio の5つの値はそれぞれ固定の 2K 級ピクセルサイズに対応しており（1:1 は 2048*2048、16:9 は 2688*1536、9:16 は 1536*2688、4:3 は 2368*1728、3:4 は 1728*2368）、指定しない場合はモデルがプロンプトと参照画像に基づいて自動的に決定します。レイアウトを正確に制御したい場合は比率を選択してください。別途ピクセルを指定できると期待してはいけません。

モデルと機能
prompt_extend は有効にすべきですか？

デフォルトでは有効になっており、簡単な説明をより完全な描画指示に拡張します。ドキュメントによると、所要時間が約 3～5 秒増加します。一文だけで始めたい場合は有効のままのほうが手間がかかりません。プロンプト内で画面、テキスト内容と位置を十分具体的に指定している場合、拡張によって補われる追加情報が必ずしも望むものとは限らないため、必要に応じて無効にできます。

モデルと機能
価格はどう計算されますか？

正常に生成された画像の枚数に応じて課金されます。テキストからの画像生成と参照画像の編集は同価格で、参照画像自体に追加料金はかかりません。1回のリクエストで固定で1枚の画像を出力します（n は 1 に固定）。

モデルと機能
Qwen Image 2.0、3.0 とどう選べばいいですか？

画質のバランスを重視するなら 2.1 Pro を選んでください。テキストからの画像生成と編集が一体になっており、アスペクト比は 2K 相当の 5 種類に固定され、ネガティブプロンプトには対応していません。サイズプリセットやネガティブプロンプトが必要な場合は Qwen Image 2.0 を選んでください。1K/2K の档位ごとに、よりプロンプト理解に寄った編集を行いたい場合は、Qwen Image 3.0 を試すことができます。

モデルと機能
中国語の文字レンダリングは信頼できるか？

このページの中国語ポスターの事例では、プロンプトに3行の文字を一字一句明記したところ、タイトル・日付・場所がすべて正確にレンダリングされ、余計な装飾も現れなかった。ポイントはモデルに文言を創作させないことだ。各行の文字内容・フォントサイズの階層・位置をすべて書き出し、画面内に他の文字を表示しないよう明確に指示すること。

モデルと機能
透明背景を出力できますか？

ドキュメントには、このシリーズはプロンプトで RGBA 透明背景の PNG を出力できると記載されていますが、本モデルの2つのティアでそれぞれ1回ずつ実測したところ、いずれも不透明な結果（alpha がすべて 255）が得られました。この能力はプロンプトの書き方に敏感で、安定性が不十分であることを示しています。安定した透明背景が必要な場合は、専用の背景除去モデルを使用してください。

モデルと機能
Pro と Turbo はどう選べばいいですか？

入力パラメータと機能は同じで、違いは速度・細部・単価にあります。最終的な仕上がり、製品画像、正確な文字レイアウトが必要な画面には Pro を、大量の試作、SNS 用画像、方向性の探索には Turbo を使ってください。

モデルと機能
Qwen Image 2.1 Turbo は何に適していますか？

コストパフォーマンスが高く、素早く画像を生成したいシーンに適しています。コンセプトのラフ画、SNS用の添付画像、ステッカー、バッチ処理によるイラストなどです。機能は Pro と同じで、より高速かつ低価格です。

モデルと機能
参照画像はサポートされていますか？順序はどのように反映されますか？

Pro と同じく、1～10 枚の参照画像を用いた画像編集をサポートします。指定しない場合はテキストから画像を生成します。参照画像は配列の順序で番号が付けられ、プロンプト内で「画像1」として参照できます。本ページの写真を水彩画に変換する事例は、1 枚の参照画像でスタイルを変更するものです。被写体とシーンの 2 種類の素材を同時に使用する場合は、「画像1 被写体、画像2 シーン」のようにそれぞれの役割を明記してください。

モデルと機能
アスペクト比とサイズの関係は？

Pro と同様です。aspect_ratio の5つの値はそれぞれ固定の 2K クラスサイズに対応しており（1:1 2048*2048、16:9 2688*1536、9:16 1536*2688、4:3 2368*1728、3:4 1728*2368）、指定しない場合はモデルが自動的に決定します。SNS 用の画像を作る場合は 1:1 または 16:9 を直接指定することをおすすめします。参考画像によってサイズが変わるのを避けられます。

モデルと機能
prompt_extend は有効にすべきですか？

デフォルトで有効になっており、一文をより完全な描画指示に拡張します。ドキュメントによると約 3～5 秒増加します。素早く試作するときは有効のままのほうが手間が省けます。プロンプトがすでに具体的に書かれている場合や、特定の明確な構図だけを確認したい場合は、変数を減らすために無効にしてもかまいません。

モデルと機能
価格はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金され、1枚あたりの固定価格で、Pro より安価です。参照画像には追加料金はかからず、1回のリクエストで1枚の画像を生成します（n は固定で 1）。

モデルと機能
ProやQwen Image 2.0とどう選べばいいですか？

TurboとProは入力パラメータ、参照画像の上限、アスペクト比、テキストレンダリング能力が同一です。高速化・バッチ生成ならTurbo、より精細な仕上がりならProを選んでください。サイズプリセットやネガティブプロンプトが必要な場合はQwen Image 2.0を選んでください。

モデルと機能
スタイルを変更する際の注意点は？

実測では Turbo のスタイル変換はやや保守的です。「水彩スタイル」とだけ指定すると、結果は古びた加工を施した写真のようになります。「簡略化した形状と省略したディテールで描き直し、色面の縁にはウェットブラシの毛羽立ちを出す」と指定して初めて、明らかな水彩イラスト感が得られ、同時に建物の構造や家具の位置は参照画像と一致したままになります。本当にスタイルを変えたいなら、スタイル名だけを書くのではなく、描き直しと簡略化を明確に要求する必要があります。

モデルと機能
一度に何枚出力できますか？Turboはどう選びますか？

1回のリクエストで出力される画像は固定で1枚です（nは1に固定）。複数の案が必要な場合は複数のタスクを送信するか、異なるseedで再実行してください。素早い試し描きや大規模な画像生成にはTurboを、細部の質感に高い要求がある最終成果物にはProを選んでください。

モデルと機能
Ray 3.2 の画像から動画生成にはどのような入力が必要ですか？

必須は2項目：prompt（1～6000文字）と最初のフレームの image_url です。任意で end_image_url を最後のフレームとして指定でき、resolution（540p、720p、1080p、デフォルトは 540p）も指定できます。Playground ではローカル画像を直接アップロードできます。

モデルと機能 Ray 3.2
動画の長さは設定できますか？

できません。画像から動画生成は1本あたり固定で5秒で、リクエストに duration パラメータはありません。10秒のショットが必要な場合は、5秒と10秒に対応した Ray 3.2 のテキストから動画生成をご利用ください。

モデルと機能 Ray 3.2
出力される画面アスペクト比は何によって決まりますか？

先頭フレームによって決まり、aspect_ratio パラメータはありません。出力は 16:9、9:16、1:1、4:3、3:4、21:9 の中で最も近いものに一致され、比率が完全に一致しない場合は端が切り取られます。このページの砂漠の事例では元画像が約 3:2（1024×687）で、出力は 4:3 の 1104×832 です。アイスコーヒーの事例では元画像が 9:16 で、出力は 9:16 の縦向き動画となり、ほぼ切り取りはありません。出力比率を完全に制御したい場合は、先頭フレームをあらかじめこれら六つの比率のいずれかに切り取ってください。

モデルと機能 Ray 3.2
最初と最後のフレームはどう使いますか？

image_url に最初のフレーム、end_image_url に最後のフレームを渡すと、動画は最初のフレームから最後のフレームへと遷移します。プロンプトには途中で起こる変化だけを記述すれば済みます。2枚の画像のカメラ位置、光線、被写体の位置が近いほど、遷移は滑らかになります。構図が異なる場合は、モデルがカメラ移動を加えてつなぎ合わせます。このページの牡丹の事例がまさにそのケースです。

モデルと機能 Ray 3.2
末尾フレームを追加すると追加料金がかかりますか？

かかりません。画像から動画の生成は解像度ごとに1本単位で課金され、end_image_url を送っても送らなくても料金は同じです。長さは固定で5秒のため、秒単位の課金もありません。

モデルと機能 Ray 3.2
3段階の解像度の出力サイズはそれぞれいくつですか？

実際のサイズは先頭フレームの比率に従います。このページの3つの事例：16:9の先頭フレームで540pを選ぶと960×540を出力。約3:2の先頭フレームで720pを選ぶと4:3の1104×832を出力。9:16の先頭フレームで1080pを選ぶと1080×1920を出力。まず540pで動きと構図を確認し、その後720pまたは1080pで正式版を出力することをおすすめします。このページのアイスコーヒーの事例は1080pで、グラスや水滴のディテールが低い段階より明らかに精細です。

モデルと機能 Ray 3.2
生成された動画には音声がありますか？

ありません。出力は音声トラックのない MP4 です。BGM、ナレーション、効果音が必要な場合はポストプロダクションで追加してください。

モデルと機能 Ray 3.2
画像から動画を生成するプロンプトはどう書けばいいですか？

最初のフレームで主体とシーンはすでに示されているので、プロンプトでは「次に何が起こるか」を重点的に書きます。主体の動作、カメラの動き、光や天気の変化などです。画像にすでにある外観を説明する必要はなく、何を変えずに保つかを明確に書く方が役立ちます。

モデルと機能 Ray 3.2
Ray 3.2 のイメージ・トゥ・ビデオはどのように課金されますか？

各動画は選択した解像度に応じて課金され、540p が最も安く、1080p が最も高くなります。失敗したタスクは課金が返金されます。具体的な単価は価格ページの現在の表示価格に準じます。

モデルと機能 Ray 3.2
APIでどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model に ray-3.2/image-to-video を指定、input に prompt、image_url を渡し、必要に応じて end_image_url と resolution を追加します。インターフェースは即座に taskId を返し、callback.url で結果を受け取るか、GET /v1/tasks/:id をポーリングできます。

モデルと機能 Ray 3.2
画像生成動画とテキスト生成動画はどう選ぶ？

すでに思い描いている画面（製品画像、デザイン案、前の動画のスクリーンショット）がある場合、またはラストフレームを固定したい場合は画像生成動画を使います。テキストの構想しかなく、10 秒または指定のアスペクト比が必要な場合はテキスト生成動画を使います。両方のルートに共通する 5 秒の 3 段階は同価格で、10 秒はテキスト生成動画のみです。

モデルと機能 Ray 3.2
Ray 3.2 のテキストから動画生成ではどのような長さに対応していますか？

5 秒または 10 秒で、duration に整数 5 または 10 を指定します。デフォルトは 5 秒です。

モデルと機能 Ray 3.2
どのような解像度とアスペクト比に対応していますか？

解像度は 540p、720p、1080p に対応し、デフォルトは 540p です。アスペクト比は 16:9、9:16、1:1、4:3、3:4、21:9 に対応し、デフォルトは 16:9 です。このページの縦向きの事例では 540p + 9:16 を選択し、実際の出力は 540×960 です。横向きの事例では 720p + 16:9 を選択し、出力は 1280×720 です。10 秒の事例では 720p + 21:9 を選択し、出力は 1680×720 です。

モデルと機能 Ray 3.2
10秒と5秒の価格はどのような関係ですか？

従量課金制で、価格は尺と解像度の2つの区分によって決まります。同じ解像度では、10秒の区分は5秒の区分の約3倍になるため、まず5秒で動作を確認し、その後10秒版を出力するかどうかを決めることをおすすめします。このページの10秒の事例は720pで、課金は同じ区分の5秒の約3倍です。具体的な単価は価格ページの現在の表示価格に準じます。

モデルと機能 Ray 3.2
参照画像や最初のフレームをアップロードできますか？

テキストから動画を生成する場合はテキストプロンプトのみを受け付けます。画像を最初のフレームとして使用する場合、または最後のフレームも同時に指定する場合は、Ray 3.2 の画像から動画を生成（ray-3.2/image-to-video）をご利用ください。

モデルと機能 Ray 3.2
プロンプトはどう書けば良い結果が出やすいですか？

プロンプトは最大6000文字です。「主体とシーン → 動作 → カメラワーク → 光と雰囲気」の順で書くことをおすすめします。カメラワークは方向と速度を明確に書き、例えば「ローアングルで被写体の周りを回る」「ゆっくり上昇する」などとします。1本の動画には主要な動作を1つだけ入れるほうが、複数の出来事を詰め込むより安定します。

モデルと機能 Ray 3.2
画面内の文字は信頼できますか？

信頼できません。このページのネオンダンサーの事例では、看板の文字はモデルがでっち上げたもので、読むことはできません。ブランド名、キャッチコピー、字幕が必要な場合は、後工程で重ねてください。

モデルと機能 Ray 3.2
縦型ショート動画に適していますか？

9:16 を直接選んで縦型で生成でき、まず横型で出力してからトリミングする必要はありません。1:1 と 3:4 はフィード向け、21:9 はワイドスクリーンのオープニング向けです。

モデルと機能 Ray 3.2
Ray 3.2 のテキスト-to-ビデオはどのように課金されますか？

各動画は長さと解像度の組み合わせで課金され、全6段階で、540p + 5秒が最も安価です。失敗したタスクは課金分が返金されます。

モデルと機能 Ray 3.2
Recraft Creative Upscale は何をするものですか？

1枚の画像を高解像度に拡大しながら、テクスチャとディテールを描き直します。プロンプトは不要で、画像の URL を1つ渡すだけです。

モデルと機能 Recraft Creative Upscale
Recraft Crisp Upscale との違いは何ですか？

Crisp Upscale は元画像に忠実であることを重視し、テキストや商品など変更できない素材に適しています。Creative Upscale は細部を描き直すため、画面はより繊細になりますが、部分的な構造が元画像と異なる場合があります。

モデルと機能 Recraft Creative Upscale
画面の内容は変わりますか？

全体の構図、被写体、配色はほぼ維持されますが、細部は描き直されます。このページの例では、木造小屋の丸太、石垣、手すりがよりはっきりと描き直され、ポーチ脇の小さな木は残されず、石の配置も変化しています。細部に厳密な要件がある素材は、まず Playground で確認してください。

モデルと機能 Recraft Creative Upscale
入力画像にはどのような要件がありますか？

公網からアクセス可能な http(s) の画像 URL を送信してください。20 MB 以下、各辺 256～4096 ピクセル、総ピクセル数 16 MP 以下です。このページの例では PNG 画像を使用しており、現在は PNG の使用を推奨しています。

モデルと機能 Recraft Creative Upscale
どのくらいまで拡大できますか？

このページの例では、1254×1254 の画像を 4096×4096 に拡大しています。他のサイズの入力で得られる結果の大きさは、実際の返却値によって異なります。

モデルと機能 Recraft Creative Upscale
プロンプトを書く必要はありますか？

いいえ。このモデルには image_url というパラメータが1つだけあり、プロンプトや倍率、スタイル設定はありません。

モデルと機能 Recraft Creative Upscale
出力はどのような形式ですか？

タスク結果の output[].url から画像をダウンロードします。このページの例では WebP 画像が返されます。

モデルと機能 Recraft Creative Upscale
どのように課金されますか？

出力画像の枚数に応じて課金され、1回のリクエストにつき1枚です。現在の価格はページ上部および料金ページをご覧ください。

モデルと機能 Recraft Creative Upscale
どのような画像に適していますか？

イラスト、風景、シーン画像など、細部を描き直すことが許容される素材に適しています。例えば、古い素材のリニューアルや、小さめの生成画像を展示用に拡大する用途です。正確な文字、logo、商品の細部を含む画像には Crisp Upscale のほうが適しています。

モデルと機能 Recraft Creative Upscale
結果画像はどのくらい保存されますか？

結果リンクには有効期限があります。タスク成功後は、速やかに画像を自分のストレージへ転送してください。

モデルと機能 Recraft Creative Upscale
Recraft Creative Upscale は何をするものですか？

画像を高解像度に拡大しながら、テクスチャとディテールを再描画します。プロンプトは不要で、画像の URL を 1 つ渡すだけです。

モデルと機能
Recraft Crisp Upscale との違いは何ですか？

Crisp Upscale は元の画像に忠実であることを重視しており、文字や商品など変更できない素材に適しています。Creative Upscale は細部を描き直すため、画面はより繊細になりますが、部分的な構造が元の画像と異なる場合があります。

モデルと機能
画面の内容は変わりますか？

全体的な構図、被写体、配色はほぼ維持されますが、細部は描き直されます。このページの例では、木小屋の丸太、石垣、手すりがより鮮明に描き直され、ポーチ脇の小さな木は残されず、石の配置にも変化があります。細部に厳密な要件がある素材は、まず Playground で確認してください。

モデルと機能
入力画像にはどのような要件がありますか？

公網からアクセス可能な http(s) の画像 URL を送信してください。20 MB 以下、各辺 256～4096 ピクセル、総ピクセル数は 16 MP 以下です。このページの例では PNG 画像を使用しており、現在は PNG の使用を推奨しています。

モデルと機能
どこまで拡大できますか？

このページの例では、1254×1254 の画像を 4096×4096 に拡大しています。他のサイズの入力がどれだけの結果になるかは、実際に返される結果によって異なります。

モデルと機能
プロンプトを書く必要はありますか？

不要です。このモデルにはパラメータが image_url の一つだけであり、プロンプト、倍率、スタイル設定はありません。

モデルと機能
出力はどのような形式ですか？

タスク結果の output[].url から画像をダウンロードします。このページの例では WebP 画像が返されます。

モデルと機能
料金はどのように計算されますか？

出力画像の枚数に応じた課金で、1リクエストにつき1枚です。現在の価格はページ上部および料金ページをご覧ください。

モデルと機能
どのような画像に適していますか？

イラスト、風景、シーン画像など、細部が再描画されることを許容する素材に適しています。例えば、古い素材のリニューアルや、小さめの生成画像を展示用に拡大する場合などです。正確な文字、logo、商品の細部を含む画像には Crisp Upscale の方が適しています。

モデルと機能
結果画像はどのくらい保存されますか？

結果リンクには有効期限があります。タスク成功後は、画像を速やかにご自身のストレージへ転送してください。

モデルと機能
Recraft Crisp Upscale はプロンプトを書く必要がありますか？

いいえ。モデルは画像 URL（input.image_url）を 1 つ受け取るだけで、その他のパラメータはありません。

モデルと機能
何倍に拡大されますか？倍率は選択できますか？

幅と高さがそれぞれ2倍に固定され、倍率は選択できません。例えば640×640は1280×1280、941×1672は1882×3344を出力します。

モデルと機能
入力画像にはどのような要件がありますか？

JPEG、PNG、WEBP に対応しており、1 枚あたり 10 MB 以下で、公網からアクセス可能な http(s) URL である必要があります。Playground では画像を直接アップロードすることもできます。

モデルと機能
出力はどのような形式ですか？

JPEG 画像 1 枚です。現在、PNG や WEBP での出力は選択できません。

モデルと機能
画面の内容は変わりますか？

いいえ。Crisp Upscale は解像度と鮮明度を高めるだけで、内容を描き直すことはなく、新しい文字や物体を生成することもありません。

モデルと機能
透明背景のPNGを拡大しても透明のままですか？

出力はJPEG形式となり、透明チャンネルは含まれません。透明な結果が必要な場合は、まず拡大してから Recraft Remove Background で背景を削除することをおすすめします。

モデルと機能
1枚の画像処理にはどのくらい時間がかかりますか？

通常は10秒から1分程度です。タスクは非同期で、送信後すぐに taskId が返されます。

モデルと機能
Recraftの背景除去にはプロンプトを書く必要がありますか？

不要です。モデルは画像URL（input.image_url）を1つ受け取るだけで、テキストパラメータは一切ないため、バッチパイプラインへの直接組み込みに適しています。

モデルと機能
髪の毛や毛髪のエッジは保持できますか？

はい。このモデルの強みは髪の毛、毛髪、半透明のエッジを精細に保持することであり、本ページの事例は API の出力そのものです。

モデルと機能
API では最低限どのフィールドを送信する必要がありますか？

model と input.image_url を送信するだけで済みます。画像はインターネット上からアクセス可能な https URL である必要があります。

モデルと機能
Recraft V4.1 と V4.1 Flash の違いは何ですか？

V4.1 はディテールと完成度を重視し、Flash はより高速でバッチ試作に適しています。

モデルと機能 Recraft V4.1
どのサイズに対応していますか？

image_size は square_hd（デフォルト）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 の6種類から選択できます。

モデルと機能 Recraft V4.1
配色はどう指定しますか？

API で colors（RGB オブジェクトの配列）と background_color（単一の RGB オブジェクト）を渡します。各チャンネルの値は 0～255 です。オンライン Playground では現在、これら 2 つのパラメータは提供されていません。

モデルと機能 Recraft V4.1
配色パラメータは必ず厳守されますか？

colors は優先配色であり、画面はできるだけこの色の組み合わせに収まるようにします。プロンプトに明らかに矛盾する色が書かれている場合、結果は両方が混ざる可能性があります。

モデルと機能 Recraft V4.1
一度に何枚生成できますか？

1回のリクエストで1枚の画像を生成します。複数枚必要な場合は、個別に複数のタスクを送信してください。

モデルと機能 Recraft V4.1
出力はどのような形式ですか？

画像を1枚返します。タスク結果内の output[].url からダウンロードしてください。結果リンクには有効期限があるため、速やかに保存してください。

モデルと機能 Recraft V4.1
画面内の文字は正確に書けていますか？

短いタイトルは通常かなり正確です。文字を引用符で囲んでプロンプトに含め、位置とフォントスタイルを指定すると、より安定した結果が得られます。

モデルと機能 Recraft V4.1
参照画像をアップロードする必要がありますか？

いいえ、これは純粋なテキストから画像を生成するモデルで、テキスト記述のみが必要です。

モデルと機能 Recraft V4.1
Recraft のアップスケールと背景除去は利用できますか？

はい。出力画像の URL を recraft/crisp-upscale に渡すと2倍にアップスケールでき、recraft/remove-background に渡すと透明背景の画像が得られます。

モデルと機能 Recraft V4.1
Flash から V4.1 に切り替えるには、どのコードを変更する必要がありますか？

model を recraft-v4.1/text-to-image に変更するだけで、その他のパラメータは変更する必要はありません。

モデルと機能 Recraft V4.1
プロンプトは中国語でも使えますか？

使えますが、英語のプロンプトの方がスタイル・マテリアル・カメラの記述が安定する傾向があります。画面内に表示する文字は、最終的に表示したい言語で書くことをおすすめします。

モデルと機能 Recraft V4.1
料金はどうやって計算されますか？

出力画像の枚数で課金され、1リクエストにつき1枚です。単価はリアルタイムの価格に基づきます。

モデルと機能 Recraft V4.1
Recraft V4.1 Flash は何に適していますか？

写真、フラットイラスト、ポスター、ミクストメディアスタイルの画像を素早く生成するのに適しており、例えばマーケティング用画像、ブランドイラスト、製品画像、コンセプトスケッチなどです。

モデルと機能
どのサイズに対応していますか？

image_size は square_hd（デフォルト）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 の6つのプリセットから選択できます。

モデルと機能
配色はどう指定しますか？

API では colors（RGB オブジェクトの配列）と background_color（1 つの RGB オブジェクト）を渡します。各チャンネルは 0～255 です。オンライン体験ページでは現在これらのフィールドは提供されていないため、必要な場合は API 経由で呼び出してください。

モデルと機能
配色は厳密に適用されますか？

colors は配色への強いガイドであり、画面はできるだけこの色のセットに収まるようにしますが、ピクセル単位でこれらの色のみが使われることを保証するものではありません。

モデルと機能
一度に何枚生成できますか？

1回のリクエストで1枚生成されます。複数枚必要な場合は複数のタスクを送信してください。

モデルと機能
出力はどのような形式ですか？

毎回 1 枚の WEBP 画像を返します。タスク結果の output[].url からダウンロードできます。

モデルと機能
画面内の文字は正確に書けていますか？

短いタイトルなら通常は正しく書けます。表示したい文字を引用符で囲み、位置とフォントスタイルを指定すると、より安定した結果が得られます。

モデルと機能
参照画像をアップロードする必要がありますか？

いいえ。これはtext-to-imageモデルであり、テキスト記述のみで十分です。

モデルと機能
プロンプトには長さ制限がありますか？

prompt は 1～10000 文字です。

モデルと機能
Recraft のアップスケールと背景除去は利用できますか？

はい。生成後に画像 URL を recraft/crisp-upscale に渡すと 2 倍にアップスケールでき、recraft/remove-background に渡すと透明背景の PNG が得られます。

モデルと機能
タスクは同期ですか、それとも非同期ですか？

非同期です。送信後すぐに taskId が返されるので、その後タスクの状態を照会するか、コールバックを使用して結果を取得します。

モデルと機能
料金はどうなりますか？

出力画像の枚数に応じて課金され、1リクエストにつき1枚です。現在の単価はページ上部および料金ページをご覧ください。

モデルと機能
Recraft V4 Styles は何をするものですか？

まず 1～10 枚の参照画像で画風を決め、次に一言のプロンプトで描きたい内容を説明すると、モデルが参照画像の画風に沿って新しい画像を 1 枚生成します。参照画像が「どう描くか」を決め、プロンプトが「何を描くか」を決めます。

モデルと機能
参照画像は必須ですか？最大何枚までですか？

必須です。image_urls は必須フィールドで、最低 1 枚、最大 10 枚です。このページの例では同じ画風のイラストを 2 枚使用しています。

モデルと機能
参考画像にはどのような形式とサイズの要件がありますか？

PNG、JPG、WEBP に対応しており、公開インターネットからアクセス可能な http(s) アドレスである必要があります。各画像は 20 MB 未満、すべての参考画像の合計は 64 MB 以下で、SVG には対応していません。Playground では画像を直接アップロードすることもできます。

モデルと機能
参照画像内のオブジェクトは結果に描かれますか？

このページの例では、参照画像内のティーポット、本、自転車はいずれも結果に現れず、結果にはプロンプトで説明された街角のカフェが描かれています。参照画像から継承されるのは配色、フラットな塗りの質感、硬い光と影です。描きたい主題はプロンプトに書いてください。

モデルと機能
style_match はどう選べばよいですか？

precise にすると結果が参照画像の画風に近づき、flexible にするとより多くの変化が許容されます。指定しない場合は flexible として扱われます。このページの例では style_match を指定していません。

モデルと機能
どのサイズに対応していますか？

image_size には square_hd（デフォルト）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 の6つのプリセットがあります。このページの例では square_hd を使用しており、出力は 1024×1024 です。

モデルと機能
Recraft V4 Styles Pro との違いは何ですか？

両者のパラメータは同じです。Pro の方が出力解像度が高くなります。同じく square_hd を使用する場合、Styles の例では 1024×1024、Pro の例では 2048×2048 を出力します。両者の価格は異なるため、リアルタイムの価格を基準にしてください。

モデルと機能
配色と背景色を指定できますか？

API で colors（RGB オブジェクトの配列）と background_color（単一の RGB オブジェクト）を渡すことができ、各チャンネルは 0～255 です。オンライン Playground では現在、この 2 つのパラメータは表示されません。

モデルと機能
スタイルを保存して繰り返し使えますか？

現在、保存済みのスタイルを渡すことはサポートしていません。リクエストごとに参照画像を付ける必要があります。一連の画像を同じ画風で揃えたい場合は、毎回のリクエストで同じ参照画像セットを使用してください。

モデルと機能
一度に何枚生成されますか？出力形式は何ですか？

1回のリクエストで1枚の画像を生成し、タスク結果の output[].url からダウンロードします。このページの例の出力は WebP 画像です。

モデルと機能
料金はどのように計算されますか？

出力画像の枚数に応じて課金されます。参照画像の枚数、サイズプリセット、style_match はいずれも単価に影響しません。現在の価格はページ上部および料金ページをご覧ください。

モデルと機能
結果画像はどのくらい保存されますか？

結果リンクには有効期限があります。タスク成功後は速やかに画像をご自身のストレージへ転送してください。

モデルと機能
Recraft V4 Styles Pro は何をするものですか？

1～10枚の参照画像で画風を決め、続いて描きたい内容を1つのプロンプトで記述すると、モデルが参照画像の画風に従ってより高解像度の新しい画像を生成します。参照画像が「どう描くか」を決め、プロンプトが「何を描くか」を決めます。

モデルと機能
出力解像度はどのくらいですか？

このページの例では square_hd を使用しており、出力は 2048×2048 の WebP 画像です。その他のサイズプリセットの具体的なピクセル数は実際の返却値に準じます。

モデルと機能
参照画像は必ずアップロードする必要がありますか？最大何枚までですか？

必須です。image_urls は必須フィールドで、最低 1 枚、最大 10 枚です。このページの例では同じ画風の水彩画を 2 枚使用しています。

モデルと機能
参照画像にはどのような形式とサイズの要件がありますか？

PNG、JPG、WEBP に対応しており、公衆ネットワークからアクセス可能な http(s) アドレスである必要があります。1 枚あたり 20 MB 未満、すべての参照画像の合計が 64 MB 以下である必要があり、SVG には対応していません。Playground では画像を直接アップロードすることもできます。

モデルと機能
参照画像のオブジェクトは結果に描かれますか？

このページの例では、参照画像の小舟、木の扉、花の茂みは結果に現れず、結果にはプロンプトにある崖の灯台が描かれています。参照画像から受け継いでいるのは、淡い青空、ベージュの石、余白を活かした水彩の筆致です。描きたい主題はプロンプトに書いてください。

モデルと機能
style_match はどう選べばよいですか？

precise は結果を参照画像の画風に近づけ、flexible はより多くの変化を許容します。省略した場合は flexible として扱われます。このページの例では style_match を指定していません。

モデルと機能
どのサイズに対応していますか？

image_size には square_hd（デフォルト）、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9 の6つのプリセットがあります。

モデルと機能
Recraft V4 Styles との違いは何ですか？

両者のパラメータは同じです。Pro は出力解像度がより高くなります。同じく square_hd を使用する場合、Styles の例では 1024×1024 を出力し、Pro の例では 2048×2048 を出力します。両者の価格は異なるため、リアルタイムの価格を基準としてください。

モデルと機能
配色と背景色を指定できますか？

API で colors（RGB オブジェクトの配列）と background_color（単一の RGB オブジェクト）を渡すことができ、各チャンネルは 0～255 です。オンライン Playground では現在、この 2 つのパラメータは表示されません。

モデルと機能
スタイルを保存して繰り返し使えますか？

現在、保存済みのスタイルを渡すことはサポートしていません。リクエストごとに参照画像を添付する必要があります。一連の画像を同じ画風に保ちたい場合は、毎回のリクエストで同じ参照画像を使用してください。

モデルと機能
料金はどうなっていますか？

出力画像の枚数に応じた課金で、1リクエストにつき1枚です。参照画像の枚数、サイズプリセット、style_match はいずれも単価に影響しません。現在の価格はページ上部および料金ページをご覧ください。

モデルと機能
結果画像はどのくらい保存されますか？

結果リンクには有効期限があります。タスク成功後は速やかに画像をご自身のストレージに転送してください。

モデルと機能
最初のフレーム画像にはどのような要件がありますか？

1回につき1枚、形式はjpeg、pngまたはwebp、1枚あたり10MB以下、SVGは非対応です。画像のアスペクト比は出力する画面サイズと一致させることが望ましく、比率が異なる場合は最初のフレームが中央でトリミングされるため、被写体を中央に配置するとより確実です。

モデルと機能 Runway Gen 4.5
ラストフレームは追加できますか？

できません。このモデルは最初のフレームを1枚だけ使用し、終わりの画面はプロンプトとモデルによって決まります。終了画面を指定する必要がある場合は、Kling 2.5 Turbo Image-to-Video を使用できます。これはオプションのラストフレームに対応しています。

モデルと機能 Runway Gen 4.5
どのアスペクト比と長さを選べますか？解像度はいくつですか？

アスペクト比は16:9、9:16、4:3、3:4、1:1で、デフォルトは16:9です。長さは5、8、10秒で、どのアスペクト比でも選択でき、デフォルトは5秒です。解像度は一律720pです。

モデルと機能 Runway Gen 4.5
生成された動画には音声がありますか？

音声トラックはなく、完成動画には映像のみです。BGMやナレーションは編集時に追加します。

モデルと機能 Runway Gen 4.5
プロンプトには何を書けばいいですか？

最初のフレームで画面はすでに示されているので、プロンプトには動きとカメラワークだけを書けば十分です。例えば「雲が流れ、カメラがゆっくり前進する」などで、最大1000文字です。人物には一度に1～2つの動作を割り当てると、表情や姿勢がより自然になります。

モデルと機能 Runway Gen 4.5
生成された動画はどのくらい保存されますか？

完成した動画のリンクはデフォルトで約7日間保持されます。長期的に使用する場合は、早めにダウンロードするか、タスク作成時に長期保存を選択してください。生成履歴はタスク記録で確認できます。

モデルと機能 Runway Gen 4.5
Runway Gen-4.5 Text-to-Video とはどう選べばよいですか？

画像があり、被写体や構図を画像に合わせたい場合、または 1:1、4:3、3:4 が必要な場合は、Image-to-Video を使用してください。テキストのアイデアのみの場合は、Text-to-Video を使用してください。この機能は横向きと縦向きのみに対応しており、縦向きには 8 秒のオプションはありません。

モデルと機能 Runway Gen 4.5
どのようなアスペクト比、長さ、解像度に対応していますか？

アスペクト比は16:9の横画面と9:16の縦画面があります。横画面は5秒、8秒、10秒から選択でき、縦画面は5秒または10秒から選択でき、デフォルトは5秒です。解像度は一律720pで、他の画質は選択できません。

モデルと機能 Runway Gen 4.5
縦画面で8秒が選べないのはなぜですか？

これはモデル自体の制限です。9:16 は5秒と10秒のみ対応しています。縦画面で8秒程度の長さが必要な場合は、まず10秒を生成し、編集時に切り取ってください。

モデルと機能 Runway Gen 4.5
生成された動画には音声がありますか？

ありません。完成した動画には映像のみで、音声トラックは含まれません。ナレーション、音楽、効果音は編集時に追加します。完成した動画に音声を含めたい場合は、Kling 2.5 Turbo Text-to-Video をご覧ください。

モデルと機能 Runway Gen 4.5
プロンプトはどう書けばいいですか？

主体、シーン、動作、カメラの順に1〜2文で書き、さらに時間帯、天気、光を補足します。最長1000文字です。一度に主要な動作は1つだけにしてください。振り向き、走る、手を振るを同時に要求すると、動作同士がぶつかりやすくなります。

モデルと機能 Runway Gen 4.5
正方形または4:3の画面が必要な場合はどうすればよいですか？

Text-to-Videoは16:9と9:16のみです。1:1、4:3、3:4が必要な場合は、Runway Gen-4.5 Image-to-Videoを使用し、1枚の画像から始めれば、5種類のアスペクト比をすべて選択できます。

モデルと機能 Runway Gen 4.5
まずオンラインで試せますか？

はい。ログイン後、このページ上部のオンライン体験で説明を入力し、まず5秒生成して方向性を確認してください。納得できたら、同じ説明文でAPIから送信してください。

モデルと機能 Runway Gen 4.5
Seedance 2.5の画像から動画生成では、最初のフレームと最後のフレームの両方をアップロードする必要がありますか？

必要ありません。最初のフレーム/最初と最後のフレームモードでは、first_frame_url のみをアップロードすると、モデルは最初のフレームから後続の画面を自然に展開します。カメラの終了状態を制御する必要がある場合は、last_frame_url も同時に提供してください。最後のフレームは単独では使用できません。また、端点フレームを渡さずに、reference_image_urls や reference_audio_urls を参照モードとして使用することもできます。

モデルと機能 Seedance 2.5
最初のフレーム、最初と最後のフレーム、複数の参照素材を1回のリクエストで混在させることはできますか？

現在の HiAPI Playground では、これらは2つの入力方式として扱われます：最初のフレーム/最初と最後のフレームモード、または reference_image_urls、reference_audio_urls の参照モードです。制御信号の衝突を避けるため、毎回1つの方式のみを使用してください。参照動画で動作やカメラワークを誘導する必要がある場合は、独立した seedance-2.5/reference-to-video を使用してください。

モデルと機能 Seedance 2.5
Seedance 2.5 の画像から動画生成はどのような長さと解像度に対応していますか？

現在のリクエスト契約では 4～30 秒の整数の長さ、および 720p、1080p に対応しています。出力の aspect_ratio は adaptive に固定され、先頭フレームのアスペクト比に従います。ページ上の 4 つの事例はいずれも 720p で、そのうち 3 つが 4 秒、1 つが 5 秒です。30 秒は API の対応範囲内ですが、ページ上には該当する事例はまだありません。

モデルと機能 Seedance 2.5
Seedance 2.5 の画像から動画生成の課金方法は？

出力時間と解像度に基づいて課金され、720p と 1080p では1秒あたりの料金体系が異なります。具体的な金額はモデルページのリアルタイム価格とタスク記録に基づきます。

モデルと機能 Seedance 2.5
どのように始点と終点のフレームのトランジション Prompt を書きますか？

まず2枚の画像の間で起こる連続的な変化を説明し、次にカメラ、光線、そして変化してはいけない要素を固定します。昼夜の変化では時間の経過と照明の点灯を書くことができ、成長系では成長の順序、カメラ locked off、no cuts を書くことができます。始点と終点のフレームが端点を決め、Prompt が中間プロセスを説明する役割を担います。

モデルと機能 Seedance 2.5
Seedance 2.5 は同期オーディオを生成できますか？

はい。generate_audio はデフォルトで有効になっており、映像に同期したセリフ、環境音、効果音、BGM を生成できます。無音の動画が必要な場合は false に設定してください。重要な商用素材については、公開前に音量、セリフの正確性、音楽の著作権を引き続き確認すべきです。

モデルと機能 Seedance 2.5
API 経由で Seedance 2.5 の画像から動画生成を呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model を seedance-2.5/image-to-video に設定して、input に prompt、first_frame_url、任意の last_frame_url、resolution、duration、generate_audio を渡します。作成リクエストは taskId を返します。callback、照会、および完全な素材制限については API ドキュメントを参照してください。

モデルと機能 Seedance 2.5
Seedance 2.5 の参照による動画生成では、なぜ参照動画をアップロードする必要があるのですか？

このモデルの中心的なタスクは、動画から動作、カメラワーク、リズム、または演技の言語を抽出することであるため、reference_video_urls には少なくとも 1 本必要です。参照画像と参照音声は被写体、スタイル、または声を補足するだけで、必須の参照動画の代わりにはなりません。

モデルと機能 Seedance 2.5
Reference-to-Video と Image-to-Video の違いは何ですか？

Reference-to-Video は動画を使って動作・カメラワーク・リズムを転写しますが、最初のフレームや最後のフレームを正確に再現することは保証しません。1枚の画像からショットを展開したい場合や、始点と終点を固定したい場合は、seedance-2.5/image-to-video を使用してください。また、参照動画生成は既存の動画の編集や延長には使用しません。

モデルと機能 Seedance 2.5
@video1、@image1、@audio1 はそれぞれどのように素材に対応しますか？

番号は各配列内のアップロード順に独立して計算されます。reference_video_urls の最初の動画が @video1、reference_image_urls の最初の画像が @image1、reference_audio_urls の最初の音声が @audio1 です。Prompt では、各素材が動作、主体、スタイル、音声のいずれを提供するのかを明確にしてください。

モデルと機能 Seedance 2.5
Seedance 2.5 の参照生成動画は最大で何個の素材に対応しますか？

参照動画 1～10 本、参照画像最大 30 枚、参照音声 10 本に対応します。参照動画の合計は 30 秒以内、参照音声の合計も 30 秒以内です。2 つの上限はそれぞれ個別に計算されます。動画は最低 409600 ピクセル、24～60 fps、各 2～30 秒です。

モデルと機能 Seedance 2.5
Seedance 2.5の参照画像生成動画はどのように課金されますか？

参照動画と生成動画はどちらも長さに応じて課金されます。料金 = 1秒あたりの単価 ×（参照動画の長さ + 出力動画の長さ）

モデルと機能 Seedance 2.5
Seedance 2.5の参照動画生成は同期音声に対応していますか？

対応しています。generate_audioはデフォルトで有効になっており、同期したセリフ、効果音、BGMを生成できます。falseに設定すると映像のみを生成します。参照音声は声やリズムを導くために使用されますが、それでも少なくとも1つの参照動画を併せて提供する必要があります。

モデルと機能 Seedance 2.5
API経由でSeedance 2.5の参照による動画生成を呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、modelをリクエストのトップレベルに置いて seedance-2.5/reference-to-video に設定します。input に prompt と reference_video_urls を渡し、必要に応じて画像、音声、解像度、長さ、出力形式を追加します。作成リクエストは taskId を返します。

モデルと機能 Seedance 2.5
Seedream 4.5 の画像入力とテキスト入力の違いは何ですか？

画像入力エンドポイントは、アップロードした画像を編集の基準として使用するため、色変更、背景の差し替え、ライティングのやり直し、スタイル変換、複数画像の合成に適しています。一方、テキスト入力はテキストのみに基づいてゼロから画面を生成します。被写体、構図、画像内の文字を保持する必要がある場合は、現在の画像入力モデルを優先して使用してください。

モデルと機能 Seedream 4.5
Seedream 4.5 は最大何枚の参照画像をサポートしていますか？

1回のリクエストで JPEG、PNG、WebP 形式の画像を1～14枚アップロードでき、1ファイルあたり最大 10 MB です。SVG には対応していません。複数画像のタスクでは、Prompt 内で「image 1」「image 2」を使って各画像の用途を明示的に指定できます。順序は image_urls 配列と一致している必要があります。

モデルと機能 Seedream 4.5
Seedream 4.5 の画像編集はどのように課金されますか？参照画像の数は価格に影響しますか？

課金は参照画像の数ではなく、正常に生成された出力画像に基づきます。現在、2K と 4K は同一の公開料率を使用しています。具体的な金額はモデルページのリアルタイム価格とタスク記録に準じます。

モデルと機能 Seedream 4.5
Seedream 4.5 で被写体、構図、または画像内のテキストを保持するにはどうすればよいですか？

Prompt には「変更するもの」と「必ず保持するもの」を同時に明記してください。たとえば、被写体の輪郭、カメラアングル、コンタクトシャドウ、店舗レイアウト、書道文字などを保持します。まず Playground で結果を確認してください。ブランド文字や厳密なレイアウトが求められる素材については、人による最終確認の工程を残すことをおすすめします。

モデルと機能 Seedream 4.5
Seedream 4.5 と FLUX.2 [pro] Image to Image はどう選べばよいですか？

Seedream 4.5 は一度に最大 14 枚の参照画像を受け取れ、複数画像の合成、中国語シーン、画像内の文字を保持する必要がある編集に適しています。FLUX.2 [pro] Image to Image は最大 8 枚の参照画像を受け取り、写実的な一貫性や別の編集スタイルの代替候補としてより適しています。重要なタスクでは、同じ素材セットで実際に比較してから選ぶことをお勧めします。

モデルと機能 Seedream 4.5
API 経由で Seedream 4.5 の画像から画像を生成するにはどうすればよいですか？

POST /v1/tasks にリクエストを送信し、model を seedream-4.5/image-to-image に設定して、input.image_urls に参照画像を渡します。作成リクエストはまず taskId を返し、生成はバックグラウンドで非同期に完了します。タスクの照会、callback、エラー処理、および完全なパラメータについては API ドキュメントを参照してください。

モデルと機能 Seedream 4.5
画像を直接生成できますか？編集もできますか？

参照画像を提供しない場合はテキストから生成します。参照画像を1枚提供する場合は元画像を編集し、複数の参照画像を提供する場合は被写体・シーン・スタイルを組み合わせることができます。どちらの使い方も同じモデル ID を共有し、参照画像は最大10枚まで受け付けます。

モデルと機能
アスペクト比と解像度をどのように制御しますか？

size は 1K、1.5K、2K、または幅x高さをサポートします。正確なアスペクト比が必要な場合はピクセルサイズを入力してください。総ピクセル数は 921600–4624220 の範囲内、アスペクト比は 1:16–16:1 の範囲内である必要があります。現在 4K オプションは提供されていません。

モデルと機能
透明背景には何を入力する必要がありますか？

transparent は、透過チャンネル付きの参照画像を編集する場合にのみ使用します。出力形式は PNG を選択するか自動のままにしてください。任意の白背景画像からワンクリックで切り抜くためのスイッチではありません。

モデルと機能
一度に複数の画像を生成できますか、または段階的に返されますか？

現在、1回のタスクで1枚の画像を生成し、タスク照会で完全な結果を取得します。複数画像セット、ストリーミング画像、レイヤー分割出力は提供していません。

モデルと機能
生成結果を取得するにはどうすればよいですか？

タスクを送信した後に taskId を保存し、success になるまでタスクを照会してから、output 内の画像リンクを読み取ります。保存期限は返却される expireAt に準拠し、長期間使用する場合は速やかに保存してください。

モデルと機能
これらの作品はそのまま商品の実写画像として使用できますか？

テキストから画像生成は陳列、背景、光の探索に適しており、ビジュアル提案にも使用できます。画像を実際の商品に正確に対応させる必要がある場合は、商品の参考資料を提供し、構造、色、ロゴ、文字を確認してください。生成された概念的なディテールを商品の事実として扱わないでください。

モデルと機能
複数の参考画像はどのように組み合わせて使用しますか？

まず各画像の役割を説明します。例えば、1枚目は製品、2枚目は環境、3枚目は配色のみを参考にする、といった形です。次に生成したい画面と、変更してはいけない被写体の細部を明確に書きましょう。異なる画像から同時に互いに矛盾する要求を出さないようにしてください。

モデルと機能
前の画像を引き続き修正できますか？

前回の結果を次のタスクの参照画像として使用し、今回の修正目標を説明することができます。各タスクは独立して処理され、以前の会話、画像、修正履歴は自動的に記憶されません。

モデルと機能
生成費用はどこで確認できますか？

実行前に Playground の予想費用を確認し、完了後はタスク記録を基準にしてください。現在は各タスクで1枚の画像を生成し、ページの価格エリアに対応する課金情報が表示されます。

モデルと機能
Seedream 5.0 Lite の画像編集は参照画像を何枚までサポートしますか？

JPEG、PNG、WebP形式の画像を1〜14枚までサポートし、各画像は10MB未満です。単一画像は部分的な修正に適しており、複数画像は被写体とシーンの合成に適しています。

モデルと機能
参照画像が多いほど価格は高くなりますか？

いいえ。現在は出力画像ごとの固定課金で、参照画像の数、2K/4K の档位、画幅には関係ありません。具体的な金額は本ページのリアルタイム価格を基準とします。

モデルと機能
一部分の内容だけを変更するにはどうすればよいですか？

変更したい対象と、必ず維持すべき構図・文字・質感・光線・位置を同時に明記し、曖昧なスタイル用語だけを書くのは避けてください。

モデルと機能
画像内の文字を変更できますか？

はい。Prompt に元の文字と新しい文字を書き、元のフォントスタイル、サイズ、位置、発光や印刷の効果を維持するよう要求してください。

モデルと機能
APIで参照画像をアップロードするにはどうすればよいですか？

POST /v1/tasks の input.image_urls に1〜14個の公開画像URLを渡し、同時にPrompt、アスペクト比、2Kまたは4Kの解像度を送信します。

モデルと機能
Seedream 5.0 Lite のテキストから画像生成はどのようなタスクに適していますか？

文字入りのポスター、メニュー、インフォグラフィック、マーケティングバナー、および複数サイズの迅速な納品が必要な画像に適しています。現在のルートはテキストプロンプトのみを受け付け、参照画像は受け付けません。

モデルと機能
2Kと4Kの価格は同じですか？

同じです。現在、2Kと4Kは同じ単価の料金体系を使用しており、画幅やPromptの長さによって価格は変わりません。具体的な金額は、本ページのリアルタイム価格を基準とします。

モデルと機能
どのアスペクト比に対応していますか？

1:1、4:3、3:4、16:9、9:16、2:3、3:2、21:9 に対応しています。

モデルと機能
参照画像をアップロードできますか？

いいえ。指示編集やマルチイメージ合成が必要な場合は、独立した seedream-5.0-lite/image-to-image モデル ID を使用してください。

モデルと機能
最小限の API リクエストにはどのフィールドが必要ですか？

POST /v1/tasks に model、および input.prompt、input.aspect_ratio、input.resolution を送信します。resolution は 2K または 4K のみ指定できます。

モデルと機能
Seedream 5.0 Pro の画像編集は何枚の参照画像に対応していますか？

JPEG、PNG、WebP形式の参照画像を1枚から10枚までサポートし、各画像は10MB未満である必要があります。SVGには対応していません。1枚の画像は部分編集に、複数の画像は被写体・スタイル・シーンの融合に適しています。

モデルと機能
1K と 2K はどのように課金されますか？

1K と 2K はそれぞれ異なる 1 枚あたりの料金区分が適用され、料金は出力画像に基づいて課金され、参照画像の数には関係ありません。具体的な金額は本ページのリアルタイム価格に準じます。

モデルと機能
変更していない領域をそのまま保つにはどうすればよいですか？

Prompt に、変更する内容と、必ず保持すべき構造・文字・カメラ位置・光線・オブジェクトの位置を同時に明確に記述します。

モデルと機能
テキストからの画像生成と画像編集は同じモデル ID を使用しますか？

いいえ。現在のページでは seedream-5.0-pro/image-to-image を使用します。テキストから直接画像を生成するには、独立した seedream-5.0-pro/text-to-image を使用する必要があります。

モデルと機能
API で参照画像を送信するにはどうすればよいですか？

POST /v1/tasks の input.image_urls に 1～10 個の公開画像 URL を渡し、同時に Prompt、アスペクト比、解像度、出力形式を送信します。

モデルと機能
Seedream 5.0 Pro のテキストto画像はどのようなタスクに適していますか？

プロダクト広告、人物写真、ポスター、画像内テキスト、複雑なシーンに適しています。現在のテキストto画像ルートは参照画像を受け付けません。画像を編集する必要がある場合は、独立した Image to Image モデル ID を使用してください。

モデルと機能
どのアスペクト比と形式に対応していますか？

1:1、4:3、3:4、16:9、9:16、2:3、3:2、21:9 に対応しています。出力形式は PNG または JPEG です。

モデルと機能
画像内の文字のPromptはどう書きますか？

表示したい文字を引用符で囲み、位置、フォントスタイル、表示させたくない他の文字を明確に指定します。まず1Kでレイアウトを検証し、その後2Kで最終版を出力します。

モデルと機能
API経由でどのように呼び出しますか？

POST /v1/tasks にモデル ID、Prompt、アスペクト比、解像度、出力形式を送信し、その後 taskId で非同期結果を取得します。

モデルと機能
Kling 3.0 Turbo Image to Video は画像をアップロードする必要がありますか？

必要です。現在 kling-3.0-turbo/image-to-video は画像から動画を生成するルートであり、入力画像が主体と開始時の構図を担い、Prompt が動作・カメラワーク・環境の変化を担います。

モデルと機能 Kling 3.0 Turbo
Kling 3.0 Turbo Image to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 3～15s に対応し、出力解像度は 720p、1080p です。選択可能な値はページのパラメータパネルと API ドキュメントに準拠します。

モデルと機能 Kling 3.0 Turbo
Kling 3.0 Turbo Image to Video の課金方法は？

タスクは出力時間と選択したプランに応じて課金されます。ページにはグローバルな金額単位に合わせてリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 Kling 3.0 Turbo
画像から動画を生成する際の被写体の安定性をどう高めますか？

被写体が鮮明で遮蔽が少なく、構図が完全な入力画像を使用してください。Prompt ではまず主要な動作とカメラワークを記述し、その後、必ず保持すべき外観、素材、背景との関係を列挙します。初回のテストでは短めの时长を使用することをお勧めします。

モデルと機能 Kling 3.0 Turbo
Hailuo 2.3 Fast Image to Video は画像をアップロードする必要がありますか？

必要です。現在の hailuo-2.3-fast/image-to-video は画像から動画を生成するラインであり、入力画像が被写体と開始構図を担い、Prompt が動作・カメラワーク・環境の変化を担います。

モデルと機能
Hailuo 2.3 Fast Image to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 6s / 10s に対応しています。選択可能な値はページのパラメータパネルおよび API ドキュメントを基準としてください。

モデルと機能
Hailuo 2.3 Fast Image to Video の料金体系は？

タスクは選択した長さのティアごと、動画1本ごとに課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能
画像から動画を生成する際の被写体の安定性をどう高めますか？

被写体がはっきりしており、遮蔽が少なく、構図が完全な入力画像を使用してください。Promptではまず主要な動作とカメラワークを記述し、その後に必ず保持すべき外観、素材、背景との関係を列挙します。初回のテストでは短い時間を使用することをおすすめします。

モデルと機能
Kling 3.0 Image-to-Video は画像をアップロードする必要がありますか？

必要です。現在 kling-3.0/image-to-video は画像から動画を生成するラインであり、入力画像が主体と開始時の構図を担い、Prompt が動作、カメラワーク、環境の変化を担います。

モデルと機能 Kling 3.0
Kling 3.0 Image-to-Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 3～15s に対応しており、出力解像度は 720p、1080p、4K です。選択可能な値はページのパラメータパネルおよび API ドキュメントに準拠します。

モデルと機能 Kling 3.0
Kling 3.0 Image-to-Video の料金はどのように計算されますか？

タスクは出力時間と選択したティアに基づいて課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 Kling 3.0
画像から動画を生成する際の被写体の安定性をどう高めますか？

被写体がはっきりしており、遮蔽が少なく、構図が完全な入力画像を使用してください。Prompt ではまず主な動作とカメラワークを記述し、その後、必ず保持すべき外観、素材、背景との関係を列挙します。初回テストでは短めの再生時間を使用することをお勧めします。

モデルと機能 Kling 3.0
Grok Imagine Image to Video は画像をアップロードする必要がありますか？

必要です。現在の grok-imagine/image-to-video は画像から動画を生成するルートであり、入力画像が被写体と開始時の構図を担い、Prompt が動作・カメラワーク・環境の変化を担います。

モデルと機能 Grok Imagine
Grok Imagine Image to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 6～30s に対応しており、出力解像度は 480p、720p です。選択可能な値はページのパラメータパネルおよび API ドキュメントを基準とします。

モデルと機能 Grok Imagine
Grok Imagine Image to Video の課金方法は？

タスクは出力時間と選択したプランに応じて課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 Grok Imagine
画像から動画を生成する際の被写体の安定性をどのように向上させますか？

被写体がはっきりしており、遮蔽が少なく、構図が完全な入力画像を使用します。Prompt ではまず主要な動作とカメラワークを記述し、その後に必ず保持すべき外観、素材、背景との関係を列挙します。初回のテストでは短めの再生時間を使用することをお勧めします。

モデルと機能 Grok Imagine
Wan 2.7 Image to Video は画像をアップロードする必要がありますか？

必要です。現在 wan2.7-video/image-to-video はイメージ・トゥ・ビデオのラインであり、入力画像が主体と開始時の構図を担い、Prompt が動作、カメラワーク、環境の変化を担います。

モデルと機能 Wan 2.7 Video
Wan 2.7 Image to Video はどのような再生時間と解像度に対応していますか？

現在の HiAPI リクエスト契約では 2～15s に対応し、出力解像度は 720P、1080P です。選択可能な値はページのパラメータパネルおよび API ドキュメントに準拠します。

モデルと機能 Wan 2.7 Video
Wan 2.7 Image to Video の料金はどのように計算されますか？

タスクは出力時間と選択したティアに基づいて課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 Wan 2.7 Video
画像から動画を生成する際の被写体の安定性を高めるにはどうすればよいですか？

被写体がはっきり写り、遮蔽が少なく、構図が完結した入力画像を使用してください。Prompt ではまず主要な動作とカメラワークを記述し、その後に必ず保持すべき外観、素材、背景との関係を列挙します。初回のテストでは短めの尺を使用することをおすすめします。

モデルと機能 Wan 2.7 Video
Grok Imagine 1.5 Image to Video は画像をアップロードする必要がありますか？

はい、必要です。現在の grok-imagine-1.5/image-to-video は画像から動画を生成するラインであり、入力画像が主体と開始時の構図を担い、Prompt が動作、カメラワーク、環境の変化を担います。

モデルと機能 Grok Imagine 1.5
Grok Imagine 1.5 Image to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト仕様では 1～15s に対応しており、出力解像度は 480p、720p です。選択可能な値はページのパラメータパネルと API ドキュメントを基準にしてください。

モデルと機能 Grok Imagine 1.5
Grok Imagine 1.5 Image to Video はどのように課金されますか？

タスクは出力時間と選択したプランに応じて課金されます。ページにはグローバルの金額単位に従ってリアルタイムの価格が表示され、最終的な課金額は成功したタスクの記録に基づきます。

モデルと機能 Grok Imagine 1.5
画像から動画を生成する際の被写体の安定性をどう高めますか？

被写体が鮮明で、遮蔽が少なく、構図が完全な入力画像を使用してください。Prompt ではまず主要な動作とカメラワークを記述し、その後、必ず保持すべき外観、素材、背景との関係を列挙してください。初回テストでは短めの長さを使用することをお勧めします。

モデルと機能 Grok Imagine 1.5
HappyHorse 1.1 Reference to Video は画像をアップロードする必要がありますか？

必要です。現在の happyhorse-1.1/reference-to-video は参照画像から動画を生成するラインであり、参照画像で主体・スタイル・シーンを制約でき、Prompt が動作・カメラワーク・環境の変化を担います。

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Reference to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 3～15s に対応し、出力解像度は 720p、1080p です。選択可能な値はページのパラメータパネルおよび API ドキュメントを基準とします。

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Reference to Video はどのように課金されますか？

タスクは出力時間と選択したプランに応じて課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 HappyHorse 1.1
画像から動画を生成する際の主体の安定性をどう高めますか？

主体がはっきりしており、遮蔽が少なく、構図が完全な入力画像を使用してください。Prompt ではまず主要な動作とカメラワークを記述し、その後に必ず保持すべき外観、素材、背景との関係を列挙します。初回のテストでは短めの長さを使用することをお勧めします。

モデルと機能 HappyHorse 1.1
Hailuo 2.3 Image to Video は画像をアップロードする必要がありますか？

必要です。現在の hailuo-2.3/image-to-video は画像から動画を生成する系統であり、入力画像が被写体と開始時の構図を担い、Prompt が動作・カメラワーク・環境の変化を担います。

モデルと機能 Hailuo 2.3
Hailuo 2.3 Image to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 6s / 10s に対応しています。選択可能な値はページのパラメータパネルおよび API ドキュメントを基準とします。

モデルと機能 Hailuo 2.3
Hailuo 2.3 Image to Video の料金はどのように計算されますか？

タスクは選択した時間枠ごと、動画1本ごとに課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な課金は成功したタスクの記録に基づきます。

モデルと機能 Hailuo 2.3
画像から動画を生成する際の被写体の安定性をどう高めますか？

被写体がはっきりしており、遮蔽が少なく、構図が完全な入力画像を使用してください。Prompt ではまず主要な動作とカメラワークを記述し、その後、必ず保持すべき外観、素材、背景との関係を列挙します。初回テストでは短めの時間を使用することをお勧めします。

モデルと機能 Hailuo 2.3
Veo 3.1 Fast Image to Video は画像をアップロードする必要がありますか？

必要です。現在、veo-3.1-fast/image-to-video は画像から動画を生成するルートであり、入力画像が主体と開始構図を担い、Prompt が動作・カメラワーク・環境変化を担います。

モデルと機能 Veo 3.1 Fast
Veo 3.1 Fast Image to Video はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 4s / 6s / 8s に対応しており、出力解像度は 720p、1080p、4k です。選択可能な値はページのパラメータパネルと API ドキュメントに準拠します。

モデルと機能 Veo 3.1 Fast
Veo 3.1 Fast Image to Video はどのように課金されますか？

タスクは出力時間と選択したティアに基づいて課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 Veo 3.1 Fast
画像から動画を生成する際の被写体の安定性をどう高めますか？

被写体がはっきりしており、遮蔽が少なく、構図が完全な入力画像を使用してください。Prompt ではまず主要な動作とカメラワークを記述し、その後、必ず保持すべき外観、素材、背景との関係を列挙します。初回テストでは短めの再生時間を使用することをお勧めします。

モデルと機能 Veo 3.1 Fast
HappyHorse 1.1 Image to Video は画像をアップロードする必要がありますか？

必要です。現在の happyhorse-1.1/image-to-video は画像から動画を生成するラインであり、入力画像が被写体と開始時の構図を担い、Prompt が動作・カメラワーク・環境の変化を担います。

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Image to Video はどのような再生時間と解像度に対応していますか？

現在の HiAPI リクエスト契約では 3～15s に対応しており、出力解像度は 720p、1080p です。選択可能な値はページのパラメータパネルおよび API ドキュメントに準拠します。

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Image to Video の料金はどのように計算されますか？

タスクは出力時間と選択したプランに応じて課金されます。ページにはグローバルな金額単位に従ってリアルタイムの価格が表示され、最終的な請求は成功したタスクの記録に基づきます。

モデルと機能 HappyHorse 1.1
FLUX.2 の画像編集は何枚の参照画像に対応していますか？

JPEG、PNG、WebP 形式の参照画像を 1 枚から 8 枚まで対応しており、各画像は 10MB 以下です。複数画像を合成する場合は、Prompt 内で各画像の役割を順番に説明してください。

モデルと機能 FLUX.2
auto アスペクト比にはどのような役割がありますか？

auto は最初の参考画像のアスペクト比に従います。横長・縦長・正方形の出力を固定したい場合は、明示的なアスペクト比を選択できます。

モデルと機能 FLUX.2
1K と 2K の課金方法は？

1K と 2K は1枚あたりの料金枠が異なりますが、参照画像の枚数による追加料金はかかりません。具体的な金額は本ページのリアルタイム料金をご参照ください。

モデルと機能 FLUX.2
被写体とロゴのドリフトを減らすにはどうすればよいですか？

各参照画像の用途を明確に書き出し、変更する要素と必ず保持する被写体・文字・素材・位置・光を同時に列挙します。

モデルと機能 FLUX.2
API ではどのフィールドが必須ですか？

model、および input.prompt、input.image_urls、input.aspect_ratio、input.resolution を送信する必要があります。

モデルと機能 FLUX.2
Grok Imagine の画像編集は何枚の参照画像に対応していますか？

現在公開されている Schema は 1 枚から 3 枚の参照画像に対応しています。ページと API のいずれもこの Schema に準拠します。

モデルと機能 Grok Imagine
標準編集と Quality ルートの違いは何ですか？

標準ルートは固定の低価格と迅速な反復を重視します。Quality は被写体の一貫性、素材感、最終的なディテールをより重視します。

モデルと機能 Grok Imagine
auto アスペクト比はどのように動作しますか？

auto は最初の参照画像に従い、14 種類の横長・正方形・縦長のアスペクト比を明示的に選択することもできます。

モデルと機能 Grok Imagine
参照画像が多い場合は別途課金されますか？

はい。標準出力の基本価格に加えて、参照画像1枚ごとに追加料金がかかります。具体的な金額は本ページのリアルタイム価格を基準とします。

モデルと機能 Grok Imagine
API には最低何が必要ですか？

model、input.prompt、input.image_urls を送信してください。アスペクト比、解像度、出力形式はデフォルト値を使用できます。

モデルと機能 Grok Imagine
Grok Imagine Quality の画像編集は何枚の参照画像に対応していますか？

現在公開されている Schema では 1 枚から 3 枚の参照画像に対応しています。ページと API の両方ともこの Schema に準拠しています。

モデルと機能 Grok Imagine Quality
Quality と標準編集ルートの違いは何ですか？

Quality は主体の一貫性、マテリアル、ディテールをより重視し、1k/2k で段階分けされています。標準ルートは低コストで迅速な反復に適しています。

モデルと機能 Grok Imagine Quality
auto アスペクト比はどのように機能しますか？

auto は最初の参照画像に従い、14 種類の横長・正方形・縦長のアスペクト比を明示的に選択することもできます。

モデルと機能 Grok Imagine Quality
参照画像が多い場合は別途料金がかかりますか？

かかります。1k/2k 出力の基本料金に加えて、参照画像 1 枚ごとに追加料金が発生します。具体的な金額は本ページのリアルタイム料金を基準とします。

モデルと機能 Grok Imagine Quality
API には最低何が必要ですか？

model、input.prompt、input.image_urls を送信します。アスペクト比、解像度、出力形式はデフォルト値を使用できます。

モデルと機能 Grok Imagine Quality
Qwen Image 3.0 の画像編集は何枚の参照画像に対応していますか？

1～3枚の参照画像に対応しています。少なくとも1枚必要で、APIフィールドは input.image_urls です。

モデルと機能 Qwen Image 3.0
標準版と Pro の画像編集にはどのような違いがありますか？

標準版は低コストで迅速な反復を重視し、Pro は正確なテキスト置換、複雑な素材、最終的なレイアウトに適しています。

モデルと機能 Qwen Image 3.0
1K、2K および参照画像はどのように課金されますか？

1K と 2K は同じ出力ティアを使用し、参照画像ごとに追加料金がかかります。具体的な金額は本ページのリアルタイム価格を基準とします。

モデルと機能 Qwen Image 3.0
被写体、レイアウト、テキストのドリフトを減らすにはどうすればよいですか？

プロンプトに変更したい内容と、必ず保持すべき被写体・テキスト・位置・素材・カメラアングル・ライティングをそれぞれ列挙してください。正確なテキストが必要な場合は、目標とするテキストを引用符で囲んで記述してください。

モデルと機能 Qwen Image 3.0
API では最低限どのフィールドを送信する必要がありますか？

model、input.prompt、input.image_urls を送信してください。アスペクト比、解像度、出力形式、プロンプト拡張はデフォルト値を使用できます。

モデルと機能 Qwen Image 3.0
Qwen Image 3.0 Pro の画像編集は何枚の参照画像に対応していますか？

1～3 枚の参照画像に対応しています。少なくとも 1 枚が必要で、API フィールドは input.image_urls です。

モデルと機能
Pro と標準の画像編集にはどのような違いがありますか？

Pro は正確なテキスト置換、複雑なマテリアル、最終レイアウトに適しており、標準版は低コストの商品の色変更、クリーンアップ、迅速な反復に適しています。

モデルと機能
1K、2K と参照画像はどのように課金されますか？

1K と 2K は異なる出力ティアを使用し、参照画像ごとに追加料金がかかります。具体的な金額は本ページのリアルタイム価格を基準とします。

モデルと機能
被写体、レイアウト、またはテキストのドリフトを減らすにはどうすればよいですか？

プロンプト内で、変更したい内容と、必ず保持すべき被写体・テキスト・位置・素材・カメラアングル・照明をそれぞれ明記してください。正確なテキストが必要な場合は、目標とするテキストを引用符で囲んで記述してください。

モデルと機能
API では最低限どのフィールドを送信する必要がありますか？

model、input.prompt、input.image_urls を送信してください。アスペクト比、解像度、出力形式、プロンプト拡張はデフォルト値を使用できます。

モデルと機能
FLUX1.1 [pro] は主にどのようなタスクに適していますか？

写実的な写真、建築、料理、自然、商用ビジュアルに適しており、カスタムサイズと Prompt 強化による制御をサポートします。

モデルと機能 FLUX 1.1 Pro
FLUX1.1 [pro] は参照画像に対応していますか？

現在の回線は純粋なテキストから画像生成のみで、参照画像は受け付けません。

モデルと機能 FLUX 1.1 Pro
どのような出力仕様に対応していますか？

現在のページでは Custom width / height と Custom、1:1、16:9、9:16 を表示しています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 FLUX 1.1 Pro
FLUX1.1 [pro] の課金方法は？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質グレードによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 FLUX 1.1 Pro
FLUX1.1 [pro] APIを呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model には flux-1.1-pro を使用し、生成パラメータは input に配置します。

モデルと機能 FLUX 1.1 Pro
Qwen Image 3.0 は主にどのようなタスクに適していますか？

Qwen Image 3.0 を使用して、中国語・英語のテキストポスター、シーン編集、プロダクトビジュアルをオンラインで生成できます。プロンプト拡張、1K/2K 出力、多様なアスペクト比に対応し、事例、価格、API 呼び出しコードも確認できます。

モデルと機能 Qwen Image 3.0
Qwen Image 3.0 は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像は受け付けません。

モデルと機能 Qwen Image 3.0
どのような出力仕様に対応していますか？

現在のページでは 1K、2K と 1:1、16:9、9:16、4:3、3:4 を表示しています。最終的な選択肢は Playground のパラメータに準拠します。

モデルと機能 Qwen Image 3.0
Qwen Image 3.0 の課金方法は？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Qwen Image 3.0
Qwen Image 3.0 APIをどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には qwen-image-3.0/text-to-image を使用し、生成パラメータは input に含めます。

モデルと機能 Qwen Image 3.0
Qwen Image 3.0 Pro は主にどのようなタスクに適していますか？

より複雑な文字、建築、科学的編集、高級製品、最終広告レイアウトに適しています。

モデルと機能
Qwen Image 3.0 Pro は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像は受け付けません。

モデルと機能
どのような出力仕様に対応していますか？

現在のページには 1K、2K と 1:1、16:9、9:16、4:3、3:4 が表示されています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能
Qwen Image 3.0 Pro の料金はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能
Qwen Image 3.0 Pro APIはどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には qwen-image-3.0-pro/text-to-image を使用し、生成パラメータは input に含めます。

モデルと機能
GPT Image 2 Image to Image は主にどのようなタスクに適していますか？

1枚または複数の参照画像を使用して背景、光線、構図、スタイルを編集しつつ、元画像の構造を保持します。

モデルと機能 GPT Image 2
GPT Image 2 Image to Image は参照画像をサポートしていますか？

サポートしています。現在のラインでは参照画像が必要で、最大 6 枚まで使用できます。参照画像は被写体と構図を提供し、Prompt は変更範囲を記述します。

モデルと機能 GPT Image 2
どのような出力仕様に対応していますか？

現在のページには 1K、2K、4K と auto、1:1、9:16、16:9、4:3、3:4 が表示されています。最終的な選択肢は Playground のパラメータに準拠します。

モデルと機能 GPT Image 2
GPT Image 2 の Image to Image はどのように課金されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 GPT Image 2
GPT Image 2 Image to Image API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には gpt-image-2/image-to-image を使用し、生成パラメータは input に含めます。

モデルと機能 GPT Image 2
FLUX.2 [klein] 4B Image to Image は主にどのようなタスクに適していますか？

商用レタッチ、背景の差し替え、色変更、参照画像の迅速な反復に適した、軽量で低コストなラインです。

モデルと機能 FLUX.2 Klein 4B
FLUX.2 [klein] 4B Image to Image は参照画像に対応していますか？

対応しています。現在の回線では参照画像が必要で、最大 1 枚使用できます。参照画像が被写体と構図を提供し、Prompt が変更範囲を記述します。

モデルと機能 FLUX.2 Klein 4B
どのような出力仕様に対応していますか？

現在のページには 0.25 MP、0.5 MP、1 MP、2 MP、4 MP と 1:1、16:9、9:16、4:3、3:4 が表示されています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 FLUX.2 Klein 4B
FLUX.2 [klein] 4B Image to Image はどのように課金されますか？

正常に生成された画像の枚数に応じて課金されます。解像度や品質レベルによって違いがある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 FLUX.2 Klein 4B
FLUX.2 [klein] 4B Image to Image APIはどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には flux-2-klein-4b/image-to-image を使用し、生成パラメータは input に配置します。

モデルと機能 FLUX.2 Klein 4B
Nano Banana Pro は主にどのようなタスクに適していますか？

高精細な商用画像の生成、またはオプションの参照画像を組み合わせた再描画に対応し、豊富なアスペクト比と最大4K出力をサポートします。

モデルと機能 Nano Banana Pro
Nano Banana Pro は参照画像をサポートしていますか？

最大 8 枚のオプションの参照画像をサポートしています。アップロードしない場合は純粋なテキストからの画像生成として使用できます。

モデルと機能 Nano Banana Pro
どのような出力仕様に対応していますか？

現在のページでは 1K、2K、4K と auto、1:1、16:9、9:16、3:4、4:3、3:2、2:3、5:4、4:5、21:9 を表示しています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 Nano Banana Pro
Nano Banana Pro の料金体系は？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアごとに差がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Nano Banana Pro
Nano Banana Pro APIを呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model には nano-banana-pro を指定し、生成パラメータは input 内に配置します。

モデルと機能 Nano Banana Pro
FLUX.1 [schnell] は主にどのようなタスクに適していますか？

スケッチ、バッチ生成、迅速な Prompt 探索に適した、1〜4 ステップの超高速・低コストモデルです。

モデルと機能 FLUX.1 Schnell
FLUX.1 [schnell] は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像を受け付けません。

モデルと機能 FLUX.1 Schnell
どのような出力仕様に対応していますか？

現在のページでは 1-12 inference steps と 1:1、16:9、9:16、4:3、3:4 を表示しています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 FLUX.1 Schnell
FLUX.1 [schnell] の料金はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 FLUX.1 Schnell
FLUX.1 [schnell] APIはどう呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には flux-schnell/text-to-image を使用し、生成パラメータは input に含めます。

モデルと機能 FLUX.1 Schnell
Nano Banana 2 Lite は主にどのようなタスクに適していますか？

1K 固定のエントリー向けラインで、大量のスケッチ、迅速なイテレーション、およびオプションの複数参照画像による再描画に適しています。

モデルと機能 Nano Banana 2 Lite
Nano Banana 2 Lite は参照画像をサポートしていますか？

最大10枚のオプションの参照画像をサポートします。アップロードしない場合は純粋なテキストからの画像生成として使用できます。

モデルと機能 Nano Banana 2 Lite
どのような出力仕様に対応していますか？

現在のページでは 1K と auto、1:1、16:9、9:16、4:3、3:4、8:1、1:8 が表示されています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 Nano Banana 2 Lite
Nano Banana 2 Lite の料金はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ランクによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Nano Banana 2 Lite
Nano Banana 2 Lite API はどう呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には Nano-Banana-2-Lite を指定し、生成パラメータは input に含めます。

モデルと機能 Nano Banana 2 Lite
Grok Image 2.0 Text to Image は主にどのようなタスクに適していますか？

low/medium 品質ティア、1K/2K 出力、正方形から超ワイドまでのアスペクト比に対応しており、製品、編集、風景、キャラクターのビジュアルに適しています。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Text to Image は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像は受け付けません。

モデルと機能 Grok Imagine Image 2.0
どのような出力仕様に対応していますか？

現在のページでは 1K、2K と auto、1:1、16:9、9:16、4:3、3:4、2:1、1:2 が表示されています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Text to Image の課金方法は？

正常に生成された画像の枚数に応じて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Text to Image API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には grok-imagine-image-2.0/text-to-image を使用し、生成パラメータは input に含めます。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image は主にどのようなタスクに適していますか？

公開参考画像を編集して、色変更・スタイル変更・シーン変更・細部の精修を行い、参考画像のアスペクト比をそのまま維持します。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image は参照画像をサポートしていますか？

サポートしています。現在の回線では参照画像が必要で、最大 1 枚まで使用できます。参照画像は被写体と構図を提供し、Prompt は変更範囲を記述します。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image の課金方法は？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Grok Imagine Image 2.0
Grok Image 2.0 Image to Image APIをどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には grok-imagine-image-2.0/image-to-image を使用し、生成パラメータは input に含めます。

モデルと機能 Grok Imagine Image 2.0
Qwen Image 2.0 は主にどのようなタスクに適していますか？

中国語、ネガティブプロンプト、プロンプト拡張、オプションの Seed、5種類の 2K ピクセルサイズに対応した高コストパフォーマンスなモデルです。

モデルと機能 Qwen Image 2.0
Qwen Image 2.0 は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像は受け付けません。

モデルと機能 Qwen Image 2.0
どのような出力仕様に対応していますか？

現在のページには 2688×1536、2368×1728、2048×2048、1728×2368、1536×2688 とが表示されています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 Qwen Image 2.0
Qwen Image 2.0 の課金方法は？

正常に生成された画像の枚数に応じて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Qwen Image 2.0
Qwen Image 2.0 API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には qwen-image-2.0 を使用し、生成パラメータは input に含めます。

モデルと機能 Qwen Image 2.0
Nano Banana は主にどのようなタスクに適していますか？

イラスト、写真、製品コンセプト、ソーシャルメディア向けビジュアルに適した汎用画像生成モデルです。

モデルと機能 Nano Banana
Nano Banana は参照画像に対応していますか？

現在の回線は純粋なテキストから画像生成のみで、参照画像は受け付けません。

モデルと機能 Nano Banana
どのような出力仕様に対応していますか？

現在のページでは 1K と auto、1:1、16:9、9:16、3:4、4:3、3:2、2:3、5:4、4:5、21:9 を表示しています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 Nano Banana
Nano Banana の課金方法は？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質グレードによって差がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Nano Banana
Nano Banana API を呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model には nano-banana を指定し、生成パラメータは input に含めます。

モデルと機能 Nano Banana
Nano Banana 2 は主にどのようなタスクに適していますか？

オプションの参照画像、豊富なアスペクト比、より高い解像度をサポートし、画像生成や再描画に利用できます。

モデルと機能 Nano Banana 2
Nano Banana 2 は参照画像に対応していますか？

最大14枚のオプションの参照画像に対応しています。アップロードしない場合は純粋なテキストからの画像生成として使用できます。

モデルと機能 Nano Banana 2
どのような出力仕様に対応していますか？

現在のページには 1K、2K、4K と 1:1、1:4、1:8、2:3、3:2、3:4、4:1、4:3、4:5、5:4、8:1、9:16、16:9、21:9、auto が表示されています。最終的な選択肢は Playground のパラメータに準じます。

モデルと機能 Nano Banana 2
Nano Banana 2 の料金はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質の各ティアで差がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 Nano Banana 2
Nano Banana 2 API をどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には nano-banana-2 を使用し、生成パラメータは input に含めます。

モデルと機能 Nano Banana 2
GPT Image 2 Ext Text to Image は主にどのようなタスクに適していますか？

GPT Image 2 の互換生成ラインで、品質と解像度の制御を提供します。製品概要と主要な検索意図は、正式な GPT Image 2 ページが担います。

モデルと機能 GPT Image 2
GPT Image 2 Ext Text to Image は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像は受け付けません。

モデルと機能 GPT Image 2
GPT Image 2 Ext Text to Image の料金はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 GPT Image 2
GPT Image 2 Ext Text to Image API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には gpt-image-2/text-to-image@ext を使用し、生成パラメータは input に含めます。

モデルと機能 GPT Image 2
GPT Image 2 Beta は主にどのようなタスクに適していますか？

旧来の呼び出しとの互換性のために保持されている Beta 経路です。新規接続には正式な GPT Image 2 モデル ID の使用を推奨します。

モデルと機能 GPT Image 2
GPT Image 2 Beta は参照画像に対応していますか？

現在の回線は純粋なテキストからの画像生成であり、参照画像は受け付けません。

モデルと機能 GPT Image 2
GPT Image 2 Beta の料金はどのように計算されますか？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 GPT Image 2
GPT Image 2 Beta API をどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には gpt-image-2/text-to-image@beta を使用し、生成パラメータは input に含めます。

モデルと機能 GPT Image 2
GPT Image 2 Ext Image to Image は主にどのようなタスクに適していますか？

複数の参照画像、品質、解像度、アスペクト比の制御に対応した編集向けの互換ラインです。

モデルと機能 GPT Image 2
GPT Image 2 Ext Image to Image は参照画像をサポートしていますか？

サポートしています。現在の回線では参照画像が必要で、最大 6 枚まで使用できます。参照画像は被写体と構図を提供し、Prompt は変更範囲を記述します。

モデルと機能 GPT Image 2
GPT Image 2 Ext Image to Image の課金方法は？

正常に生成された画像の枚数に基づいて課金されます。解像度や品質ティアによって差異がある場合は、ページ上のリアルタイム価格に表示されます。

モデルと機能 GPT Image 2
GPT Image 2 Ext Image to Image APIはどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には gpt-image-2/image-to-image@ext を使用し、生成パラメータは input に含めます。

モデルと機能 GPT Image 2
Ideogram V4 は何に最適ですか？

正確なラテン文字が必要なロゴ、ポスター、ワードマーク、パッケージ、店舗看板に適しています。

モデルと機能 Ideogram V4
3段階の速度はどのように選べばよいですか？

TURBO は素早い下書きに適しています。BALANCED は速度と品質のバランスが取れています。QUALITY は最終的な細部や複雑な看板に適しています。

モデルと機能 Ideogram V4
3段階の価格はどのように区別されますか？

TURBO、BALANCED、QUALITY はそれぞれ異なる単価枠を使用しており、具体的な金額はこのページのリアルタイム価格を基準とします。

モデルと機能 Ideogram V4
画面内の文字の精度を上げるには？

Prompt に表示したいテキストを一字一句書き出し、フォントスタイル、階層、位置、背景とのコントラストを明確に指定します。

モデルと機能 Ideogram V4
参照画像はサポートしていますか？

現在の Ideogram V4 ページは純粋なテキストからの画像生成のみで、参照画像は受け付けていません。

モデルと機能 Ideogram V4
Qwen Image 2.0 Pro の強みは何ですか？

中国語の文字、人物、製品ビジュアル、複雑なコンセプトのシーンに適しており、5 種類の 2K 級サイズプリセットを提供します。

モデルと機能
Prompt の自動最適化にはどのような効果がありますか？

prompt_extend はデフォルトで有効になっており、入力に視覚的な詳細を補足するために拡張しますが、若干の遅延が増えます。原文に厳密に従う必要がある場合は無効にできます。

モデルと機能
不要な要素を避けるには？

negative_prompt で除外したい内容を記述し、ポジティブ Prompt の主体・文字・構図に関する指定を明確に保ちます。

モデルと機能
参照画像はサポートしていますか？

現在の Pro テキスト・トゥ・イメージのルートはテキストのみを受け付け、参照画像の入力には対応していません。

モデルと機能
サイズによって価格は変わりますか？

現在、5種類のサイズプリセットはすべて同一の単価ティアを使用しており、具体的な金額はこのページのリアルタイム価格に準じます。

モデルと機能
Seedream 4.5 のテキスト生成画像は何に適していますか？

中国風のシーン、フードフォト、SF 的な画面、風景、そして 2K/4K 出力が必要な汎用的な創作に適しています。

モデルと機能 Seedream 4.5
2K と 4K は価格が異なりますか？

現在、両方の解像度は同じ単品プランを適用しており、具体的な金額は本ページのリアルタイム価格を基準とします。

モデルと機能 Seedream 4.5
なぜアスペクト比が必須パラメータなのですか？

現在のリクエスト契約では、aspect_ratio と resolution を明示的に送信する必要があり、出力サイズが暗黙のデフォルトに依存することを避けています。

モデルと機能 Seedream 4.5
参考画像をアップロードできますか？

このテキストからの画像生成ルートでは参考画像を受け付けません。seedream-4.5/image-to-image をご利用ください。

モデルと機能 Seedream 4.5
プロンプトの最大長は？

4～3000文字に対応しており、中国語・英語のいずれも使用できます。

モデルと機能 Seedream 4.5
Wan 2.7 Image はどのような特殊なアスペクト比をサポートしていますか？

一般的な横長・縦長に加えて、21:9、8:1、1:8 などの超ワイドまたは超トールなアスペクト比にも対応しています。

モデルと機能 Wan 2.7 Image
Thinking Mode にはどのような効果がありますか？

オンにすると生成に時間がかかるようになりますが、複雑な Prompt の推論と画面構成が強化されます。素早い下書きの場合はオフのままにしてください。

モデルと機能 Wan 2.7 Image
1K、2K、4K はどう選べばよいですか？

まず 1K または 2K で方向性を検証し、最終的により大きな出力が必要になったときに 4K を選択してください。現在のページの価格は固定の単枚価格です。

モデルと機能 Wan 2.7 Image
参考画像はサポートしていますか？

現在のモデル ID は純粋なテキストから画像生成の路線であり、参考画像は受け付けません。

モデルと機能 Wan 2.7 Image
結果を再現するには？

seed、Prompt、アスペクト比、解像度、Thinking Mode の設定を固定してください。

モデルと機能 Wan 2.7 Image
Z-Image は何に適していますか？

低コストの中国語プロンプトによる画像生成、リアルなポートレート、看板、都市夜景、グルメ素材に適しています。

モデルと機能 Z-Image
どのアスペクト比に対応していますか？

1:1、4:3、3:4、16:9、9:16 に対応しています。

モデルと機能 Z-Image
解像度やフォーマットを制御できますか？

現在の公開リクエスト契約では Prompt と aspect_ratio のみが公開されており、リクエストに宣言されていない解像度やフォーマットのフィールドを追加すべきではありません。

モデルと機能 Z-Image
参考画像はサポートしていますか？

サポートしていません。現在の Z-Image モデル ID は純粋なテキストから画像生成のみです。

モデルと機能 Z-Image
APIはどうやって呼び出しますか？

POST /v1/tasks に model: z-image と input.prompt を送信します。aspect_ratio は任意です。

モデルと機能 Z-Image
HappyHorse 1.0 はどのようなタイプの動画モデルですか？

テキストのみから動画を生成する方式で、テキストプロンプトだけでよく、開始画像のアップロードは不要です。

モデルと機能 HappyHorse 1.0
HappyHorse 1.0 はどのような出力仕様に対応していますか？

3〜15秒に対応し、解像度は720p、1080p、アスペクト比は16:9、9:16、1:1、4:3、3:4に対応しています。

モデルと機能 HappyHorse 1.0
音声を生成したり、音声リファレンスを使用したりできますか？

メディア入力は受け付けません。音声機能はモデル契約に準拠します

モデルと機能 HappyHorse 1.0
HappyHorse 1.0 の料金はどのように計算されますか？

出力時間とリアルタイムのプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に基づきます。

モデルと機能 HappyHorse 1.0
HappyHorse 1.0 API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には happyhorse-1.0 を指定し、パラメータは input に含めます。

モデルと機能 HappyHorse 1.0
Kling 3.0 Text-to-Video はどのような種類の動画モデルですか？

纯文本からの動画生成に特化したモデルで、テキストプロンプトのみで動作し、開始画像のアップロードは不要です。

モデルと機能 Kling 3.0
Kling 3.0 Text-to-Video はどのような出力仕様に対応していますか？

3～15秒に対応し、解像度は720p、1080p、4K、アスペクト比は16:9、9:16、1:1に対応しています。

モデルと機能 Kling 3.0
音声を生成したり、音声リファレンスを使用したりできますか？

音声生成のオン/オフは任意で切り替え可能

モデルと機能 Kling 3.0
Kling 3.0 Text-to-Video の課金方法は？

出力時間とリアルタイムのプランに応じて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に基づきます。

モデルと機能 Kling 3.0
Kling 3.0 Text-to-Video API はどう呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には kling-3.0/text-to-video を使用し、パラメータは input に含めます。

モデルと機能 Kling 3.0
Veo 3.1 Fast Text to Video はどのようなタイプの動画モデルですか？

テキストのみから動画を生成する方式で、テキストの Prompt だけで済み、開始画像のアップロードは不要です。

モデルと機能 Veo 3.1 Fast
Veo 3.1 Fast Text to Video はどのような出力仕様に対応していますか？

4〜8秒に対応し、解像度は720p、1080p、4k、アスペクト比は16:9、9:16に対応しています。

モデルと機能 Veo 3.1 Fast
音声を生成できますか、またはオーディオ参照を使用できますか？

音声生成はデフォルトで有効になっています

モデルと機能 Veo 3.1 Fast
Veo 3.1 Fast Text to Video はどのように課金されますか？

出力時間とリアルタイムプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に基づきます。

モデルと機能 Veo 3.1 Fast
Veo 3.1 Fast Text to Video APIをどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には veo-3.1-fast/text-to-video を使用し、パラメータは input に配置します。

モデルと機能 Veo 3.1 Fast
Veo 3.1 Text to Video はどのような種類の動画モデルですか？

テキストから動画を生成する専用の系統で、テキストプロンプトのみが必要で、開始画像のアップロードは不要です。

モデルと機能 Veo 3.1
Veo 3.1 Text to Video はどのような出力仕様に対応していますか？

4〜8秒に対応し、解像度は 720p、1080p、4k、アスペクト比は 16:9、9:16 に対応しています。

モデルと機能 Veo 3.1
音声を生成したり、音声リファレンスを使用したりできますか？

音声生成はデフォルトで有効になっています

モデルと機能 Veo 3.1
Veo 3.1 Text to Video の課金方法は？

出力時間とリアルタイムプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に準拠します。

モデルと機能 Veo 3.1
Veo 3.1 Text to Video API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には veo-3.1/text-to-video を使用し、パラメータは input 内に配置します。

モデルと機能 Veo 3.1
Seedance 2.0 はどのような種類の動画モデルですか？

Prompt を中心とし、先頭と末尾のフレームや参照用の画像・動画・音声を追加することもできます。各種の制御方法は、現在のパラメータ契約に従って組み合わせる必要があります。

モデルと機能 Seedance 2.0
Seedance 2.0 はどのような出力仕様に対応していますか？

4～15秒に対応し、解像度は480p、720p、1080p、4k、アスペクト比は1:1、4:3、3:4、16:9、9:16、21:9、adaptiveに対応しています。

モデルと機能 Seedance 2.0
音声を生成したり、音声リファレンスを使用したりできますか？

画像・動画・音声のリファレンスを選択可能。音声生成にも対応

モデルと機能 Seedance 2.0
Seedance 2.0 の課金方法は？

出力時間とリアルタイムプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページ上の価格とタスク記録に準じます。

モデルと機能 Seedance 2.0
Seedance 2.0 APIはどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には seedance-2.0 を指定し、パラメータは input に含めます。

モデルと機能 Seedance 2.0
Seedance 2.0 Fast はどのような種類の動画モデルですか？

Prompt を中心とし、最初と最後のフレームや参照用の画像・動画・音声を追加することもできます。異なる制御方法は現在のパラメータ契約に従って組み合わせる必要があります。

モデルと機能
Seedance 2.0 Fast はどのような出力仕様に対応していますか？

4～15 秒に対応し、解像度は 480p、720p、アスペクト比は 1:1、4:3、3:4、16:9、9:16、21:9、adaptive に対応しています。

モデルと機能
音声を生成したり、音声リファレンスを使用したりできますか？

画像・動画・音声のリファレンスを選択可能。音声の生成にも対応

モデルと機能
Seedance 2.0 Fast の課金方法は？

出力時間とリアルタイムプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に準じます。

モデルと機能
Seedance 2.0 Fast APIをどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には seedance-2.0-fast を使用し、パラメータは input に置きます。

モデルと機能
Seedance 2.0 Ext はどのようなタイプの動画モデルですか？

Prompt を中心とし、開始・終了フレームや参照画像、動画、音声を追加することもできます。各種の制御方法は現在のパラメータ契約に従って組み合わせる必要があります。

モデルと機能 Seedance 2.0
Seedance 2.0 Ext はどのような出力仕様をサポートしていますか？

4〜15 秒をサポートし、解像度は 720p、1080p、4k、アスペクト比は 1:1、4:3、3:4、16:9、9:16、21:9、adaptive に対応しています。

モデルと機能 Seedance 2.0
Seedance 2.0 Ext の課金方法は？

出力時間とリアルタイムプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に準じます。

モデルと機能 Seedance 2.0
Seedance 2.0 Ext API をどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には seedance-2.0@ext を使用し、パラメータは input に含めます。

モデルと機能 Seedance 2.0
Seedance 2.0 Mini はどのような種類の動画モデルですか？

Prompt を中心とし、最初と最後のフレームや参照用の画像・動画・音声を追加することもできます。異なる制御方法は、現在のパラメータ契約に従って組み合わせる必要があります。

モデルと機能
Seedance 2.0 Mini はどのような出力仕様に対応していますか？

4〜15 秒に対応し、解像度は 480p、720p、アスペクト比は 1:1、4:3、3:4、16:9、9:16、21:9、adaptive に対応しています。

モデルと機能
音声を生成したり、オーディオ参照を使用したりできますか？

画像、動画、オーディオの参照は任意で利用可能。音声生成にも対応

モデルと機能
Seedance 2.0 Mini の料金はどのように計算されますか？

出力時間とリアルタイムのプランに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に基づきます。

モデルと機能
Seedance 2.0 Mini API をどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には seedance-2.0-mini を使用し、パラメータは input に配置します。

モデルと機能
HappyHorse 1.1 Text to Video はどのような種類の動画モデルですか？

これは純粋なテキストから動画を生成するラインで、テキストの Prompt のみが必要で、開始画像のアップロードは不要です。

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Text to Video はどのような出力仕様に対応していますか？

3〜15秒に対応しており、解像度は 720p、1080p、アスペクト比は 16:9、9:16、3:4、4:3、4:5、5:4、1:1、9:21、21:9 に対応しています。

モデルと機能 HappyHorse 1.1
音声を生成したり、音声リファレンスを使用したりできますか？

メディア入力は受け付けません。音声機能はモデル契約に準拠します

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Text to Video の料金はどのように計算されますか？

出力時間とリアルタイムのティアに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページの価格とタスク記録に基づきます。

モデルと機能 HappyHorse 1.1
HappyHorse 1.1 Text to Video APIはどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には happyhorse-1.1/text-to-video を使用し、パラメータは input に含めます。

モデルと機能 HappyHorse 1.1
MiniMax H3 はどのようなタイプの動画モデルですか？

プロンプトを中心とし、開始・終了フレームや参照画像、動画、音声を追加することもできます。異なる制御方式は現在のパラメータ契約に従って組み合わせる必要があります。

モデルと機能 MiniMax H3
MiniMax H3 はどのような出力仕様に対応していますか？

4～15秒に対応し、解像度は2Kを含み、アスペクト比は21:9、16:9、4:3、1:1、3:4、9:16、adaptiveに対応しています。

モデルと機能 MiniMax H3
音声を生成したり、音声リファレンスを使用したりできますか？

画像・動画・音声のリファレンスを任意で指定可能。音声生成にも対応

モデルと機能 MiniMax H3
MiniMax H3 の課金方法は？

出力時間とリアルタイムプランに基づいて課金されます。解像度、モード、または音声オプションによる差異は、ページの価格とタスク記録に準じます。

モデルと機能 MiniMax H3
MiniMax H3 API をどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には minimax-h3 を使用し、パラメータは input に配置します。

モデルと機能 MiniMax H3
Wan 3.0 Video はどのような種類の動画モデルですか？

プロンプトを中心に据え、開始・終了フレームや参照用の画像、動画、音声を追加することもできます。各種の制御方法は現在のパラメータ契約に従って組み合わせる必要があります。

モデルと機能 Wan 3.0 Video
Wan 3.0 Video はどのような出力仕様に対応していますか？

2～30秒に対応し、解像度は480P、720P、1080P、アスペクト比はadaptive、16:9、4:3、1:1、3:4、9:16に対応しています。

モデルと機能 Wan 3.0 Video
音声を生成したり、オーディオのリファレンスを使用したりできますか？

画像、動画、音声、ファイル、リンクをリファレンスとして選択可能。音声の同期に対応

モデルと機能 Wan 3.0 Video
Wan 3.0 Video の料金はどのように計算されますか？

出力時間とリアルタイムの料金ティアに基づいて課金されます。解像度、モード、音声オプションによる差異は、ページ上の価格とタスク記録に準じます。

モデルと機能 Wan 3.0 Video
Wan 3.0 Video API を呼び出すにはどうすればよいですか？

POST /v1/tasks に非同期タスクを送信し、model には wan3.0-video を使用し、パラメータは input に含めます。

モデルと機能 Wan 3.0 Video
Wan 3.0 Prime はどのような入力に対応していますか？

必須なのはプロンプトのみです。任意入力として、先頭フレームと末尾フレーム、最大 10 枚の参照画像、最大 5 本の参照音声、1 件の参照ドキュメントまたは 1 つの参照 Web ページが利用できます。参照動画の入力は現在未対応です。

モデルと機能
最初と最後のフレームと参照素材は一緒に使えますか？

いいえ。最初と最後のフレームモードは、参照画像・音声・ファイル・Webページなどの配列とは排他的であり、各タスクではいずれか1つの制御方式のみを選択します。また、参照ファイルと参照Webページの間でも二者択一となります。

モデルと機能
参照音声にはどのような要件がありますか？

WAV または MP3、各セグメント 1 から 15 秒、最大 5 セグメントで、参照画像と一緒に使用する必要があります。プロンプト内では Audio1、Audio2 で順番に指し示し、それがナレーション、対話、または音楽であるかを説明してください。

モデルと機能
対応している再生時間、解像度、アスペクト比は？

再生時間は2〜30秒を整数秒で設定します。解像度は480P、720P、1080P。アスペクト比はadaptive、16:9、4:3、1:1、3:4、9:16で、adaptiveは入力素材とプロンプトに基づいて決定されます。

モデルと機能
動画には音声が付きますか？

デフォルトでは映像に同期した音声トラックが生成され、音声の内容はプロンプトで指定できます（例：環境音、ナレーション）。audio を false に設定すると映像のみを出力できます。

モデルと機能
Wan 3.0 Prime と Wan 3.0 Video の違いは何ですか？

Prime は Wan 3.0 の高速化回線です。プロンプト、開始・終了フレームと参照画像、音声、ファイル、Web ページの使い方は両者で共通しており、model ID を変更するだけで切り替えられます。Prime は現在、参照動画の入力を受け付けません。また、2つの回線では料金が異なります。

モデルと機能
同じ結果を再現するにはどうすればよいですか？

固定の seed（0 から 2147483647）を渡し、プロンプトやその他のパラメータを変えなければ、高い一貫性のある結果が得られ、微調整後の比較が容易になります。

モデルと機能
Wan 3.0 Prime の課金方法は？

出力動画の長さと解像度のティアに応じて課金され、失敗したタスクは全額返金されます。具体的な単価は本ページのリアルタイム価格を基準とします。

モデルと機能
Seedance 2.5 のテキスト・トゥ・ビデオでは画像をアップロードする必要がありますか？

いいえ、必要ありません。このページは seedance-2.5/text-to-video に対応しており、テキストプロンプトのみを受け付けます。最初のフレーム、最初と最後のフレーム、または参照素材が必要な場合は、別途 Image-to-Video または Reference-to-Video のラインを使用してください。

モデルと機能 Seedance 2.5
Seedance 2.5 はどのくらいの長さの動画に対応していますか？

現在のリクエスト契約では 4～30 秒、720p または 1080p に対応し、16:9、4:3、1:1、3:4、9:16、21:9 および adaptive のアスペクト比を提供します。

モデルと機能 Seedance 2.5
Seedance 2.5 は音声を生成しますか？

generate_audio はデフォルトで有効になっており、同期音声の生成に使用されます。音声が不要な場合は無効にできます。最終結果については、音量、セリフ、著作権の審査を引き続き行う必要があります。

モデルと機能 Seedance 2.5
Seedance 2.5 の料金体系は？

出力動画の秒数と解像度ティアに基づいて課金されます。720p と 1080p では 1 秒あたりの料金が異なります。

モデルと機能 Seedance 2.5
Seedance 2.5 のテキストから動画を生成する API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には seedance-2.5/text-to-video を使用し、input に prompt、duration、resolution、aspect_ratio などのパラメータを渡します。

モデルと機能 Seedance 2.5
Grok Imagine のテキストから動画生成には画像が必要ですか？

不要です。grok-imagine/text-to-video はテキストの Prompt のみを受け取ります。ソース画像が必要な場合は、独立した画像から動画生成のルートを使用してください。

モデルと機能 Grok Imagine
Grok Imagine はどのような仕様に対応していますか？

6〜30 秒、480p または 720p、および 2:3、3:2、1:1、16:9、9:16 のアスペクト比に対応しています。

モデルと機能 Grok Imagine
normal と fun モードの違いは何ですか？

normal は通常のスポーツや安定したカメラワークに適しており、fun はよりアクティブでクリエイティブな動きに使用します。まず normal で被写体と構図を検証することをお勧めします。

モデルと機能 Grok Imagine
Grok Imagine の課金方法は？

出力秒数と解像度に基づいて課金され、480p と 720p では1秒あたりの価格が異なります。

モデルと機能 Grok Imagine
Grok Imagine のテキスト読み上げ動画生成 API を呼び出すにはどうすればよいですか？

POST /v1/tasks にタスクを送信し、model は grok-imagine/text-to-video を使用し、パラメータは input に配置します。

モデルと機能 Grok Imagine
Hailuo 2.3 のテキスト読み上げ動画生成には画像が必要ですか？

不要です。このルートはテキスト Prompt のみを受け付けます。最初のフレームを指定する必要がある場合は、専用の Hailuo 画像読み上げ動画モデルを使用してください。

モデルと機能 Hailuo 2.3
Hailuo 2.3 はどのような長さに対応していますか？

標準プランでは 6 秒と 10 秒の 2 つの固定出力オプションを提供しており、解像度やアスペクト比のパラメータは公開されていません。

モデルと機能 Hailuo 2.3
Prompt optimizer にはどのような役割がありますか？

デフォルトで有効になっており、Prompt を自動的に拡張・整理するために使用されます。元の指示を厳密に保持する必要がある場合は、無効にして完全なショット記述を自分で作成できます。

モデルと機能 Hailuo 2.3
Hailuo 2.3 の課金方法は？

生成動画の長さに応じた段階課金で、6 秒と 10 秒それぞれに 1 本あたりの固定価格が設定されています。

モデルと機能 Hailuo 2.3
Hailuo 2.3 API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には hailuo-2.3/text-to-video を使用し、input に prompt、duration、prompt_optimizer を渡します。

モデルと機能 Hailuo 2.3
Wan 2.7のテキストから動画生成には画像が必要ですか？

不要です。wan2.7-video/text-to-videoはテキストプロンプトのみを要求します。最初のフレームや最後のフレームが必要な場合は、Wan 2.7 Image-to-Videoを使用してください。

モデルと機能 Wan 2.7 Video
Wan 2.7 はどのような出力仕様に対応していますか？

2～15秒、720P または 1080P、および 16:9、9:16、1:1、4:3、3:4 のアスペクト比に対応しています。

モデルと機能 Wan 2.7 Video
Wan 2.7 の audio_url とは何ですか？

audio_url はオプションの WAV または MP3 音声リファレンスです。これによってこのルートが画像から動画への生成に変わるわけではなく、テキスト Prompt の代わりにもなりません。

モデルと機能 Wan 2.7 Video
Wan 2.7 の料金はどのように計算されますか？

出力動画の秒数と解像度に基づいて課金され、720P と 1080P では1秒あたりの料金が異なります。

モデルと機能 Wan 2.7 Video
Wan 2.7 のテキストから動画への API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には wan2.7-video/text-to-video を使用し、input に prompt、resolution、ratio、duration などのパラメータを渡します。

モデルと機能 Wan 2.7 Video
Veo 3.1 の画像から動画生成には入力画像が何枚必要ですか？

現在の endpoint は毎回 1 枚の公開アクセス可能な画像 URL を受け取ります。フィールド名は image_url であり、image_urls ではありません。入力画像は少なくとも 720p を推奨し、送信前に被写体、構図、動きの余地を確定してください。ローカルアドレスや公衆網からアクセスできない一時リンクは入力として使用できません。

モデルと機能 Veo 3.1
Veo 3.1 の画像から動画生成で縦横画面を制御する方法は？

出力アスペクト比は入力画像を継承するため、aspect_ratio を別途渡す必要はありません。TikTok、Reels、Shorts 向けの縦型動画を生成する場合は、事前に 9:16 の入力画像を用意してください。横型のWebページや広告素材の場合は、事前に 16:9 の入力画像を用意してください。その他のアスペクト比はクロップして適合される場合があります。

モデルと機能 Veo 3.1
Veo 3.1 はどのような長さと解像度に対応していますか？

現在の HiAPI リクエスト契約では 4、6、8 秒、および 720p、1080p、4K に対応しています。長さと解像度は合計費用に共同で影響します。まず短い長さでモーションを検証し、その後で最終解像度を出力することで、無駄な消費を減らせます。

モデルと機能 Veo 3.1
Veo 3.1 はネイティブ音声を生成できますか？音声をどのように制御しますか？

可能です。環境音、フォーリー、音楽のリズムを Prompt に書き込み、音声のヒントをイベントの順序に沿わせてください。例えば「靴が地面に着地するときに低く重い衝撃音が鳴る」のようにします。重要な商用素材については、公開前に音量、セリフ、ブランドセーフティ、プラットフォームの著作権要件を確認する必要があります。

モデルと機能 Veo 3.1
Veo 3.1 の画像から動画への変換はどのように課金されますか？

生成時間と解像度に基づいて課金されます。720p/1080p で音声付きの場合は基本の秒単価区分が適用され、4K で音声付きの場合はより高い区分が適用されます。具体的な金額はモデルページのリアルタイム価格とタスク記録に準じます。

モデルと機能 Veo 3.1
Veo 3.1 と Veo 3.1 Fast はどう選べばよいですか？

どちらも同じ単一画像入力、4/6/8 秒、解像度の構造を使用します。Fast はアクション、カメラワーク、サウンドのリズムをまず検証するのに適しており、標準の Veo 3.1 は最終的な完成映像に適しています。一般的な流れは、まず Fast の 720p ドラフトでプロンプトを絞り込み、その後標準モデルで 1080p または 4K を出力するというものです。

モデルと機能 Veo 3.1
API で Veo 3.1 の画像から動画を生成するにはどうすればよいですか？

POST /v1/tasks にリクエストを送信し、model を veo-3.1/image-to-video に設定し、input に prompt、image_url、resolution、duration を渡します。インターフェースはまず taskId を返し、動画はバックグラウンドで非同期に生成されます。タスクの照会、callback、エラー処理、および完全なパラメータについては API ドキュメントを参照してください。

モデルと機能 Veo 3.1
Vidu Q3 Mix と Vidu Q3 Ad の違いは何ですか？

両者は同じパラメータセット（1〜7枚の参照画像、同一の10種類のサイズ、720P/1080Pの2段階）を使用し、リクエストの形式は完全に同じです。違いは長さの範囲と最適化の方向性にあります。Mix は汎用シーン向けで、長さは1〜16秒です。Ad は広告向けで、長さは3〜15秒であり、広告シーンに合わせてマーケティング向けのスマートカット、カメラワーク、音響効果処理が追加されています。商品広告を作る場合は Ad を優先し、それ以外の題材には Mix を使用してください。

モデルと機能
なぜ size は 10 個の列挙値からしか選べず、解像度を自由に入力できないのですか？

size は「幅*高さ」のピクセル値で表されますが、API が受け付けるのは固定の 10 個の値のみで、16:9、4:3、1:1、3:4、9:16 の 5 種類のアスペクト比 × 720P、1080P の 2 段階に相当します。利点はアスペクト比と解像度の段階を一度に選択でき、比率パラメータを別途渡す必要がないことです。代償として中間サイズは指定できません。なお、1:1 は 1080P 段階では 1808*1808 であり、1920*1920 ではない点に注意してください。

モデルと機能
最長でどれくらい生成できますか？

Mix は 1〜16 秒（整数秒、デフォルトは 5 秒）に対応しています。16 秒は多くのリファレンス動画生成 API の 5〜10 秒より長く、動作をじっくり見せたいシーンに適しています。なお Ad は範囲が異なり、3〜15 秒です。

モデルと機能
参照画像は最大何枚まで使用できますか？モデルに誰が誰かを認識させるにはどうすればよいですか？

reference_image_urls には 1〜7 枚を渡します。パブリックにアクセス可能な HTTP(S) URL である必要があり、形式は JPEG/JPG/PNG/WEBP に対応、1 枚あたり 50MB 以下、アスペクト比は 1:4 から 4:1 の間です。プロンプト内で配列の順序に従って参照するだけです。例えば「参照画像 1 のキャラクターが参照画像 2 のシーンに入っていく」のように、番号と配列のインデックスが 1 対 1 で対応します。

モデルと機能
料金はどうやって計算されますか？

実際の出力秒数に基づいて課金され、解像度の区分によって1秒あたりの単価が決まります。720P と 1080P の2区分で単価が異なります。料金ページのリアルタイム価格が基準となり、各タスクの消費明細は HiAPI のタスク記録で一件ずつ確認できます。

モデルと機能
audio と watermark は価格に影響しますか？

いいえ。価格は解像度のティアと実際の出力秒数のみで決まり、2つのスイッチは課金に関与しません。audio はデフォルトでオフで、無音の動画を出力します。オンにするとモデルが映像内容に応じてBGMと効果音を生成します。watermark はデフォルトでオフで、オンにすると動画の右下に「内容由 AI 生成」という表示が現れます。

モデルと機能
Vidu Q4 Preview の参照動画生成とどう選べばいいですか？

入力素材で判断します。参照音声でキャラクターの声質を固定したい、キャラクターに話させたい、または 7 枚を超える参照画像が必要な場合は、Q4 Preview（参照画像 1〜15 枚 + MP3 最大 3 本）を使います。画像参照だけで十分で、ネイティブの縦長または正方形の画角を希望し、画角と解像度を一度に決めたい場合は、Mix のほうが直接的です——Q4 Preview は解像度とアスペクト比を 2 つの独立したパラメータに分けています。

モデルと機能
参照画像は動画の冒頭にそのまま表示されますか？

いいえ。参照画像から動画を生成する場合、参照画像は被写体の外観の根拠として扱われ、生成されるのは新しい映像であり、参照画像自体が最初のフレームとして表示されることはありません。参照画像に完全な背景が含まれている場合、完成映像の冒頭がその背景に近くなることがあります。全体を新しいシーンにしたい場合は、プロンプトで環境を明確に記述してください。最初のフレームを特定の画像と完全に一致させたい場合は、画像から動画を生成するインターフェースを使用してください。

モデルと機能
プロンプトはどれくらい長く書けますか？

5000文字以内で、中国語でも英語でも構いません。超過分は自動的に切り捨てられます。形容詞を並べるよりも、主体が何をするのか、どこに現れるのか、カメラがどう動くのかを明確に書くほうが効果的です。

モデルと機能
固定 seed で結果の再現性は保証されますか？

seed の値の範囲は 0-2147483647 で、固定すると同じ入力の組に対して結果は明らかに近くなりますが、モデル自体が確率的であるため、ドキュメントには seed が同じでも毎回完全に一致することを保証できないと明記されています。これは微調整の効果を比較するのに適しており、正確な再現には向いていません。

モデルと機能
Vidu Q3 Ad と Vidu Q3 Mix の違いは何ですか？

リクエストの形式は完全に同じです（同じ 1〜7 枚の参照画像、同じ 10 種類のサイズ、同じ 720P/1080P の 2 段階）。違いは再生時間の範囲と最適化の方向性にあります。Ad は広告業界向けで、再生時間は 3〜15 秒、広告素材向けにマーケティングレベルのインテリジェントなカット割り、カメラワーク、音響効果処理を追加しています。Mix は汎用シーン向けで、再生時間は 1〜16 秒、画質と動きのバランスがより均等です。商品広告なら Ad を優先し、ストーリー、IP、汎用素材なら Mix を使用してください。

モデルと機能
Ad の时长が Mix と異なるのはなぜですか？

この2つのエンドポイントはパラメータ検証の仕組みが異なります。Ad の duration の値は [3, 15] の整数で、Mix は [1, 16] で、デフォルト値はいずれも 5 秒です。そのため Ad では 1～2 秒の超短いクリップは作成できず、Mix のような長回しの演出も必要ありません。

モデルと機能
実際の出力时长が設定した duration と異なる場合、どちらで課金されますか？

実際の出力时长で課金されます。ドキュメントには Ad のようなスマートカットを伴う広告モデルについて明確な説明があります。カット数が duration より明らかに多い、または少ない場合、モデルがストーリーの完全性を保つために时长を自動調整することがあり、実際の動画时长は設定値より長くも短くもなる可能性がありますが、課金は実際の出力に基づきます。そのため、注文前に確保する費用は設定値で見積もり、精算は請求書の実際の秒数に基づきます。

モデルと機能
なぜ size は 10 個の列挙値からしか選べないのですか？

size は「幅*高さ」で表され、API は固定の 10 個の値のみを受け付けます：16:9、4:3、1:1、3:4、9:16 の 5 種類のアスペクト比 × 720P、1080P の 2 段階です。メリットはアスペクト比と解像度の段階を一度に選択でき、比率パラメータを別途送信する必要がないことです。デメリットは中間サイズを指定できないことです。なお、1:1 は 1080P 段階では 1808*1808 です。

モデルと機能
参考画像は最大何枚まで？どのような要件がありますか？

reference_image_urls には1〜7枚を渡します。公網からアクセス可能な HTTP(S) URL である必要があり、形式は JPEG/JPG/PNG/WEBP、1枚あたり50MB以下、アスペクト比は1:4〜4:1です。広告シーンでは、商品のメイン画像1枚と使用シーン画像1〜2枚を添え、プロンプト内で順番に参照するのが一般的です。

モデルと機能
料金はどのように計算されますか？

実際の出力秒数に基づいて課金され、解像度の区分によって1秒あたりの単価が決まります。Ad は同じ区分では Mix よりやや低くなります。現在の価格は料金ページを基準とし、利用明細は HiAPI のタスク記録で1件ずつ確認できます。

モデルと機能
audio と watermark は価格に影響しますか？

いいえ、価格は解像度ティアと実際の出力秒数のみで決まります。audio はデフォルトでオフで、オンにするとモデルが映像内容に合わせた背景音楽や効果音を生成します——広告用途では通常オンにします。watermark はデフォルトでオフで、オンにすると右下に「コンテンツは AI により生成されました」と表示されます。配信時には通常どちらもデフォルトのままにします。

モデルと機能
Vidu Q4 Preview の参照動画生成とどう選べばよいですか？

Ad の強みは広告向けのカメラワーク、カット割り、音響処理、そしてより低い毎秒単価にあります。参照音声でキャラクターの声質を固定したい場合、モデルに台詞を喋らせたい場合、または 7 枚を超える参照画像が必要な場合は、Q4 Preview（1～15 枚の参照画像 + 最大 3 つの MP3）に切り替えてください。

モデルと機能
プロンプトはどのくらいの長さが適切ですか？

上限は5000文字で、中国語でも英語でも構いません。ただし広告の完成映像は短いので、商品が何か、視聴者にどんな動きが見えるか、カメラをどう動かすかを明確に書けば十分です。形容詞を積み重ねると、かえって画面が発散しやすくなります。参考画像で商品の外観はすでに固定されているため、プロンプトは主に動きと雰囲気を担当します。

モデルと機能
固定したseedで結果の再現性は保証されますか？

seedの範囲は0-2147483647で、固定すると同じ入力セットの結果は明らかに近くなり、異なるプロンプトの効果を比較しやすくなります。ただしモデルは確率的であり、ドキュメントにはseedが同じでも結果が完全に一致することは保証されないと明記されているため、正確な再現手段として扱わないでください。

モデルと機能
画像から動画を生成する際、アスペクト比を自分で設定できますか？

できません。完成動画のアスペクト比は最初のフレーム画像に完全に従います。横長画像をアップロードすれば横画面、縦長画像をアップロードすれば縦画面になります。そのため、9:16 の縦画面にしたい場合は縦向きの最初のフレーム画像を用意してください。最初のフレームの縦横比は 1:4 から 4:1 の間である必要があり、極端に細長い画像は送信時に拒否されます。

モデルと機能 Vidu Q4 Preview
audio スイッチにはどんな用途がありますか？

ネイティブ音声はデフォルトで有効になっており、映像に同期したセリフ、環境音、効果音が生成されます。オフにすると映像のみの無音動画が出力され、ループ背景や後から自分で音楽を付ける用途、字幕を追加する用途に適しています。スイッチは価格に影響しません。

モデルと機能 Vidu Q4 Preview
再生時間と価格の関係は何ですか？

提出された整数秒の再生時間に、選択した解像度の1秒あたりの単価を掛けて課金されます。音声のオン/オフや画像の枚数は料金計算に含まれません。解像度が高いほど1秒あたりの単価も高くなり、4K プランは約 540p プランの 8.7 倍です。具体的な金額は料金ページをご参照ください。

モデルと機能 Vidu Q4 Preview
5段階の解像度はそれぞれどんなシーンに適していますか？

540p はプロンプトとカメラワークの試用に使い、小サイズのループ背景にも十分です。720p はほとんどのソーシャルメディアとWebをカバーします。1080p は通常の配信に使用します。2K は大型スクリーンやテレビ展示に適しています。4K は展示、映画館レベルの映像、または後工程でトリミングして再構図が必要なカットに使用します。最終稿の前に低い段階で試し、最終稿は高い段階で出力します。

モデルと機能 Vidu Q4 Preview
Vidu Q3 Mix との違いは何ですか？

Vidu Q3 Mix は 1〜7 枚の参照画像で画面を再構成し、720P/1080P の 2 段階、1〜16 秒で、参照画像は完成映像の最初のフレームにはなりません。Vidu Q4 Preview の画像から動画生成は、画像を完成映像の最初のフレームとして扱い、長さは 3〜16 秒、解像度は最大 4K で、デフォルトでネイティブ音声を生成します。最初のフレームが手元のこの画像と必ず一致する必要がある場合は Q4 Preview を選んでください。

モデルと機能 Vidu Q4 Preview
参照生成動画（reference-to-video）との違いは何ですか？

画像生成動画は画像を完成映像の最初のフレームとして扱い、出力される映像はこの画像から始まります。参照生成動画は画像を人物・小道具・シーンの見た目として扱い、まったく新しい構図を生成し直すため、参照画像がそのまま冒頭に現れることはありません。「この画像を動かしたい」場合は画像生成動画を使ってください。

モデルと機能 Vidu Q4 Preview
最初のフレーム画像にはどのような要件がありますか？

JPG / JPEG / PNG / WebP に対応しており、1枚あたり 50MB 以下、アスペクト比は 1:4 から 4:1 の間です。最初のフレームは完成映像の主体・ショットサイズ・色調を決めるため、構図と光が最終的な仕上がりになるようにすることをおすすめします。

モデルと機能 Vidu Q4 Preview
プロンプトはどう書けばいいですか？

追加する内容だけを書きます：誰が何をする動作、カメラの動き、どんな音やどのセリフ。画面にすでにあるものは繰り返し描写しないでください。英語のプロンプトが最も安定しており、中国語も同様に使用できます。長さの上限は20,000文字です。

モデルと機能 Vidu Q4 Preview
プロンプトは必須ですか？

いいえ。プロンプトを渡さない場合、モデルは最初のフレームの内容から動作やカメラワークを自動的に推測します。プロンプトを渡せば、動作の順序、カメラ経路、音声を制御できます。どちらの方法も、送信した再生時間と解像度に基づいて課金されます。

モデルと機能 Vidu Q4 Preview
渡さないパラメータのデフォルトは何ですか？

長さはデフォルト5秒、解像度はデフォルト720p、audioはデフォルトで有効です。3つともタスクごとに上書きできます。課金は送信した整数秒の長さと選択した解像度ティアに基づいて計算されます。

モデルと機能 Vidu Q4 Preview
参考画像は最大何枚まで入れられますか？

1〜15枚です。JPG、PNG、WebPに対応しており、1枚あたり50MB以下、最小128×128、1枚のアスペクト比は1:4から4:1の範囲です。プロンプトでは配列の順序で参照します。1枚目が参考画像1、2枚目が参考画像2です。

モデルと機能 Vidu Q4 Preview
参照音声にはどのような形式と長さの制限がありますか？

最大 3 段、MP3 のみ、各段 3～12 秒、50MB 以下、プロンプト内に順番に参照音声 1 と記載します。段数、形式、または長さが範囲外の場合、送信段階でパラメータエラーが直接返され、タスクは作成されません。

モデルと機能 Vidu Q4 Preview
参照音声はトラック全体に影響しますか？

いいえ。参照音声は声質のみを提供します。キャラクターが話すとき、プロンプト内のセリフはその声質に近い声で読み上げられ、環境音や効果音は引き続き画面から生成されます。環境音のみが必要で声質を指定しない場合は、参照音声を入れずに audio をオンのままにしてください。

モデルと機能 Vidu Q4 Preview
プロンプトで特定の素材を指定するにはどうすればよいですか？

配列の順番で番号を付けます。最初の画像は参考画像1、最初の音声は参考音声1となり、プロンプト内にその番号を直接書きます。プロンプトは必須で、長さは1～20,000文字、中国語でも英語でもかまいません。

モデルと機能 Vidu Q4 Preview
完成映像のアスペクト比はどう決めますか？

aspect_ratio で指定します。16:9、9:16、1:1、4:3、3:4 から選択でき、デフォルトは 16:9 です。参照画像自体の比率とは無関係で、正方形や縦長の画像からも 16:9 の横長映像を生成できます。

モデルと機能 Vidu Q4 Preview
どのくらいの長さ、どの解像度で生成できますか？

長さは3〜16秒の整数秒で、デフォルトは5秒です。解像度は540p、720p、1080p、2K、4Kの5段階で、デフォルトは720pです。同じプロンプトのまま段階を変えて再実行するだけでよく、書き換える必要はありません。

モデルと機能 Vidu Q4 Preview
料金はどのように計算されますか？

提出された整数秒の長さに、選択した解像度の1秒あたりの単価を掛けて課金されます。audio スイッチ、参照画像の枚数、参照音声の数はいずれも単価を変えません。具体的な金額は料金ページを基準とし、各タスクの課金明細はタスク記録で確認できます。

モデルと機能 Vidu Q4 Preview
参照画像は冒頭にそのまま登場しますか？

いいえ。参照画像は人物・小道具・シーンの見た目を描写するもので、モデルはプロンプトに従って構図を作り直すため、冒頭の画面が参照画像のいずれかと一致することはありません。画像を必ず最初のフレームにしたい場合は、画像から動画を生成してください。

モデルと機能 Vidu Q4 Preview
Vidu Q3 Mix とは何が違いますか？

Q3 Mix は 1〜7 枚の参照画像を受け付け、最大 1080P・1〜16 秒で、参照音声は受け付けません。Q4 Preview は 1〜15 枚の参照画像に加えて最大 3 本の参照音声を受け付け、最大 4K・3〜16 秒です。音色を固定したい場合、参照画像を増やしたい場合、4K が必要な場合は Q4 Preview を選んでください。

モデルと機能 Vidu Q4 Preview
Vidu Q3 Ad との違いは何ですか？

Q3 Ad は商品広告向けで、参考画像を1〜7枚受け付け、3〜15秒、720P または 1080P で、カメラワーク・カット割り・効果音を広告のリズムに合わせて生成します。Q4 Preview は固定キャラクターと音色向けで、参考画像は最大15枚、音色をロックでき、最高4Kに対応します。商品広告なら Q3 Ad を優先し、シリーズキャラクターや4Kが必要な場合は Q4 Preview を使用してください。

モデルと機能 Vidu Q4 Preview
このモデルは画像を生成できますか？

テキストと画像を入力として受け取り、テキストを返します。画像の説明、文書やグラフの理解、視覚的質問応答、画像と組み合わせた推論に適しています。画像の生成や編集には、対応する画像モデルを選択する必要があります。

モデルと機能
どのモデル ID とインターフェースを使用すべきですか？

model には deepseek-v4-flash-vision-exp を指定します。POST /v1/responses を推奨し、input でコンテンツを渡します。POST /v1/chat/completions を使用し、messages 経由でコンテンツを渡すこともできます。2 つのインターフェースでは画像形式が異なるため、対応するサンプルを使用してください。

モデルと機能
画像はどうアップロードしますか？複数枚の画像に対応していますか？

Playground は JPEG、PNG、WebP、GIF のアップロードまたは貼り付けに対応しており、1メッセージあたり最大 4 枚、各画像 10 MB 以下です。API では公開 HTTPS 画像 URL または base64 data URL を使用できます。Responses では input_image、Chat Completions では image_url コンテンツブロックを使用します。上記のアップロード枚数とサイズは Playground の制限です。

モデルと機能
推論を選択または無効化するには？

Responses では reasoning.effort を使用し、ページには none、low、medium、high が用意されており、デフォルトは high です。none は推論を無効化します。その他のレベルは推論タスク向けで、実際の所要時間と Token 使用量は問題によって異なります。Chat Completions で推論を無効化する場合は reasoning.enabled=false を使用します。

モデルと機能
コンテキストと出力長はどれくらいですか？なぜ回答が途切れるのですか？

このページのコンテキストウィンドウは 1,048,576 Token、出力予算の上限は 262,144 Token です。Playground とデフォルトの例では 1,024 を使用します。出力予算には推論 Token が含まれるため、複雑な問題では本文を生成する前に多くの予算を消費する場合があります。途切れが発生した場合は max_output_tokens を増やすか、推論をオフにして再試行してください。入力と出力の合計量は引き続きコンテキスト制限を満たす必要があります。

モデルと機能
画像、推論、キャッシュ Token はどのように課金されますか？

画像 Token は入力として、推論 Token は出力としてカウントされ、キャッシュヒットした入力はキャッシュ入力の単価で精算されます。入力・出力・キャッシュの単価は本ページのリアルタイム価格セクションをご覧ください。Responses の usage.input_tokens、usage.output_tokens、input_tokens_details.cached_tokens を呼び出しログと照合できます。キャッシュヒットはリクエスト全体が無料になることを意味しません。

モデルと機能
マルチターン会話では履歴を再送信する必要がありますか？

このページの例では store:false を使用しており、各ターンで保持が必要なコンテキストを input に再び渡します。サーバーは前のターンで返されたテキストだけを根拠に会話全体を自動的に記憶することはありません。Chat Completions を使用する場合は、必要な履歴を messages に入れてください。

モデルと機能
JSON 出力と関数呼び出しはサポートされていますか？

サポートされています。Responses では text.format.type=json_object で JSON を要求でき、tools と tool_choice で関数を宣言・選択できます。モデルが関数呼び出しを返したら、アプリケーション側で関数を実行し、call_id に対応する function_call_output を返送します。モデルがアプリケーションの代わりにローカルコードを実行することはありません。完全なリクエストは API ドキュメントの例を参照してください。

モデルと機能
ストリーミング応答の終了はどう判断しますか？

Responses では response.output_text.delta で本文の差分を受け取り、response.completed で最終的な usage を読み取ります。response.incomplete と response.failed も処理する必要があります。Responses が Chat Completions の [DONE] マーカーを返すのを待たないでください。後者は Chat Completions ストリームでのみ使用されます。

モデルと機能
既存の HiAPI API Key はそのまま使えますか？

はい、そのモデルの呼び出し権限が Key にあり、アカウント残高が十分であることが前提です。OpenAI SDK の base_url には https://api.hiapi.ai/v1 を使用し、responses.create または chat.completions.create を選択します。Web の Playground はログイン状態を使用するため、API Key を貼り付ける必要はありません。

モデルと機能
Wan 2.6 Flash のイメージ・トゥ・ビデオにはどのような入力が必要ですか？

画像1枚とプロンプトです。画像は動画の冒頭として使用され、プロンプトで動作、カメラワーク、雰囲気を記述します。

モデルと機能 Wan 2.6 Flash
複数の画像を送信できますか？

いいえ、image_urls は 1 枚の画像のみ受け付けます。

モデルと機能 Wan 2.6 Flash
画像にはどのような要件がありますか？

JPG、PNG または WebP、最小 256×256 ピクセル、10MB 以下。

モデルと機能 Wan 2.6 Flash
対応している長さはどれですか？

5、10、15 秒、デフォルトは 5 秒です。

モデルと機能 Wan 2.6 Flash
対応している解像度は？

720p と 1080p、デフォルトは 720p です。

モデルと機能 Wan 2.6 Flash
出力アスペクト比はどう設定しますか？

設定は不要です。出力アスペクト比は入力画像に従います。横長画像は横長画面、縦長画像は縦長画面で出力されます。

モデルと機能 Wan 2.6 Flash
音声スイッチにはどのような役割がありますか？

audio を有効にすると、映像に同期した環境音と効果音が生成されます。デフォルトでは無効で、無音の動画が生成されます。

モデルと機能 Wan 2.6 Flash
音声を有効にすると料金に影響しますか？

はい。音声付き動画は音声ありの料金で毎秒課金され、音声なし動画は音声なしの料金で課金されます。また、1080p は 720p より高くなります。現在の価格は価格ページを基準とします。

モデルと機能 Wan 2.6 Flash
料金はどのように計算されますか？

動画の秒数に応じて課金され、1秒あたりの価格は解像度と音声の有無によって決まります。

モデルと機能 Wan 2.6 Flash
プロンプトは中国語でも使えますか？

はい、中国語と英語の両方に対応しています。最大 1,500 文字です。

モデルと機能 Wan 2.6 Flash
プロンプトはどう書くとより効果的ですか？

画像で主体とシーンはすでに決まっているので、プロンプトでは動作、カメラワーク、雰囲気を重点的に書きます。例えば「キツネが振り向いてカメラを見る、金色の落ち葉が舞い落ちる、カメラがゆっくりと推進する」のようにします。

モデルと機能 Wan 2.6 Flash
生成された動画はどのくらい保存されますか？

結果リンクには有効期限があります。長期保存が必要な場合は、速やかにダウンロードするかご自身のストレージに転送してください。

モデルと機能 Wan 2.6 Flash
Wan 2.7 Image 標準版とは何ですか？

これは Wan 2.7 画像シリーズの標準グレードです。1 つのモデル ID で純粋なテキストからの画像生成と参照画像編集の両方をサポートし、1K または 2K で出力でき、最大 9 枚の参照画像を指定できます。

モデルと機能
標準版と Wan 2.7 Image Pro の違いは何ですか？

標準版は 1K/2K に対応し、テキストから画像生成と参照画像編集の両方をカバーします。Pro は 1K/2K/4K に対応しますが、テキストから画像生成のみで、参照画像は受け付けません。4K の純粋なテキストから画像生成が必要な場合は Pro を、2K 以内の生成と編集が必要な場合は標準版を使用してください。

モデルと機能
参考画像の編集はサポートされていますか？最大何枚までですか？

サポートしています。最大9枚の公開画像URLを渡せます。画像を渡さない場合はプロンプトに従って生成し、画像を渡した場合はプロンプトに従って画像を編集または参考生成します。

モデルと機能
参照画像がある場合でもアスペクト比を設定できますか？

できませんし、その必要もありません。出力のアスペクト比は最後の参照画像に従い、このとき aspect_ratio は有効になりません。純粋なテキストからの画像生成時には、aspect_ratio で8種類のアスペクト比から1つを選択できます。

モデルと機能
対応している解像度とアスペクト比は？

解像度は 1K と 2K に対応しています。テキストからの画像生成では、アスペクト比 1:1、16:9、4:3、21:9、3:4、9:16、8:1、1:8 の計 8 種類に対応しています。

モデルと機能
1回のリクエストで何枚の画像を生成しますか？

現在の HiAPI モデルは毎回固定で 1 枚の画像を生成し、生成に成功した画像の枚数に応じて課金されます。

モデルと機能
参照画像はどのような形式とサイズに対応していますか？

JPEG、PNG、BMP、WebP に対応しており、1 枚あたり 20 MB 以下、辺の長さ 240～8000 ピクセル、アスペクト比 1:8～8:1 です。

モデルと機能
中国語のプロンプトと画面内の文字はサポートしていますか？

中国語と英語のプロンプトはどちらも使用できます。画面内の文字は短いタイトルを使用し、一字一句プロンプトに書き込むことをおすすめします。中国語の組版は文字数、フォント、画面サイズの影響を受けるため、正式な素材にはまず 1K のサンプルで確認することをおすすめします。

モデルと機能
Wan 2.7 Image API はどのように呼び出しますか？

POST /v1/tasks に非同期タスクを送信し、model には wan2.7-image-standard を使用し、input に prompt を渡します。任意で image_urls、aspect_ratio、resolution、seed を指定できます。タスク完了後、タスク ID で結果を照会します。

モデルと機能
Wan 3.0 Prime はどのような入力に対応していますか？

必須なのはプロンプトのみです。任意入力として、最初のフレームと最後のフレーム、最大 10 枚の参照画像、最大 5 本の参照音声、1 件の参照ドキュメントまたは 1 つの参照 Web ページが利用できます。参照動画の入力は現在未対応です。

モデルと機能
最初と最後のフレームと参考素材は一緒に使えますか？

いいえ。最初と最後のフレームモードと、参考画像・音声・ファイル・Webページといった配列は排他的で、タスクごとにどちらか一方の制御方式を選択します。参考ファイルと参考Webページの間でも二者択一となります。

モデルと機能
参照オーディオにはどのような要件がありますか？

WAV または MP3、各セグメントは 1～15 秒、最大 5 セグメントで、参照画像と一緒に使用する必要があります。プロンプト内では Audio1、Audio2 で順番に参照し、それがナレーション、台詞、または音楽のいずれであるかを説明してください。

モデルと機能
どのような長さ、解像度、アスペクト比に対応していますか？

長さは2～30秒を整数秒で設定します。解像度は480P、720P、1080P。アスペクト比はadaptive、16:9、4:3、1:1、3:4、9:16で、adaptiveは入力素材とプロンプトに基づいて決定されます。

モデルと機能
動画には音声が付きますか？

デフォルトでは映像に同期した音声トラックが生成され、音声の内容はプロンプトで指定できます（例：環境音、ナレーション）。audio を false にすると映像のみを出力できます。

モデルと機能
Wan 3.0 Prime と Wan 3.0 Video の違いは何ですか？

Prime は Wan 3.0 の高速化ルートです。プロンプト、開始・終了フレーム、参照画像、音声、ファイル、Web ページの使い方は両者で同じで、model ID を切り替えるだけで移行できます。Prime は現在、参照動画の入力を受け付けません。また、2 つのルートでは料金が異なります。

モデルと機能
同じ結果を再現するにはどうすればよいですか？

固定の seed（0 から 2147483647）を渡し、プロンプトやその他のパラメータを変更しなければ、高い一貫性のある結果が得られ、微調整後の比較がしやすくなります。

モデルと機能
Wan 3.0 Prime の課金方法は？

出力動画の再生時間と解像度のティアに応じて課金され、失敗したタスクは全額返金されます。具体的な単価は本ページのリアルタイム価格を基準とします。

モデルと機能

よくある質問