動画生成AI・画像生成AI・音楽生成AI・AIナレーション
動画も画像も音楽もナレーションも、同じ場所で
AI動画・画像・音楽スタジオは、ひとつの流れで、2〜30秒の MP4 動画、PNG 画像、MP3 の曲やインストゥルメンタル、40言語のナレーションを作ります。画像や動画は狙った部分だけを直せ、シリーズにはボイスクローンで専用のボイスを作れ、仕上がったファイルはまとめて残ります。AI動画・画像・音楽スタジオは、Claude Code、Codex、Cursor など、Skill を実行できる Agent で使えます。
AI動画・画像・音楽スタジオ をインストールし、サインインが必要になったら知らせてください：https://beatra.ai/skills/ai-video-image-music-studio/install.md
Agent 向け：インストール手順Markdown 版
WorkBuddy、Codex、Claude Code などの Agent に送ればインストールできます。初回だけサインインします。GitHub ↗ドキュメント ↗スマートフォンで使う：WeChat ミニプログラム
オールインワンの制作フローで得られるもの
四つの形式が一つのフローに
画像、動画、音楽、ナレーションが同じ制作フローから生まれます。静止画がカットになり、カットに音楽が付き、原稿がナレーションになるまで、毎回ゼロから説明し直す必要はありません。
作ったものをそのまま次へ
手元の写真、気に入ったフレーム、生成済みのクリップを次の形式へ持ち込めるので、トーン、被写体、テンポが一式を通してそろいます。
ファイルも費用も明確に
完成した成果物は、リンク、サイズ、長さ、形式とともに返り、そのまま次の制作に使えます。
どう作るか
一行のテキスト、一枚の写真、または原稿
アイデアは今ある形のままで大丈夫です。テキストのブリーフ、手元の画像や動画、前回できあがった成果物、参考にしたい曲——どれかがあれば始められます。
テキストのブリーフまたは原稿 · 手元の画像・動画・音声 · 前回できあがった成果物 · アスペクト比、言語、ボイスの希望
画像・動画・音楽・ナレーションを一つのフローで
形式ごとに最適なルートを通ります。テキストや参考画像から画像へ、静止画や参考セットから動画へ、アイデアから曲やインストゥルメンタルへ、原稿からナレーションへ。
テキストから画像、複数参考画像による構図 · テキストから動画、画像から動画、最初と最後のフレーム、延長、編集 · 曲、インストゥルメンタル、参考曲を活かした制作 · 多言語ナレーションと再利用できる専用ボイス
返ってくるのは実ファイルと実数値
完成した成果物は、そのまま使えるだけの情報とリンクを伴って返るので、一式を編集、商品ページ、投稿へ直接持ち込めます。
リンク、サイズ、長さ、形式 · 追える進行状況 · できあがった成果物と再利用できる素材 · 素材と成果物をまとめて確認・管理
四つの形式を、一度の制作で
ショート動画とSNS投稿
訴求ポイントや導入の一言から縦型動画を作り、同じトーンのカバー画像、BGM、そのまま投稿できるナレーションをそろえます。
商品とブランドのビジュアル
すっきりした商品画像を生成し、いちばん良いフレームを短尺の映像に仕上げ、販売する市場の言語でナレーションを重ねます。
講座・ポッドキャスト・音声コンテンツ
原稿を自然なナレーションにし、多言語にも展開しながら、シリーズを通して同じ専用ボイスを使い、カバー画像とオープニング曲まで用意します。
短編映像とストーリー
生成した静止画でルックを固め、カットを延長・編集してシーケンスにまとめ、オリジナルのインストゥルメンタルで仕上げます。
入力と出力
入力 · テキスト：アイデア、プロンプト、歌詞、原稿
入力 · 画像：写真や参考画像（任意）
- 形式
- JPG、PNG、WEBP
- 仕様
- 1 リクエストあたり最大 4 枚
入力 · 動画：編集・延長する動画（任意）
- 形式
- MP4、MOV
- 仕様
- 1 ファイル最大 100 MB
入力 · 音声：専用ボイス用の音声サンプル（任意）
- 仕様
- 10〜300 秒／1 ファイル最大 20 MB
出力 · 動画：動画クリップ
- 形式
- MP4
- 仕様
- 2〜30 秒／480p、720p、1080p、2K、4K
出力 · 画像：画像
- 形式
- PNG
- 仕様
- 1 リクエストあたり最大 4 枚／1K、2K、4K
出力 · 音声：曲またはインストゥルメンタル
- 形式
- MP3
出力 · 音声：ナレーション・ボイスオーバー
- 形式
- MP3、WAV
- 仕様
- 40 言語
| 入力／出力 | 種類 | 形式 | 仕様 |
|---|---|---|---|
| 入力 | テキスト：アイデア、プロンプト、歌詞、原稿 | — | — |
| 入力 | 画像：写真や参考画像（任意） | JPG、PNG、WEBP | 1 リクエストあたり最大 4 枚 |
| 入力 | 動画：編集・延長する動画（任意） | MP4、MOV | 1 ファイル最大 100 MB |
| 入力 | 音声：専用ボイス用の音声サンプル（任意） | — | 10〜300 秒／1 ファイル最大 20 MB |
| 出力 | 動画：動画クリップ | MP4 | 2〜30 秒／480p、720p、1080p、2K、4K |
| 出力 | 画像：画像 | PNG | 1 リクエストあたり最大 4 枚／1K、2K、4K |
| 出力 | 音声：曲またはインストゥルメンタル | MP3 | — |
| 出力 | 音声：ナレーション・ボイスオーバー | MP3、WAV | 40 言語 |
よくある質問
手元の写真からそのまま動画を作れますか？
はい。手元の画像を最初のフレームとして取り込み、指定した動き、長さ、トーンで映像を生成します。
音楽も一緒に作れますか？
はい。ムード、ジャンル、長さを伝えると、そのまま映像に乗せられる曲やインストゥルメンタルが返ります。
同じ原稿を複数の言語で出せますか？
はい。ナレーションは多言語に対応し、同じ原稿を市場ごとに読み上げた音声として返し、それぞれでボイスを選べます。
シリーズを通して同じボイスを使えますか？
はい。クリーンな録音から再利用できる専用ボイスを作り、以降の各話で使い続けられます。
一部分だけ直せますか？
はい。手元の画像や動画で直したい箇所を伝えると、その部分を調整します。
