実践的な AI 動画ガイド
AI 商品動画ジェネレーター
VidVid で商品写真を EC 動画に変換。モデル選び、クレジット消費、コピペで使えるプロンプト、失敗の直し方、再利用できる商品動画ワークフロー。
VidVid で作成商品動画は、かつてスタジオ・照明機材・編集者を必要としました。今の最短ルートは、商品写真・ショットの記述・被写体を止めたままカメラだけを動かせるモデルです。このガイドでは VidVid での全工程——モデルの選び方、プロンプトに書くべきこと、生成が崩れる箇所、バッチ前のクレジット見積もり——を扱います。
向いているケース・向いていないケース
商品動画生成は「商品がすでに存在し、動きを足すだけ」のときに最も機能します。ゼロから商品を創り出す用途ではありません。
- 向いている: EC の商品動画、広告クリエイティブの冒頭、新製品ティザー、アパレルのルックブック、アプリ・SaaS プロモ、A/B 用クリエイティブ、質感のマクロカット。
- 向いていない: 画面内に正確な文字が必要なもの（価格タグ、法的注記、成分表示）、規制対象の効能表現、ロゴを厳密に保つ必要があるパッケージ。これらは後処理で載せます。
- 絶対にしない: モデルに商品仕様を創らせること。面積・価格・成分・認証・住所は人の確認した自社データのみ。
実際のカタログに耐えるワークフロー
- 成果指標を一つ決める。 クリック獲得・質感提示・参考写真の再現・縦型枠の埋め——この一つの選択がモデルと尺を決めます。
- 静止画を先に整える。 被写体を中央に、背景は無地、強い反射なし、輪郭はシャープ。入力が弱いと毎回の再生成でコストが膨らみます。
- 雰囲気ではなくショットを書く。 被写体 + 動き + カメラ + 光 + フォーマット。「白い陶器のボウルにゆっくり寄る、黒背景のスタジオ」は「高級感ある商品映像」より効きます。
- 短く安く検証する。 まず 2〜4 秒・480p。被写体の安定性・カメラ速度・光を固定してから尺と解像度を上げます。
- 動画単位ではなくカット単位で生成する。 5 秒カットを 3 本作って繋ぐ。モデルは 1 拍なら正確で、3 拍では破綻します。
- 仕上げはジェネレーターの外で。 字幕・ロゴ・価格・BGM・エンドカードは編集作業です。
商品動画のモデル選び
| モデル | 得意領域 | 入力 | 消費例 | 選ぶ場面 |
|---|---|---|---|---|
| Wan 3.0 | 映画的な動き、物語性のあるシーン | テキスト→動画、画像→動画 | 28 クレジット（2s・480p） | 最安でカットを検証したいとき |
| Kling 3.0 Turbo | アクションとカメラ制御 | テキスト→動画、画像→動画 | 68 クレジット（3s・720p） | カメラワーク自体が主役のとき |
| Seedance 2.5 | 人物の動き、広告、SNS クリップ | テキスト→動画、画像→動画、動画→動画、延長 | 144 クレジット（4s・480p） | 4〜30 秒・複数アスペクト・延長が必要なとき |
| PixVerse 5.6 | スタイライズと視覚効果 | テキスト→動画、画像→動画 | 90 クレジット（5s・360p） | 写実よりスタイル・効果を優先するとき |
| Veo 3.1 Fast | 高精細な映画的シークエンス | テキスト→動画、画像→動画 | 240 クレジット（4s・720p） | 反復数より最終品質が重要なとき |
| MiniMax H3 | 高インパクトの短いシネマ動画 | テキスト→動画、画像→動画 | 24 クレジット（3s · 480p） | 本数に展開する前に最も安く 1 ショットを検証する |
上記のクレジットは 2026-09-21 時点で VidVid の料金ページに掲載されている構成例です。実際の消費量は選択したモデル・尺・解像度に応じて生成ボタン上に表示され、モデルの更新で変わります。バッチ実行前に必ずその時点の数値を確認してください。現在の料金を見る
そのまま使えるプロンプト
プロンプト 1 — 商品の見せ方（画像→動画）
参照画像の陶器のボウルにカメラがゆっくり寄る。マンゴーの粒はシャープなまま、果肉の質感は変化しない、柔らかいトップライト、マットなスタジオ背景、浅い被写界深度、5 秒、16:9、手ブレなし、商品は変形しない。
プロンプト 2 — 縦型の冒頭
手持ち感のあるアクティブな動き、1 秒目に商品がフレームイン、明るいアクセントライト、整理された背景、3 秒、9:16、サムネイルサイズでも被写体が読み取れる。
プロンプト 3 — 質感のマクロ
織物の目の極端なマクロ、非常にゆっくりした横移動、斜めからの光で質感を出す、色は変化しない、4 秒、1:1、固定フレーミング。
プロンプト 4 — パッケージのターンテーブル
清潔な白い台の上で商品がゆっくり回転、均一で柔らかいスタジオ光、わずかな接地影、パッケージの文字は判読可能で歪まない、5 秒、1:1。
プロンプト 5 — ライフスタイルの挿入カット
木のテーブルの上の商品、湯気が立ち上る、浅い被写界深度、暖かい実用光、カメラは静止、4 秒、16:9。
量産前に実行する 3 枚のテストカード
カード A — 忠実な商品ループ。 入力：白背景の商品写真 1 枚。モデル：MiniMax H3。設定：5 秒・768P。プロンプト 4。確認点：ロゴは全フレームで残るか。出力・実時間・ **出力：**このカードの H3 実行結果（ファイル・プロンプト・設定）は下に公開しています。
カード B — 縦型広告の冒頭。 入力：テキストのみ。モデル：MiniMax H3。設定：5 秒・768P・9:16。プロンプト 2。確認点：サムネイルサイズで 1 秒目に商品が読めるか。 **出力：**このカードの H3 実行結果（ファイル・プロンプト・設定）は下に公開しています。
カード C — 質感の信頼カット。 入力：マクロの質感写真。モデル：MiniMax H3。設定：4 秒・768P・1:1。プロンプト 3。確認点：質感が保たれるか、プラスチックのように潰れないか。 **出力：**このカードの H3 実行結果（ファイル・プロンプト・設定）は下に公開しています。
この 3 枚のカードの裏にある MiniMax H3 実測 3 本
同じ 3 枚のカードを、MiniMax H3 の公式 API で 768P 固定・各 1 回実行しました。ファイル・プロンプト・設定はすべて下に公開しているので、そのまま再現できます。参考画像と汎用プロンプトによる基準実行であり、あなたの素材での結果ではありません。所要時間とフレーム安定性の証拠として読み、あなたの素材への評価とは切り分けてください。
実際に送ったプロンプト： A slow macro push-in on a matte ceramic object, realistic reflections, black studio background, premium commercial lighting, the object keeps its exact shape, no deformation, 5 seconds.
実際に送ったプロンプト： Vertical 9:16 product hook, energetic but controlled camera move, subject fully visible in the first second, bright accent colour, shallow depth of field, object shape stays fixed.
実際に送ったプロンプト： Extreme macro of a brushed metal surface, slow lateral camera move, reflected light crawling across the material, no distortion, commercial product photography look.
| カード | モード | 設定 | 出力ファイル | 投入 → 取得 |
|---|---|---|---|---|
| A | 画像→動画 | 5s · 768P | 1344×768, 24 fps, 5.2 s, 726 KB | 196 s |
| B | テキスト→動画 | 5s · 768P · 9:16 | 768×1344, 24 fps, 5.2 s, 1.0 MB | 117 s |
| C | テキスト→動画 | 4s · 768P · 1:1 | 768×768, 24 fps, 4.5 s, 341 KB | 83 s |
前提：同一モデルの単発 3 回です。VidVid 内部のクレジット減算は未計測、他モデルの所要時間も未計測、出力品質の採点もしていません（品質は人の判断です）。VidVid の H3 掲載例は 24 クレジット（3s · 480p）で、実際の値は生成ボタンで確認してください。
同じ 3 枚のカードを別モデルで回してみる
実測カードは「モデルだけが変数」のときに意味を持ちます。入力・プロンプト・尺・解像度を揃えれば、次の 1 回でそのモデルの違いが見えます。上の表にあるモデルと、掲載されている消費例：
- Wan 3.0 — 28 クレジット（2s・480p） — 最安でカットを検証したいとき
- Kling 3.0 Turbo — 68 クレジット（3s・720p） — カメラワーク自体が主役のとき
- Seedance 2.5 — 144 クレジット（4s・480p） — 4〜30 秒・複数アスペクト・延長が必要なとき
- PixVerse 5.6 — 90 クレジット（5s・360p） — 写実よりスタイル・効果を優先するとき
スタジオを開き、同じ参考画像を読み込み、同じプロンプトを貼り、モデルだけ切り替えてください。自分の素材での違いは 1 回で判断できます。 VidVid スタジオで比較を回す
クレジット数値は VidVid 料金ページ掲載の構成例（2026-09-21 取得）で、同じ設定のときだけ比較できます。これらのモデルは当方では計測していません。
モデルを替えて変わるのは請求と結果であり、手順ではありません。同じショットを本ガイドの他モデルで実行した場合：Kling 3.0 Turbo 68 クレジット (3s · 720p)、Seedance 2.5 144 クレジット (4s · 480p)、PixVerse 5.6 90 クレジット (5s · 360p)、Veo 3.1 Fast 240 クレジット (4s · 720p)。 実際に変わるのは：Kling 3.0 Turbo はカメラワークの維持に最も優れ、寄りの動きそのものがショットの主役となる場面ではこれが本命です；Seedance 2.5 は長めの商品デモや複数のアスペクト比に対応します；PixVerse 5.6 はスタイライズとエフェクト志向に寄っています；Veo 3.1 Fast は、ひとつのメインクリップがページを支える必要がある場合の高忠実度オプションです。
必ず遭遇する失敗と直し方
症状: 商品が変形する——取っ手が伸びる、キャップの形が変わる、ロゴが歪む、物体が別のものに変わっていく。
原因: 1 回の生成に動きを詰め込みすぎていること。長い尺 + 大きなカメラワーク + 曖昧な被写体記述は、モデルに即興の余地を与えます。
効く順の直し方:
- 尺を 2〜4 秒に切り、カメラワークを寄り・引き・小さな回り込みに絞る。
- テキスト→動画から画像→動画へ切り替え、実際の商品写真を渡す。参照駆動の生成は記述駆動より形を保ちます。
- 明示的な制約を足す：
商品は変形しない、形状は変化しない、手ブレなし、文字は判読可能。 - 動きを分割する——固定の質感カットと動きのあるカットを別に生成して繋ぐ。
特定の商品が何度も崩れるなら、プロンプト調整でクレジットを消費するのをやめ、静止画を撮り直してください。EC における「モデルの問題」の多くは入力写真の問題です。
商品動画の実際のコスト
クレジット残高ではなく、納品物から逆算します。
- カットの検証: 2〜4 秒・480p の 1 回はモデルにより約 28〜144 クレジット。3 案出して 1 つ残す。
- 15 秒の商品動画を仕上げる: 5 秒カット ×3 本を各 2 回生成し、720p なら数百クレジット規模。Creator プランの月 2,000 クレジットで複数商品を十分カバーできます。
- 広告クリエイティブのテスト: ここが量を食う工程です。テスト局面は全て 480p、勝った案だけ 720p / 1080p で再生成。
クレジットは通貨ではなくサイト内の利用単位で、実効コストはプランやパックで変わります。プランを比較
静かにクレジットを消費するミス
- 最初から最終解像度で生成する。必ず 480p で検証する。
- 画面内の文字を生成で求める。価格・タイトル・字幕は後処理で。
- 15 秒を 1 回で完璧に、と追いかける。5 秒 ×3 本の方が安い。
- 全アングルで同じ写真を再利用する。2 枚目・3 枚目を用意する。
- モデルが創り出した細部を商品の事実として公開する。
よくある質問
商品写真 1 枚から動画にできますか？
できます。EC ではテキスト→動画より通常こちらが有利です。画像→動画は商品の実物の形・色・パッケージを保ち、モデルは動きとカメラワークだけを足します。
まずどのモデルを使うべき？
Wan 3.0 の 2 秒 / 480p で構図を安く検証し、固まったら Kling 3.0 Turbo か Seedance 2.5 で本番カットを作ります。
商品カットは何秒が適切？
1 カット 3〜5 秒。長尺を 1 回で生成するのではなく、短いカットを繋いで商品動画を組み立てます。
商品が変形するのはなぜ？
1 回の要求に動きが多すぎるためです。尺を短く、カメラワークを小さく、画像→動画に切り替え、形状は変化しない を明示してください。
出力は商用利用できますか？
VidVid のプランにはウォーターマークなしの商用出力が含まれます。広告出稿前に料金ページで最新条件を確認してください。
支払う前に MiniMax H3 の実出力を見られますか？
はい。本ページに H3 の実測 3 本を、プロンプト・設定・MP4 ファイルごと公開しています（768P、4〜5 秒、投入から取得まで 83〜196 秒）。他のモデルは掲載の消費例のみですので、同じプロンプトで 1 回回して自分の素材で比べてください。
次のステップ
- VidVid スタジオ を開き、自分の商品写真でカード A を実行する。
- モデルを横並びで比較：AI 動画モデル比較。
- バッチ前に AI 動画の料金とクレジットのガイド を読む。
- 縦型を作るなら 縦型 AI 動画ガイド。