生成器ではありません。ショットごとに最適なモデルを選ぶAI動画エージェント。

生成器はプロンプトを1つ受け取ってクリップを1本返します。モデルの選択、すべてのパラメータ調整、編集のたびにやり直す作業はあなたの仕事です。一方エージェントはシーンを理解し、ショットごとに最適なモデルを選び、音声と参照の連続性を処理し、会話を通じてカットを磨き上げます。エージェントはレンダリングのステップだけでなく、制作全体を指揮します。

エージェントはシーンを読み取ります — シネマティックかSNS向けか、対話かアクションか、参照の有無 — そして各モデルの強みにマッチングします。ネイティブ音声はVeo 3.1に、物理的にリアルなモーションはSora 2に、リップシンク対話はSeedanceに、参照の連続性はWanにルーティングされます。どの選択も手動で上書きできます。

はい。シーンに同期サウンド（BGM、対話、効果音）が必要な場合、エージェントはVeo 3.1またはSeedance 2.0にルーティングします。どちらも動画と一緒にネイティブ音声を生成します。別途音声パスは不要です。

Veo 3.1、Sora 2、Seedance 2.0、Kling 2.5、Wan 2.5、さらにPixMindの動画カタログ全体。PixMindで新モデルが利用可能になると、随時追加されます。

はい。参照画像をアップロードすると、エージェントは参照追従性の高いモデル（通常はWanまたはSeedance）にルーティングし、出力があなたのルックに合致するようにします。最初と最後のフレーム制御も同じモデルでサポートされます。

エージェントに変更点を自然な言葉で伝える — 「パンをゆっくり」「2つ目のショットの色味を暖かく」— すると、影響を受けたショットだけを再レンダリングし、編集の残りは安定して保ちます。毎回ゼロからやり直す必要はありません。

それぞれのツールは、ひとつのモデルの長所と短所に固定されます。エージェントはひとつの会話で全モデルを提供し、ショットごとに選び、スレッドの途中で切り替えもできます。3つのツールを学ばずに、Veoの音声、Soraの物理、Seedanceのリップシンク、それぞれのベストな部分を手に入れられます。

クリップの長さはエージェントがルーティングしたモデルによって異なります — 通常ショットあたり5〜10秒で、マルチショット編集は会話内で組み立てられます。VeoやSeedanceなどのネイティブ音声モデルはクリップあたりより長くできます。

レンダリングにはクレジットが消費され、そのコストはエージェントが選んだモデルによって異なります — 例えばVeoはKlingより高額です。生成前に必ずコストが表示され、失敗したレンダリングではクレジットは消費されません。