HeyGen Video 1とは？スマホで何が変わるのか
動画生成のワークフロー変化
これまで（PCブラウザ中心）
- PCのブラウザで作業
- プロンプトを長々と書く
- 生成を待つ
- 修正して再生成
HeyGen Video 1（モバイルアプリ）
- iOS/Androidアプリから直接利用
- アプリを開いて作りたいものを記述
- 思いついた瞬間に動画を作れる
- テキスト・画像・参照素材から音声付き動画を生成
室谷代表取締役HeyGenが動画生成モデル「HeyGen Video 1」をモバイルアプリで使えるようにした、という発表がありました。HeyGen Video 1は、HeyGenが提供する汎用動画モデルで、テキスト・画像・参照素材から音声付きの動画を生成できるものです。
今回これがiOS/Androidのアプリから直接使えるようになった、というのがニュースの芯なんですよね。
今回これがiOS/Androidのアプリから直接使えるようになった、というのがニュースの芯なんですよね。
テキトー教師DotAI 認定講師そうですね。公式スレッドでは「We brought HeyGen Video 1 to mobile」とあって、アプリを開いて作りたいものを記述すれば、アイデアが浮かんだその瞬間に動画を作れる、という打ち出しになっています。
発表では「この動画のすべてがこれで作られた」とも述べられていて、モデルの出力そのものをデモとして見せている構成です。
発表では「この動画のすべてがこれで作られた」とも述べられていて、モデルの出力そのものをデモとして見せている構成です。
室谷代表取締役これ、地味に見えて結構大きいんですよ。動画生成ってこれまでPCのブラウザで、プロンプトを長々書いて、生成を待って、また修正して……というワークフローが中心だったんですよね。
それがスマホで、思いついた瞬間に試せるようになる。MYUUUでも「移動中に思いついた案をその場で形にしたい」という相談は多いので、そこに刺さる発表だなと。
それがスマホで、思いついた瞬間に試せるようになる。MYUUUでも「移動中に思いついた案をその場で形にしたい」という相談は多いので、そこに刺さる発表だなと。
テキトー教師DotAI 認定講師講座でも「まず触ってみる」が大事だと伝えているんですが、スマホで動くようになるとそのハードルが一段下がりますね。単に「アプリが出た」という話じゃなくて、動画生成の入口が身近になるという話なんですよ。
室谷代表取締役ちなみにHeyGen Video 1そのものについては、HeyGen Video 1.0とは？音声付き汎用動画モデルの料金と使い方でも整理しているので、モデルの基本を先に押さえたい方はそちらもどうぞ。
HeyGen Video 1でできること——テキスト・画像・参照から動画を作る
HeyGen Video 1の3つの生成モード
テキスト→動画
- プロンプトから新しいシーンと音を生成
- クリップ長は5〜30秒
画像→動画
- プロンプトと1枚の画像から生成
- その画像を最初のフレームにしたクリップ
- クリップ長は5〜30秒
テキトー教師DotAI 認定講師ここは公式ドキュメントが詳しいので、そこを軸に整理したいと思います。HeyGen Video 1は、HeyGenがMiniMax H3を基盤に追加学習した汎用動画モデルで、被写体・背景・光・音を1回の生成でまとめて出力するのが特徴です。
室谷代表取締役音が一緒に出てくるのがポイントなんですよね。台詞も環境音も効果音も、同じプロンプトから生成される。
別途音声合成をして、リップシンクを合わせて……という工程が要らないと。これは動画制作の手数をかなり変えますよ。
別途音声合成をして、リップシンクを合わせて……という工程が要らないと。これは動画制作の手数をかなり変えますよ。
テキトー教師DotAI 認定講師生成モードは3種類あります。整理するとこうです。
- テキスト→動画（text_to_video）：プロンプトから新しいシーンとその音を生成
- 画像→動画（image_to_video）：プロンプトと1枚の画像から、その画像を最初のフレームにしたクリップを生成
- 参照→動画（reference_to_video）：プロンプトと、自分の画像・動画・音声を渡し、渡した製品・人物・場所を保った新しいシーンを生成
室谷代表取締役参照モードは実務で効きますよね。商品の色や形、ロゴの位置を保ったまま映像にする、というのはECや広告だと需要が大きい。
クライアントワークだと「商品が変わってしまう」が一番の事故なので、そこを担保できるのは強いです。
クライアントワークだと「商品が変わってしまう」が一番の事故なので、そこを担保できるのは強いです。
テキトー教師DotAI 認定講師クリップの長さは、テキスト→動画と画像→動画が5〜30秒、参照→動画が5〜15秒です。各クリップには台詞・環境音・効果音の音声トラックが付くので、別途の音声パスもリップシンク工程もアバター選択も不要、とドキュメントに書かれています。
室谷代表取締役ただし、アバターのレンダリングエンジンとは別物だという説明もされていますよね。アバター系は「すでに持っているルックを、書いた台本どおりに動かす」もの。
HeyGen Video 1は「説明から被写体・設定・光・音を丸ごと発明する」もの。ここは混同しないほうがいい。
HeyGen Video 1は「説明から被写体・設定・光・音を丸ごと発明する」もの。ここは混同しないほうがいい。
テキトー教師DotAI 認定講師自分のアバターをHeyGen Video 1のショットに登場させたい場合は、Cinematic Avatarでmodel: "heygen_video_1"を指定する、という案内になっています。アプリ側の説明でも、テキストからアバターが台本を読み上げる動画、写真1枚からトーキングアバターを作るAvatar 4、AI音声とリップシンク、SNS向けキャプション、長尺リンクをショートにするInstant Highlights、175以上の言語の動画翻訳などが並んでいます。
室谷代表取締役動画翻訳が175以上というのは、海外向けに展開する人には大きいですよね。吹き替えの声もリップの動きも自然に合わせる、という説明でした。
HeyGenアプリでの使い方・始め方——アイデアを書いてその場で動画に
まとめ
HeyGenアプリの始め方とプロンプト作成の要点
- アプリは無料ダウンロードで、iOSとAndroidの両方が用意されている
- アプリを開いて、作りたい動画を記述するのが基本の流れ
- プロンプトは「絵コンテのように書く」考え方で、フレームに何があるか、カメラがどう見るか、どう見えるか、どう聞こえるかを書く
- 公式が示す4点は「被写体とアクション」「カメラ」「ルック」「音と制約」
- 被写体とアクション：1つの明確な被写体が1つのことをする（パン職人がオーブンを開ける、コーヒーが湯気を立てる）
- カメラ：カメラ・レンズ・動きを指定する（35mm、固定、ゆっくりプッシュイン）
- ルック：光とグレーディングを設定する（柔らかい窓の自然光、細かいフィルムグレイン、落ち着いた色）
- 音と制約：何が聞こえるかを書き、入れたくないもの（音楽なし、ロゴなし、文字なし）を明示する
- カメラを名指しすると効く（例：ARRI Alexa Miniの35mm、f/4、フィルムグレイン、ティール＆オレンジのグレーディングなし）
- 「質感を求め、その後で修正を禁じる」：レタッチなし・美肌フィルターなし・グラマー照明なしと明示する
- 「頼んでいないマークを排除する」：ロゴ、ブランド名、印刷された文字、バッジをフレーム内に入れないと書く（商用なら必須）
- 文字を入れる場合は短いフレーズを正確に綴って指定する。長い画面上のテキストは苦手
- 固定シードで反復し、プロンプトだけ変えて比較する
- 長いプロンプトのほうが良く、数百から数千文字が目安で詳細さにペナルティはない
テキトー教師DotAI 認定講師では実際の始め方です。アプリは無料ダウンロードで、iOSとAndroidの両方が用意されています。
アプリを開いて、作りたい動画を記述する。これが公式スレッドで示された基本の流れです。
アプリを開いて、作りたい動画を記述する。これが公式スレッドで示された基本の流れです。
室谷代表取締役プロンプトの書き方も公式が指針を出していて、これがなかなか実用的なんですよ。「絵コンテのように書く」という考え方で、フレームに何があるか、カメラがどう見るか、どう見えるか、どう聞こえるかを書く、と。
テキトー教師DotAI 認定講師整理すると、公式が示しているのはこの4点です。
- 被写体とアクション：1つの明確な被写体が1つのことをする（パン職人がオーブンを開ける、コーヒーが湯気を立てる）
- カメラ：カメラ・レンズ・動きを指定する（35mm、固定、ゆっくりプッシュイン）
- ルック：光とグレーディングを設定する（柔らかい窓の自然光、細かいフィルムグレイン、落ち着いた色）
- 音と制約：何が聞こえるかを書き、入れたくないもの（音楽なし、ロゴなし、文字なし）を明示する
室谷代表取締役これ、実際に書いてみるとわかるんですが、「おしゃれなカフェの動画」みたいな曖昧な指示より、よっぽど安定します。カメラを名指しすると効く、というのも公式が言っていて、ARRI Alexa Miniの35mm、f/4、フィルムグレイン、ティール＆オレンジのグレーディングなし、みたいに書くわけです。
テキトー教師DotAI 認定講師面白いのは「質感を求め、その後で修正を禁じる」というルールです。リアルな質感や素材を求めたうえで、レタッチなし・美肌フィルターなし・グラマー照明なし、と明示する。
AIは放っておくとツルツルに整えてしまうので、そこを禁じるわけですね。
AIは放っておくとツルツルに整えてしまうので、そこを禁じるわけですね。
室谷代表取締役あと「頼んでいないマークを排除する」も大事です。ロゴ、ブランド名、印刷された文字、バッジをフレーム内に入れない、と書く。
これがないと、勝手にそれらしい文字が入って事故になる。商用で使うなら必須の指示ですよ。
これがないと、勝手にそれらしい文字が入って事故になる。商用で使うなら必須の指示ですよ。
テキトー教師DotAI 認定講師文字を入れる場合もコツがあって、短いフレーズを正確に綴って指定すれば安定して描かれる、と。長い画面上のテキストは苦手だと公式も認めています。
室谷代表取締役あと、固定シードで反復する、というのも挙げられていますね。同じシードで回して、プロンプトだけ変えて比較する。
これは動画生成の基本作法ですけど、スマホでこれができると検証が捗ります。
これは動画生成の基本作法ですけど、スマホでこれができると検証が捗ります。
テキトー教師DotAI 認定講師ドキュメントでは、長いプロンプトのほうが短いものより良い出力になる、数百から数千文字が目安で、詳細さにペナルティはない、と書かれています。講座でも「短くまとめようとしないでください」と伝えているんですが、まさに同じことが公式から出ています。
料金と提供範囲——無料枠・有料プラン・日本で使えるか
室谷代表取締役ここは皆さんが一番気にするところですよね。公式の料金ページとモデルページを突き合わせて整理します。
テキトー教師DotAI 認定講師まず無料プランです。$0で、月3本、透かし付き、1分までの動画。
Avatar IVとVideo Agentが使えて、カスタム動画アバター1体と500以上の既製プレゼンター、30以上の言語、という内容です。
Avatar IVとVideo Agentが使えて、カスタム動画アバター1体と500以上の既製プレゼンター、30以上の言語、という内容です。
室谷代表取締役モデルページ側には、サイト上で無料アカウントなら5秒クリップを4スタイルで試せる、という案内もあります。まず触るだけなら無料で十分ですね。
テキトー教師DotAI 認定講師有料はCreatorが$29/月で600クレジット、1080p書き出し、HeyGenブランディングの除去、自分の声と姿のカスタム動画アバター、175以上の言語と方言、クレジットは1か月繰り越し。そしてHeyGen Video 1のテキスト・画像・参照からの生成が含まれます。
室谷代表取締役Proが$49/月で1,000クレジット、4K書き出し、1本30分までの動画、処理の高速化、翻訳スクリプトの編集・校正、クレジットの追加購入と繰り越し。Businessが$149/月で1,500クレジット、1本60分まで、同時実行がProの2倍、Avatar Vのカスタム動画アバター5体、4K書き出しとアップスケール、共有ワークスペースやSAML/SSO、ブランドキットなど。
Enterpriseは問い合わせ、という構成です。
Enterpriseは問い合わせ、という構成です。
テキトー教師DotAI 認定講師整理するとこうですね。
| プラン | 月額 | クレジット | 主な特徴 |
|---|---|---|---|
| Free | $0 | — | 月3本・透かし付き・1分まで |
| Creator | $29 | 600 | 1080p書き出し、Video 1対応、175以上の言語 |
| Pro | $49 | 1,000 | 4K書き出し、1本30分まで、処理高速化 |
| Business | $149 | 1,500 | 1本60分まで、同時実行2倍、チーム機能 |
| Enterprise | 要問い合わせ | 利用量に応じて | 動画長の上限なし、最速処理 |
室谷代表取締役APIで使う場合は秒額$0.02で、480pから2Kまで、シードとWebhookに対応、という案内もモデルページにあります。自社サービスに組み込むならそこが起点になりますね。
テキトー教師DotAI 認定講師日本からの利用可否ですが、これは正直に言うと、今回の資料では明示されていません。アプリの対応言語は「EN + 2 More」「English and 2 more」としか確認できないので、日本語対応を断定はできません。
ストアレビューには地域制限で追加購入ができない、という不満も複数見られるので、契約前に自分の地域で何ができるかを確認しておくのが安全です。
ストアレビューには地域制限で追加購入ができない、という不満も複数見られるので、契約前に自分の地域で何ができるかを確認しておくのが安全です。
室谷代表取締役そこは大事です。僕らもクライアントに勧めるとき、まず無料プランで試してもらって、地域や課金の挙動を確認してから有料に上げてもらう流れにしています。
現時点で日本向けの個別案内は明らかにされていない、という前提で触るのが誠実ですね。
現時点で日本向けの個別案内は明らかにされていない、という前提で触るのが誠実ですね。
Video AgentとShortcuts——アプリ新版で加わった時短機能
テキトー教師DotAI 認定講師アプリの新版では、Video Agentと、ワンタップ動画のShortcutsが加わったと案内されています。これは「HeyGen 1.0」として新機能扱いになっていますね。
室谷代表取締役Video Agentは、プロンプトと画像から、Bロールやモーションを含む完成動画を組み立てる機能ですよね。台本を直すと動画も自動で更新される、キャプションや画面テキスト、トランジション、テンポを自動で付ける、主要なAI動画モデルでBロールを自動生成する、PDFやPPT、貼り付けたテキストからも動画を作る、という説明でした。
テキトー教師DotAI 認定講師Shortcutsは、よく使う動画フォーマットのワンタップ生成です。TikTok、Reels、Shorts、広告、解説動画を数秒で、という打ち出しで、毎日投稿するクリエイター向けとされています。
室谷代表取締役この2つは性格が違いますよね。Video Agentは「まとまった動画を組み立てる」、Shortcutsは「型に流し込む」。
日次運用はShortcuts、じっくり作る案件はVideo Agent、という使い分けになる。
日次運用はShortcuts、じっくり作る案件はVideo Agent、という使い分けになる。
テキトー教師DotAI 認定講師アプリの説明では、テキストから複数分の動画を、キャプション・Bロール・音楽付きで生成する、という書き方もされています。HeyGen Video 1のクリップが5〜30秒なので、長い動画はVideo Agentがつなぐ、という役割分担だと理解するとわかりやすいですね。
室谷代表取締役ここは誤解されやすいので補足すると、Video Agentはあくまでアプリ側の組み立て機能で、HeyGen Video 1の生成モードとは別物です。モデルの生成モードはテキスト・画像・参照の3つ、Video Agentはその上で動画を構成する機能、と分けて考えるといいですよ。
現場の声から見える課題——クレジットと生成精度の注意点
テキトー教師DotAI 認定講師ここは冷静に。ストアレビューには、手放しで褒める声だけではないものが複数あります。
講座で導入を検討する受講生さんにも、先に伝えておくべき点ですね。
講座で導入を検討する受講生さんにも、先に伝えておくべき点ですね。
室谷代表取締役一番多いのがクレジットの話です。プロンプト通りに出力されずクレジットを消費する、残高が可視化されない、生成のたびに全額課金される、という不満。
あと、1週間の購読で150クレジットもらったが、15秒と30秒の2本で使い切った、というレビューもありました。
あと、1週間の購読で150クレジットもらったが、15秒と30秒の2本で使い切った、というレビューもありました。
テキトー教師DotAI 認定講師これ、HeyGen側も返信していて、「短い動画2本で150クレジットを使い切るのは辛い体験だ、言い訳はしない、support@heygen.comに連絡してほしい」と答えています。公式が課題として認識している、と読めるやり取りです。
室谷代表取締役動画生成は「ダイスを振る」性質があるので、修正のたびにフル課金だと、試行回数がそのままコストになる。これは僕らがクライアントに提案するときも必ず伝えている点です。
最初に予算を「本数」で決めて、その範囲で検証する。無尽蔵に回さない。
最初に予算を「本数」で決めて、その範囲で検証する。無尽蔵に回さない。
テキトー教師DotAI 認定講師生成精度についても、公式ドキュメントが正直に弱点を書いています。短くまとまったショット、1被写体・1場所・1アクション・固定またはわずかに動くカメラ、が最も得意。
逆に、長い画面上のテキスト、花びら・紙・髪のような柔らかい有機的な動き、組み立てや操作のような手元の細かい作業は最も不安定だと。
逆に、長い画面上のテキスト、花びら・紙・髪のような柔らかい有機的な動き、組み立てや操作のような手元の細かい作業は最も不安定だと。
室谷代表取締役これは知っておくと無駄な課金が減りますよね。手元の作業をアップで見せたいなら、別のカット割りにする。
花びらが舞う演出は覚悟して複数回試す。そういう設計ができるかどうかで、コストが全然違ってきます。
花びらが舞う演出は覚悟して複数回試す。そういう設計ができるかどうかで、コストが全然違ってきます。
テキトー教師DotAI 認定講師レビューには、女性でショートヘアだと、長髪ではないアバターを作ろうとしてクレジットを使い切る、という指摘もありました。アバター生成側の話ですが、狙った見た目に寄せるのに試行が必要、という構造は同じですね。
室谷代表取締役一方で、「無料トライアルで最後まで作れた」「技術に不慣れでも使えた」という評価も同じレビュー欄にあります。手軽さとコスト透明性の両立が課題、というのが公平な見方でしょうね。
HeyGen Video 1のモバイル対応で入口は広がったので、次はそこが整うかが見どころです。
HeyGen Video 1のモバイル対応で入口は広がったので、次はそこが整うかが見どころです。
テキトー教師DotAI 認定講師商用利用や著作権については、今回の資料では利用規約の詳細までは確認できません。公式のTerms of ServiceとPrivacy Policyが案内されているので、商用で使う場合は必ずそちらを確認してください。
ここは憶測で語らないほうがいいところです。
ここは憶測で語らないほうがいいところです。
室谷代表取締役同業ツールとの比較も、今回は数字で語れる材料がありません。ストアの類似アプリ欄にD-ID、Runway、ElevenLabs、Luma、OpusClip、invideoなどが並んでいる、という事実までですね。
優劣を断定するのは避けます。
優劣を断定するのは避けます。
テキトー教師DotAI 認定講師よくある質問
室谷代表取締役最後に、よく聞かれる点を整理しておきます。
テキトー教師DotAI 認定講師まず「HeyGen Video 1とは何か」。HeyGenが提供する汎用動画モデルで、MiniMax H3を基盤にHeyGenが追加学習したもので、テキスト・画像・参照素材から、音声付きの動画を1回の生成で出力します。
室谷代表取締役「無料で使えるのか」。無料プランは月3本、透かし付き、1分までです。
サイト上では無料アカウントで5秒クリップを4スタイル試せます。アプリ自体は無料ダウンロードで、アプリ内課金があります。
サイト上では無料アカウントで5秒クリップを4スタイル試せます。アプリ自体は無料ダウンロードで、アプリ内課金があります。
テキトー教師DotAI 認定講師「どんな動画が得意か」。1被写体・1場所・1アクションで、カメラが固定かわずかに動く短いショットです。
長い画面上のテキスト、花びらや髪のような柔らかい動き、手元の細かい作業は不安定だと公式が明記しています。
長い画面上のテキスト、花びらや髪のような柔らかい動き、手元の細かい作業は不安定だと公式が明記しています。
室谷代表取締役「音声は別で作るのか」。いいえ、台詞・環境音・効果音が同じプロンプトから生成されます。
別途の音声合成やリップシンク工程は不要とされています。
別途の音声合成やリップシンク工程は不要とされています。
テキトー教師DotAI 認定講師「日本から使えるのか」。これは今回の資料では明らかにされていません。
アプリの対応言語は英語＋2言語としか確認できず、地域制限に関するレビューもあるため、無料プランで挙動を確認するのが現実的です。
アプリの対応言語は英語＋2言語としか確認できず、地域制限に関するレビューもあるため、無料プランで挙動を確認するのが現実的です。
室谷代表取締役「商用利用できるのか」。利用条件の詳細は今回の資料では確認できていません。
公式の利用規約とプライバシーポリシーを必ず確認してください。
公式の利用規約とプライバシーポリシーを必ず確認してください。
テキトー教師DotAI 認定講師「クレジットはどう消費されるのか」。生成のたびに消費し、修正して作り直すとまた消費する、という構造です。
残高の可視化や消費の分かりやすさを求める声がレビューに複数あります。予算を本数で決めてから回すのがおすすめです。
残高の可視化や消費の分かりやすさを求める声がレビューに複数あります。予算を本数で決めてから回すのがおすすめです。
室谷代表取締役というわけで、HeyGen Video 1のモバイル対応は、動画生成を「思いついた瞬間に試せる」ものに変える一歩です。まず無料で触って、プロンプトの書き方を公式の指針どおりに整えてみてください。
それだけで出力の安定感が変わりますよ。
それだけで出力の安定感が変わりますよ。
