---
title: "AI動画・画像・音楽スタジオ：動画生成AI・画像生成AI・音楽生成AI・AIナレーション"
summary: "動画生成AI、画像生成AI、音楽生成AI、AIナレーションを一つの制作フローで使い、ビジュアルを調整して、できあがった成果物を一か所でまとめて管理できます。"
url: "https://beatra.ai/ja/skills/ai-video-image-music-studio"
language: "ja"
version: "0.3.0"
last_verified: "2026-11-09"
---

[Skills](https://beatra.ai/ja/skills) · [動画とアニメ](https://beatra.ai/ja/skills/categories/video-animation)

# 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。

```text
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
```

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。

[install.md](https://beatra.ai/skills/ai-video-image-music-studio/install.md) · [GitHub](https://github.com/beatra-ai/beatra-skills/tree/main/skills/ai-video-image-music-studio) · [ドキュメント](https://docs.beatra.ai/ja/docs/capabilities)

## 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

### 手元にあるものから · 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

### 形式に合った作り方で · 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

### 確認と受け取り · 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／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 |

仕様の最終確認：2026-11-09 · 根拠：[モデルカタログ](https://docs.beatra.ai/ja/docs/models) · [ドキュメント](https://docs.beatra.ai/ja/docs/mcp-tools) · [利用規約](https://beatra.ai/ja/terms)

## 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。

## 関連スキル

- [AI動画スタイル変換](https://beatra.ai/ja/skills/ai-video-restyler): 短い動画をアップロードし、ターゲットスタイルを選んで、人物とアクションを保ちながら変換します。
- [民泊ウェルカム動画](https://beatra.ai/ja/skills/airbnb-welcome-avatar): 事実だけの台本を書き、許可された写真ごとに短い歓迎動画を作ります。
- [Amazonメイン画像動画・白背景ワンカット](https://beatra.ai/ja/skills/amazon-main-image-motion): 承認済みの白背景メイン画像を、1本の短いクリップにします。
- [トーク動画アバター](https://beatra.ai/ja/skills/avatar-presenter): 一週間の企画と台本を書き、自分の写真が自分の声で一本ずつ話します。

[動画とアニメの Skill をもっと見る](https://beatra.ai/ja/skills/categories/video-animation)