YingTu の動画スタジオでは、Google の Gemini Omni 1.2 Flash、MiniMax H3、Meta Muse Video、Alibaba の Wan（3.0 と 2.7）という4系統の動画生成AIを同じ画面で選べます。どれも音声付きの短い動画を作れますが、課金の単位（1本ごとか1秒ごとか）、完成までの待ち時間、作れる長さがはっきり違います。
16:9・約720p・音声付き・10秒の動画1本で比べると、2026年11月12日時点の料金で最も安いのは Gemini Omni 1.2 Flash（720p）と Muse の$0.30です。最も速いのは MiniMax H3（768P、$0.50）で、同じプロンプトを4モデルに同時に投げた計測では36〜42秒で完成しました。5秒なら H3 768P の$0.25が最安で、10秒を超える動画を作れるのは Muse（60秒まで）、Wan 3.0（30秒まで）、H3（15秒まで）だけです。Omni・H3・Muse は同じ LaoZhang API キーで動き、Wan だけは別の Wan グループのキーが必要です。
料金はすべて、YingTu が使っている LaoZhang API の価格で、自分のキーに課金されます。Google や MiniMax が自社で出している API 料金とは別物です（違いは後半の質問で説明します）。
10秒・約720p・音声付きの1本で比べた料金と生成時間
同じ条件の動画1本で並べると、料金は$0.30〜約$1.03、完成までの時間は約40秒〜約7分半の幅があります。
| モデル（設定） | 10秒1本の料金 | 課金の単位 | 実測の生成時間 | 出力（実測） |
|---|---|---|---|---|
| Gemini Omni 1.2 Flash（720p） | $0.30 | 1本ごと（3〜10秒は同額） | 60秒・66秒・67秒 | 1280×720、24fps、ステレオ |
| MiniMax H3（768P） | $0.50 | 1秒$0.05 | 36秒・41秒・42秒 | 1344×768、24fps、ステレオ |
| Meta Muse Video（720p） | $0.30 | 1本ごと（5〜10秒は同額） | 125秒・135秒・160秒 | 1280×720、24fps、モノラル |
| Wan 3.0（720P） | 約$1.03 | 1秒$0.1028 | 245秒・314秒 | 1280×720、30fps、ステレオ |
| Wan 2.7 テキストから動画（720P） | 約$1.03 | 1秒$0.1028 | 458秒（1回のみ） | 1280×720、30fps、ステレオ |
料金は LaoZhang API の価格（2026年11月12日時点）。生成時間は2026年11月12日の夜（日本時間21:39〜21:55）に、同じプロンプト・テキストから動画・16:9・10秒の条件で全モデルを同時に投入して計った値です。H3 には720pの区分がないため、いちばん近い768P（1344×768）で比べています。
この表から分かることは3つです。
- Omni と Muse は同じ$0.30ですが、Omni は約1分、Muse は2分強〜2分40秒で、音声も Omni はステレオ、Muse はモノラルでした。
- H3 は$0.20高い代わりに、待ち時間は Omni の約3分の2、Muse の3分の1前後です。
- Wan は10秒720Pで約$1.03と Omni・Muse の3倍以上かかり、待ち時間も Wan 3.0 で4〜5分、Wan 2.7 では1回の計測で約7分半でした。
長さ別の料金：6秒未満は H3、8〜10秒は Omni と Muse、10秒超は Muse
最安のモデルは動画の長さで入れ替わります。Omni と Muse は一定の長さまで1本の値段が変わらず、H3 と Wan は秒数に比例して高くなるからです。
| 長さ | Omni 720p | H3 768P | Muse 720p | Wan 3.0 720P |
|---|---|---|---|---|
| 4秒 | $0.30 | $0.20 | — | — |
| 5秒 | $0.30 | $0.25 | $0.30 | 約$0.51 |
| 6秒 | $0.30 | $0.30 | — | — |
| 8秒 | $0.30 | $0.40 | $0.30 | — |
| 10秒 | $0.30 | $0.50 | $0.30 | 約$1.03 |
| 15秒 | — | $0.75 | — | 約$1.54 |
| 20秒 | — | — | $0.55 | 約$2.06 |
| 30秒 | — | — | $0.80 | 約$3.08 |
| 60秒 | — | — | $1.55 | — |
16:9・音声付き、LaoZhang API の価格（2026年11月12日時点）。「—」はスタジオでその長さを選べないことを示します。H3 は$0.05×秒数、Wan 3.0 720P は$0.1028×秒数（10秒なら$1.028で約$1.03）で計算しています。
境目は6秒です。H3 768P は6秒でちょうど$0.30になり、Omni と並びます。それより短ければ H3、8秒以上なら Omni か Muse が安くなります。
10秒を超えると選択肢は3つに絞られます。
- Muse は20秒$0.55、30秒$0.80、40秒$1.05、50秒$1.30、60秒$1.55で、長い動画ほど差が開きます。ただし20〜60秒の動画は10秒ずつ生成してつなぐ方式なので、つなぎ目で動きが一瞬止まることがあります。
- H3 は最長15秒（768Pで$0.75）です。
- Wan 3.0 は最長30秒で、720Pなら約$3.08と同じ30秒の Muse の4倍近くになります。
Omni は最長10秒、Wan 2.7 は5秒か10秒だけです。
1080p・2K・360p に変えたときの料金と生成時間
解像度を上げられる上限は H3 の2K（2560×1440）が最も高く、Omni と Wan は1080pまで、Muse は720pだけです。10秒1本の料金と、計測した設定の生成時間は次のとおりです。
| モデル | 解像度 | 10秒1本の料金 | 実測の生成時間（1回） |
|---|---|---|---|
| Gemini Omni 1.2 Flash | 360p（640×360） | $0.10 | 37秒 |
| Gemini Omni 1.2 Flash | 1080p（1920×1080） | $0.45 | 91秒 |
| MiniMax H3 | 2K（2560×1440） | $0.80 | 120秒 |
| Wan 3.0 | 480P | 約$0.51 | 計測なし |
| Wan 3.0 | 1080P | 約$2.06 | 計測なし |
| Wan 2.7 | 1080P | 約$1.71 | 計測なし |
LaoZhang API の価格（2026年11月12日時点）。生成時間は前の表と同じ夜に、同じプロンプトで1回ずつ計った値です。
Omni 360p は10秒でも$0.10で、4モデルの中でいちばん安く、計測でも37秒と H3 768P並みの速さでした。構図や動きを確かめる下書きに向いています。H3 は2Kにすると料金が$0.50から$0.80に、時間が約40秒から120秒に増えました。Muse は1080pを指定しても出力サイズは720pのままです。
Wan 3.0 の480Pは、この計測とは別の単発計測（2026年11月12日）で、5秒の動画に約4〜5分かかりました。720P・10秒とほぼ同じで、解像度や長さを下げても Wan の待ち時間はあまり縮まりませんでした。
生成時間はどう測ったか：同じプロンプトを4モデルに同時投入
計測では、YingTu の動画スタジオが呼び出しているのと同じ LaoZhang API に、次の英語プロンプトを全モデルそのまま送りました。画像は使わず、テキストから動画、16:9、10秒です。
hljs textA barista pours steamed milk into a cup of coffee on a sunny cafe counter, making a leaf pattern. Slow camera push-in, soft morning light. Sound: milk hissing, a cup clinking on the saucer, quiet cafe chatter.
- 1回ごとに全モデルのタスクを同じ瞬間に投入し、作成リクエストを送ってから「完成」と返ってくるまでを計りました。状態の確認は5秒おきなので、各値には±5秒ほどの誤差があります。
- Wan はタスクの作成リクエスト自体に30〜60秒かかり、その時間も含めています。
- ブラウザではなくスクリプトからの計測です。スタジオで使う場合は、画像のアップロードや画面の更新で数秒ほど長くなります。
- 15本のタスクはすべて完成し、失敗はありませんでした。どの動画にもカフェのカウンターでラテアートを描く場面が映り、音声トラックも入っていました。画質の採点はしていません。
時間は日本時間21:39〜21:55のある1晩に、各設定1〜3回走らせた結果です。混み具合によって前後するので、平均や保証ではなく、同じ条件で並べたときの順番の目安として使ってください。速い順は H3、Omni、Muse、Wan 3.0、Wan 2.7 で、どの回でも入れ替わりませんでした。
別の日の単発計測では、H3 768P の4秒が約16秒（2026年11月9日）、Wan 2.7 720P の5秒が約97秒（2026年9月25日）でした。短い動画ほど早く仕上がります。
開始・終了フレームと参照画像：Omni は終了フレームなし、H3 は併用不可
最初と最後のカットを画像で決めたいなら H3 か Muse、参照画像で人物や商品の見た目をそろえたいなら Omni・H3・Muse が候補です。YingTu のスタジオで使える入力は次のとおりです。
| モデル | 開始フレーム | 終了フレーム | 参照画像 | アスペクト比 | 長さ | 解像度 |
|---|---|---|---|---|---|---|
| Gemini Omni 1.2 Flash | ○ | × | ○（開始フレームと合わせて6枚まで） | 16:9、9:16 | 3〜10秒（スタジオは4・5・6・8・10秒） | 360p、720p、1080p |
| MiniMax H3 | ○ | ○ | ○（フレームとは同時に使えない） | 16:9、9:16、1:1、4:3、3:4、21:9 | 4〜15秒 | 768P、2K |
| Meta Muse Video | ○ | ○ | ○ | 16:9、9:16、1:1、4:3、3:4 | 5〜60秒 | 720pのみ |
| Wan 3.0 | ○ | スタジオにはなし | スタジオにはなし | テキストからは6種類、画像からは画像の形に合わせる | 5〜30秒 | 480P、720P、1080P |
| Wan 2.7 | ○（画像から動画） | スタジオにはなし | ○（参照画像から動画） | 16:9のみ | 5秒か10秒 | 720P、1080P |
注意しておきたい違いがいくつかあります。
- Omni は開始フレームは使えますが、終了フレームの入力はありません。最後の絵を指定したい動画には向きません。
- H3 は「開始・終了フレーム」か「参照画像」のどちらか一方です。スタジオの参照画像の枠は1枚です。API では参照動画や参照音声も渡せます。
- Muse の参照画像が引き継ぐのは服装・髪型・スタイルで、顔を完全に同じにするものではありません。スタジオには6種類のルックと13種類のカメラ・トランジションのプリセットがあります。
- Wan 3.0 の開始・終了フレームの指定、参照画像（最大10枚）、動画の編集と延長は API でのみ使えます。スタジオの Wan 2.7 には動画編集があり、参照画像から動画では画像を最初のフレームとしては使いません。
音声とセリフ：4モデルとも音声付き、Muse だけモノラル
計測した動画はすべて音声トラック付きでした。違いはチャンネル数と、公開されている仕様で何ができると書かれているかです。
- Gemini Omni 1.2 Flash：ステレオ。プロンプトに書いたセリフを登場人物にしゃべらせられると仕様に明記されています。
- MiniMax H3：ステレオで、音楽と効果音が付きます。
- Meta Muse Video：音楽と効果音が付きますが、計測した出力はモノラル（1チャンネル）でした。
- Wan 3.0 / 2.7：初期設定で音声付き、出力はステレオでした。Wan 2.7 の画像から動画は、API なら口の動きを合わせるための音声ファイルを渡せます。
セリフ入りの短い広告やシーンを作るなら、仕様でセリフに触れている Omni を最初に試すのが近道です。音を後から差し替える前提なら、モノラルの Muse でも困ることは少ないでしょう。
必要なキーと無料で試す方法：Omni・H3・Muse は共通、Wan は別キー
YingTu で動画を作るには、自分の LaoZhang API キーをスタジオに貼り付けます。YingTu に Gmail でログインするともらえる$0.1の無料クレジットは画像専用で、動画には使えません。
キーは2種類に分かれます。
- Omni・H3・Muse：LaoZhang の通常のキー（default グループ）。YingTu の画像スタジオで使うのと同じキーです。
- Wan 3.0 / 2.7：LaoZhang で別に作る Wan グループのキー。通常のキーでは動きません。
無料で試せるのは1通りだけです。LaoZhang に新しく登録すると$0.1の残高が付き、これでちょうど Gemini Omni 1.2 Flash の360p動画が1本作れます（2026年11月12日時点）。H3 は最低$0.20、Muse は$0.30なので足りず、Wan はそもそも別キーが必要です。
失敗したタスクには課金されません（Omni と Muse は作成時に引き落とされ、内容チェックで止められた場合も含めて全額返金。H3 と Wan は失敗分を請求しない）。同じ内容を再投入すると、新しいタスクとして課金されます。ページを閉じてもタスクは止まりませんが、完成した動画のリンクは Omni・H3・Muse が7日間、Wan が24時間で切れるので、必要な動画は早めにダウンロードしてください。
どれを選ぶか：クリップの長さ・入力・待ち時間で決める
自分の動画に当てはめると、次のように決められます。
- 見た目や動きをまず安く確かめたい：Omni 360p（10秒でも$0.10、計測では37秒）。
- 6秒未満の約720p：H3 768P（4秒$0.20、5秒$0.25）。
- 8〜10秒の720p：Omni か Muse（どちらも$0.30）。速さ、ステレオ音声、セリフを重視するなら Omni。終了フレームや1:1・4:3の画面が必要なら Muse。
- とにかく待ち時間を短くしたい、または2Kで出したい：H3（768P・10秒で約40秒、2Kは10秒$0.80）。
- 11〜15秒：H3（15秒$0.75）か、20秒単位で考えられるなら Muse。
- 20〜60秒：Muse（60秒$1.55）。10秒ごとのつなぎ目で動きが一瞬止まることがあります。Wan 3.0 も30秒まで作れますが、720P・30秒で約$3.08です。
- 1080Pで15〜30秒、すでに Wan のキーがある、または動画編集や音声に合わせた口の動きが必要：Wan 3.0 / 2.7。
画質の好みは、計測した数字からは決められません。気になる2〜3モデルを、いちばん安い設定（Omni 360p の$0.10、H3 768P・4秒の$0.20、Muse 5秒の$0.30）で同じプロンプトから1本ずつ作って見比べるのが確実です。
各モデルのページで、そのまま生成を始められます。
- Gemini Omni 1.2 Flash（1本$0.10から）
- MiniMax H3（2K対応、1秒$0.05から）
- Meta Muse Video（5〜60秒、$0.30から）
- Wan 2.7 / Wan 3.0（テキスト・画像から動画生成）
API から直接呼び出したい開発者は、LaoZhang の動画生成ガイドにモデル ID とリクエスト例があります。
Gemini Omni・MiniMax H3・Muse・Wan についてのよくある質問
Gemini Omni 1.2 Flash の10秒動画は$0.70ではないのですか？
$0.70は Google の Gemini API で直接使った場合の料金です。Google の料金ページ（2026年11月11日時点）では1秒あたり360pが$0.023、720pが$0.07、1080pが$0.104なので、10秒ならそれぞれ$0.23、$0.70、$1.04になります。YingTu で使う LaoZhang API の Omni は1本ごとの課金で、720pの10秒は$0.30です（2026年11月12日時点）。
MiniMax H3 と Hailuo（海螺）はどういう関係ですか？
MiniMax H3 は MiniMax の動画モデルで、Hailuo AI の基盤になっているモデルです。YingTu で使える H3 は MiniMax の公式 API を経由せず、公開されているモデルの重みを独立したサーバーで動かしているため、料金も別です。MiniMax 自身の従量課金は768Pで1秒$0.08、2Kで1秒$0.13（2026年10月24日時点）で、LaoZhang API の$0.05・$0.08より高くなっています。
Meta Muse Video は API で使えますか？
使えます。LaoZhang API では5・8・10秒が muse-video、20〜60秒が muse-video-20s から muse-video-60s までのモデル ID で、料金は YingTu のスタジオと同じです（10秒まで$0.30、60秒$1.55、2026年11月12日時点）。Meta 自身の API 料金は公開情報に見当たりません。
Gemini Omni と Seedance はどう違いますか？
Seedance 2.0 / 2.5 は ByteDance の別のモデルで、トークン単位で課金されます。料金と生成時間は Seedance のページにまとめています。
Wan 3.0 と Wan 2.7 はどちらを使えばいいですか？
720Pの料金は同じ1秒$0.1028なので、長さと機能で選びます。15秒以上や480P、6種類のアスペクト比が必要なら Wan 3.0、動画編集や参照画像から動画を作るなら Wan 2.7 です。計測では Wan 3.0 の10秒720Pが245秒と314秒、Wan 2.7 は458秒（1回）でした。
