midjourney APIで動画を作成する方法

CometAPI
AnnaDec 29, 2025
midjourney APIで動画を作成する方法

Midjourneyの動画への進出は、2025年のクリエイティブ・テクノロジーにおける最大のトピックの一つとなっている。画像中心の愛されるツールとして始まったMidjourneyは、静止画を短いアニメーションクリップに変換する「Image-to-Video」ワークフローを追加し——そしてこの仕組みは急速に進化している。

Midjourneyの動画機能は、単一画像を「Animate」フローで短いクリップにアニメートするイメージ・トゥ・ビデオのワークフローで、デフォルトでは5秒のクリップを生成し、最大で約21秒まで拡張が可能。機能は2025年半ばにMidjourneyのV1ビデオモデルとして公開され、CometAPIのMidjourney Video V1 API経由で利用できる。

Midjourney V1 とは

Midjourney V1 の機能とユーザーへの提供形態

MidjourneyのV1ビデオモデルは、単一の静止画像（Midjourney内で生成したものでも外部ホストの画像でも可）を短いアニメーションクリップ（デフォルトで約5秒）に変換し、自動または手動のアニメーションモードとモーション強度フラグ（--motion low / --motion high）を使用できる。ユーザーはクリップを4秒単位で拡張（最大約21秒まで）し、バッチサイズ、ループ、エンドフレームを制御可能。動画の出力形式はMP4。MidjourneyのV1 Videoモデルは、短尺でスタイライズされ、ループ可能なクリップに最適化されたimage-to-videoモデル。V1モデルの一般的な特性は次の通り:

  • ベースクリップ長は約5秒で、制御された拡張メカニズム（4秒刻み、ドキュメントに記載の上限まで）を備える。
  • 元画像のアーティスティックなスタイル（筆致、色彩、ムード）を重視して保持する。
  • 高速反復のための解像度と品質のトレードオフ；V1はフル映画品質というよりソーシャル／Web向けコンテンツを志向。

これらの制約により、アセットやプロンプトの設計方法が定まる。V1は、長尺のシーンよりも、簡潔なモーション、アニメ化された静止画、製品ヒーローのループ、短尺のキャラクター演出などに最適。

CometAPI が Midjourney Video モデルをどのように提供するか

CometAPIは、単一のRESTインターフェースの背後で数百のAIモデル（テキスト、画像、音声、そして今はイメージ・トゥ・ビデオ）へのアクセスを集約するマルチモデル・ゲートウェイ。CometAPIのMidjourney Videoは、MidjourneyのV1 Video機能をラップし、エンジニアがDiscord／Web操作に頼ることなく、プログラムからイメージ・トゥ・ビデオ生成を呼び出せるようにする。これにより、クリエイティブパイプラインの自動化、PoCの構築、アプリやコンテンツ制作ワークフローへの短いアニメーションアセットの統合に役立つ。

CometAPIのMidjourney Videoでは、開発者が認証し、/mj/submit/videoエンドポイントを呼び出して、prompt（開始画像URLを含められる）、videoType（例：vid_1.1_i2v_480）、mode（fast/relax）、animateMode（automatic/manual）などのパラメータを渡せる。CometAPIは、単一APIキー＋RESTインターフェースという利便性に加え、MidjourneyのDiscord中心のワークフローに直接統合する場合よりも1回あたりの価格が低い。

API を呼び出す前の準備

必要な認証情報とアカウント

  1. CometAPIにサインアップし、アカウントのダッシュボードからAPIキーを生成する（CometAPIは sk-xxxxx のようなベアラートークンを使用）。
  2. 外部画像を開始フレームとして使用する場合は、画像アセットがオンラインで利用可能（一般公開URL）であることを確認する。Midjourneyは外部画像→動画のワークフローで到達可能なURLを必要とする。

事前に決めておくべきこと

  • Starting image — 明確な主題と構図を持つ画像を選ぶ；アスペクト比は最終動画の解像度／アスペクトに影響する（Midjourneyは開始アスペクト比をSD/HDのピクセルサイズにマッピング）。
  • Motion style — LowかHighのモーション（--motion low vs --motion high）を決め、カメラ／被写体の動きを自動推定に任せるか手動制御するかを選ぶ。
  • Length & batch size — デフォルトは5秒；約21秒まで拡張可能。バッチサイズはデフォルトで4（Midjourneyは4つのバリアントを返す）が、計算資源節約のために1または2を指定できる。
  • Resolution — V1は主にデフォルトでSD（480p）。HD（720p）はパラメータ指定が必要で、例として vid_1.1_i2v_480。

CometAPI の Midjourney ビデオエンドポイントを呼び出す方法（ステップ別・例付き）

最小のリクエストペイロードは？

最低限、以下を送る：

  • prompt: 開始画像URLと任意のテキストによるモーションプロンプト（例："https://.../frame.png add a dog running from left to right"）。
  • videoType: 例：vid_1.1_i2v_480。
  • mode: "fast"（プランが許せば"relax"）。
  • animateMode: "automatic" または "manual"。

これは https://api.cometapi.com/mj/submit/video. へのPOSTを示すサンプルのcurlです。以下はCometAPIの例を基にした、整え済みでコピー可能なcurl例：

curl --location --request POST 'https://api.cometapi.com/mj/submit/video' \
  --header 'Authorization: Bearer sk-YOUR_COMETAPI_KEY' \
  --header 'Content-Type: application/json' \
  --data-raw '{
    "prompt": "https://cdn.midjourney.com/example/0_0.png A peaceful seaside scene — camera slowly zooms out and a gull flies by",
    "videoType": "vid_1.1_i2v_480",
    "mode": "fast",
    "animateMode": "manual",
    "motion": "low",
    "bs": 1
  }'

Python 例（requests）

Pythonが好みなら、requestsを使ってビデオジョブを送信し、完了までポーリングする堅牢な例をどうぞ（プレースホルダーを置換）。これは実用的なパターン：送信 → ポーリング → ダウンロード。以下の例は意図的にシンプルで、本番ではアプリの非同期／ジョブシステムに合わせて調整すべき。

import time
import requests

API_KEY = "sk-YOUR_COMETAPI_KEY"
BASE = "https://api.cometapi.com"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

payload = {
    "prompt": "https://cdn.midjourney.com/example/0_0.png A calm city street — camera pans left, rain falling",
    "videoType": "vid_1.1_i2v_480",
    "mode": "fast",
    "animateMode": "manual",
    "motion": "low",
    "bs": 1
}

# Submit job
r = requests.post(f"{BASE}/mj/submit/video", json=payload, headers=HEADERS)
r.raise_for_status()
job = r.json()
job_id = job.get("id") or job.get("job_id")

# Poll for completion (example polling)
status_url = f"{BASE}/mj/status/{job_id}"
for _ in range(60):  # poll up to ~60 times
    s = requests.get(status_url, headers=HEADERS)
    s.raise_for_status()
    st = s.json()
    if st.get("status") == "completed":
        download_url = st.get("result", {}).get("video_url")
        print("Video ready:", download_url)
        break
    elif st.get("status") in ("failed", "error"):
        raise RuntimeError("Video generation failed: " + str(st))
    time.sleep(2)

Midjourney／CometAPI の動画に音声（ボイス、音楽、効果音）を追加するには？

Midjourney はネイティブに音声を生成する？

いいえ — V1の時点では、Midjourneyの動画出力は無音（音声を埋め込まないMP4）。ユーザーは外部で音を追加する。（音声と映像を同時生成する他のAIシステムもあるが、MidjourneyのV1は視覚的モーションに集中している。）

ボイスとサウンドを追加する推奨パイプライン

  1. テキスト読み上げ（TTS）によるナレーション／ボイス — ElevenLabs、Replicaなどの音声クローン／TTSサービスを使って、スクリプトから音声トラックを生成。これらのサービスは自然な話し方を再現でき、1分あたりのコストが低い場合もある。（LinkedIn／コミュニティ投稿では、軽量な選択肢としてElevenLabsが推奨されることが多い。）
  2. 音楽／効果音のAIオーディオデザインツール — MM Audio、Magicshotや特化型SFXジェネレーターなどを使って、クリップに合った背景音や効果音を生成。コミュニティのガイドやチュートリアルでは、MM Audioや他のオーディオAIで良質な結果が示されている。
  3. 手動のDAW／エディター手法（細やかな制御） — 生成したMP4をDaVinci Resolve／Premiere／Audacityに取り込み、TTS音声、効果音を追加してミックス。厳密なリップシンクやタイミング調整にはこのルートが最適。コミュニティのチュートリアルやYouTubeの解説では、Midjourney動画に音声を合わせる手順が詳しく示されている。

クイック例：ffmpegで音声＋動画を結合

video.mp4（無音）とspeech.mp3（TTS）が用意できている前提：

# Normalize audio length (optional), then combine:
ffmpeg -i video.mp4 -i speech.mp3 -c:v copy -c:a aac -shortest output_with_audio.mp4

より高度なミックス（BGM＋セリフ＋効果音）の場合は、DAWから単一のミックス済み音声トラックをレンダリングし、上記のように動画へ多重化する。

アニメーションを制御するモーションプロンプトの書き方

モーションプロンプトのパターン

Midjourney V1のモーションプロンプトは自然言語で駆動される。有効なパターン：

  • 方向／アクション: 「カメラが左にドリーし、被写体が前進する」
  • オブジェクトの動き: 「葉が木から落ち、カメラに向かって漂う」
  • カメラインストラクション: 「ゆっくりズームイン、わずかなパララックス、2倍速」
  • 時間的な質感: 「控えめな動き、ループ可能、シネマティックなリズム」

まず簡潔なモーションの一文から始め、スタイルやタイミングの形容を追加する：例、"start_frame_url animate: 'slow spiral camera, subject bobs gently, loopable', style: 'film grain, cinematic, 2 fps tempo'"。試行と小さな反復が不可欠。

手動 vs 自動アニメーション

  • Automatic: モデルに妥当なモーションを推定させる。クイックな実験に最適。
  • Manual: カメラ経路や被写体ベクトルを明示的に指定して、一定で再現性の高い結果を得る——実写映像との整合や予測可能な振付が必要な場合に有用。

動画の延長、バッチサイズの変更、ループ作成

動画の長さを延長する

生成後、Midjourney（およびCometAPIのようなラッパー）は「Extend」操作を提供。MidjourneyのUIでは、5秒クリップを1回につき4秒ずつ延長（最大約21秒まで）できる。プログラム的には、同じエンドポイントにextendフラグを付けて呼び出すか、元のクリップを参照する新たなextendジョブを送信する（CometAPIのドキュメントには、パラメータ化されたエンドポイントとボタンが概説されている）。延長コストは初回生成と同程度と考えてよい。

ループ動画の作成やエンドフレームの指定

  • ループするには、開始フレームを終了フレームとして再利用するか、--loopパラメータを追加する。
  • 別の終了フレームにしたい場合は、endとして別の画像URLを指定し、アスペクト比の互換性を確保する。Midjourneyは--endパラメータをサポート。継続性のため、延長時にmanualを使ってプロンプトを調整することを検討。

バッチサイズとコスト管理

Midjourneyはデフォルトで複数のバリアント（バッチサイズ4）を生成。プロダクションやコスト重視のフローでは、計算資源を減らすためにbs:1を設定する。Midjourneyのドキュメントには、SDとHD、異なるバッチサイズにおけるGPU時間の見積りが記載されている（コスト予測に有用）。CometAPIは競争力のある価格を提供。

結論

MidjourneyのV1 Videoモデルは、プログラム可能な動画への最初の一歩——設計は保守的だが有望だ。長尺シーケンスの改善、高い忠実度、より制御可能なカメラリグなど、反復的なモデルアップデートが期待される。CometAPIはアグリゲーターとしての役割により、複数のプロバイダー固有の認証や同時実行の癖に対処せずに、Midjourneyの動画をアプリへ組み込みたい開発者の統合障壁を下げる。

開発者は、CometAPIを通じて MIdjourney Video API にアクセスできる。開始するには、CometAPI のPlaygroundでモデル機能を試し、詳細な手順はAPIガイドを参照。アクセス前に、CometAPIへログインしAPIキーを取得していることを確認する。CometAPI は、公式価格よりはるかに低価格で、統合を支援する。

Ready to Go?→ Midjourney の無料トライアル!

もっと読む

1つのAPIで500以上のモデル

最大20%オフ