最高水準のAIモデルで画像・動画・音声などを作るためのステップバイステップガイド。各ガイドにはプロンプト例、パラメータ設定、実践的なコツを掲載しています。
71件のガイド · 最終更新日：2026年10月12日
あるモバイルアプリの創業者は、SketchもFigmaも使わずに、画像内に見出しコピーと機能説明を配置したピクセルパーフェクトなApp StoreとGoogle Playのスクリーンショットを仕上げます。Astorieのキャンバス上でブランド参照とUIスクリーンショットを置き、Ideogram(画像内テキストを確実に扱える唯一のモデル)、GPT Image 1.5、Nano Banana 2の各ノードへ一括展開します。出力されるのは、AppleとGoogleの規定サイズに合わせた5〜8枚のマーケティング用スクリーンショットで、プロンプトに引用符で入れたローカライズ見出しもくっきり表示されます。下記からモデルを選んで、あなたのローンチに必要な、インストール転換率を高めるスクリーンショットセットを体験してください。
ポッドキャスターやコース作成者は、30秒のサンプル音声から自分の声をクローンし、その後は再録音なしで新しいナレーションを生成できます。Astorieのキャンバス上でノイズのないリファレンス音声をオーディオノードに入れ、ElevenLabs Voice Cloning、Fish Audio S2-Proの声クローン、Minimax Voice Designのいずれかに送り、クローンした声を下流の台本から音声への変換、吹き替え、リップシンクの各ノードへつなげます。創業者本人の声によるトレーニングナレーション、コース教材、既存動画のローカライズなどに活用できます。クローンできるのは、自分が権利を持つ、または利用許可を得た声のみです。下記からモデルを選んで、クローンのワークフローを体験してください。
あるポッドキャストのホストは、音声制作者を雇わずに、キャンバス上だけで12秒のブランド入りオープニング——ボイスタグ＋6秒の音楽ベッド＋ウィッシュ音の転換——を仕上げます。Astorie上でスクリプトをElevenLabs Eleven v3の音声ノードに入れ、Suno V5またはMinimax Musicでマッチするテーマ曲を生成し、Sound Effects v2で転換音をつなげて、すべてをオーディオミキサーへ送ります。出力されるのは、TTSによる番組名の読み上げ、ジャンルに合ったテーマ曲、SFXの転換を備えた毎週の番組オープニングとエンディングです。下記からモデルを選んで、番組の顔となる音づくりのワークフローを体験してください。
あるアニメーション制作チームは、声優を手配せずに、自然な掛け合い、はっきり異なる声、感情タグを備えた4人キャラクターのシーンを台本にします。Astorieのキャンバス上で話者の切り替えを設定したスクリプトノードを作り、ElevenLabs Eleven v3 Dialogue(専用のマルチスピーカーエンドポイント)、Fish Audio S2-Proのマルチスピーカー、Minimax Speechのいずれかに通し、[whispers]、[laughs]、[excited]のようなインラインタグで感情表現をコントロールします。出力は、複数キャラクターのアニメ短編、音声ドラマ、インタラクティブなプロトタイプにそのまま使えるセリフです。下記からモデルを選んで、マルチスピーカー制作のワークフローを体験してください。
動画編集者は、ウィッシュ音、衝撃音、環境音、UI音をAI生成のカットに重ねて、無音のラフ編集のように聞こえないようにします。Astorieのキャンバス上で、確定した映像をHunyuan Foleyに送って動画からフォーリー音を生成するか、ElevenLabs Sound Effects v2に具体的なプロンプト(例:「コンクリートの狭い廊下で金属製のドアが近くで勢いよく閉まる、短い残響」)を渡します。その下にMinimax Musicの環境音ベッドを重ね、すべてをタイムラインでミックスしてからNLE書き出しへ進みます。下記からモデルを選んで、30〜60秒の商品動画や物語動画の最後の音づくりを体験してください。
編集者は、ソフトにレンダリングされたSora、Seedance、Klingのクリップを、ショットを再生成することなく4KマスターとしてYouTubeや放送用に仕上げます。Astorieのキャンバス上で、確定したクリップを元の生成モデル(Seedance 2、Sora 2、Kling 3)の下流にあるvideo-upscaleツールノードへ送り、通常は2x、主要カットのみ4xに設定します。重ね掛けは控えめに:2xを1回行う方が、2xを2回重ねるより良い結果になります。これがNLE書き出し前の最終工程です。下記からモデルを選んで、元の生成モデルに対応したアップスケールの流れを体験してください。
あるマーケターは、ブランド代言人の肖像とElevenLabsで生成した台本を使って、出演者なしで30秒の口播広告を仕上げます。Astorieのキャンバス上で肖像をリップシンクツールノードに送り、ElevenLabs Eleven v3の音声トラックを一緒に流し込み、Kling Avatar(タイトな顔アップの口播)、OmniHuman(ジェスチャーと上半身を含むプレゼンター)、またはKling O3 Video Edit(リスタイル用)のいずれかを選びます。ほとんどのリップシンクモデルは1回の呼び出しで30〜60秒が上限なので、長い台本は分割してください。下記からモデルを選んで、UGC風の説明動画や吹き替えのワークフローを体験してください。
あるコンセプトアーティストは、Nano Banana 2で綺麗な室内参照画像を生成し、それをカメラが周回して角度の揃った静止画を撮影できるナビゲート可能なシーンに変換します。Astorieのキャンバス上で参照画像をworldノードに置き(別の見た目の参照としてFluxを連結することも可能)、5〜10のアングルをキャプチャして、それぞれを開始フレームとしてSora 2の動画ノードに渡せば、すべて同じ世界を共有するショットが作れます。注意:Astorieはナビゲート可能なワールドをglTFやUSDとして書き出す機能はありません——キャプチャした静止画が成果物になります。下記からモデルを選んで、画像からワールドへのワークフローを体験してください。
コンセプトフレームを持たない監督が、ある場所を言葉で描写するだけで(「夕暮れの霧がかった路地、ネオンの看板、濡れた石畳」)、数分でナビゲート可能なMarbleやWorld Labsのシーンが手に入ります。Astorieのキャンバス上で場所のプロンプトをworldノードに入力し、必要であれば前段にNano Banana 2またはFluxのコンセプトフレームを連結して画像条件付けを強化します(World Labsはテキストのみでは弱いため)。その後静止画をキャプチャしてSora 2の動画ノードに渡します。出力は完成したメッシュの書き出しではなく、空間ムードボードとして扱ってください。下記からモデルを選んで、テキストから3Dへのプリビズワークフローを体験してください。
撮影監督は、MarbleやWorld Labsのシーンから角度の揃った静止画をキャプチャし、それぞれを開始フレームとしてSora 2、Kling 3、Runway Gen4の動画ノードに渡します——カメラの動きは変わっても、世界は変わりません。Astorieのキャンバス上で、5ショットのシーケンス(ワイド → ミディアム → クローズアップ → リバース → タグ)を構築すれば、その場所はカットをまたいでも1つの空間として読めます。世界が背骨であり、それぞれの動画クリップはそこから派生したテイクです。下記からモデルを選んで、空間参照による動画ショットのワークフローを体験してください。
