メインコンテンツまでスキップ

メディア生成の概要

Elftia は複数の AI メディア生成機能を統合しており、画像、動画、音楽の制作に加えて、音声認識(ASR)と音声合成(TTS)にも対応しています。これにより、チャットや制作ワークフローの中で、AI を使ってマルチメディアコンテンツを直接生成できます。

ユースケース​

  • チャット中に AI でイラスト、コンセプトデザイン、アートワークを生成する
  • テキストの説明から短い動画を生成する
  • テキストプロンプトと任意の歌詞から AI 音楽を作成する
  • 音声メッセージを自動的にテキストへ文字起こしする
  • AI の返信や任意のテキストを音声に変換して再生する

対応メディアタイプ​

メディアタイプ説明対応プロバイダー
画像生成テキストプロンプトから画像を生成Gemini, OpenAI (DALL-E), Vertex AI, カスタムプロバイダー
動画生成テキストまたは画像から動画を生成Kling AI, OpenAI (Sora), Replicate, VolcEngine, Wan
音楽生成テキストプロンプトから音楽を作成ACEMusic
音声認識(ASR)音声ファイルをテキストへ文字起こしOpenAI Whisper, ElevenLabs Scribe, Fish Audio
音声合成(TTS)テキストを音声に変換ElevenLabs, Fish Audio

一般的なワークフロー​

すべてのメディア生成機能は、同様のワークフローに従います。

Configure provider → Select model → Enter parameters → Generate → View / save result

ステップ 1: プロバイダーを設定する​

  1. 設定 > メディアプロバイダー を開く
  2. 使用したいメディアタイプのプロバイダーを見つける
  3. API キーと必要な設定を入力する
  4. プロバイダーを有効にする

ステップ 2: コンテンツを生成する​

メディアタイプに応じて、対応する UI にパラメータを入力し、コンテンツを生成します。具体的な手順については、各メディアタイプの詳細ドキュメントを参照してください。

ステップ 3: 表示して保存する​

生成されたメディアコンテンツは直接プレビューでき、ローカルファイルシステムに保存できます。

グローバル設定​

すべてのメディア生成機能は、以下のグローバル設定を共有します。

設定説明デフォルト
同時実行数同時に実行できる生成タスクの最大数3
リトライ回数生成に失敗した場合の自動リトライ回数2

プロバイダー管理​

組み込みプロバイダー​

Elftia には、主要なメディア生成プロバイダーの定義が含まれています。API キーを入力するだけで利用を開始できます。

カスタムプロバイダー​

組み込みリストにないプロバイダーについては、カスタムプロバイダーを手動で追加できます。

  1. メディアプロバイダー設定で カスタムプロバイダーを追加 をクリックする
  2. プロバイダー名、API エンドポイント、認証情報を入力する
  3. モデルリストとデフォルトパラメータを設定する
  4. 保存して有効にする

詳細ドキュメント​

よくある質問​

質問解決策
プロバイダーが未設定と表示される正しい API キーが入力されていることを確認してください
生成リクエストがタイムアウトする一部の生成タスク(特に動画)は長い時間がかかります。しばらくお待ちください
生成品質が低いプロンプトの説明を見直し、より多くの詳細やスタイルの指示を追加してみてください
API クォータを使い切ったプロバイダー側で使用量クォータを確認し、プランのアップグレードまたはプロバイダーの切り替えを検討してください

関連リンク​