参照動画生成 (Reference-to-Video)読み: さんしょうどうがせいせい

2026-10-01 更新

AI用語辞典動画生成最終更新: 2026-10-01・AI PICKS編集部

参照動画生成 (Reference-to-Video)の定義

Reference-to-Video（参照動画生成）とは、人物や商品などの参照画像・参照動画とテキストの指示をもとに、見た目を保ったまま新しい動画を作る動画生成AIの機能のことです。R2Vとも略されます。

英語表記・略称: Reference-to-Video（R2V）
入力するもの: 参照画像（モデルによっては参照動画も）とテキストプロンプト
主な目的: キャラクターや商品の見た目を、シーンやカットをまたいで同じに保つこと
早い時期の例: Vidu 1.5（生数科技 Shengshu Technology、2024年11月）の「Multiple-Entity Consistency」。関係のない人物・物・背景の画像を1本の動画にまとめる
対応する主なモデル: Vidu（API名 reference2video、被写体は最大7つ）、Alibaba Wan シリーズ、Seedance 2.0、Runway Gen-4
似た機能との違い: 参照動画の「動き」を静止画の人物に移す処理（例：Wan2.2 Animate Move）は、見た目を保つR2Vとは別の機能

参照動画生成 (Reference-to-Video)に関連するツール

参照動画生成 (Reference-to-Video)とは（詳しく解説）

Reference-to-Video（参照動画生成、R2V）は、動画生成AIに「この人物」「この商品」といった見本を渡し、その見た目を保ったまま新しい動画を作る機能です。見本には主に画像を使い、モデルによっては動画も渡せます。あとはテキストで、どんな場面で何をさせるかを指示します。テキストだけで動画を作ると、カットごとに顔や服装が変わりがちです。R2Vは参照素材で見た目を固定するので、同じキャラクターが別々のシーンに登場する動画や、同じ商品を背景違いで見せる広告動画を作りやすくなります。2024年11月に生数科技（Shengshu Technology）が出したVidu 1.5は、関係のない人物・物・背景の画像を1本の動画にまとめる機能を打ち出しました。いまはViduのほか、AlibabaのWanシリーズ、Seedance 2.0、Runway Gen-4などが参照からの動画生成に対応しています。Vidu APIのreference2videoでは、被写体を最大7つまで指定できます。Wanの一部モデルは、参照動画から人物の見た目や声を読み取る使い方もできます。似た言葉にImage-to-Videoがあります。こちらは1枚の画像を最初のコマとしてそのまま動かす機能で、構図も元画像に縛られます。参照動画の動きを静止画の人物に移す「モーション転写」も別の機能です。使うときは、1つの参照素材に1人だけが写ったものを選びます。Wanのドキュメントでも、参照素材1つにつき1人と指定されています。

出典・公式情報: