3行でいうと

  • Webの流れは、公式のText to Videoのページが「書く、生成する、見直す、直す」と示しています。文章のひな形は「被写体＋場所＋動き＋カメラ＋光＋音＋形式」です。
  • 画像から始めるときは、公式のImage to Videoのページが「画像を上げる、動きを書く、同じ画像から複数の候補を比べて直す」の3段を示しています。
  • CLIの基本は pixverse create video --prompt "…" です。作ったあとは pixverse task wait、pixverse asset download で受け取ります。公式のREADMEの例が根拠です。
  • 例のプロンプトは、すべて「この記事の例」です。公式の例そのものではありません。
  • 最初の1時間の並べ方（この記事の案）は、末尾にあります。クレジットを使うのは、生成を実行したときです。

この記事は、公式の資料を2026年10月25日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。

手順は「公式のページに書かれている流れを、順に並べたもの」です。コマンドは公式のREADMEやスキルの記述にある例の写しです。要約を通して読んでいるため、細かい書式は公式ページで確認してください。「この記事の例」と書いたプロンプトや組み合わせは、公式の記載に合わせてこの記事で組んだもので、動作は確かめていません。画面の表記は変わります。手元の画面と照らして読んでください。

先に結論

前提：用語をそろえる

たとえ話

プロンプトは、撮影現場に渡す「カット割りメモ」です。「いい感じに」だけでは現場が迷い、「誰が、どこで、何をして、カメラはどう動き、どんな光と音か」を書くほど、受け取る側が迷いにくくなります。

場面1：文章から動画をつくる（Web）

公式のText to Videoのページ（pixverse.ai/en/product/text-to-video）に書かれている流れです。作る画面の中は読めていないため、画面上のボタンの位置や設定の名前は書きません。

手順

  1. pixverse.ai のText to Videoのページから、「Generate a Video From Text」（または「Try PixVerse」）のボタンで、作る画面（app.pixverse.ai）に進みます。サインインが必要な場合は「Login」から入ります（05を参照）。
  2. 作る画面で、文章から動画を作る入口を選びます。画面上の名前は、公式の資料では確認できていません。
  3. プロンプトを書きます。公式のひな形は、次のとおりです。

「subject + setting + action + camera + light + sound + format」（被写体＋場所＋動き＋カメラ＋光＋音＋形式）

この記事の例（プロンプト。公式の例ではありません）

公式のひな形に当てはめて、この記事で組んだ例です。

朝の駅前のカフェ。木のテーブルに置かれた白いマグカップから、湯気がゆっくり立ちのぼる。
カメラは正面から、ごくゆっくり寄っていく（push-in）。窓からやわらかい朝の光。
環境音は食器の小さな音と、遠くの電車の音。16:9。

公式のV6ページが挙げる、カメラの言葉

公式のV6のページは、V6が反応しやすい言い方として、slow push-in、handheld tracking shot、low-angle shot、aerial view、POV、pan、tilt、orbit、close-up を挙げています。同じページは、人物の特徴（髪、服、アクセサリー、目立つ特徴）を、カットが変わっても同じ言葉で繰り返すよう書いています。

場面2：画像から動画をつくる（Web）

公式のImage to Videoのページ（pixverse.ai/en/product/image-to-video）の3段階です。

手順

  1. 「Generate from an Image」「Try Image to Video」などのボタンから作る画面に進みます（ページのボタン名）。
  2. 起点の画像を上げる。 公式は、商品画像、ポートレート、キャンペーンの静止画、イラスト、コンセプトのフレームなどを例に挙げ、被写体と方向性がはっきりした画像が、動きをつける土台になる、と書いています。V6のページは「被写体がはっきりしていて、輪郭が読みやすく、構図が強く、あいまいさの少ない画像」と書いています。ファイル形式や大きさの条件は、このページには書かれていません。
  3. 次に起きてほしい動きを書く。 公式の例では、ゆっくり寄る、現れる、繰り返す動き、動く背景、より映画のような雰囲気、などです。
  4. 同じ画像から複数の候補を作り、選んで直す。

公式の例にあるプロンプトの考え方

公式のページは、例として次の観点を挙げています（文面の引用ではなく、観点の要約です）。

この記事の例（プロンプト。公式の例ではありません）

入力画像を最初のフレームとして使う。被写体（赤いマフラーの人物）、背景の石畳、夕方の光は変えない。
人物はゆっくりこちらを振り向き、マフラーが風でわずかに揺れる。
カメラは固定で、ごくゆっくり寄る。
新しい人物は出さない。顔や服の形を崩さない。文字や透かしを入れない。

場面3：スマホのアプリで作る

公式のダウンロードページには、「アプリでサインインすると、クレジットと作ったものが引き継がれる。数秒で最初の動画を作れる」という趣旨の記述があります。アプリの画面、メニュー、操作の順は、公式の資料では確認できていません。Webで書いた内容（プロンプトのひな形、見積もりを見る）は、アプリで同じ名前の機能があるかを手元の画面で確かめてから使ってください。

場面4：コマンドで動画をつくる（CLI）

ここからは、公式のREADMEにある例が中心です。入れ方とログインは05を参照してください。コマンドのオプションの値（モデル名、画質）は、版によって変わります。

4-1 作る前に、対応を調べる

pixverse capabilities create video --model v6 --json

4-2 最初の1本（READMEの例）

pixverse create video --prompt "A cat walking on Mars" --model v6 --quality 720p --aspect-ratio 16:9

4-3 待つ、状態を見る、受け取る

pixverse task status <id>
pixverse task wait <id>
pixverse asset download <id>
pixverse asset download <id> --dest ./out/

4-4 JSONで受け取り、次のコマンドにつなぐ（READMEの例）

VID=$(pixverse create video --prompt "A cat on the moon" --json | jq -r '.video_id')
pixverse task wait "$VID" --json
pixverse asset download "$VID" --dest ./output/

4-5 プロンプトを文章ファイルや標準入力から渡す

READMEは、--prompt、--text、--lyrics は、文字列、ローカルファイルのパス（ファイルが存在する場合）、-（標準入力）のどれでもよい、と書いています。

pixverse create video --prompt ./scene.txt
cat scene.txt | pixverse create image --prompt - --json

長い指示を scene.txt に書いておけます。ページには、--prompt ./hooks.txt --count 4 の例もあります。

4-6 候補を複数作る、再現する、安い時間帯

オプション 公式の説明（READMEの表）
--count 作る数。1から4。既定1
--seed 再現できる生成。モデルによる
--off-peak オフピークでの生成。対応するモデルのみ
--no-wait 待たずに戻る
--audio / --no-audio 音声の生成。対応するモデルのみ
--multi-shot / --no-multi-shot マルチショット。対応するモデルのみ
--idempotency-key 再送用の固定のキー（公式の表記は safe-retry key）。READMEの共通オプションの表にはなく、create-videoのスキルに記載

オフピークの料金や、何クレジット安くなるかは、読んだ範囲では書かれていません。

場面5：画像を作る、画像を直す（CLI）

READMEの例です。

pixverse create image --prompt "Cyberpunk cityscape at night" --aspect-ratio 16:9
pixverse create image --prompt "Turn this into a watercolor painting" --image ./photo.png
pixverse create image --model gemini-nano-banana-2.1 --detail-level high --prompt "A studio portrait"

場面6：2枚の絵をつなぐ（トランジション）

pixverse create transition --images ./frame1.png ./frame2.png ./frame3.png
pixverse create transition -m seedance-2.5 --images ./first.png ./last.png --prompt "A seamless transformation"

場面7：参照素材から作る（人物・動き・声の手本）

READMEの例です。@image1、@video1、@audio1 のように、参照した順番で名指しします。

pixverse create reference -m v6 --images ./char1.png ./char2.png --prompt "Two friends walking in a park"
pixverse create reference -m kling-o3-4k --images ./character.png --videos ./motion.mov --prompt "Use @image1 as the subject in @video1"
pixverse create reference -m seedance-2.5 --images ./char.png --videos ./motion.mp4 --audios ./voice.mp3 --duration auto --aspect-ratio auto --prompt "@image1 follows @video1 and @audio1"

場面8：延ばす、直す、解像度を上げる、動きを移す

pixverse create extend --video <video_id>
pixverse create modify --video <video_id> --prompt "Change the background to a beach"
pixverse create upscale --video <video_id> --quality 2160p
pixverse create motion-control --image ./character.png --video ./dance.mp4

場面9：声、音楽を作る

pixverse create voice --text "Hello world" --voice-id <preset_voice_id> --output ./out.mp3
pixverse create music --prompt "A cinematic pop song with bright synths" --auto-lyrics
pixverse create music --prompt "Uplifting piano theme" --instrumental --duration-seconds 60

場面10：テンプレート、ミニアプリ

pixverse template list
pixverse template search "dance"
pixverse template info <template_id>
pixverse create template --template-id 12345 --image ./photo.png
pixverse miniapps list
pixverse miniapps info magic_extend --json

場面11：アセットとフォルダ

pixverse asset list
pixverse asset upload ./photo.png
pixverse asset info <id>
pixverse asset delete <id>
pixverse saved new "My Collection"
pixverse saved add <asset_id...> --folder <folder_id> --type video

場面12：Canvas（作業場）を使う

Webでは、公式のCanvasのページ（pixverse.ai/en/canvas）が、5つのモード（Mind Layout、Batch Factory、Model Arena、Agent Launchpad、Project Memory）と、始め方の3段（方向を決める、場面と素材をつなぐ、文脈の中で生成して見直す）を書いています。作業の入口は「Open PixVerse Canvas」で、app.pixverse.ai/canvas に進みます。ページは、必要なプランを書いていません。

CLIにも canvas のコマンド群があります（CLI 1.4.0、2026-09-07から）。READMEの「Recommended sequence」（公式の表記）は、次の順です。

pixverse canvas project create --json
pixverse capabilities canvas --node-type image_generate --selector text_to_image --model qwen-image --json
pixverse canvas node schema --node-type image_generate --json
pixverse canvas graph get "$PROJECT_ID" --json
pixverse canvas patch dry-run "$PROJECT_ID" --patch patch.json --json
pixverse canvas patch apply "$PROJECT_ID" --patch patch.json --json
pixverse canvas dispatch "$PROJECT_ID" --node-ids image_01,video_01 --edit-version 13 --json
pixverse canvas graph status "$PROJECT_ID" --node-ids image_01,video_01 --json

場面13：ChatGPT／Codexの中から使う

公式の紹介ページ（app.pixverse.ai/cli/gpt-astra）には、スキルのカード（例：Motion Design Video、Character Design Sheet、Ad Variant Maker、AI Presenter Video、Short Drama Film など）があり、各カードの「Try in ChatGPT」から、スキル名と依頼文があらかじめ入った新しいスレッドが開く、と読めました。依頼が自動で送信されるかは、ページに書かれていません。入れ方、データの扱いは08で扱います。

公式のV6ページが挙げる「うまくいかないとき」

症状 公式が挙げる原因 公式が挙げる直し方
実行のたびに結果がばらつく あいまいな指示、人物の特徴の指定がない、競合する動きが多い 文章を具体的に。人物の特徴を繰り返す。不要なスタイルの言葉を減らす
動きの出方がおかしい 公式は原因としてではなく、直し方の候補として「動きの強さと長さ」を挙げる 動きの強さと長さの設定を調整する
音のタイミングが合わない 原因は書かれていない 生成の後に音のタイミングを見直す、と書かれている（具体的な直し方は書かれていない）。プロンプトに音の合図を書く例はある

最初の1時間にやる順番（この記事の案）

公式の手順ではなく、この記事で組んだ並べ方です。クレジットを使うのは、4から先です。

  1. 0〜10分： 05の手順で、入口を決める。Webだけで始めるなら、サインインして、見積もり（クレジット）の表示を見つける。CLIも使うなら、Node.jsのバージョン、npm install -g pixverse、pixverse auth login、pixverse auth status まで。
  2. 10〜20分： 文章を用意する。公式のひな形（被写体、場所、動き、カメラ、光、音、形式）を、1行ずつ埋めて、短い版を作る。
  3. 20〜25分： CLIなら pixverse capabilities create video --model v6 --json で、選べる画質や長さを見る。
  4. 25〜35分： 最初の1本を作る。短く、小さい画質で試す（同じモデルでも解像度と長さと音声でクレジットが変わることは、04を参照。API向けの料金表の話で、Webの画面の数字は確認できていません）。
  5. 35〜45分： 結果を見て、直すのは1つだけにして、もう一度作る（原因を切り分けやすくするための、この記事の見立てです）。
  6. 45〜55分： 手元にある1枚の画像で、画像から動画を試す。入れる画像の権利を、04で読んだ範囲で確認しておく。
  7. 55〜60分： 作ったものの保存を確認する。CLIなら pixverse asset download <id> --dest ./out/。Webの保存の仕方は、公式の資料では確認できていません。

気をつけること

出典