AI 動画・音声ツール：2026年のおすすめ

画像・動画・音声・3Dコンテンツをローカル生成するためのノードグラフGUI、API、バックエンド。

トピックやキーワードから、台本・ナレーション・映像素材・字幕・音楽を自動生成して短い動画を作成します。

自分のコーディングエージェントで、ブリーフからプロトタイプや資料などを作るローカルファーストのオープンソースAIデザイン環境。

646言語に対応した、音声クローンや音声デザイン、動画吹き替え、文字起こしなどを行うローカル優先のオープンソース音声スタジオ。

AIコーディングアシスタントを、調査から編集・レンダリングまで行うパイプライン駆動の動画制作スタジオに変える、オープンソースのエージェント型動画制作システム。

音声クローン、音声生成、あらゆるアプリへの音声入力、AIエージェントの音声化に対応するローカルファーストのオープンソースAI音声スタジオ。

CPUのみのマシンを含むあらゆるハードウェアで各種AIモデルを動かす、セルフホスト型のOpenAI互換AIエンジン。

ネイティブなSwiftインターフェースを備えた、mpvベースのmacOS向け動画・音楽プレーヤー。

ArtCraftは、2D合成や3Dシーンの配置と各種モデルカタログを備えた、AI画像・動画制作向けのデスクトップIDEです。

macOSとWindowsで会議をローカル録音・文字起こし・要約する、プライバシー重視のAIアシスタント

AIエージェントがバズ動画を編集可能なワークフローに変換し、別バージョンを生成できる動画制作ツールキット

OpenAIのWhisperを使い、音声や動画をオフラインで文字起こし・翻訳できるデスクトップアプリ。

テキスト・画像・音声からの動画生成やキャラクターアニメーションに対応した、大規模なオープンソース動画生成モデル。

作りたてのプロジェクトを、音楽やモーション、投稿文付きの短い紹介動画にワンコマンドで変換するエージェントスキル。

600以上の言語に対応し、音声クローンと音声デザインも可能なオープンソースの多言語ゼロショットTTSモデル。

スマートフォンやウェアラブル、ロボット、マイコンで使える、小型のオンデバイス基盤モデル。

音声合成、ボイスクローン、Whisper文字起こし、YouTubeダウンロード、音声分離、吹き替え用翻訳を備えたWindows向けGradioアプリ。

Claude CodeとCodexで、生成AIではなくRemotionのコードから製品ページをシネマティックなプロモ動画に変換するエージェントスキル。

1000以上のサイトから動画・音声をダウンロードし、AIで文字起こし、検索、要約できる無料のオープンソースデスクトップアプリ。

シーンの外から内部へカメラが途切れず飛び込む、スクロール連動型3Dランディングページを生成するエージェントスキル。

8,200万パラメータのオープンウェイト音声合成モデル、Kokoro-82MのPython推論ライブラリ。

Adobe After Effectsに代わるクリーンルーム実装を目指す、オープンソースの純粋なRust製モーショングラフィックス・合成アプリです。

WebサイトやPDFなどから多言語の音声ポッドキャストを生成するオープンソースのPythonパッケージ。

キャラクターの一貫性を保った漫画画像や、長距離の画像から動画へのシーケンスを生成するStable Diffusionベースのオープンソースツール。

テキスト指示と映像素材から、AIによるコピー作成、TTSナレーション、バッチ編集で短い動画を作るクロスプラットフォームのデスクトップアプリ。

軽量なZipVoiceベースのTTSモデル。音声のクローンと48kHzの音声生成に対応し、GPUでリアルタイムの150倍超で動作。

テーマや脚本から、ストーリーボード作成からレンダリングまで一貫してAIショート動画やAI漫画ドラマを制作するオープンソースプラットフォーム。

yt-dlpを基盤に、動画・音声・字幕のダウンロードやSponsorBlockによる広告部分の除去に対応したPySide6製デスクトップアプリ。

SRT字幕を、温かみのあるベージュの紙を背景にした手描き風ホワイトボードアニメに変換し、MP4で書き出すAIスキル。

画面収録を製品デモや手順動画に仕上げられる、Windows・macOS・Linux対応の無料オープンソースアプリ。

アートスタイルのレシピや解説動画の文法をコード駆動のアニメーションに変換し、絵画や図解を動かすエージェントスキル。

ByteDanceの動画生成モデルSeedance 2.0向けのプロンプト作成を支援するAIアシスタント用スキル。

自然言語の指示をもとに、AIエージェントがデスクトップ版剪映专业版を操作して動画編集を自動化するスキル。

話す内容に合わせて原稿の単語をハイライトする、Dynamic Island風オーバーレイ対応の無料macOSテレプロンプター。

トレンドの発見からSNS投稿・動画の制作、中国のプラットフォームへの公開、結果の分析まで支援するオープンソースAIエージェント。

自然言語の指示から素材検索、台本作成、音楽・フォント選び、編集まで行うAI動画編集エージェント。

動画生成モデルを使わず、コードだけで51種類のスタイルの短編映画を演出するClaude Codeスキル。

Claude CodeとCodex向けのエージェントスキル。AI生成モーションを入力連動のWebアニメーションに変換

ストリーミングニューラルレンダリングで、低ポリゴンのフレームからプレイ可能なゲームシーンを生成するオープンソースのインタラクティブなワールドモデル。

14B拡散モデルを基盤に、ストリーミングで長さ無制限の音声駆動アバター動画を生成するオープンソース研究フレームワーク。

ビジョン、音声、NLP、LLMを網羅する419種類の学習済みAIモデルを、共通のPython CLIからailia SDKで実行できます。

トピックから、ナレーションやショットの尺、Google Flow向け動画プロンプト付きの棒人間アニメーション絵コンテを作成するAIスキル。

ローカルメディア保存、WebGPUエフェクト、ブラウザー内書き出しに対応したマルチトラック動画エディター。

YouTube動画をAI生成のチャプターに分割して切り出し、2言語字幕を焼き込むClaude Codeスキル。

ピクセルを直接生成するのではなく、実行可能なManimコードを書いて教育動画を作るエージェント型フレームワーク。

動画・音声・画像・字幕・メタデータの変換を細かく設定できる、FFmpegのネイティブデスクトップGUI。

Claude Code、Cursor、Codexなどのコーディングエージェントに、ローカルで使える42種類のFFmpeg編集ツールを提供するAgent Skill／MCPサーバー。

Stable Diffusionや新しい画像・動画モデルを実行できる、モデル対応と最適化を強化したForge派生のGradio製Web UI。

動画を文字起こし・フレーム解析・埋め込みでインデックス化し、自然言語でシーンを検索できるセルフホスト型のローカルファーストな動画ナレッジベース。

テキストの音声化、声のクローン、歌詞やMIDI譜からの楽曲生成ができる、macOS／Windows向けのローカル完結型デスクトップスタジオ。

Sopranoは、CUDA・CPU・MPSに対応し、ストリーミング出力が可能な超軽量のオンデバイス音声合成モデルです。

アイデア、モデル、素材をエージェントとともに自由なキャンバス上でつなぐ、AIネイティブな動画制作ワークスペース。

Whisperでオフライン動作する、macOS・Windows向けのオープンソースなローカルファーストAI音声入力アプリ。

画面上に表示され、会議を聞き取り、画面共有から隠れるmacOS・Windows向けオープンソースAIコパイロット。独自のAPIキーで利用できます。

クラウドプロバイダーにも端末内の完全オフラインモデルにも対応した、会議向けリアルタイム双方向音声翻訳アプリ

自分のAPIキーを使い、電話回線やチャットチャネルをAIエージェントにつなぐセルフホスト型ゲートウェイ。

ffmpegを基盤に、ショット分析・ショット同期コンポジット・メタデータ削除を行うClaude Code／Codex向けスキル。

FastRTC、Superlinked、Twilio、Opik、RunpodでAI音声コールセンターを構築する週ごとの講座。

APIやサーバーなしで、CapCut / JianYingのドラフトをローカルJSONとして編集するCLIツール兼ライブラリ。

小学1〜6年生向けの、単元テストや解説、音読、AI生成の物語を備えた無料の学習プラットフォーム。