DomoAIとは？企業プレゼンはAI動画でどう変わるか｜実機検証で見えた「AIキャスティング」【2026年版】

---

DomoAIは、MV、アニメ、キャラクター動画、短尺CMなど、動画そのものを完成コンテンツとして制作できるAI動画生成環境である。

では、その動画生成能力を企業内の会議、プレゼン、社内説明、教育などの「伝える仕事」へ持ち込むと、何が変わるのか。

実機検証で見えてきたのは、企業の「伝える仕事」が、もう静止資料だけを前提にしなくてもよい時代に入っているということだった。

AI動画、説明画像、スライド、AI音声を適材適所で組み合わせ、「理解までの時間」を短くする。DomoAIは、その変化をさらに現実的にする選択肢の一つである。

本記事の制作方針について

有償記事であることを明示したうえで、テーマ・評価・考察・結論はArpable編集部が独立して決定している。

DomoAIとは？完成動画から制作素材まで扱うAI制作環境

DomoAIは単一の動画生成モデルではなく、画像・動画・音声と複数モデルを組み合わせて制作を進めるAI制作環境である。

DomoAIには、Text-to-Video、Image-to-Video、Video-to-Video、Frames-to-Video、Character-to-Video、Omni Reference、Talking Avatar、Text-to-Speech、画像生成・編集、Upscaleなど、映像制作に関係する複数の入口があります。

文章から動画を作るだけではありません。画像を作り、その画像を動画化し、参照素材で人物や世界観を維持し、必要なら音声まで付ける。素材生成から動画化までを一つの制作環境で行き来できるのが現在のDomoAIです。

DomoAIは2026年8月19日、Omni ReferenceがSeedance 2.5とMiniMax H3に対応したことをグローバル向けに正式発表しました。日本語での発表は8月24日に公開されています。

筆者が面白いと感じたのは、「最強のモデルを一つ選ぶ」必要がないことでした。場面ごとに機能やモデルを選ぶ。筆者はこれを「AIキャスティング」と捉えています。

映画監督が役柄によって俳優を選ぶように、「この場面ではAIに何をさせたいのか」から逆算してAIを配役する考え方です。

同じ舞台を深く使うか、役ごとに選ぶか｜Google Flowとの違い

企業でAI動画を検討すると、Google Flowも有力な選択肢です。ただし、両者は単純な優劣ではなく、プロダクトの考え方に違いがあります。

Google FlowはGemini、Nano Banana、VeoなどGoogleの生成AI群を深く組み合わせる方向が強い制作環境です。一方DomoAIでは、Seedance 2.5やMiniMax H3など異なるモデルや制作機能を目的に応じて使い分けられます。

本記事の検証観点で整理すると、FlowはGoogleのAI群を深く組み合わせる「垂直統合型」、DomoAIは場面ごとにAIを配役する「AIキャスティング型」と捉えられます。どちらが上という話ではなく、企業が制作環境を選ぶ際の一つの判断軸です。

DomoAIは難しいのか｜マニュアルを読まず1日で使いどころが見えた

マニュアルを読まずに画面を触り、必要な部分だけYouTubeを参照しながら、主要機能の使いどころを把握できた。

今回、筆者は操作マニュアルを一切読んでいません。最初から画面を見て、興味のあるところから触りました。

Text-to-Video、Image-to-Video、Omni Reference、人物の発話などを試し、分からない部分だけYouTube上の利用動画などを参考にしました。

その結果、筆者の場合は1日程度で主要機能が何に使えそうなのかをほぼ把握できました。もちろん「誰でも1日で習得できる」という意味ではありません。

企業で生成AIを使うとき、すべての機能を順番に覚える必要はありません。興味のある入口から試しながら全体像を理解できることは、実務導入では重要です。

実機検証①｜この1枚の神輿写真が15秒の物語になった

一枚の静止画を単に動かすだけでなく、その写真の外側にある世界と時間軸まで生成したことが最初の大きな驚きだった。

筆者には、AI動画生成サービスを試す際に長く使ってきた一枚の画像があります。東京の祭礼で、人々が神輿を担いでいる小さな写真です。

今回は、『担ぎ手が「ワッショイ」と声を上げながら前進すること、女性の参加者が加わること、沿道で家族や観光客が応援すること、カメラが神輿を追うこと、最後には鳥居をくぐって神社の境内へ入ること』までプロンプトで指定しました。

元画像の中にあるものだけではなく、「この後どうなるのか」までストーリーとして与えたわけです。

1枚の画像から生成した実機動画

完成した映像を見たとき、率直に驚きました。神輿が揺れるだけではありません。行列が進み、周囲に観客が広がり、人々が反応し、カメラも移動する。そして元画像には写っていなかった鳥居や神社へ展開していきます。

一枚の写真を動画化したというより、一枚から始まる時間軸を生成した。そう感じました。

筆者は同じ画像を複数のAI動画生成サービスで試してきました。その中でも今回の出力は、行列の前進、観客の反応、カメラの移動、鳥居へ向かう展開が一つの時間軸としてつながった点が特に印象に残りました。

こうした自由な展開力は、MV、アニメ、短尺CMのように映像自体が成果物になる用途で活かしやすいでしょう。

一方、人物、商品、背景、ブランドの見え方を一定に保ちたい企業利用では、AIにどこまで自由を与えるのかを先に決める必要があります。そこで次は、神輿とは反対に、人間側で人物を固定した場合を試しました。

主要な動画生成AIを横断的に確認したい場合は、動画生成AI比較2026｜Soraショック後の最適ツール選定と商用利用リスクも参考になります。

実機検証②｜Omni Referenceで同じ人物に日本語を話させる

人物を参照画像で固定した検証では、人物の一貫性に加えて日本語Lip Syncの自然さが特に印象に残った。

神輿動画ではAIの自由な創造力を試しました。次は反対に、人間側が人物を明確に決めた場合です。

用意したのは、同じ女性プレゼンターの正面・側面・背面の3方向画像と、顔や表情を確認しやすいバストアップ画像です。

図2：Omni Referenceに与えた女性案内人の3方向画像

図3：顔と表情を参照させるためのバストアップ画像

これらをOmni Referenceへ与え、企業イベントの壇上で日本語を話す動画を生成しました。

特に印象に残ったのが、日本語のLip Syncです。今回の参照画像、発話内容、生成条件で採用したテイクでは、口の動きだけでなく、顔の向き、視線、表情、身体の動きにも大きな破綻が見られず、企業イベントの壇上で説明する人物として見せやすい結果になりました。

研修動画の案内役、採用説明、サービス紹介、社内メッセージ、イベント映像などにも応用できそうです。

Seedance 2.5はDomoAIのOmni Referenceで利用でき、2026年9月1日時点の公式情報では4〜30秒、480pまたは720pに対応し、最大30枚の画像、10本の動画、10件の音声を参照できます。

問われるのは素材数ではなく、各素材にどんな役割を与えるかです。「この画像は顔」「この動画は動き」「この音声は声」というように、参照素材の仕事を明確にします。

Seedance 2.5とMiniMax H3｜モデルは役割で選ぶ

Seedance 2.5とMiniMax H3は単純な優劣ではなく、シーン構成・人物・参照素材・音声など制作目的から選ぶ。

Seedance 2.5とMiniMax H3のDomoAI上での主な違い

観点	Seedance 2.5	MiniMax H3
生成時間	4〜30秒	4〜15秒
解像度	480p / 720p	768p〜最大2K
参照素材	画像・動画・音声を合計最大50件	画像・動画・音声を合計最大12件
本記事での捉え方	長めの時間軸や多数の参照素材を使ったシーン構成	人物、演技、音声を含む短い表現
※DomoAI公式情報および2026年9月1日時点の実機UIをもとに整理。仕様・対応モデル・プラン条件は変更される可能性があります。

実機UIではSeedance 2.5は画像・動画・音声を合計最大50件まで参照できます。DomoAI公式情報では、内訳として最大30枚の画像、10本の動画、10件の音声が案内されています。
MiniMax H3は、今回確認した実機UIでは画像・動画・音声を合計最大12件まで参照できます。素材種別ごとの上限は画面上では示されていないため、本記事では合計件数のみ記載します。

この15秒、30秒でAIに何を任せたいのか。そこからモデルを選ぶ。これもAIキャスティングです。

Text-to-VideoとImage-to-Video｜AIにどこまで自由を与えるか

Text-to-VideoはAIに世界を想像させ、Image-to-Videoは人間が決めた世界をAIに動かさせるという違いがある。

何度も生成しているうちに、Text-to-VideoとImage-to-VideoではAIへ与える「自由の量」がかなり違うと感じました。

Text-to-Videoでは、人物、背景、構図、カメラ、光、動きまでをAIが解釈します。予想外の映像が生まれやすく、未来像や比喩、コンセプト映像のように、AIの発想を活かしたい場面と相性があります。

一方、Image-to-Videoでは人物、商品、背景、ブランドイメージなどを基準画像で決め、その世界をAIに動かさせます。

Text-to-VideoはAIに世界を想像させる。Image-to-Videoは人間が決めた世界をAIに動かさせる。

企業のブランドや商品、人物を一定に保ちたい場合は、高品質な基準画像を用意してから動かす方法が扱いやすいと感じました。一方、抽象的な変化を一瞬で見せたい場面ではText-to-Videoの自由度が活きます。

Relax Modeは「動画の前」にも効いた

なぜ筆者は、企業のプレゼンを動画へ移してきたのか

DomoAIを試す以前から、筆者自身の企業プレゼンはPowerPoint中心から動画・説明画像・AI音声を組み合わせる方法へ移ってきた。

ここで一度DomoAIから離れ、筆者自身の資料作成がこの10年ほどでどう変わったかに触れておきます。企業の説明にAI動画を使うという考えは、DomoAIを使って突然生まれたものではないからです。

10年ほど前まで、筆者はPowerPointをかなり頻繁に使っていました。会議資料も説明資料も、まずPowerPoint。画像、図、表、文章を何でも貼り付けられるエディタとして考えれば、今でも非常に便利な道具です。

ところが、この数年で利用する機会は徐々に減りました。現在、本格的にPowerPointを使うのは年に数回程度ではないかと思います。

理由は、まとまった考えを伝える場面では、動画の方が短時間で同じイメージを共有しやすいと感じるようになったからです。

会議の冒頭や講演会では、まず短い動画で全体像や問題意識を共有し、その後に数字や構造を説明画像で確認する。筆者の仕事では、この方が使いやすくなりました。

AI音声も同じです。筆者が一度、同じ原稿を自分で話した場合とAI音声に読ませた場合の所要時間を測ったところ、AI音声は筆者自身が話す時間のおよそ8割で終了しました。筆者自身との比較では約20％短い時間で、言いよどみや間のばらつきもありませんでした。

もちろん、一度の自己計測であり「AI音声なら一般的に20％速い」という意味ではありません。しかし、企業説明では一定のテンポで聞き取りやすく、予定時間内に伝えることが重要な場面もあります。

筆者にとって今回のDomoAI検証は、方向性を変えたのではありません。以前から進めてきた「伝え方の動画化」に、生成AI動画という新しい部品が加わったという方が実態に近いのです。

実機検証③｜約2時間→約15分、企業動画のツカミ制作が変わった

企業利用で最も大きな実務効果が出たのは、従来約2時間だった短尺動画制作を約15分まで短縮できたことである。

筆者は企業向け動画を作る際、まずArpableの記事を書きます。1万字前後の記事が情報の正本です。

従来、30秒程度のツカミを作るときは次の工程を踏んでいました。

そこでDomoAIを使いました。題材は、AIによってSESのビジネスモデルがどう変わるのかを扱った記事です。

人月モデルやAI生産性から始めるのではなく、玉ねぎを炒めるという日常から入り、「時間がかかることには価値がある」という前提そのものがAIによって変わるのではないか、と本題へつなぎました。

テーマと短いメッセージを固めた状態から、DomoAIで映像と音声を含む短尺動画を生成し、採用テイクを選ぶまでを約15分で進めることができました。テーマ探索、記事執筆、公開用の細かな編集作業は含めていません。

筆者の従来ワークフローと今回のDomoAI利用時の比較

比較項目	従来	今回
制作時間	約120分	約15分
主な工程	音声生成、STT、画像生成、編集	短いメッセージから動画生成
時間削減	―	約87.5％
制作スピード換算	基準	約8倍
※筆者自身の従来制作工程との比較結果であり、DomoAI利用者一般の生産性向上率を示すものではありません。

短縮されたのは、単なるAIの生成待ち時間ではありません。

NotebookLM、STT、画像生成AI、Camtasiaという複数ツールを行き来していた工程そのものが減りました。企業利用では、生成時間そのものより、この工程削減の方が効いてきます。

実機検証④｜ソロプレナー動画で見えた「語りの型」の再現性

別テーマでも短尺制作を試すと、企業動画では人物の顔ではなく「語りの型」を固定するという再現方法が見えてきた。

一つの動画でうまくいっただけなら偶然かもしれません。そこで、AI時代のソロプレナーを扱った記事でも試しました。

玉ねぎとはまったく違うテーマですが、一つ共通点が見えました。

キャラクター動画では「顔を固定する」ことが重要です。一方、企業の短尺説明動画では、筆者の場合、固定したのは「語りの型」でした。

誰もが知る日常や常識 → しかし、その前提が変わり始めている → だから、この問題を考える。

15〜30秒では細部を際限なく作り込むより、何を一つ伝えるのか、どんな比喩なら理解されるのか、何秒で終えるのかという言葉と構成の精度へ時間を使う方が効果的でした。

企業プレゼンのAIキャスティング｜動かす・止める・話す

企業プレゼンはAI動画、説明ビジュアル、AI音声を役割ごとに配置し、理解が速くなる場所から逆算して設計できる。

こうした経験から、筆者は企業のプレゼンテーションを静止資料だけで設計する必要はなくなっていると考えています。

重要なのは、「法務だから動画に向かない」「技術だから向かない」と分野で線を引くことではありません。「この15〜30秒を映像にすると、相手の理解が速くなるか」で判断します。

動かす｜直感的に理解させる

未来像、問題意識、比喩、人の動き、現場の変化などは、AI動画で一瞬に見せられる場合があります。動画を置く場所は冒頭に限りません。中盤でも終盤でも、動かすことで理解が一段進む場所へ差し込めばよいのです。

止める｜正確に理解させる

市場規模、事業モデル、製品仕様、契約条件、技術アーキテクチャなどは、一枚の図を止めて見せる方が理解しやすいことがあります。

筆者自身、現在の企業説明ではPowerPointをほとんど使いません。Nano Bananaなどで説明画像を作ったり、NotebookLMで作成したスライドを利用したりしています。

話す｜AI音声で届け、人間が判断する

TTSによるAI音声で一定のテンポで説明し、Camtasiaなどで素材を一つの動画へ統合します。そして最後は、人間が質問し、反論し、議論し、判断します。

「動かせるから動かす」のではなく、「動かした方が伝わるところを動かす」。

情報を作ること自体が簡単になった時代だからこそ、企業に問われるのは情報量ではなく、理解までの時間をどう短くするかなのだと思います。

企業動画を完成尺から設計する考え方については、AI動画制作ワークフロー2026｜30秒・2分・10分・20分で変わる最適な作り方でも整理しています。

調査から資料・動画までをAIでつなぐ別のアプローチについては、Gensparkとは？AIエージェントで調査・資料作成・動画化まで自動化する仕事術も参考になります。

企業利用で確認しておきたい制約｜STT・データ・権利

DomoAIを企業利用する際は、制作機能だけでなくSTTの有無、第三者モデルへのデータ送信、素材の権利も確認が必要である。

DomoAIにはText-to-Speechがありますが、今回確認した範囲では、既存音声や動画から文字を書き起こす専用STT（Speech-to-Text）機能は見当たりませんでした。筆者はこうした用途でMyEditなどの外部サービスも利用しています。

字幕作成、翻訳、多言語展開まで一つの環境へ入れば、さらに外部ツールを減らせます。STTは今後期待したい機能の一つです。

料金は「動画1本いくら」だけでは判断できない

企業の内製利用では月額料金だけでなく、試行錯誤を何回繰り返せるかまで含めて制作コストを判断する必要がある。

DomoAIの料金を見る際、筆者が特に注目したのがRelax Modeです。2026年9月1日時点ではStandardプラン以上で利用可能で、Basicプランは非対応です。また、すべてのモデル・機能が対象ではありません。

Nano Banana ProなどはRelax Modeの対象ですが、Seedance 2.5とMiniMax H3はFast Modeのみです。

企業の内製制作では、一回の生成単価以上に「もう一度試せるか」が重要です。基準画像を作り直す、構図を変える、テキストを修正する。その試行回数が最終品質へつながります。

Relax Modeは「もう一度試す」ことへの抵抗を下げる仕組みとして評価しています。

料金、クレジット数、対応モデルは変更される可能性があるため、契約時にはDomoAI公式料金ページで最新情報を確認してください。

一次情報と実機評価は分けて考える

メーカーが説明する機能と、実際の業務で得られる価値は同じではないため、公式情報と実機評価を分けて考える必要がある。

DomoAIは公式発表で、Seedance 2.5とMiniMax H3のOmni Reference対応や、キャラクター一貫性、長いストーリー、Music Video Creationなどを紹介しています。

これは「メーカーが何を提供していると説明しているか」を見る一次情報です。

一方、Arpableが今回確かめたかったのは、「それを実際の仕事へ持ち込むと、どこで役に立つのか」でした。

実機検証では、MVやキャラクター制作だけでなく、企業内で「理解を速くする短い映像」という使い方にも可能性を感じました。公式情報だけでは、この結論にはたどり着きません。だからこそ、実際の制作工程へ入れて試す意味があります。

まとめ｜企業プレゼンは「何を作るか」から「どう理解させるか」へ

AI動画、説明ビジュアル、AI音声を適材適所で使い分け、企業プレゼンを「理解までの時間」から逆算して設計する時代が始まっている。

今回のDomoAI検証は、一枚の小さな神輿写真から始まりました。止まっていた神輿が動き、担ぎ手が進み、沿道へ世界が広がり、最後には神社まで物語が続く。一枚の画像から15秒の世界が生まれました。

次に、参照画像を使って同じ女性に日本語を話してもらいました。そして企業向けの短尺動画へ持ち込むと、筆者の従来工程では約2時間かかっていた制作を、今回のケースでは約15分まで短縮できました。

ただし、そこで得た結論は「何でも動画にすればよい」ではありません。

数字は一枚の図で止めて見せる。仕組みは説明ビジュアルで整理する。AI音声に正確に説明させる。そして、未来像、問題意識、人の動き、現場の変化など、映像にすることで理解が一気に進む場所を動かす。

筆者自身、10年ほど前の「何でもPowerPoint」だった仕事の仕方から、動画、説明画像、AI音声を組み合わせる方法へ徐々に移ってきました。今回のDomoAI検証は、その方向を変えたのではなく、そこで使える表現手段をもう一つ増やしたのです。

あの神輿は、動いたことで一枚の写真から15秒の物語になりました。企業の説明も同じです。大切なのは、全部を動かすことではなく、どこを動かせば相手の理解が一気に進むのかを見極めることです。

AI動画で直感的に理解させる。説明ビジュアルとAI音声で正確に理解させる。そして最後は人間が議論し、判断する。

情報を作ることが簡単になった時代に、企業に求められるのは資料の枚数を増やすことではないのかもしれません。

DomoAIを企業内動画制作へ持ち込んでみて、筆者が最も強く感じたのは、動画生成技術の進化そのものではありません。10年前にはPowerPointを作っていた自分が、いまは動画、説明ビジュアル、AI音声を組み合わせ、「どうすれば最短時間で同じ景色を相手の頭の中に作れるか」を考えるようになっている。その変化でした。

資料を作る人から、「理解」を設計するディレクターへ。

参考文献 / 出典

次に読むならこの3本

補足Q&A

Q1.
DomoAIは企業のプレゼンや社内説明にも使えますか？

A1.
使えますが、資料全体を動画化するのではなく、映像にすると理解が速くなる場所へ使うのが実務的です。

問題提起、未来像、比喩、人物メッセージなどは短尺動画と相性があります。一方、数字や比較は説明画像＋AI音声の方が適する場合があります。

Q2.
DomoAIのRelax ModeはBasicプランでも使えますか？

A2.
2026年9月1日時点では、Relax ModeはStandardプラン以上で利用でき、Basicプランは非対応です。

全モデルが対象ではありません。契約前に最新の公式料金ページを確認してください。

Q3.
企業の説明は今後すべてAI動画にした方がよいのでしょうか？

A3.
すべてを動画にする必要はありません。動画、説明画像、AI音声を役割ごとに使い分けることが重要です。

直感的理解が必要な場面は動かし、数字や構造は止めて見せ、AI音声で説明する。そして最後は人間が議論し、判断するという設計が実務的です。

更新履歴