画像・動画・音声を作るチャットモデル

モデルが頼み、ClawAIが作り、モデルが答える

メッセージにメディアが必要なとき、チャットモデルは画像生成、動画生成、音声生成の3つのツールのいずれかを呼べます。ClawAIはメディアモデルを実行して完了を待ち、結果を同じチャットモデルに返すので、あなたが読む返答は作られたものを見たモデルが書いたものです。完成した画像・動画・音声は返答の下に表示されます。ツールを呼べないモデルは従来のショートカットのままで、別のメディアモデルがリクエストに答えます。

Grok、GPT、Geminiで使えます

ツール呼び出しに対応したチャットモデルであれば、Grok、GPT、Geminiを含め、どれでもこのツールを使えます。Claudeのようにメディアを自分で生成しないモデルでも依頼できます。メディアを作るのはチャットモデルではなく、ツールの背後にある画像・動画・音声の専用モデルだからです。

画像・動画・音声

画像はGemini、OpenAI、xAIの画像モデル、動画はVeoまたはGrok Imagine、音声は音声読み上げ(OpenAIまたはGeminiの声)や短い音楽(Gemini Lyria)で生成されます。利用できるモデルは運営者が接続したものによります。チャットモデルはモデルを指定できますが、プラットフォームの既知リストにあるものだけで、それ以外は既定のモデルになります。

待ち時間・上限・費用

生成は他の生成と同じく計量され、プランの利用枠または従量課金のクレジットから差し引かれ、どちらも足りなければ拒否されます。メディアを作るターンは、モデルが結果を待つ必要があるため、一語ずつのストリーミングにはなりません。1つの返答で最大2点、比較ビューでは1つのメッセージで最大3点まで作成でき、それぞれ待ち時間に上限があります。

よくある質問

どのチャットモデルがメディアを作れますか。

ツール呼び出しに対応したチャットモデルならどれでも可能です。たとえばGrok、GPT、Geminiのモデルです。メディア自体はツールの背後の画像・動画・音声モデルが作るため、Claudeのように自分ではメディアを生成しないモデルでも依頼できます。

どこで使えますか。

通常のチャットと比較レーンで使えます。ほかのオーケストレーションラボ(合意、エスカレーション、ベストオブNなど)にはまだメディアツールがなく、画像の依頼が画像モデルに渡される従来の動作のままです。

費用はどれくらいですか。

生成ごとに、チャットモデル自体のトークンとは別に、プランの利用枠または従量課金のクレジットから計量されます。各プランの内容は料金ページで確認できます。