テキスト→動画（Text-to-Video）

文章の記述から直接動画クリップを生成する AI モデル。プロンプトでシーン・動き・スタイルを制御する。

代表例は Sora、Runway、Kling、Luma。クリップはまだ短いため、複数ショットを生成して編集ソフトでつなぐのが一般的。