香港大学データインテリジェンスラボ（HKUDS）が開発したオープンソースの動画生成フレームワーク ViMax が GitHub で急速にスターを伸ばしている（3,800超・MIT ライセンス）。1行のテキストアイデアを入力するだけで、脚本執筆・絵コンテ設計・キャラクター管理・最終動画レンダリングまでを自律的に実行するエンドツーエンドのマルチエージェントシステムだ。

ViMax とは

ViMax（Video Maximizer）は「Director（監督）・Screenwriter（脚本家）・Producer（プロデューサー）・Video Generator（映像生成）をひとつに」という設計コンセプトで開発された動画生成フレームワークだ。従来、テキストから動画を生成するには複数のツールを組み合わせる必要があった。ViMax はそのパイプライン全体をマルチエージェント構成で自動化する。

  • GitHub: HKUDS/ViMax
  • ライセンス: MIT
  • 言語: Python 3.12+
  • Stars: 3,852+（2026年5月時点）

4つの生成モード

ViMax には入力形式に応じた 4 つのモードが用意されている。

Idea2Video

1 行の概念・プロンプトを入力すると、ストーリーテリング・キャラクターデザイン・動画制作まで完全自動化される。「アイデアをそのまま映像に」したいユーザー向けのモードだ。

Novel2Video

小説の章や全文を入力すると、エピソード形式の動画に変換される。RAG（検索拡張生成）ベースのナラティブ圧縮機能でキャラクターの登場追跡とシーンごとの視覚的解釈を行う。長編小説の映像化に適している。

Script2Video

ユーザーが書いたシナリオを動画化する。シーン・セリフ・スタイルを明示的に指定でき、映像表現への細かいコントロールが可能。

AutoCameo

自分の写真をアップロードすると、生成された動画に本人が一貫したキャラクターとして登場する機能。個人の顔や姿を主人公として組み込める。

主要な技術的特徴

インテリジェントな長編スクリプト生成（RAG ベース）

小説規模のテキストを解析し、マルチシーン形式に分割する。重要な伏線やキャラクターの台詞を保持しながら、映像に適した脚本へ変換する。

表現力豊かな絵コンテ設計

ショットレベルの絵コンテシステムに映画製作の語彙（カメラアングル・カット・テンポ・ナラティブリズム）を採用している。

マルチカメラ撮影シミュレーション

同一シーン内でのキャラクター配置・背景の一貫性を保ちながら、複数のカメラアングルをシミュレートする。

インテリジェントな参照画像選択

タイムライン上の過去の絵コンテを参照画像として自動選択し、長尺動画でもキャラクターや背景の整合性を維持する。

並列候補生成 + MLLM による一貫性チェック

複数の候補画像を並列生成し、マルチモーダル LLM（MLLM — テキストと画像を同時に扱える大規模言語モデル）が最も一貫性の高い画像を選択する。人間のクリエイターのレビューワークフローを自動化したアプローチだ。

並列ショット生成による高速化

同じカメラからの連続するショットを並列処理することで、生成時間を大幅に短縮する。

音声・映像バインディング

音声・効果音・映像を同期させ、没入感のある最終出力を生成する。

マルチエージェントパイプラインの構造

ViMax の処理パイプラインは以下の層で構成されている。

ViMax のマルチエージェント処理パイプライン — 入力層からスクリプト解析・シーン計画・ビジュアル合成を経て最終動画を出力する全体の流れ

インストールと設定

動作環境: Linux または Windows / Python 3.12+ / uv（Astral パッケージマネージャー）

uv が未インストールの場合は先にインストールする:

1

curl -LsSf https://astral.sh/uv/install.sh | sh

1
2
3

git clone https://github.com/HKUDS/ViMax.git
cd ViMax
uv sync

必要な API キー（3つの外部サービス）:

  1. チャットモデル — デフォルト: google/gemini-2.5-flash-lite-preview-09-2025（OpenRouter 経由）。代替として MiniMax-M2.7（100万トークンコンテキスト）や MiniMax-M2.5 も利用可能。
  2. 画像生成 — Google Nanobanana API キー
  3. 動画生成 — Google Veo API キー

設定ファイル（configs/idea2video.yaml の例）:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

chat_model:
  init_args:
    model: google/gemini-2.5-flash-lite-preview-09-2025
    model_provider: openai
    api_key: <YOUR_API_KEY>
    base_url: https://openrouter.ai/api/v1

image_generator:
  class_path: tools.ImageGeneratorNanobananaGoogleAPI
  init_args:
    api_key: <YOUR_API_KEY>

video_generator:
  class_path: tools.VideoGeneratorVeoGoogleAPI
  init_args:
    api_key: <YOUR_API_KEY>

working_dir: .working_dir/idea2video

実行エントリポイント:

  • main_idea2video.py — Idea2Video モード
  • main_script2video.py — Script2Video モード

Script2Video の使用例:

1
2
3
4
5
6

script = """
EXT. 学校のジム - 昼
ジョン（18歳、男性、長身、アスリート体型）がバスケットボールの練習をしている...
"""
user_requirement = "20ショット以内のテンポの速い映像"
style = "Animate Style"

スタイルプリセット: Cartoon、Cinematic、Modern Tech、Animate Style など

注意点・制限事項

  • 対応 OS: Linux と Windows のみ。macOS はサポート外
  • 外部 API 必須: チャットモデル（OpenRouter）・画像生成（Nanobanana）・動画生成（Google Veo）の3種類の API キーが必要で、それぞれ利用コストが発生する
  • Python 3.12+: システムの Python バージョンが 3.12 未満の場合は事前アップグレードが必要
  • 生成時間: 複数のエージェントが直列・並列で動作するため、動画1本の生成に数分〜数十分かかる場合がある
  • モデル名の変動: デフォルトのチャットモデル google/gemini-2.5-flash-lite-preview-09-2025 はプレビュー版のため、今後変更される可能性がある（2026年5月時点）

活用シーン

ViMax が特に効果を発揮する用途は以下のとおり:

  • コンテンツクリエイター・個人メディア: SNS 用の動画を効率的に量産
  • 小説家・物語作家: 執筆した小説を映像化してプレビュー
  • 広告・マーケティングチーム: コンセプト動画の高速プロトタイピング
  • 教育コンテンツ制作者: 授業動画や説明動画の作成
  • インディーズ映像制作者: 映画・ゲームのシネマティック映像

まとめ

ViMax は「1行書くだけで動画ができる」というコンセプトを、マルチエージェントアーキテクチャと RAG ベースの一貫性管理によって実用レベルで実現したフレームワークだ。Runway や HeyGen のような商用サービスの機能をオープンソースで統合した点が際立っており、コンテンツ制作の自動化を検討している開発者やクリエイターにとって試す価値がある。

AutoCameo や Novel2Video など独自機能のロードマップも活発に進んでおり、今後のアップデートにも注目したい。