開発に影響する更新だけを、ひとつの場所に

10 月 7 日に Anthropic が公開した Claude Haiku 5.5 が、OpenAI 互換のチャットエンドポイント 1 つとして SpicyAPI で利用できるようになりました：anthropic/claude-haiku-5.5/chat。

コンテンツテスト。 当社では独自のフィルターを一切追加していません。10 月 8 日に行った 24 件のテストリクエストでは、20 件を最後まで書き、2 件はトーンを抑え、2 件は拒否しました。成人どうしの親密な場面は 9 回中 8 回で最後まで出力され、拒否されたのは身体を部位ごとに描写する露骨な描写でした。

ご注意ください。 どの程度考えるかはモデル自身が判断するため、reasoning_effort はありません。stop と temperature もありません。max_tokens で返信が途中で切れることはありません。ご希望の長さはプロンプトで指定してください。料金は実際に書かれたトークン分のみです。キャッシュヒットは 100 万トークンあたり $0.10 です。

短い回答は、テストでは 3〜5 秒で返ってきました。失敗したリクエストには課金されません。

Google は 2026 年 10 月 6 日に Nano Banana 2.1 を公開しました。Nano Banana 2（Gemini 3.1 Flash Image）のアップデートで、画質、プロンプトへの忠実度、編集をまたいだキャラクターの一貫性、テキスト描画が向上しています。本日、2 つのエンドポイントが利用可能です。

• テキストから画像 (google/nano-banana-2.1/text-to-image): 1K、2K、4K に対応し、1:8 から 8:1 まで 14 種類の比率を選べます。出力は PNG または JPEG で、ウェブ検索と画像検索も任意で使えます。当社のテストでは、引用符で囲んだ文字はすべて指定どおりのスペルで描画され、ウェブ検索を使うと天気予報ポスターに正しい日付が入りました。
• 編集 (google/nano-banana-2.1/edit): 元画像を 1〜14 枚指定でき、顔や商品のディテールを保ちます。auto を選ぶと元画像の比率を維持します。

Google のコンテンツポリシーが適用されます。きわどさのあるファッション表現は生成されます。ヌードの依頼は、テキストから画像ではトーンダウンされ、編集では拒否されます（拒否された編集には課金されません）。

編集では、元画像 1 枚につき $0.0024 が加算されます。ウェブ検索と画像検索は、オンにするとそれぞれ $0.0168 が加算されます。

SpicyAPIが、ロールプレイチャットや自動化で普段使われているアプリとつながるようになりました。

SillyTavern。 Custom (OpenAI-compatible) ソースから https://api.spicyapi.ai/v1 を指定して接続します。無料のSpicyAPI拡張機能（MITライセンスのオープンソース、github.com/spicyapi-ai/sillytavern-spicyapi）を使うと、チャットに画像と短い動画を追加できます。/spicy-img、/spicy-video、そしてすべての画像に付く Animate ボタンで、いずれも実行前に料金が表示されます。オンにすれば、チャットモデルが自分から画像を求めることもでき、クールダウンと1日あたりの上限は自分で設定できます。スクリーンショット付きの詳しい手順と、検閲なしのチャットモデル一覧は SillyTavernのページ にあります。

その他のロールプレイアプリ。 RisuAI、Agnai、Chub、KoboldAI Lite でも、同じアドレス、APIキー、モデルIDで使えます。各アプリの入力項目はロールプレイアプリのガイドにまとめています。

カスタムエンドポイントでのエラーを減らしました。

1. アプリがモデルの使わないサンプリング設定（頻度ペナルティや存在ペナルティなど）を送っても、チャットリクエストが失敗しなくなりました。その設定は無視され、レスポンスヘッダー X-Spicy-Ignored-Params に名前が記載されます。
2. ブラウザから直接送られた呼び出しにAPIが応答するようになり、ブラウザベースのツールもプロキシなしで動きます。キーは公開Webページに置かず、ツールごとに別のキーを作成して、1日の利用上限を設定してください。

n8n。 コミュニティノード @spicyapi/n8n-nodes-spicyapi で、画像・動画・音声・チャットの各モデルをn8nのワークフローに組み込めます。有料の実行の前には毎回、料金を確認できます。セルフホストのn8nでは、Settings > Community Nodes からインストールしてください。セットアップガイド：docs.spicyapi.ai/ja/docs/n8n

ComfyUI向けのSpicyAPIノードパックを公開しました。無料のオープンソース（MIT）で、github.com/spicyapi-ai/comfyui-spicyapi から入手できます。カタログにある画像・動画・音声モデルがすべて、当社サーバー上で動く通常のComfyUIノードになります。GPUのないノートPCでも、モデルをダウンロードせずに、テキストから画像、さらに動画へとつなげられます。

セットアップは3ステップ。

1. ComfyUI/custom_nodes で git clone https://github.com/spicyapi-ai/comfyui-spicyapi を実行し、ComfyUIを再起動します。
2. Settings > SpicyAPI にAPIキーを貼り付けます。
3. キャンバスをダブルクリックしてモデル名を入力するか、テンプレートブラウザから用意済みのグラフを開きます。

パックの内容

規制なしのモデルも収録。 100以上のノードが、モデル自身のポリシーが無制限のモデルを実行します。Seedance、Wan、MiniMax H3のSpicyエディションからLoRA画像モデルまで幅広くそろっています。自由度スコアと価格つきの最新一覧は、実例とあわせて ComfyUIページ で確認できます。

価格はノード上に表示。 各ノードには選択したオプションでの料金が表示され、すべての実行は開始前に見積もられます。Settingsの Max cost per run で、上限を超える実行は止まります。シードは固定が初期値なので、同じグラフを2回キューに入れても二重に課金されません。

キーは共有ファイルに残りません。 キーはComfyUIのユーザーフォルダに保存され、ワークフローにも、保存した画像のメタデータにも含まれません。

セットアップガイド：docs.spicyapi.ai/ja/docs/comfyui

新しいファミリー 7 つがカタログに加わりました。すべて規制なしです。あわせて、Wan 2.2 LoRA にテキストから動画へのエンドポイントも追加されました。

• Prefect Pony XL LoRA (prefect/pony-xl-lora/text-to-image): アニメ系の Pony XL チェックポイントで、1 リクエストあたり最大 3 つの自分の Pony LoRA を使えます。
• Z-Image Base LoRA (alibaba/z-image-base-lora/text-to-image, /edit): コミュニティの Z-Image LoRA の多くが学習元にしている、蒸留なしの Z-Image ベースです。強度コントロール付きの画像から画像への変換にも対応します。
• Neta Lumina (neta-art/neta-lumina/text-to-image): Neta.art のアニメモデルで、Danbooru 形式のタグでも文章でも指示できます。
• Jib Mix Qwen と Jib Mix Qwen LoRA (j1b/jib-mix-qwen-image/text-to-image, j1b/jib-mix-qwen-image-lora/text-to-image): 自然なポートレートに向いた、フォトリアルな Qwen-Image のファインチューンです。自分の LoRA を使う版と使わない版があります。
• HunyuanVideo 1.5 (tencent/hunyuan-video-1.5/text-to-video, /image-to-video): Tencent のオープンな動画モデルで、480p または 720p、5 秒か 8 秒の動画を生成します。
• LTX-2 19B と LTX-2 19B LoRA (lightricks/ltx-2-19b/..., lightricks/ltx-2-19b-lora/...): Lightricks の動画モデルで、すべてのクリップにサウンドトラックが付き、5〜20 秒、最大 1080p に対応します。LoRA 版ではカメラワークやスタイルの LoRA も使えます。
• Wan 2.2 LoRA テキストから動画 (alibaba/wan-2.2-lora/text-to-video): 高ノイズ用と低ノイズ用の自分の LoRA を使える Wan 2.2 が、画像だけでなくプロンプトからも動画を作れるようになりました。

LoRA は、そのベースモデル向けに学習された .safetensors ファイルへの直接リンクです。LoRA の読み込みに別料金はかかりません。

新しい画像ファミリー 2 つが、CircleStone Labs の 20 億パラメータのアニメモデルを 8〜12 ステップで高速化した Anima Turbo で動きます。Danbooru 形式のタグでも、普通の文章でも、両方を組み合わせても指示できます。

• Anima Turbo (circlestone-labs/anima-turbo/text-to-image, /edit): 15 種類のアスペクト比と 2 段階の解像度でアニメイラストを生成します。1 枚あたり通常 10 秒未満です。強度コントロール付きの画像から画像への変換で、写真をアニメ調にすることもできます。
• Anima Turbo LoRA (circlestone-labs/anima-turbo-lora/text-to-image, /edit): 同じモデルに、1 リクエストあたり最大 3 つの自分の LoRA ファイルを、それぞれ個別の強度で適用できます。レトロゲーム風、漫画のインク表現、キャラクター、大人向けスタイルに使えます。

LoRA は .safetensors ファイルへの直接リンクです。アップロードも許可リストも審査も不要です。4 つのエンドポイントはすべて規制なしで、画像から画像への変換もテキストから画像と同じ料金、LoRA の読み込みに別料金はかかりません。

「モデル比較」を公開しました。spicyapi.ai/compare と、Spicy Studio の「ツール」から使えます。プロンプトをひとつ書いてモデルを選ぶと、結果が所要時間と費用つきで横一列に並びます。カタログの説明ではなく、自分のカットで実際に何が出たかでモデルを選べます。

まずはセットから。 モデルセットが顔ぶれを選んでくれます。規制なしのおすすめ、高評価、Spicy エディション、LoRA モデル、新着モデル、フラッグシップ、低価格、そして各モデルラインごとのセット（Seedream の全バージョン、Qwen Image の全バージョンなど）です。自分で最大8モデルを追加して、独自のセットとして保存することもできます。

画像も動画も、7種類の実行。

モデルの一覧は選んだ種類に合わせて変わるので、その種類の実行ができるモデルだけが表示されます。

共通の入力は、合う場所に。 ネガティブプロンプト、シード、サウンド、LoRA は一度入力すれば、対応しているすべてのモデルに送られます。何モデルが対応しているかも表示されます。モデルごとに違う項目は、そのモデルの設定にあります。モデル固有の LoRA もここで設定します。

実行前に料金がわかります。 各モデルに料金が表示され、ボタンには合計が出ます。各モデルを最大4回まで実行すれば、結果のばらつきも確かめられます。

モデルが断ったとき。 断られたモデルの数が表示され、ワンクリックで同じプロンプトを「規制なしのおすすめ」セットで実行できます。

そのほか

• フルスクリーンビューアで、結果を原寸で切り替えながら見られます。
• 再現 を押すと、以前の比較の設定がそのまま読み込まれます。
• 比較内容と保存したセットはこの端末に保存されます。生成結果そのものは、ほかの実行と同じく「履歴」に入ります。

• Claude Sonnet 5.5 が利用可能になりました。 Anthropic 最新の Sonnet（9 月 28 日リリース）を、1 つの OpenAI 互換エンドポイントで提供します。入力はテキストのみ、窓は 1,000,000 トークン、出力は最大 128,000 トークン（Sonnet 5 の 2 倍）です。返答は SSE でストリーミングでき、失敗したリクエストは課金されません。
• 24 回の内容テストで 24 回とも完全。 拒否も控えめな版もなく、成人どうしの親密な場面を求めた 9 回もすべて書き切りました。Sonnet 5 は直球と物語内の依頼をすべて断っていました。
• 6 段階の効きしろ。 reasoning_effort は none から max まで選べ、既定は medium です。none は返答前の思考を省き、xhigh と max は推論の内容も返します。tool_choice は auto か none のみで、temperature と top_p は受け付けません。
• Anthropic の定価どおりです。 100 万トークンあたり入力 $2、キャッシュ入力 $0.20、キャッシュ書き込み $2.50、出力 $10 で、Sonnet 5 の定価と同じです。

Spicy Studio の Short film は、1行のストーリーから、音楽と字幕つきの完成 MP4 まで、ぐっと少ない手順で作れるようになりました。

まずは4つのシンプルな選択から。 長さ（30秒、1分、2分）、登場人物の人数、セリフの多さ、そしてムードの熱量（Sweet、Flirty、Steamy）を選びます。執筆が始まる前に、シーン数と作品全体の見積もりを確認できます。

Make my film はボタンひとつ、確認は2回です。

1. キャストのポートレート、舞台となる場所、そして各シーンの最初の1枚を生成します。
2. 作品を静止画で見渡して、気になるところを直したら、すべてのシーン動画をまとめて生成します。

台本から字幕が自動で付き、すぐに書き出せる状態のタイムラインに移ります。

音楽とナレーション。 12曲のインストゥルメンタルから1曲を選ぶと、作品全体にわたってセリフの背後で流れます。または Score this film に、ストーリーに合わせた曲を作ってもらうこともできます。画面上にテキストがあるシーンは、ワンクリックでナレーションとして読み上げられます。

すべてのシーンで同じ声。 キャラクターごとに、試聴できる30種類の声から1つを割り当てます。Same voice in every scene をオンにすると、各セリフがまずその声で読み上げられ、そのあと動画が声に合わせてリップシンクされるので、主人公が最初のシーンから最後のシーンまで同じ人の声に聞こえます。

エピソード。 Make the next episode は、ストーリーの続きから第2話を書き、キャストのポートレート、場所、ルック、声を引き継ぎます。同じシリーズのエピソードは、プロジェクトの棚にひとまとめで並びます。

1分のボイス付きサンプルを20本追加。 どれを開いても、どう作られたかを細かく確認できます。Use this story を押すと、キャストのポートレートとシーンの画像が自分のプロジェクトに取り込まれ、すぐに動画の生成へ進めます。

その他の新機能

• セリフは各ショットのすぐ横で編集でき、シーンの尺に対して長すぎる場合はヒントが表示されます。
• モデル選択に、声を出せるモデルと、検閲なしのモデルの印がつきました。セリフのあるシーンでは Seedance 2.0 Fast がデフォルトになりました。
• モデルのコンテンツチェックでシーンが拒否された場合は、ワンクリックで検閲なしのモデルに切り替えて作り直せます。

作った分だけのお支払いで、金額は必ず先に確認してから進みます。ストーリーの執筆は約1セント、音楽ライブラリと書き出しは無料です。

Alibaba の Wan 3.0 を大人向けのシーン用に調整した 2 つのバージョンが、SpicyAPI で使えるようになりました。どちらも 1 枚の開始フレームから、480p・720p・1080p で 2〜30 秒の動画を生成し、音声も生成されます。最後のフレームも任意で指定できます。

どちらを使うべきか。 ほとんどのクリップでは、まず標準版の Wan 3.0 か Wan 3.0 Prime から始めることをおすすめします。SpicyAPI では標準版も無検閲で、1 秒あたりの料金も安く（480p で Wan 3.0 は $0.045、Wan 3.0 Spicy は $0.057。Wan 3.0 Prime は $0.0612、Prime Spicy は $0.09）、服を着たままにするようプロンプトで指示すればそのまま保たれます。テキストから動画、参照から動画にも対応しています。Spicy 版は、指示しなくても大人向けに寄るモデルが欲しいときに選んでください。Prime については、標準版の Wan 3.0 Prime が検証で控えめにした親密な 2 人のシーンも、Prime Spicy は指示どおりに出力しました。

検証内容。 6 段階のコンテンツラダーを、両モデルで 480p で実行しました。肩紐が滑り落ちる、トップレス、全裸、親密な場面の成人 2 人、合意のうえの緊縛とスパンキング、映画的なゴア表現です。どの段階も両モデルで指示どおりに出力され、拒否も、隠されることも、別人にすり替わることもありませんでした。Wan 3.0 Prime Spicy では、以前のテストで標準の Wan 3.0 Prime が控えめな表現に変えてしまった、親密な 2 人の段階も含まれます。

公開前に知っておくべきこと。 どちらのモデルも、何もしなくても大人向けの方向に寄ります。服を着た開始フレームと、服を着たままにするよう指示したプロンプトで試したところ、Wan 3.0 Spicy は 6 本中 4 本、Prime Spicy は 4 本中 2 本で被写体が服を脱ぎました。サムネイルだけでなくクリップ全体を確認してください。衣装を保つ必要がある場合は、標準の Wan 3.0 を使ってください。

詳細。 2〜30 秒の整数秒で指定できます。アスペクト比は 16:9、9:16、1:1、4:3、3:4 から選べ、省略すると開始フレームに合わせます。last_image_url でクリップの終わり方を指定できます。最初の検証では、5 秒・480p のクリップの生成時間は Wan 3.0 Spicy で約 1 分半、Prime Spicy で約 2〜2.5 分でした。課金はリクエストした秒数に応じて行われます。

ByteDance の Seedream 5.0 Flash が 3 つのエンドポイントで SpicyAPI に登場しました。あわせて、1 枚の画像から背景を補完した「ベース画像」と最大 16 枚の透明 PNG レイヤーを取り出せるレイヤー分離が、Flash と Seedream 5.0 Pro の両方で使えるようになりました。

Seedream 5.0 Flash。 Seedream の軽量版です。1K、1.5K、2K はすべて $0.029 なので、デフォルトは最も精細な 2K にしています。プロンプトは最大 5,000 文字、アスペクト比は 1:3 から 3:1 までの 15 種類、出力は JPEG または PNG です。大人向けの表現に追加のスイッチや専用エンドポイントは不要で、ランジェリーやブドワール調など大人のシーンも、テキストから画像でも編集でも通常のプロンプトと同じように生成できます。

レイヤー分離。 画像を 1 枚送るだけで動きます。「タイトル文字とオウム」のように、分離したい要素を指定することもできます。結果は、指定した要素を取り除いて背景を補完したベース画像と、要素ごとの透明 PNG です。どのレイヤーも自由に移動、拡大縮小、色替え、差し替えができます。ポスターの見出しの変更、商品写真の背景の入れ替え、集合写真から 1 人だけを切り出す作業、アニメーション用の素材づくりなどに向いています。生成した画像から、そのまま「レイヤーに分割」へ進むこともできます。

レイヤー分離は Flash と Pro のどちらを選ぶか。 Pro は各レイヤーの名前とベース画像上の位置も返すため、Web の結果画面ではキャンバス上でレイヤーの表示切り替えやドラッグ移動ができ、表示中の組み合わせを 1 枚の PNG として書き出せます。Flash は位置情報のない独立した切り抜きを返し、1 枚ずつ、または zip でまとめてダウンロードできます。また、露出の多い入力画像は Flash では受け付けられませんが、Pro では処理できます。

課金。 ベース画像を含め、出力された画像 1 枚ごとに課金され、1 リクエストで最大 17 枚です。受付時に 17 枚分を確保し、実際の枚数が確定した時点で差額を返金します。1 回の実行で 3～9 枚出ることが多く、Flash なら $0.06～$0.18 です。

詳しくはこちら。 Seedream 5.0 Flash API 検証レポート ・ API で画像をレイヤーに分ける方法

5 つの音声モデルが新たに SpicyAPI で利用可能になりました。Gemini 2.5 Pro TTS に加わる形です。いずれもコンテンツフィルターを追加しておらず、検証では 5 モデルすべてが NSFW 台本をそのまま最後まで読み上げました。

• Gemini 3.8 Flash TTS — Google の最新音声モデルです。最大 5,000 文字、30 種類の音声、出力は WAV で、[whispering] や [sighs] のような角かっこ付きの指示を演技として反映します。料金は音声 1 秒あたり $0.00032 です。
• Gemini 3.8 Flash-Lite TTS — より高速で低価格な兄弟モデルです。同じ 30 種類の音声を使えますが、角かっこ付きのタグをそのまま読み上げてしまうことがあるため、音は文字で綴ってください。料金は音声 1 秒あたり $0.00021 です。
• Seed Speech 2.0（ByteDance）— 10 言語にわたる 41 種類のプリセット音声と、読み方についての平易な注記を用意しています。出力は MP3 です。料金は 1,000 文字あたり $0.072 です。
• Qwen3 TTS（Alibaba）— オープンソースで、日本語・韓国語と中国語方言話者 2 名を含む 9 種類の音声を用意しています。料金は 1,000 文字あたり $0.068 で、最低 100 文字からです。
• Chatterbox（Resemble AI）— 読み上げの表現力を調整するつまみが付いた、オープンソースの英語音声です。最大 1,000 文字まで、1 リクエストあたり定額 $0.036 です。

実行前に価格が確定します。 Seed Speech 2.0 と Qwen3 TTS は文字数単位で課金される初めてのモデルで、文字数はあらかじめ分かっているため、表示される見積もりがそのまま最終価格になります。Gemini の各モデルは返却された音声の秒数で課金され、生成できる最長分の保留がかかり、音声の長さが確定した時点で解放されます。

対応していないこと。 いずれのエンドポイントもボイスクローニングには対応しておらず、1 リクエスト内での 2 人の声によるダイアログにも対応していません。各セリフをそれぞれの声で生成し、ファイルを結合してください。