MulmoCast（マルモキャスト）とは？使い方と料金、CLI・アプリ・MCPの選び方【v2.12対応】

MulmoCast（マルモキャスト）は、MulmoScriptというJSON形式の台本から、動画・音声・画像・PDF・HTMLスライドを書き出すオープンソースのツールです。本体は無料ですが、読み上げ音声や画像を作るたびにOpenAIなどのAPI料金がかかり、その額は画像モデルと品質（quality）の設定で30倍以上変わります。この記事では、npmで配布されている2.12.1（2026年9月25日公開）を実際に入れ、コマンドの使い方と--estimateで見積もった費用を示しながら、CLI・デスクトップアプリ・MCPのどれで使うべきかを整理します。

まとめ：MulmoCastの要点（v2.12.1時点）

• 何をするツールか：台本（MulmoScript）を1本書けば、mulmo movieで動画、mulmo pdfでPDF、mulmo audioで音声が出る。台本はAIに書かせることもできる
• 料金：本体はAGPL-3.0-onlyのOSSで無料。費用はTTS・画像・動画生成のAPI従量課金で、5ビート（日本語184字）の台本なら既定設定で約1.26ドル、画像モデルをgpt-image-1-miniの低品質にすると約0.04ドル
• 使い方の3形態：開発者はCLI（Node.js 22以上とffmpegが必要）、非エンジニアはMac/Windowsのデスクトップアプリ、Claude Desktopなどから呼ぶならMCPサーバー（mulmocast-mcp）
• 業務利用の前に：必須のAPIキーはOPENAI_API_KEYだけ。台本の本文は各社APIへ送られる。7月以降の3か月で12の版が出て既定値も変わるので、バージョンを固定して使う

MulmoScriptから動画・PDF・音声を書き出すOSSとしてのMulmoCast

MulmoCastのREADMEは自らを「AIネイティブ時代のマルチモーダル・プレゼンテーションツール」と位置づけ、PowerPointやKeynoteを「AI以前の時代に人間の作り手向けに設計された」道具とし、MulmoCastは自然言語・画像・音声・動画を扱う生成AIと協働するよう一から設計し直した「AIネイティブ」なツールだと説明しています。人がスライドを1枚ずつ組む代わりに、AIが書いた台本を機械的に音声・画像・動画へ変換する、という分担です。

開発元receptronと中島聡氏の関与

ソースはGitHubのreceptron/mulmocast-cliで公開され、2025年4月にリポジトリが作られ、npmへの初公開は同年5月7日です。GitHubのコントリビューター上位は isamu（3,291コミット）と、プロフィールの所属欄に「graphAI, mulmocast」と記す中島聡（Satoshi Nakajima）氏（snakajima・1,862コミット）です。npmのgraphaiパッケージの作者欄は「Satoshi Nakajima, Isamu Arimoto」で、2人がGraphAIとMulmoCastの両方を率いています。依存パッケージには同じreceptronのGraphAIが入っており、音声・画像生成の各処理はGraphAIのエージェントとして組まれています。

版の進みは速く、2.0.0が2025年11月、2.12.1が2026年9月25日に出ています。解説記事や動画で紹介されているオプションが今の版に無い、あるいは既定値が変わっていることは珍しくありません。

mulmoコマンドと出力形式の対応

2.12.1のmulmo --helpが示すサブコマンドは次のとおりです。同じ台本を渡すだけで、形式を変えて何度でも書き出せます。

READMEの概念図には漫画（Manga）やスワイプアニメも出力先として並んでいますが、いずれも専用コマンドではありません。漫画はghibli_comicなどのテンプレートで作った台本を動画・PDFとして、スワイプアニメはビートのhtml_tailwindに置いたswipe要素のアニメーションを動画として書き出す形です。

MulmoScriptの構造と台本から動画ができるまでの流れ

MulmoScriptはJSONまたはYAMLで書く台本です。最小構成は、書式の版を示す$mulmocastと、場面の並びであるbeatsだけです。

{
  "$mulmocast": { "version": "1.1" },
  "lang": "ja",
  "title": "社内向け新サービス紹介",
  "beats": [
    {
      "speaker": "Presenter",
      "text": "今日は新しい経費精算サービスを紹介します。",
      "imagePrompt": "A smartphone showing an expense report app, flat illustration"
    },
    {
      "speaker": "Presenter",
      "text": "領収書は撮影するだけで金額と日付が読み取られます。",
      "imagePrompt": "A receipt being scanned by a phone camera, flat illustration"
    }
  ]
}

1つのビートが1場面にあたり、textが読み上げられ、imagePromptから背景画像が作られます。話者の声はspeechParams、画像モデルはimageParams、動画モデルはmovieParamsで台本全体に指定します。スキーマはmulmo tool schemaで全項目を出力できます。

台本をAIに書かせる3つの入口

台本を手で書かずに済ませるのがmulmo tool scriptingです。入力の渡し方は3通りあります。

mulmo tool scripting -i -t business -o ./out -s pitch          # 対話で内容を伝える
mulmo tool scripting --input-file release.txt -t business -s pr   # 手元の文章から
mulmo tool scripting -u https://example.com/news -t shorts     # URLから（要BROWSERLESS_API_TOKEN）

-tで選べるテンプレートは2.12.1で23種類あり、business・documentary・shorts・children_book・ghibli_comicなどが含まれます（一覧はmulmo tool info templates）。台本を書くLLMは--llmでopenai・anthropic・gemini・groqから選べます（openai以外はANTHROPIC_API_KEY・GEMINI_API_KEY・GROQ_API_KEYが別途必要）。

生成とキャッシュの仕組み

台本ができたらmulmo movie 台本.jsonで、音声・画像の生成と動画への合成までが1回で進みます。個別に確かめたいときはmulmo audioとmulmo imagesを先に流します。

一度作った音声や画像はキャッシュとして残り、同じコマンドを再実行しても作り直されません。台本のtextを書き換えたビートの音声だけが自動で再生成されるので、ナレーション1文の修正に全ビート分のAPI料金はかかりません。全部作り直すときは-fを付けます。

CLI版・デスクトップアプリ版・MCP連携の違いと選び方

中身は同じエンジンで、操作の入口が3つあります。

判断基準は単純で、台本をGitで管理したい・定期的に大量生成したいならCLI、ターミナルを開かない人に渡すならアプリ、チャットで作った構成をそのまま動画にしたいならMCPです。

CLI版のインストール手順と前提環境

2.12.1のpackage.jsonはnode >=22.0.0を要求します。動画の合成にffmpegを使うため、これも別途入れます。

node -v                      # v22以上であること
npm install -g mulmocast     # mulmo コマンドが入る
brew install ffmpeg          # macOS。Windowsは ffmpeg.org から入手してPATHを通す
mulmo --version              # 2.12.1 などと表示されれば完了

APIキーは作業ディレクトリの.envに書きます。必須はOPENAI_API_KEYだけで、残りは使う機能に応じて足します。

既定の画像モデルgpt-image-1は、OpenAIの組織認証（Organization Verification）を済ませていないと使えないとREADMEに注記があります。最初の実行で画像だけ失敗するときは、まずここを確認してください。Azure OpenAIやVertex AIに向け先を切り替える設定も用意されています。

デスクトップアプリ版の配布状況と初期設定

GUI版のmulmocast-appはMac版とWindows版がmulmocast.comで配布されており、GitHub上で2025年10月14日に1.0.0がリリースされ、最新は2026年5月20日の1.0.14です（2026年9月30日時点）。1.0.14のリリースノートには、画像13種・動画6種のモデル追加、Windowsでのビート描画の修正、初期設定の画像モデルをgpt-image-1-miniへ変更したことが書かれています。

アプリの初期値はgpt-image-1-mini（品質auto）、CLIの既定値はgpt-image-1という違いがある点に注意してください。同じ5ビートの台本で試算すると、アプリの初期設定は約0.27ドル、CLIの既定は約1.26ドルで、差は約4.7倍です。

Claude Desktopから使うMCPサーバー

MCPサーバーは2系統あります。公式が案内するのは別パッケージのmulmocast-mcp（1.0.3・2026年5月30日公開）で、Claude Desktopの設定に次のように書くと、npxで起動されます。

"mulmocast": {
  "command": "npx",
  "args": ["mulmocast-mcp@latest"],
  "env": { "OPENAI_API_KEY": "sk-..." }
}

このサーバーのツールはcmdにaudio・image・movie・htmlを受け付け、生成物はホームのDocuments/mulmocastの下に保存されます。もう1つは本体に同梱のmulmo-mcpで、2.12.1のソースではcmdがmovieかpdfに限られ、PDFのpdfMode（slide／talk／handout）とpdfSize（A4／Letter／Legal）を選べます。受け取った台本は、起動したプロセスの作業ディレクトリのoutputの下に保存されます。

PDFが要るならmulmo-mcp、Markdownや翻訳済みの台本が要るならCLIを併用します。Claude Codeを使っているなら、公式プラグインをclaude plugin marketplace add receptron/mulmocast-claude-pluginで登録し、claude plugin install mulmocast@mulmocast-pluginsで入れる方法もあります。Claude Desktop側の設定方法はClaude DesktopのMCP連携の解説を参照してください。

PowerPoint資料から動画を作るMulmoCast Slides

手元のスライドをナレーション付き動画にしたいなら、公式の変換ツール@mulmocast/slide（0.6.3・MITライセンス）が近道です。PowerPoint・Keynote・PDF・Marpのスライドとスピーカーノートを1枚ずつ画像と台本に分け、MulmoScriptへ変換します。-gを付けるとナレーション文もLLMが書きます。

npm install -g @mulmocast/slide
mulmo-slide movie presentation.pptx -g -l ja   # 日本語ナレーション付き動画
mulmo-slide bundle presentation.pptx -g -l ja  # Webビューア用の一式

PPTXとPDFの変換にはImageMagickとGhostscript、PPTXをPDFへ変換するためにLibreOfficeが別途必要で、Keynoteの変換にはKeynoteアプリそのものが要ります。

料金はAPI従量課金：見積もり機能で試算した1本あたりの費用

MulmoCast本体に利用料はありません。費用はTTS・画像・動画を生成するAPIの従量課金だけで、2.7.0（2026年7月3日）で追加された--estimateを使うと、実行前に費用を見積もれます（開発元の検証では、推定値の誤差は±10%以内）。見積もりはAPIを呼ばずに台本から計算するので、キーを入れる前でも試せます。

mulmo movie script.json --estimate          # provider:modelごとの表と合計（USD）
mulmo movie script.json --estimate --json   # 機械処理用のJSON

前章の経費精算の台本を5ビート（読み上げ184字）に伸ばし、画像・動画モデルだけを変えて見積もった結果です（TTSはいずれも既定のgpt-4o-mini-ttsで0.0193ドル）。

計算に使われる単価表は2026年7月3日時点のもので、実際の請求は各社の現行価格で決まります。TTSの費用は台本の文字数にほぼ比例するので、同じ設定なら読み上げ量が2倍で音声分も約2倍です。

費用を左右する画像モデルと品質設定

既定設定では合計の約98%が画像生成で、品質をlowにするだけでも約12分の1になります。既定設定のまま20ビートの説明動画を作ると、画像だけで約5ドルになります。社内研修やマニュアルのように絵の品質が伝わりやすさに直結しない用途なら、台本のimageParamsを次のようにしてから本番生成します。

"imageParams": { "provider": "openai", "model": "gpt-image-1-mini", "quality": "low" }

実行後に実際の消費量を残したいときは、環境変数MULMOCAST_DUMP_USAGE=1を付けると、プロバイダー・モデル別のトークン数や文字数がJSONで出力されます。見積もりと実績を並べておくと、部署ごとの予算を組むときの根拠になります。

Veo・Google Flowなど動画生成AIとの役割の違い

MulmoCastは動画生成モデルそのものではなく、台本を場面に分け、各場面を外部のモデルに作らせて1本に合成する「台本層」のツールです。2.12.1のmulmo tool info moviesには、Googleのveo-3.1-generate-previewやveo-3.1-lite-generate-preview、Replicate経由のSeedance・Kling・Hailuo・Runway Gen-4.5などが並び、ビート単位で動画モデルを差し込めます。

違いは編集単位に出ます。Google Flowのようにプロンプトから数秒のクリップを作るツールは、1カットの映像品質を詰めるのが得意です。MulmoCastはナレーションの一文を直せばそのビートの音声だけが作り直され、同じ台本から英語版や字幕付き版も出せます。数分の説明動画を何本も回す用途に向き、15秒の広告映像1本を作り込む用途には向きません。後者はVeo 3.1 Liteなどを直接使うほうが早く、費用も読みやすくなります。

スライドだけが欲しい場合も比較対象になります。Markdownで書いたスライドを人が仕上げるならSlidevのほうが細かく制御でき、MulmoCastを選ぶ理由は「ナレーション付き動画と同じ台本から出せる」点に限られます。

業務で使う前に決めておくこと：ライセンス・データ送信・版の固定

個人で試す分には気にしなくてよい点でも、社内の標準ツールにするなら事前に決めておくべきことが3つあります。

AGPL-3.0-onlyが効く範囲

npmで配布されているmulmocastのライセンスはAGPL-3.0-onlyです（GitHubのmulmocast-cliにはLICENSEファイルが無く、宣言はpackage.jsonのみ）。解説サイトの中には「MITライセンス」と書くものがありますが、MITなのはmulmoclaudeやmulmocast-deckといった周辺リポジトリで、本体ではありません。

AGPLの義務が問題になるのは、MulmoCastを（改変の有無を問わず）他者へ配布する場合と、改変したMulmoCastをネットワーク越しに他者へ使わせる場合です（ネットワーク利用者へのソース提供を定めたAGPL第13条は改変版だけが対象）。社内で動画を作って配るだけなら、この条件には当たりません。一方、MulmoCastを組み込んだ動画生成サービスを顧客に提供する計画なら、法務の確認が先です。生成した画像や音声の扱いは、MulmoCastではなく使ったAPI（OpenAI・Google・ElevenLabsなど）の利用規約に従います。

台本本文の外部API送信と送信先の切り替え

ナレーションの文面はTTSへ、imagePromptは画像生成APIへ、台本生成時の元資料はLLMへ送られます。未公開の製品情報や決算前の数字を含む資料を--input-fileで渡す運用は、各社APIのデータ利用条件を確認してからにしてください。Azure OpenAIやVertex AIへ向け先を切り替えられるのは、この点で既存の契約を使いたい企業向けの選択肢です。AzureはIMAGE_OPENAI_BASE_URL・TTS_OPENAI_BASE_URL・LLM_OPENAI_BASE_URLを、Vertex AIは台本のvertexai_project・vertexai_locationを設定します。

版の固定と更新前の検証手順

npmには2026年1月から9月までに正式版だけで82の版が公開され、7月3日の2.7.0から9月25日の2.12.1までの約3か月にも12の版が出て、マイナー版は2.12まで5回上がっています。既定値や検証ルールも版ごとに動き、CHANGELOGには次のような変更があります。

• 2.6.11（2026年5月8日）：dall-e-2・dall-e-3の指定を受け付けなくなった
• 2.8.0（同年7月15日）：Replicateの動画モデルの音声が既定で無音になった
• 2.10.0（同年8月22日）：swipe要素のidに制約が入り、それまで通っていた台本が検証で落ちるようになった

業務で使うなら、インストール時に版を指定し、更新は手元の台本で--estimateと試し生成をしてから上げます。

npm install -g [email protected]

アプリ版1.0.14のリリースタグが同梱するmulmocastは2.6.15で、CLIの最新2.12.1とは機能が揃っていません。CLIで作った台本がアプリで開けない、あるいはその逆が起きたら、まず両者の版を確認します。

よくある質問

MulmoCastの利用料金は無料ですか？

本体はOSSで無料です。ただし音声・画像・動画の生成にOpenAIなどのAPIを使うため、その従量課金がかかります。5ビート（日本語184字）の台本で、CLIの既定設定なら約1.26ドル、画像モデルをgpt-image-1-miniの低品質にすれば約0.04ドルという試算でした。

プログラミングの知識がなくても使えますか？

デスクトップアプリ版ならターミナル操作は不要で、OpenAIのAPIキーを取得して登録できれば使えます。CLI版はNode.js 22以上とffmpegの導入、.envの編集が必要です。

Windowsでも利用できますか？

利用できます。デスクトップアプリにはWindows版があり、1.0.14でWindowsでのビート描画の不具合が修正されています。CLI版もNode.jsとffmpegを入れれば動きますが、ffmpegは自分でPATHを通す必要があります。

商用利用やビジネスでの利用は可能ですか？

社内外に配る動画を作ること自体は可能です。本体のライセンスはAGPL-3.0-onlyで、MulmoCastを配布する場合（改変の有無を問わず）と、改変版をサービスとして提供する場合にAGPLの義務が生じます。生成物の権利は、使った画像・音声APIの利用規約で確認してください。

「マルモキャスト」と検索するとドラマが表示されるのはなぜですか？

「マルモのおきて」（2011年のドラマ）の出演者（キャスト）情報と読みが重なるためです。ツールを探すときは英字の「MulmoCast」や「MulmoScript」、「mulmocast-cli」で検索すると目的の情報に当たりやすくなります。

関連記事

• GraphAIとは何か？その基本概念と注目される背景を解説
• Claude Desktopとは？できること・料金・インストール・MCP連携を解説【2026年】
• Google Flow（フロー）とは？使い方・料金・無料枠とVeo搭載のAI動画生成を解説【2026年最新】
• Veo 3.1 Liteの登場背景とSora撤退後に開発者が注目すべき理由
• Slidevとは？Markdownでスライドを作る手順とPDF出力・公開までの実装ガイド【2026年版】