image-to-video

画像から動画を生成するAI — スキルリファレンス

バージョン： 1.0.0 | 更新日： 2026-03-02 | カテゴリー： コンテンツ＆動画

---

目次

1. ツール比較表
2. ツールの詳細プロフィール
3. 汎用プロンプトのベストプラクティス
4. カメラワークのリファレンス
5. 被写体アニメーションガイド
6. 一貫性と安定性
7. 歪みとよくある間違いを避ける
8. テキストとロゴの保持
9. サムネイルから動画を生成する際の専用ガイド
10. プロンプトのテンプレート

---

1. ツール比較表

ツール	最適なモデル（2026年3月）	最大長	I2V	無料プラン	最大解像度	ネイティブ音声	最適な用途
Runway	Gen-4.5	10s	はい	初回限定125クレジット（Gen-4 Turboで約25s）	4K（アップスケール）	いいえ	映画のような一貫性、キャラクター参照
Kling	Kling 3.0 / 2.6 Pro	15s（3.0） / 10s（2.6）	はい	毎日66クレジット（360-540p、ウォーターマーク付き）	1080p（Master）	はい（2.6以降）	モーションコントロール、製品の細部、ファッション
Pika	Pika 2.5	10s	はい	毎月80クレジット（480p、ウォーターマーク付き）	1080p以上（有料）	いいえ	クリエイティブなエフェクト（Pikaswaps、Pikadditions）
Luma	Ray3 / Ray3 Modify	20s（720p以上）	はい	月30回生成（ドラフト解像度、ウォーターマーク付き）	1080p	いいえ	長いクリップ、開始＋終了フレーム、映画のような映像
Sora	Sora 2 / Sora 2 Pro	25s	はい	なし（最低でもPlus $20/mo）	1080p（Pro：1792x1024）	はい	物語性のあるシーン、物理表現、対話
Vidu	Vidu Q3	16s	はい	月3本の動画（720p、ウォーターマーク付き）	4K（Q3 Pro）	はい（ネイティブ）	マルチショットシーケンス、音声との同期
Hailuo/MiniMax	Hailuo 2.3	10s	はい	毎日のボーナスクレジット（720p、ウォーターマーク付き）	1080p（有料）	はい（2.6以降）	生成速度、ソーシャルコンテンツ、A/Bテスト
Google Veo	Veo 3.1	8s	はい（Ingredients）	制限あり（Geminiの無料プランでは旧モデル）	4K（3840x2160）	はい	4K出力、映像表現、カメラコントロール
Adobe Firefly	Firefly Video	5s	はい	クレジットに制限あり（CCサブスクリプション利用時）	ネイティブ2K（最大8Kまでアップスケール）	いいえ	商用利用に安全（IP補償）、CCとの連携
Seedance	Seedance 2.0（ByteDance）	15s	はい	サインアップ時に無料クレジット	1080p	はい（ネイティブ）	マルチモーダル入力、高速生成
WAN	WAN 2.6 / 2.1	10s	はい	オープンソース（ローカルで実行）	1080p	いいえ	オープンソース、セルフホスト可能、汎用

---

2. ツールの詳細プロフィール

Runway（Gen-4 / Gen-4.5）

現在のモデル：

• Gen-4.5（最新、2026年1月）：最先端のモーション品質、プロンプトへの忠実度、視覚的な忠実度を実現します。可変の長さは2～10秒です。
• Gen-4 Turbo：高速で経済的です（1秒あたり5クレジット、Gen-4.5は1秒あたり25クレジット）。反復作業に適しています。
• Gen-4：中位モデルです（1秒あたり12クレジット）。品質とコストのバランスに優れています。

画像から動画を生成する場合の詳細：

• 参照画像をアップロードし、動きを説明するテキストプロンプトを入力します
• 長さ（5秒または10秒）とアスペクト比を選択します
• 再現可能なモーションを得るには、「Fixed Seed」を有効にします
• 参照画像を使うと、シーンをまたいでキャラクターの外見、服装、特徴が維持されます
• 空間認識能力に優れており、カメラの動きがあってもオブジェクトや背景の一貫性が保たれます

料金：

• 無料：125クレジット（初回のみ、Gen-4 Turboで約25秒分、Gen-4.5で約5秒分）
• Standard：月額$12～15（625クレジット）
• Pro：月額$28～35（2,250クレジット）
• Unlimited：月額$76～95（高速生成2,250クレジット＋低速生成無制限）

プロンプト作成のベストプラクティス（Runway固有）：

• プロンプトではモーションのみに集中してください。画像に何が写っているかを再度説明しないでください
• シンプルに始め、詳細を加えながら反復します
• パン、チルト、ドリー、オービット、ズーム、トラック、ペデスタル、クレーン、ラックフォーカス、クラッシュズームなどのカメラ用語を使います
• 構成：「カメラが［モーション］する一方で、［被写体の動作］」
• 抽象的・概念的な表現は予測不能な結果につながるため、具体的かつ物理的に記述します
• 画像の要素を詳しく説明し直すと、モーションが弱まったり、アーティファクトが発生したりすることがあります

情報源： Runway Pricing | Gen-4 Research | Gen-4.5 Research

---

Kling AI（Kling 3.0 / 2.6 Pro）

現在のモデル：

• Kling 3.0（最新）：シーンを認識した生成、キャラクターや小道具の一貫性、ネイティブ音声、3～15秒のクリップに対応します
• Kling 2.6 Pro：英語と中国語の音声を内蔵し、プロンプト制御が強化され、映画のようなリアリズムを実現します
• Kling 2.6 Motion Control：モーション参照動画をアップロードして、キャラクターの動きを指定します
• バリエーション：Turbo（高速）、Pro（バランス型）、Master（最高品質）

画像から動画を生成する場合の詳細：

• 画像を被写体としてアップロードし、プロンプトで動きを説明します
• Motion Control モード：画像と参照動画を使って、正確にモーションを転送します
• エッジ、ロゴ、布地の細部を保持します（製品やファッションに最適です）

料金：

• 無料：1日あたり66クレジット（24時間ごとにリセットされ、繰り越し不可）。360～540p、透かしあり、商用利用不可
• 有料プラン：プランに応じて月額$6.99～180

プロンプト作成のベストプラクティス（Kling固有）：

• I2Vでは、動かす・変化させるものとカメラの動きだけを記述します。画像がシーンそのものです
• 主な動作（「ヒーローアクション」）は1つに絞ります。二次的な動きは控えめに示します
• Motion Controlでは、プロンプトに動きを記述しないでください（動きは参照動画で定義されます）。プロンプトは環境や見た目の指定に使います
• 「slow push-in」「drone follow」「lateral track」などの用語を使います
• 「滑らかに滑る」「急停止する」などの言葉で速度や動き方を説明します
• 元画像ではキャラクターの四肢が見えるようにします（四肢が隠れていると、幻覚や余分な指が生じる原因になります）
• 被写体の周囲に動ける余白を設けます
• 画像とモーション参照動画のアスペクト比を一致させます

情報源： Kling AI | Kling 3.0 Guide | Kling 2.6 Motion Control

---

Pika Labs (Pika 2.5)

現在のモデル：

• Pika 2.5（最新）：よりシャープで滑らかなシネマティッククリップを生成します。エンジンがアップグレードされました。
• Pikaformance：生き生きとした音声から顔へのパフォーマンスを実現する、話す顔のモデルです
• AI Selves：パーソナライズされたAIアバターを作成できます

主な機能：

• Pikaframes：2～5枚の画像から、リアルな動きを伴う滑らかなトランジション動画を作成します
• Pikaswaps：動画内のオブジェクト（例：犬 → ロボット）を、照明や動きを維持したまま置き換えます
• Pikadditions：映像に新しいキャラクターやオブジェクトを追加します
• シーン素材：一貫性を保つために、独自のキャラクターやオブジェクトをアップロードできます

料金：

• 無料：月間80クレジット。480pのみ、透かし入り、非商用利用
• 有料：すべての解像度が利用可能になり、透かしがなくなり、商用利用が可能になります

プロンプトのベストプラクティス（Pika固有）：

• 写実的な映像よりも、クリエイティブでスタイライズされた変換に適しています
• 複数画像を使ったストーリーテリングにはPikaframesを使用します
• リアルな素材の相互作用を実現するには、照明や物理的な挙動を指定します
• 短いクリエイティブなソーシャルクリップや、エフェクトを多用するコンテンツに最適です

参照元： Pika Pricing | Pika 2.5 Release

---

Luma Dream Machine (Ray3)

現在のモデル：

• Ray3：主要な生成モデルです。解像度に応じて5～20秒の動画に対応しています。
• Ray3 Modify：キャラクターの参照画像を使って、既存の映像を編集します
• Ray3.14：ドラフト解像度モデル（無料プランで利用可能）

画像から動画への変換に関する特徴：

• 静止画像をアップロードし、自然な動きとシネマティックなカメラワークを加えます
• 開始フレーム＋終了フレーム機能：最初と最後のフレームを指定すると、AIがその間のトランジションを生成します
• 控えめなカメラのパン、ズーム、視点の移動を自動で加えます

料金：

• 無料：月額$0。月30回生成。ドラフト解像度（Ray3.14）、画像は720p、透かし入り、個人利用のみ
• Lite：月額$9.99。3,200クレジット。画像は1080p、透かし入り、非商用利用
• Plus：月額$29.99。10,000クレジット。透かしなし、商用利用権付き
• Unlimited：月額$94.99。高速生成10,000回＋リラックスモード無制限

解像度別の動画の長さ：

• 540p SDR：5秒（160クレジット）、10秒（320クレジット）
• 720p SDR：5～20秒
• 1080p SDR：最大20秒

参照元： Luma Pricing | Dream Machine | Ray3 Info

---

OpenAI Sora (Sora 2)

現在のモデル：

• Sora 2：音声を同期したテキストから動画、および画像から動画への生成に対応しています
• Sora 2 Pro：より高解像度（1792x1024）で、品質も向上しています

画像から動画への変換に関する特徴：

• 静止画像から始めて、動きのある映像へと展開します
• 物理的に正確で、リアルかつ制御可能です
• 外見や声を正確に再現し、Soraが生成したあらゆる環境に人物を登場させられます
• 台詞や効果音をネイティブに生成します

料金：

• 無料プランなし（2026年1月10日時点）
• ChatGPT Plus（月額$20）：480p動画を無制限に生成できます
• ChatGPT Pro（月額$200）：より高品質で、優先アクセスが可能です
• API：1秒あたり$0.10（720p）、1秒あたり$0.30（720p Pro）、1秒あたり$0.50（1024p Pro）

プロンプトのベストプラクティス（Sora固有）：

• 動きだけでなく、意図やムードを説明するプロンプトが効果的です
• 監督のような視点でフレーミングを指定し、動きを段階的に導入します
• プロンプトを、起こること、ビジュアルスタイル、音声要素などの明確なセクションに分けます
• 音（台詞、フォーリー、音楽、ムード）を明確に指定します
• キャラクターの位置、フレーミング、感情の状態、ジェスチャーを指定します
• 物理的な挙動を説明します：「穏やかな衝突」と「激しい衝突」、「重い物体が滑る」と「軽い羽が浮かぶ」
• 15～25秒のクリップに対応しています。ペースの変化を説明します
• シネマティックな雰囲気を出すには、24fpsを指定します

参照元： Sora 2 Guide | Sora Announcement

---

Vidu（Vidu Q3）

現在のモデル：

• Vidu Q3（最新）：音声と動画を一度の処理でネイティブに生成。最大16秒、2K解像度、マルチショットの「Smart Cuts」に対応
• Vidu Q2：前世代モデル。自然な動きと映画のようなカメラ効果が特徴です。
• Reference-to-Video 2.0：生成をまたいだキャラクター／被写体の一貫性

主な機能：

• 単一のプロンプトから、音声が同期した複数ショットの編集風シーケンスを生成する初のAIモデル
• 複数ショットのシーケンスを自動生成する「Smart Cuts」
• 音声：シーンのリズムに同期したBGM＋SFX
• API経由で、Q3 Proは最大4Kに対応

料金：

• 無料：月3本の動画。720p、ウォーターマーク付き
• 有料プランはvidu.comで利用可能です

参照元： Vidu | Vidu Q3ガイド | WaveSpeedのVidu Q3

---

Hailuo / MiniMax（Hailuo 2.3）

現在のモデル：

• Hailuo 2.3（最新）：身体動作、スタイライズ、キャラクターの微細な表情、アニメ対応を改善
• Hailuo 02：StandardとFastの各バリエーション。768pおよび1080p、最大10秒
• Media Agent：手動編集を最小限に抑えたマルチモーダル制作

料金：

• 無料：月額$0。毎日のボーナスクレジット。720p、ウォーターマーク付き。混雑時間帯は待ち時間が発生します。
• Standard：月額$9.99。1,000クレジット、優先処理、ウォーターマークなし、最大5タスク
• Unlimited：月額$94.99。クレジット無制限

プロンプトのベストプラクティス（Hailuo固有）：

• きれいな画像と控えめな動きの指定で最も良い結果が得られます
• A/Bテストの迅速な実施や、短尺のソーシャルコンテンツに最適です
• 2.3ではアニメ／スタイライズコンテンツに強く対応しています

参照元： Hailuo AI | MiniMax Hailuo 2.3

---

Google Veo（Veo 3.1）

現在のモデル：

• Veo 3.1：4K出力（3840x2160）、縦型動画（9:16）、「Ingredients to Video」（最大4枚の参照画像）
• Veo 3 Standard：一部の無料ユーザーが利用できる旧モデル
• Veo 3 Fast：低価格の選択肢

主な機能：

• 真の4K出力に対応した初の主流AIモデル
• 「Ingredients to Video」：1回の生成につき最大4枚の参照画像を受け付けます
• シーンが変わってもキャラクターの同一性を維持
• YouTube Shorts / TikTok / Reels向けのネイティブな縦型動画
• 音声生成機能を内蔵

料金：

• 無料（Gemini）：Flow/Whisk用のAIクレジットが月100。Veo 3 Standard（3.1ではありません）を利用できる場合があります
• Pro（月額$19.99）：Veo 3.1を限定的に利用可能
• Ultra（3か月で$124.99、または月額約$42）：月25,000クレジット、Veo 3.1をフルに利用可能
• API：Veo 2は1秒あたり$0.35～0.50

プロンプトのベストプラクティス（Veo固有）：

• 映画の表現に強く、ショットの種類やテンポを指定すると効果的です
• プロンプトでは、被写体の安定性とカメラの動きを分けて指定します
• 入力画像は720p以上で、アスペクト比は16:9または9:16にします
• 特定のショットの種類に言及するプロンプトを使うと、結果をより細かく制御できます

参照元： Veo 3.1 4Kアップデート | Veo 3.1ブログ | Google DeepMind Veo

---

Adobe Firefly Video

現在のモデル： Firefly Video（2026年2月）

主な機能：

• 生成ごとに5秒のクリップを作成
• ネイティブ2K解像度（アップスケールで最大8K）
• IP補償 — 商用利用に安全で、ライセンス取得済みコンテンツでトレーニング
• QuickCut：Bロールをアップロードするか映像を生成し、構成されたファーストカットを自動作成
• Premiere Pro、After Effects、Creative Cloudとの緊密な連携

料金：

• Firefly Standard：月額$9.99（プレミアムクレジット2,000）。約20本の動画を生成可能（5秒クリップあたり100クレジット）
• Firefly Pro：月額$19.99（プレミアムクレジット4,000）
• Firefly Premium：月額$199.99（プレミアムクレジット50,000）
• 2026年1月〜3月のキャンペーン：有料プランで生成回数無制限

おすすめの用途： IP補償が重要な企業や代理店での利用。既存のAdobeワークフローとの連携。

情報源： Adobe Firefly Pricing | Firefly Blog

---

Seedance 2.0（ByteDance）

現在のモデル： Seedance 2.0

主な機能：

• テキスト、画像、音声、動画を入力できる、統合型のマルチモーダル音声・動画同時生成
• 動画の長さは4〜15秒
• 1080p解像度
• Seedance 1.0より30％高速
• ネイティブ音声生成（BGM＋SFX）

料金：

• サインアップ時に無料クレジットを付与（毎日のチェックインで追加クレジットを獲得可能）

情報源： Seedance 2.0 | Seedance on fal.ai

---

WAN 2.6 / 2.1（オープンソース）

現在のモデル：

• WAN 2.6：最新リリース
• WAN 2.1：広く利用可能で、Hugging Faceでオープンソースとして公開

主な機能：

• オープンソース — ローカルで実行でき、クレジット不要
• 13億および140億パラメーターのバリエーション
• 動画内のテキストと画像の生成（中国語＋英語）
• リアルな物理シミュレーション
• 汎用性の高いオールラウンダー

料金： 無料（オープンソース）。ハードウェア費用のみ必要です。

おすすめの用途： セルフホスト型ワークフロー、プライバシーが重視されるプロジェクト、クレジットを使わない無制限の生成

情報源： WAN GitHub | WAN on HuggingFace

---

3. 汎用プロンプトのベストプラクティス

基本ルール

1. 被写体と動きを分けて指定します。 画像で「誰／何」を定義し、プロンプトで「どのように」動くかを定義します。
2. 画像の内容を言い換えて説明しないでください。 動きが抑えられたり、視覚的なアーティファクトが生じたりする原因になります。
3. シンプルに始め、反復して調整します。 まずは1つのアクションと1つのカメラワークから始めます。テスト後に複雑さを加えます。
4. 概念的ではなく、物理的に具体的に指定します。 「カメラがゆっくり前進する」＞「ドラマチックな強調」
5. 各要素の説明は3〜4個が最適です。 それ以上に形容詞を加えると、品質が低下します。

プロンプト構成の公式

[Camera movement], [pace/speed], [subject action], [environmental motion/details]

例：

Slow push-in, steady cinematic pace, the developer's fingers type on the glowing keyboard,
holographic UI panels float and pulse with soft blue light around the workspace

8項目のショット文法（上級）

一貫性のあるシネマティックな出力を得るには、次の8項目を指定します。

要素	指定する内容	例
1. 被写体	焦点となる人物／物	「デスクに座る開発者」
2. 感情／ムード	シーンの雰囲気	「集中し、強い注意を向けている」
3. 光学／フレーミング	ショットの種類とレンズ	「ミディアムクローズアップ、35mmレンズ」
4. 動き	カメラと被写体の動き	「ゆっくりドリーインし、タイピングの動きは控えめ」
5. 照明	光源とその質	「モニターの冷たい光、紫色の環境ネオン」
6. スタイル	視覚的な美しさ	「シネマティック、暗くムーディーなテックノワール」
7. 音声（対応している場合）	サウンドデザイン	「メカニカルキーボードの打鍵音、環境音のハム」
8. 一貫性	変わらない要素	「顔は動かさず、表情も同じまま」

---

4. カメラワークのリファレンス

キーワードで表すカメラの動き

動き	説明	プロンプトのキーワード	最適な用途
Static/Locked	カメラは静止し、被写体が動きます	"static shot", "locked camera", "fixed frame"	さりげない表情、製品を際立たせる
Pan	固定点を中心に水平方向に旋回します	"pan left", "pan right", "slow pan", "sweeping pan"	風景を見せる、動きを追う
Tilt	固定点を中心に垂直方向に上下します	"tilt up", "tilt down", "slow tilt", "dramatic tilt"	高さを強調する、衣装を見せる
Push-in/Dolly In	カメラが被写体に近づきます	"push in", "dolly in", "slow push-in", "intimate push"	緊張感を高める、製品の細部を見せる
Pull-back/Dolly Out	カメラが被写体から離れます	"pull back", "dolly out", "reveal pull-back"	背景を見せる、シーンを締めくくる
Truck	カメラが被写体と平行に移動します	"truck left", "truck right", "lateral movement"	歩くシーン、棚を見渡す
Pedestal	カメラが垂直方向に移動します（エレベーターのような動き）	"pedestal up", "pedestal down", "rising reveal"	隠れた要素を見せる
Tracking	カメラが動く被写体を追います	"tracking shot", "follow shot", "match pace"	アクションシーン、人物が歩く場面
Orbit/Arc	カメラが被写体の周囲を回ります	"orbit clockwise", "orbit counterclockwise", "arc around", "slow orbit"	主役を際立たせるショット、製品紹介、ドラマチックな演出
Crane/Boom	垂直方向と水平方向に大きく移動します	"crane up", "crane shot", "boom up", "sweeping crane"	壮大な導入ショット、人混みを見せる
Rack Focus	異なる距離にある被写体の間でフォーカスを移します	"rack focus", "shift focus", "focus pull"	注目の対象を切り替える
Crash Zoom	非常に速く、ドラマチックにズームします	"crash zoom", "snap zoom", "whip zoom"	アクションの見せ場、コメディ、強調
Zoom	レンズを使ってズームイン／アウトします（カメラ自体は移動しません）	"zoom in", "zoom out", "slow zoom"	注意を引く、何かを見せる
Handheld	自然な小さな揺れを加えます	"handheld", "shaky cam", "documentary style"	リアリティ、緊迫感、臨場感
FPV/First-Person	カメラが被写体そのものになります	"FPV", "first person view", "POV shot"	没入感のある映像、ゲームコンテンツ

動きの組み合わせ

複雑なショットでは、カメラの動きを組み合わせられます：

"Slow dolly in while panning slightly right, the camera rises gently"
"Crane up and orbit counterclockwise, revealing the full workspace"
"Tracking shot following the subject with a slight handheld shake"

速度／ペースの修飾語

修飾語	効果	キーワード
非常に遅い	夢のようで、思索的	"very slow", "glacial pace", "barely moving"
遅い	映画のようで、優雅	"slow", "steady", "gentle", "smooth"
中程度	自然で、ドキュメンタリー風	"natural pace", "moderate speed"
速い	活気があり、ダイナミック	"fast", "dynamic", "brisk", "energetic"
素早い動き	突然で、ドラマチック	"whip", "snap", "lightning fast", "sudden"

---

5. 被写体のアニメーションガイド

さりげない動きからドラマチックな動きまで

レベル	説明	キーワード	使用例
最小限	ほとんど気づかない程度	"barely perceptible movement", "very subtle", "still with micro-motion"	サムネイル、ポートレート風の映像
さりげない	自然な静止時の動き	"gentle sway", "subtle breathing", "slight movement", "soft idle"	プロ向けの顔写真、落ち着いたシーン
中程度	はっきりしているが、抑制された動き	"natural movement", "smooth gesture", "controlled action"	製品デモ、プレゼンテーション
ダイナミック	活発で、エネルギッシュ	"active movement", "energetic", "fluid motion"	アクションシーン、スポーツ
ドラマチック	最大限の動き	"explosive motion", "dramatic action", "intense movement"	ミュージックビデオ、予告編

特定の要素のアニメーション

髪／衣服：

"hair gently moves as if from a light breeze"
"coat fabric ripples softly"
"scarf billows in the wind"

目／顔（注意 — 最も歪みが生じやすい要素です）：

"eyes blink naturally"
"subtle smile forms"
"gaze shifts to the right"

警告：歪みを避けるため、顔のアニメーションは最小限にしてください。「自然なまばたき」と「さりげない表情」が最も安全です。

手／タイピング：

"fingers move across keyboard with natural rhythm"
"hands gesture subtly while speaking"
"subtle finger movement on the trackpad"

環境／背景：

"particles float gently in the air"
"screen content scrolls slowly"
"ambient light pulses softly"
"clouds drift across the sky"

---

6. 一貫性と安定性

被写体を安定させる

1. プロンプトでアイデンティティを固定：「同じ顔、同じ服装、同じ髪型、一貫したプロポーション」
2. 固定シード（Runway）：反復生成で動きを再現できるように有効にします
3. 参照画像（Runway Gen-4+、Veo 3.1）：シーンをまたいだ一貫性を保つため、キャラクターの参照画像をアップロードします
4. **顔の動きを最小限にする：**顔は最も変化しやすい部分です。顔の表情は控えめにします。
5. **前景を優先する：**メインキャラクターを前景に配置し、ほかの顔はぼかします
6. **被写体を1人に絞る：**動く被写体が複数いると、変化が大きくなります。1人だけに集中します。

視覚的な一貫性を保つ

• 複数のクリップを生成するときは、同じ画像を使います（元画像を切り替えないでください）
• バッチ間でスタイルパラメーター（色、美的表現、動きの品質）を正確に保存し、再利用します
• 照明の説明を一貫させます。すべてのプロンプトで「青みがかった冷たいモニターの光」を使います
• 変更してはいけない要素を指定します。「背景は静止したまま」や「机は完全に動かない」など

シーンをまたいだ一貫性

• Runway Gen-4+：外見を一致させるため、キャラクターの参照画像をアップロードします
• Veo 3.1 Ingredients：生成ごとに最大4枚の参照画像を使用できます
• Kling Motion Control：キャラクター画像と動きの参照動画を使用します
• Pika Scene Ingredients：一貫性を保つため、キャラクターやオブジェクトをアップロードします

---

7. 変形とよくある間違いを避ける

変形の主な原因トップ10と対処法

原因	症状	対処法
プロンプトで画像の内容を再説明する	動きが小さくなる、視覚的なアーティファクトが発生する	プロンプトではシーンではなく、動きだけを説明します
一度に多くの動作を指定する	動きが混沌とし、一貫性がなくなる	メインの動作を1つに絞り、補助的な動きを少し加えます
抽象的・概念的な表現	予測できない結果になる	具体的な物理的描写を使います
元画像で手足が隠れている	指が増える、存在しない手が生成される	元画像ではすべての手足が見えるようにします
元画像に広角レンズを使用している	動きに合わせて遠近感が歪む	標準的な焦点距離（35-85mmの画角）を使います
形容詞が多すぎる	品質が低下する	要素ごとに描写要素を最大3～4個にします
アスペクト比が一致しない	伸縮や切り抜きのアーティファクトが発生する	元画像と出力のアスペクト比を一致させます
顔のアニメーションが過剰	顔が歪む、アイデンティティが変化する	顔の動きを最小限にします（「控えめな」「自然なまばたき」）
元画像の解像度が低い	出力がぼやけ、不安定になる	最低でも720p以上の元画像を使います
指示が矛盾している	モデルの出力が混乱する	プロンプトに矛盾がないか確認します

ネガティブプロンプトのキーワード（対応している場合）

重要な除外事項を先に配置します（モデルは前の語句をより重視します）：

"blurry, low resolution, distorted, warped face, extra fingers, glitchy text,
unnatural movements, chaotic cuts, morphing features, flickering"

品質を守るための対策

• **最も重要なのは元画像の品質です。**キーフレームがきれいであるほど、モデルが内容を補って生成することが少なくなります。
• まず、優れた画像モデル（FLUX、Seedream 4.5、Midjourney）で元画像を生成します
• 問題を修正するときは、一度に変更する変数を1つにします（動きの強さ、カメラの動き、スタイルの複雑さ）
• まずプレビュー／ドラフト解像度で生成し、最適なものを選んでからアップスケールします

---

8. テキストとロゴを保持する

根本的な問題

AI動画モデルはテキストやロゴの処理が苦手です。動きの最中にテキストが歪んだり、ぼやけたり、別の形に変化したりすることがよくあります。これは、現在の拡散モデルが持つ根本的な制約です。

軽減策

1. テキストのある領域付近の動きを最小限にする：

   "the text/logo remains perfectly stationary in the frame"
   "camera movement avoids the text area"
   "text stays sharp and readable throughout"
   

2. テキストの多い領域ではカメラを固定する： テキストを表示する必要がある場合は、カメラを固定し、テキスト以外の要素だけをアニメーション化します。

3. コントラストの高いテキストを指定する：

   "bold high-contrast text", "clear sans-serif text", "readable block letters"
   

4. ポストプロダクションで対応する（重要なテキストに推奨）：

   • テキストなしで動画を生成します
   • 動画編集ソフト（Premiere、After Effects、CapCut）でテキストやロゴを重ねます
   • これにより、確実に読みやすくできます

5. **ロゴにはKling 2.6：**製品のショットで輪郭やロゴを保持する能力に最も優れています。

6. **尺を短くする：**テキストは10秒以上のクリップよりも、3～5秒のクリップのほうが安定して保たれます。

---

9. サムネイルから動画を作成するためのガイド

テック／コーディングのサムネイル向け（暗い背景、ネオン、ワークスペース、開発者）

このセクションは、暗い背景、紫／ティールのネオン照明、デスク／ワークスペースのシーン、MacBook／モニター、開発者のキャラクター、浮遊するUI要素、ホログラフィックパネルを使ったサムネイル向けに設計されています。

デスク／ワークスペースのシーンに最適なカメラワーク

おすすめ（効果の高い順）：

1. ゆっくりとしたプッシュイン（サムネイルに最適）：

   "Slow push-in toward the developer's workspace, steady cinematic pace,
   ambient particles float gently, monitor screens glow softly"
   

   理由：焦点を合わせ、歪みを最小限に抑え、顔を安定させます。

2. 控えめなオービット（ドラマチックなヒーローショット向け）：

   "Very slow orbit clockwise around the developer at the desk,
   neon reflections shift on the monitor surface, floating UI elements rotate gently"
   

   理由：被写体を乱すことなく、奥行きとドラマを加えます。

3. 固定カメラ＋環境の動き（顔を最も安定させる安全な方法）：

   "Static locked camera, the developer sits motionless at the desk,
   holographic panels pulse with soft light, particles drift upward,
   screen content scrolls slowly"
   

   理由：顔の歪みがありません。すべての動きは周囲の環境に限定されます。

4. ゆるやかなペデスタルアップ（見せ場を明かすショット）：

   "Slow pedestal up from the keyboard level, rising to reveal the developer's face
   and floating holographic displays, purple ambient light pulses"
   

5. ドリーバック＋見せ場の展開：

   "Slow dolly backward revealing the full workspace setup,
   multiple monitors glow, floating code snippets hover in the air"
   

浮遊するUI要素のアニメーション

"Translucent holographic panels float around the workspace, slowly rotating and pulsing"
"Code snippets hover in mid-air with a soft cyan glow, gently bobbing up and down"
"Floating UI windows orbit the developer, each displaying different data visualizations"
"Semi-transparent screens drift slowly, reflecting purple and blue neon light"
"Holographic interface elements materialize one by one around the desk"

浮遊する要素を表す主な描写語：

• 「半透明」「セミトランスペアレント」「グラスモーフィック」
• 「浮遊する」「宙に浮かぶ」「漂う」「周回する」
• 「脈動する」「発光する」「柔らかく点滅する」
• 「出現する」「フェードインする」「溶けるように消える」

ホログラフィックパネルに発光や脈動を加える

"Holographic panels emit a soft pulsating blue-purple glow"
"Screens pulse rhythmically with cyan light, intensity rising and falling"
"Neon edges of the floating panels flicker with electric energy"
"Warm glow radiates from the holographic displays, casting colored light on the developer's face"
"Panels glow brighter momentarily before dimming back, creating a breathing light effect"

光の動きを表すキーワード：

• 「脈打つ」「呼吸するような光」「リズミカルな発光」
• 「点滅する」「きらめく」「光を放つ」
• 「色付きの光を投げかける」「表面に反射する」
• 「明るさが徐々に変化する」「柔らかな揺らぎ」

控えめなタイピング／画面上の動きを加える

"Fingers move naturally across the backlit keyboard, screen content scrolls upward"
"Subtle typing motion, code appearing on the main monitor line by line"
"The MacBook screen displays scrolling code with a soft green-on-black terminal"
"Cursor blinks on the screen, new lines of code appear gradually"
"Multiple monitors show different live data — one scrolling code, one showing metrics"

環境の動きがあっても人物の顔を安定させる

これは最も難しい課題です。優先順位は次のとおりです：

1. 顔は固定、その他はすべて動かす：

   "The developer sits perfectly still, face unchanged, steady gaze at the screen.
   Around him, holographic panels pulse with light, particles float upward,
   keyboard keys glow softly, ambient neon light shifts between purple and blue"
   

2. 顔の動きは最小限にする：

   "The developer blinks naturally, otherwise perfectly still.
   Ambient environment has floating particles, pulsing lights, and drifting UI elements"
   

3. 同一性を固定する： 必ず次の内容を含めてください：「全編を通して同じ顔、顔の特徴に一貫性を保つ、顔を変形させない」

4. カメラの選択が重要です：

   • 固定カメラ＝顔が最も安定
   • ゆっくりとしたプッシュイン＝顔は安定したまま（顔ではなくカメラが動く）
   • オービット＝顔の位置がずれる可能性あり（慎重に使用）
   • 顔に向かう／顔の周囲を動く動き＝最もリスクが高い

5. 顔の安定性を重視したツールの選択：

   • 最適： Kling（顔を固定したモーションコントロール）、Luma（開始＋終了フレーム）
   • 良好： Runway Gen-4.5（キャラクター参照）、Veo 3.1（同一性の一貫性）
   • リスクあり： Sora（クリップが長いほどずれやすい）、Pika（クリエイティブ性を重視し、安定性は低め）

---

10. プロンプトテンプレート

テンプレート 1：サムネイルから動画へ（テック系ワークスペース）

Slow push-in, smooth cinematic pace. A developer sits at a dark workspace,
face perfectly still with natural subtle blinking. Holographic UI panels float
around the desk, pulsing with soft [purple/blue/cyan] neon light. Particles
drift gently upward. The MacBook screen displays scrolling code. Ambient
lighting shifts subtly between [purple and teal]. The background remains
perfectly static while floating elements orbit slowly.

テンプレート 2：製品紹介（オービット）

Slow orbit clockwise around [product], smooth cinematic pace. The [product]
sits on a dark reflective surface. Ambient particles float in the air.
Soft studio lighting highlights edges and details. The background is
[dark/gradient]. Camera completes a quarter rotation over [5-10] seconds.

テンプレート 3：ヒーローショット（人物）

Static locked camera, [duration] seconds. [Person description] stands/sits
in [environment]. Face remains perfectly still. Hair moves gently from a
subtle breeze. Atmospheric particles float in the background. Volumetric
light rays stream through [window/source]. The mood is [cinematic/dramatic/calm].

テンプレート 4：コード／テックのデモ

[Camera movement], steady pace. Close-up of a MacBook Pro screen showing
[code editor/terminal/dashboard]. Code scrolls upward naturally. The cursor
blinks. Ambient keyboard glow pulses softly. Shallow depth of field blurs
the background workspace. [Monitor reflections shift/bokeh lights drift].

テンプレート 5：ドラマチックな展開

Slow crane up from [starting point], sweeping reveal. Rising from [desk level/
ground level] to reveal [full scene/workspace/city]. Atmospheric fog drifts
through the scene. [Neon/ambient] lights illuminate the environment.
The scale of the scene becomes apparent as the camera rises.

---

スキーマ

入力

パラメーター	型	必須	説明
source_image	画像（720p 以上を推奨）	はい	アニメーション化する静止画
prompt	文字列	はい	動きの説明（カメラ＋被写体＋環境）
tool	列挙型	はい	使用するAIツール
duration	整数（3～25秒）	いいえ	動画の目標尺
aspect_ratio	列挙型（16:9、9:16、1:1、4:3）	いいえ	出力のアスペクト比
resolution	列挙型（480p～4K）	いいえ	出力解像度（ツールに依存）
motion_reference	動画	いいえ	動きを参照する動画（Kling Motion Control のみ）

出力

パラメーター	型	説明
video	MP4	生成された動画ファイル
duration	整数	実際の動画の長さ（秒）
resolution	文字列	出力解像度
credits_used	整数	消費したクレジット数

組み合わせ可能な機能

スキル	方法
thumbnail-generator	サムネイル画像を生成 -> このスキルでアニメーション化
nano-banana-images	元画像を生成 -> アニメーション化
video-edit	後処理：トリミング、テキストのオーバーレイ、音楽の追加
pan-3d-transition	I2V クリップを 3D トランジションと組み合わせる
title-variants	タイトルを生成 -> 動画に重ねる
recreate-thumbnails	元画像の顔を置き換える -> アニメーション化

---

ツール選択の決定ツリー

Need 4K output?
  -> Google Veo 3.1 or Vidu Q3 Pro

Need face stability (thumbnail/portrait)?
  -> Kling Motion Control (best) or Static camera on any tool

Need native audio?
  -> Sora 2, Vidu Q3, Seedance 2.0, Kling 2.6+, or Veo 3.1

Need free / no budget?
  -> Kling free (66 daily credits) or Hailuo free (daily bonus)
  -> WAN 2.1 (open source, run locally)

Need commercial IP safety?
  -> Adobe Firefly (IP indemnity)

Need creative effects (swaps, additions)?
  -> Pika 2.5 (Pikaswaps, Pikadditions, Pikaframes)

Need longest output?
  -> Sora 2 (25s) or Luma Ray3 (20s) or Vidu Q3 (16s)

Need product/fashion detail?
  -> Kling 2.6 Pro (preserves edges, logos, fabric)

Need fast iteration?
  -> Hailuo 2.3 (speed) or Runway Gen-4 Turbo (cheap credits)

Need multi-shot sequences?
  -> Vidu Q3 (Smart Cuts) or Veo 3.1 (Ingredients)

Need open source / self-hosted?
  -> WAN 2.1/2.6 (GitHub, HuggingFace)

---

クイックリファレンスカード

すべてのツールで使えるモーションキーワードトップ5

1. 「ゆっくりプッシュイン」／「ドリーイン」
2. 「ゆるやかなオービット」／「周囲を弧を描くように回る」
3. 「環境の動きを伴う固定ショット」
4. 「追従するトラッキングショット」
5. 「ゆっくり左／右にパン」

安定性キーワードトップ5

1. 「顔は完全に静止したまま」
2. 「全編を通じて同じ顔、特徴に一貫性がある」
3. 「背景は静止したまま」
4. 「自然な動きだけを控えめに」
5. 「カメラは固定、環境の動きのみ」

雰囲気キーワードトップ5（テック系サムネイル向け）

1. 「ホログラフィックパネルが［色］の光で明滅する」
2. 「粒子がゆっくり上昇する」
3. 「ネオンの環境光が［色］の間で変化する」
4. 「半透明のUI要素がゆっくり漂う」
5. 「ボリューメトリックライトの光線、雰囲気のある霞」

---

最終更新日：2026-03-02 | 調査対象は2026年3月上旬時点で利用可能なツールです