普通の画像から動画への生成と何が違いますか？

画像から動画は、モデルに出発点だけを渡して行き先を委ねます。うまくいくこともあれば、思い描いた絵と違うこともあります。最初/最後のフレーム指定は終点を加えるので、軌道が囲い込まれます。結果を決め打ちしたいときはこちら、モデルの発想を見たいときは画像から動画を選んでください。

2 枚の画像は似ている必要がありますか？

「もっともらしい関係」が必要です。同じシーンの 2 つの状態——閉じている/開いている、引き/寄り、昼/夜——が最も相性がいいです。まったく無関係な 2 枚だと、モデルは無理やり橋を架けるしかなく、中間で形が崩れたり飛んだりしがちです。

一文を添えて、寄りなのか、回転なのか、モーフィングなのかを指定できます。ただし最も強い制約は 2 枚のフレームそのものです。多くの場合、プロンプトを何度も書き直すより、適切な両端を選び直すほうが早く解決します。

はい。最初のフレームだけ入れれば、そこから先へ展開していく形になり、画像から動画とほぼ同じ挙動になります。最後のフレームは、着地点が重要なときに足すものだと考えてください。

1 枚の画像を動かすときによくある不満があります。動き自体はきれいなのに、望んでいない方向へ行ってしまう。渡したのは出発点だけで、残りはモデルが決めたからです。

最初/最後のフレーム指定はそれを逆転させます。両端をこちらが渡し、モデルは中間を埋めるだけ。絵がどこに着地するかは、生成する前に決まっています。

この制約は、どんなプロンプトよりも強く効きます。商品を閉じた状態から開いた状態へ、カメラを引きから寄りへ、シーンを昼から夜へ——過程を言葉で説明するより、両端を見せるほうが確実です。

品質はほとんど、選んだ両端で決まります。

1 つのシーンの 2 つの状態が理想的 — 閉じた状態と開いた状態、引きと寄り、昼と夜。モデルは「ひとつのものが変化している」と読むので、橋の架け方が滑らかになります。

無関係な画像は事故のもと — モデルには無理やり遷移を作ることしかできず、中間で形が崩れたり飛んだりしがちです。関係のない A から B へどうしても行きたいのなら、それは元々ハードカットであって、中割りではありません。

フレーム 1 枚でも構わない — その場合は、その画像から先へ展開するだけの動きになり、画像から動画とほぼ同じです。最後のフレームは、着地点が重要になったときに足すものです。

最初/最後のフレーム指定は、すでに答えが見えているときに向いています。始まりと終わりは頭の中にあって、必要なのは橋だけ——そういうときは、説明を書くより両端を見せるほうが正確です。

逆に、方向性がまだ決まっていない段階では扱いにくいツールです。先に画像を 2 枚作らなければならないからです。その段階なら、動画ジェネレーターで何テイクか回すほうが早いでしょう。

実用的な組み合わせがひとつ。画像ジェネレーターでキーになる 2 枚を作り、それをここに持ち込んで中割りさせる。こうすればショットの両端が、モデルがたまたま出したものではなく、自分で選んだ絵になります。