画像から動画へ

画像から動画で生成できる動きは、ゆっくりしたカメラの寄りから本格的なキャラクターのアクションまでさまざまです。Kling 3.0、Veo 3.1、Seedance 2.0 は初期の画像から動画モデルより大きな動きを扱えますが、速いアクションは今でもゆっくりした動きよりアーティファクトが出やすくなります。

はい。被写体と方向を指定したモーションプロンプト（「カメラを前方へドリー」「被写体が左を向く」）を加えましょう。指定がない場合、モデルはソースから推測します。

クリップの長さはモデルによって3〜15秒です。Kling 3.0 は3〜15秒、Seedance 2.0 は4〜15秒、Hailuo 02 は6秒または10秒、Kling 2.1 は5秒または10秒、Veo 3.1 は8秒固定です。

アスペクト比は、いくつかのモデルではソース画像の形に従い、Veo 3.1 では16:9と9:16から選べます。モデルにアスペクト比の設定がない場合は、アップロード前に静止画を必要な比率にトリミングしてください。

生成時間は、モデル、クリップの長さと解像度、プロバイダー側の混雑状況によって変わります。1クリップには数秒ではなく数分かかり、長いクリップや高解像度のクリップほど時間がかかります。

アップロードできるのは JPEG、PNG、WebP の静止画で、ほとんどのモデルでは最大10 MBです。Seedance 2.0 は最大30 MBまで受け付け、Kling 2.6 と 2.1 Master は JPEG または PNG のみに対応します。アップロードした画像はお客様自身のアカウントに保存されます。

音声は一部のモデルで付けられます。Seedance 2.0、Seedance 1.5 Pro、Kling 3.0、Kling 2.6 は音声を追加でき、Veo 3.1 はクリップと一緒に音声を返します。OmniHuman 1.5 はその逆で、アップロードした音声ファイルに合わせてポートレートを動かします。

たいていはソースが情報過多です。明確な被写体が1つの、よりクリーンな構図を試してください。高コントラストの被写体＋シンプルな背景が最もクリーンにアニメーション化します。