画像から動画を作るのは、新しい画像をデザインすることではありません。すでに信頼できる1枚の画像に「時間」と「動き」を与えることです。商品写真、ポートレート、コンセプトフレームをアップロードし、何を動かすか、カメラをどう動かすかを説明すれば、image to video toolが被写体を崩さずに動くクリップを生成します。
だからこそ、見た目が絶対に譲れない場面で最適なツールになります。純粋なtext-to-videoと比べて、開始画像が人物・商品・服装・シーン・構図を固定し、プロンプトの役割は「何が動いてよいか」「カメラをどう動かすか」「どのディテールを変えてはいけないか」を指示することです。
Step 1: アニメーションに耐えられる開始画像を選ぶ
AI Video GeneratorでImage to Videoに切り替え、画像をStart frameとしてアップロードします。被写体が完整で、光がきれいに当たり、最終的なアスペクト比に近い構図の画像を選びましょう。商品写真は全体形状と主要パーツが見えること、ポートレートは手・髪・服が切れないこと、シーンはカメラが動ける余白があることがポイントです。
このチュートリアルでは、マットブラックのイヤホンケースを16:9で撮った写真を使います。プロンプトでは、フタを少し開け、紫の光が表面を流れるように走り、ゆっくり寄る（プッシュイン）動きを指定しつつ、商品形状は安定させ、新しい物体やテキストは入れないようにします。
イヤホンケースは同一のまま、フタが少し開き、柔らかな紫の光が表面を横切って流れる。 映画的でゆっくりしたカメラのプッシュイン、リアルな反射、安定した商品形状、新しい物体なし、テキストなし。
Step 2: 終了フレームを決めてから、パラメータを設定する
自然な動きが少し欲しいだけなら、End frameは不要です。動画を「ある画像」から「別の正確な画像」へ必ず移行させたい場合にだけ2枚目をアップロードしてください。その際、被写体・視点・シーンを両方のフレームで揃えないと、途中でジャンプしたり歪んだりすることがあります。
次に、モデル、長さ、アスペクト比、解像度を選びます。商品ディテールのショットはゆっくりした動きのほうが伝わりやすいことが多く、SNS向けのフックは、商品が判読できる範囲であれば速めでも構いません。システムがフレームを埋めるために被写体をトリミングしないよう、入力画像とアスペクト比が一致しているか確認しましょう。
Step 3: 生成したら、まずサムネイルを確認する
Generateをクリックします。完成したクリップは、長さ、解像度、タイトル、作成時間とともにVideosリストの最上部に表示されます。再生する前に、サムネイルに1つだけ問いかけてください。これは本当に、同じ商品／同じ人物のままですか？
最初の1フレーム目から色・パーツ数・本人性・画角が間違っているなら、よりクリーンな入力画像に差し替えましょう。最初は合っているのに途中で崩れる場合は、動きを弱める、尺を短くする、またはプロンプトで外観の制約を強めてください。
Step 4: クリップ全体を再生し、被写体の一貫性を監査する
Video Viewerで結果を最初から最後まで再生します。商品なら形状、素材、ボタン、ポート、パーツ数を確認。人物なら顔、手、髪、服、背景への馴染み方を確認。シーンなら構造、パース、光のつながりを確認します。
Generation Detailsには元のプロンプト、モデル、解像度が保存されています。問題がなければクリップをダウンロードして、商品広告、アフィリエイト動画、SNSクリップ、チャンネルのBロール、または長尺のストーリー編集に活用しましょう。失敗しているなら、プロンプトか入力画像を直してください。編集で明らかな被写体の誤りを隠そうとしないのがコツです。
Step 5: 使えるショットを、動画制作フロー全体に組み込む
image-to-videoのクリップは、多くの場合「大きな作品の中の1ショット」です。商品販売者はアバターのスポークスパーソンやAI UGC解説と組み合わせ、YouTubeクリエイターはBロールとして使い、ブランドや研修チームは商品・プロセス・コンセプトシーンの説明に活用します。
同じテーマで複数ショットを作るときは、入力画像、商品のバージョン、キャラクターの同一性、ビジュアルスタイルを固定し、1回の生成で変える動きの変数は1つだけにしてください。オープニング、トランジション、見せ方の比較がぐっと楽になり、生成間の見た目のブレも起きにくくなります。
よくある問題と対処法
- 動いている途中で別の商品に変わってしまう。 よりシャープで情報量の多い商品画像を使い、アクション数を減らし、変えてはいけない素材・色・構造・パーツを明記します。
- 顔や手が揺れる／ブレる。 正面で被写体がはっきりし、手が遮られていない入力を選び、大きな回転や複雑なジェスチャーは避け、短いクリップから始めます。
- 結果がただのスローズームになる。 画像を動かすだけではなく、被写体の分かりやすい動作や環境変化、具体的なカメラワークを指示します。
- 入力画像がトリミングされる。 元画像をターゲットのアスペクト比に合わせ、被写体をセーフエリアに収めます。横長を縦長に「変換してくれる」ことを生成器に期待しないでください。
- 開始フレームと終了フレームの間でショットが跳ぶ。 被写体・視点・シーンは揃え、起こしたい状態変化だけを変えるようにします。
image-to-videoで重要なのは、もっと動かすことではありません。被写体の信ぴょう性を保ちながら、内容に役立つ動きを足すことです。まず見た目を固定し、それから動きを演出しましょう。もし本当に欲しいのが「話すポートレート」なら、それは別のワークフローです：make a photo talk。そして使える画像がまったくない場合は、text to videoで言葉から始めてください。
