AI で写真を動画にするには、画像から動画ツールを開き、写真を最初のコマとしてアップロードし、動いてほしい内容を一文で書き、動画モデルを選んで生成を押します。約1分で、写真からちょうど始まる5秒の動画ができあがります。
人物の写真一枚と指示文一つを、3つの異なる動画モデルで試しました。モデルを変えると何が変わるのか、動き、顔、音、速さ、料金を比べられます。
手順1：よく動く写真を選ぶ
動画の最初のコマは写真そのものなので、結果のほとんどは写真で決まります。次のような写真がうまく動きます。
- 主題が一つで、フレームの中で大きく、顔がはっきり見えている。
- シャープで明るい。 写真のぼけは、動画のぼけになります。
- 動くための余白がある。 歩いている人には、歩いていく先の空間があります。フレームの端に押しつけられた人にはありません。
今回使った写真はこちらです。夕暮れの街の通りに立つ女性の肖像で、後ろには街がぼけています。
手順2：動きを一文で書く
写真は説明する必要がありません。モデルはすでにそれを見ています。説明するのは、何が起きてほしいかです。3つのモデルすべてに、同じ指示文を使いました。
She turns her head toward the camera and smiles, her hair and jacket moving gently in the breeze as she walks forward slowly, the camera drifts in a little. Natural city street sound.
公式はシンプルです。誰が何をするか、髪や服がどう動くか、カメラがどうするか。 動きは一つに絞ってください。「ゆっくり前に歩いて微笑む」はモデルにとって扱いやすいものです。「歩いて、踊って、手を振る」となると、顔がずれ始めます。
手順3：モデルを選ぶ、3つの結果
3本の動画はどれも5秒で、同じ写真と同じ指示文から生成しました。
MiniMax H3
女性が振り向き、微笑み、カメラに向かって歩いてきます。指示文どおり、髪とジャケットが動きます。サウンドトラックは、指示文の「natural city street sound」に沿っています。料金は185クレジットです。
Kling 3.0
Kling がもっとも落ち着いた、自然な表情を出しました。大きな笑顔ではなく、小さくリラックスした微笑みです。3つの中でもっともシャープな肌の描写でもありました。音声は初期設定でオフなので、この動画は無音です。料金は336クレジットです。
Seedance 2.0 Fast
3つの中でもっとも速く、画面サイズはもっとも小さいモデル（480p）です。動きは他の2つよりおだやかです。もっともよい1本にお金をかける前に、5つのアイデアを試すのに向いています。料金は225クレジットです。
並べて比べる
| MiniMax H3 | Kling 3.0 | Seedance 2.0 Fast | |
|---|---|---|---|
| 実行した解像度 | 768p | 720p | 480p |
| 音声 | あり | 初期設定はオフ | あり |
| 生成にかかる時間 | 約80秒 | 約130秒 | 約40秒 |
| 5秒あたりの料金 | 185クレジット | 336クレジット | 225クレジット |
| 向いている場面 | 音と生き生きした演技 | 自然な顔 | 手早い下書き |
3本とも、動画の全体を通して、女性の顔、髪、ジャケットは写真に近いままでした。画像から動画へのモデルに求めるのはそれです。写真を置き換えるのではなく、写真を動かすことです。
手順4：ダウンロードする、延長する、エフェクトを使う
動画はすぐにダウンロードできます。長くしたい場合は、最後のコマから動画を延長してください。指示文をまったく書きたくないなら、動画エフェクトが、風船で持ち上げる、ダンス、ハグといったアイデアをワンタップで出せます。写真を一枚追加するだけです。
うまくいく指示文の例
- 歩く。 「She walks slowly toward the camera, the wind moves her hair.」（ゆっくりカメラに向かって歩き、風で髪が揺れる）
- 肖像。 「He looks up, smiles and nods slightly. The camera pushes in slowly.」（見上げて、微笑み、わずかにうなずく。カメラがゆっくり寄る）
- ペット。 「The dog shakes its head and wags its tail, the camera stays still.」（犬が頭を振り、尻尾を振る。カメラは動かない）
- 商品。 「The camera slowly orbits the mug, steam rises from the cup.」（カメラがマグの周りをゆっくり回り、カップから湯気が立つ）
- 風景。 「Clouds drift across the sky, ripples spread across the lake.」（雲が空をゆっくり流れ、湖に波紋が広がる）
よくある問題
- 顔が変わる。 指示文を一つの動きに減らし、同じ写真を2つ目のモデルで試してください。
- ほとんど動かない。 カメラの動きを加えてください（「slow push in」）。体や布の動きも加えてください（「her scarf flutters」）。
- 最後がおかしい。 10秒ではなく5秒を頼んでください。多くのモデルは最初の5秒がもっとも安定しています。
- 音がほしかった。 モデルが対応していれば音声をオンにし、音を指示文に書いてください（「rain on a window」）。
同じキャラクターが多くの動画に登場する必要があるなら、キャラクターで一度作成し、毎回その出発点の写真として使ってください。
よくある質問
AI で写真を動画にするにはどうすればいいですか？
画像から動画のツールに写真を最初のコマとしてアップロードし、動きを一文で書き、モデルを選んで生成します。モデルによりますが、結果は3秒から15秒の動画です。
写真を無料で動画にできますか？
PopNow では無料ではありませんが、手早いモデルでの短いテストなら数クレジットで済みます。動画ごとに支払い、サブスクリプションはなく、生成する前に料金が表示されます。
写真を動画にするのに、どの AI がいちばんよいですか？
必要なものによります。今回のテストでは、MiniMax H3 がもっとも生き生きした演技と音を、Kling 3.0 がもっとも自然な顔を、Seedance 2.0 Fast がもっとも速く安いものでした。写真を2つのモデルで試してみてください。
動画はどのくらいの長さにできますか？
モデルごとに上限があり、一般に1本あたり5秒から15秒です。長くしたい場合は、最後のコマから動画を延長するか、複数の動画をつないでください。
動画でも人の顔は保たれますか？
今回の3本では保たれました。顔がはっきり見えるシャープな写真を使い、動きは一つだけ頼み、大きな動きは避けると、もっとも似た仕上がりになります。
