Image to Video Stickman：キャラクターの一貫性を保つ
Stickman Video Director個別に生成した棒人間のショットがなぜずれてしまうのか、そして先頭フレームの画像がマルチショット動画でキャラクターを固定する仕組みを解説します。
「image to video stickman」のワークフローが存在するのは、テキストの説明だけではキャラクターを扱う手がかりとして弱すぎるからです。3つの連続したショットに「赤いビーニーをかぶった棒人間」と書いただけで、3人とも別の棒人間になってしまうことがあります。同じフレームを各ショットの開始点としてアップロードすれば、レンダラーは具体的に保持できる基準を得られます。本記事では、ずれが起きる理由、先頭フレームアンカーの仕組み、そしてレンダリング前に確認すべきポイントを解説します。
ショット間でキャラクターがずれる理由
すべてのレンダリングはノイズから始まります。モデルはランダムなピクセルの場から出発し、テキストプロンプトに合う画像へと導いていきます。前のショットから引き継がれるものは何もありません。線の太さも、頭の形も、肘の位置も。ショット2はショット1があったことを知りません。
つまりプロンプトが記憶のすべてであり、しかもプロンプトは緩く解釈されます。「棒人間」と「シンプルな棒人間」は気持ちの上では同じ依頼でも、実際には別の依頼です。「丸い頭」を「円形の頭」に置き換えるだけで、モデルは胴を広くしたり手足を細くしたりすべきだと判断するかもしれません。個々の変化は小さくても、6ショット分積み重なると、ショット1のキャラクターのいとこのように見えるキャラクターになってしまいます。
最も気づきにくい犯人は線の太さです。あるショットでは「太い輪郭」、次のショットでは「きれいな線」と読めるプロンプトでは、線の太さが目に見えて変わってしまいます。そして棒人間が同じ棒人間に見えるかどうかは、その大半が線の太さで決まります。参照フレームがなければ、モデルは何とも比較できず、毎回推測するしかありません。
先頭フレームアンカー
イメージ・トゥ・ビデオは開始条件を変えます。プロンプトから先頭フレームを発明する代わりに、レンダラーはアップロードした画像を開始フレームとして使い、そこから先へ動かします。比率も線の太さもシルエットもすでに決まっています。プロンプトの役割は「このキャラクターを説明する」から「次に何が起きるかを説明する」へと縮小します。
これがテクニックのすべてです。シーケンス内のすべてのショットで同じ絵を使うこと。描き直したものではなく、似たポーズでもなく、同じファイルです。ショット1でキャラクターが立っていて、ショット2で歩行途中の姿が必要なら、同じ画像から始めて動きをプロンプトするか、その動作用に2つ目のアンカーを用意します。やってはいけないのは、各ショットにテキストで独自のキャラクターを発明させることです。
実践的な習慣として、キャラクターごとに1つ、加えて戻ってくる予定のポーズごとに1つのアンカーを作ります。1人のキャラクターの4ショット動画なら、中立の立ちポーズと手を伸ばすポーズの2つのアンカーを使うかもしれません。2つのアンカーは6つのプロンプトより追いやすく、レンダラーはどちらも正とみなします。周辺の計画づくりに不慣れな場合は、AI棒人間動画ジェネレーターガイドで、脚本がショットリストになる流れを解説しています。
アンカー画像を準備する
アンカーが作業の大半を担うので、クレジットを使う前にきちんと仕上げましょう。
背景をきれいに。 均一な背景ならシルエットが曖昧になりません。キャラクターの後ろの暗い部分が影なのか小道具なのか腕の一部なのかを、レンダラーに推測させるべきではありません。白か単色1色で十分です。グラデーションや雑多な要素は避けましょう。
全身を写し、手足を胴から離す。 ショット開始時に腕が胴とくっついている棒人間は、そのままくっついたままになりがちです。腕と胴の間、脚と脚の間に目に見える隙間を空けて、モデルがそれぞれを独立して動かせる余地を残します。膝で切れた人物では、膝から下を動かす余地がほとんどありません。
均一な線の太さと、判別しやすい頭の形。 絵全体で線を一定に保ち、胴だけ太く腕は極細、といった状態にしないこと。頭は離れて見ても独立した円として認識できるべきです。頭が首や肩に溶け込んでいると、レンダリングで最初に崩れるのは頭です。
対象動画のアスペクト比に合わせる。 各ショットは16:9、9:16、1:1のいずれにもできるので、アンカーもあらかじめその形にしておきます。横長の画像を縦のレンダリングに渡すと切り取りか引き伸ばしが強制され、どちらも苦労して固定したキャラクターを変えてしまいます。9:16のシーケンスを計画しているなら、最初から9:16でアンカーを用意しましょう。
スタイルを指定する。 5つのスタイルはそれぞれ異なる視覚言語を持ちます。Minimal（白地に黒）、Midnight（ほぼ黒地に白）、Pop（赤いビーニー、黄色いTシャツ）、Prehistoric（羊皮紙に炭色）、Cozy（暖かな日差しの室内）。すべてのプロンプトで同じスタイル名を指定し、ショットごとにルックを解釈し直されないようにします。
ディレクターのデスク
スクリプトを貼り付け、スティックマンスタイルを選ぶだけ。ディレクターがショットに分割し、それぞれをSeedance 2.0でレンダリングします。プランニングは無料 — クレジットを消費するのはレンダリング時だけです。
1〜400語。1ショットにつき1つのアイデアが最適です。
任意。スティックマンのフレームをアップロードするか、公開画像のURLを貼り付けると、そのフレームからショットが始まります。
クレジットはショットのレンダリング開始時にのみ消費されます。失敗したレンダリングは自動的に返金されます。
ディレクターのプラン
プランを作成するには、少なくとも1文を貼り付けてください。
テキスト・トゥ・ビデオを使うべき場合
アンカーが常に正しい道具とは限りません。テキスト・トゥ・ビデオのほうが適した出発点になる3つのケースです。
参照のない全く新しいキャラクター。 まだ絵がなければ、アップロードするものがありません。テキスト・トゥ・ビデオでショットをレンダリングし、返ってきたものを見て、キャラクターが使えるならそのフレームを残りのシーケンスのアンカーとして保存します。最初のレンダリングが例外ではなく参照になります。
同一性よりも構図が重要なショット。 何もない地平線に棒人間を置くワイドな引きのショットは、ほとんどがフレーミングの話です。そこで厳密なアンカーに固執すると、望む構図と衝突することがあります。そのショットはテキストで説明し、アンカーはキャラクターの同一性が実際に見える、寄りのキャラクター主体のショットのために取っておきましょう。
デザインを決める前の素早い探索。 ショットリストの計画は無料で、クレジットはショットのレンダリングが始まったときにだけ消費されます。そのため、1枚の絵に決める前にテキストでいくつかの方向性を試すのは気軽にできます。短い低解像度のテストを2〜3回レンダリングし、方向性を選んでからアンカーをきちんと描きましょう。まだ見ていないキャラクターを軸に6ショットのシーケンスを組み立てないでください。
一貫性チェックリスト
シーケンスのたびに実行しましょう。1分で済み、再レンダリングを1回省けます。
すべてのプロンプトで同じスタイル名。 毎回まったく同じに書きます。ショット1の「Minimal, black on white」とショット3の「minimal style」は別々の指示です。
同じアンカー画像。 そのキャラクターが登場するすべてのショットで、同じファイル。新しいアンカーを作るなら、事故ではなく意図的な差し替えにしましょう。
同じ解像度とアスペクト比。 ショットは5秒・10秒・15秒、480p・720p・1080p、16:9・9:16・1:1で作れます。シーケンスの途中でフレーム形状を混ぜると、絵が同一でもキャラクターの収まり方が変わります。コストは尺に比例するので、480pの5秒のカットアウェイはクレジットを節約する妥当な場面であり、ショット間で尺は変えてもかまいませんが、フレーム形状は固定しましょう。
次の生成の前に、毎回のレンダリングの先頭フレームを確認する。 これが飛ばされがちな工程です。冒頭の1秒を見ます。線が太くなっていたり頭が楕円になっていたりしたら、ショット3をレンダリングする前にプロンプトかアンカーを直します。ずれを早く見つければ修正は安く済みますが、6回レンダリングした後に見つかった場合はそうはいきません。
レンダリング済みのショットは /settings/videos の動画ライブラリに保存され、MP4でダウンロードできるので、先頭フレームを並べて比較するのは簡単です。全ショットの最初の数秒を並べて、頭の形と線の太さが一致しているか確認しましょう。ショットをまたいで通用するプロンプトの言い回しについては、棒人間動画プロンプトガイドで詳しく解説しています。また、クレジットパックとプランを比較しているなら、料金ページに月額・年額・都度購入の選択肢が記載されています。月額クレジットは当月期間の終わりに、年額クレジットは年末に失効し、都度購入のクレジットは失効しません。失効が最も早いクレジットから順に消費されます。
FAQ
アップロードできる画像形式は？
JPG、PNG、WebPで、最大8 MBです。
写真を先頭フレームに使えますか？
アップロードは可能ですが、このワークフローは棒人間のフレーム向けに設計されています。写真を使うとレンダリングはフォトリアルな方向に引っ張られ、描画された棒人間のショットの隣に置くとたいてい不自然に見えます。きれいな線画のほうがスタイルを保ちやすくなります。
image to video はより多くのクレジットがかかりますか？
いいえ。料金は入力タイプではなく、解像度と尺で決まります。既定の720p・10秒のショットは、テキストから始めても画像から始めても30クレジットです。10秒の場合、480pは15クレジット、1080pは60クレジットです。テキストと画像の入力はレンダリング開始前にモデレーションサービスで審査され、失敗したレンダリングは自動的に返金されます。
既存のコミックのコマを動かせますか？
はい、被写体がはっきりしていて、手足の周りに十分な余白があれば可能です。タイトなトリミングやごちゃごちゃした背景は、レンダラーに与える材料が少なくなります。コマが望むものに近いけれど切れている場合は、先に全身のアンカーへ拡張するか描き直しましょう。