新着違うモデルを出品する販売者をどう見抜き、どう返金するか。
UberLLM

画像をアニメーションに:静止画をアニメーションにする方法

この画像アニメーションガイドでは、方法、ステップバイステップのアニメーション、フレームの確認、そして2026でよくあるモーションの失敗に対する修正について網羅しています。

ページを公開する前に、動かしたい静止画があります。ランディングページの商品写真にはわずかな揺れが必要だったり、ポートレートはまるで人物が話しているかのように見せる必要があったりします。最初のプレビューは問題なく見えます。しかし、途中でスクラブすると、手が歪んだり、ロゴが揺れたり、最後の数秒で顔が別人になってしまったりします。

そのギャップこそが、画像からアニメーションへの変換が使えるかどうかを決定します。公開できるクリップとは、すべてのフレームで人物の同一性、形状、背景が損なわれず、さらにアップロード前にそのソースをアニメーション化する権利があるものです。私はその結果を、クライアントのカットを評価するのと同じように評価します。つまり、サムネイルからではなく、書面によるモーション仕様と権利確認の後で評価するということです。

目次

画像に合った適切なアニメーション方法を選ぶ

ボトルが揺れる動きと、カメラの方を向く頭の動きは、異なる作業です。どのプリセットが映画のように見えるかではなく、何を動かす必要があるかから方法を選びましょう。

方法 動きの源 制御 最適な用途
レイヤーベースのモーションエフェクト 切り抜かれた奥行きレイヤーを動かす 高い(ただし2Dシフトに限定) ロゴ、商品写真、微妙なカメラの動き
モーショントランスファーモデル 他の人物の駆動ビデオ 中程度(参照元に従う) ポートレート、トーキングヘッド
画像からビデオへのモデル テキストのモーションプロンプトとソース画像 中程度(プロンプトの表現に依存) シーン、オブジェクト、カメラの動き
モーション制御拡散 軌道またはポーズの入力 高い(最も明示的な制約) 複数パーツのアクション、振り付けされた動き

表の上に行くほど、より多くの動きが可能になりますが、その分、設定、レビュー、再試行のコストがかかります。レイヤーは画像をそのまま保ち、切り抜き部分をスライドさせるだけなので、ロゴや商品写真が新しい形を作り出すことはほとんどありません。モーショントランスファーは、駆動するパフォーマンスをポートレートにコピーします。これがトーキングヘッドが機能する理由であり、悪い参照元がテイクを台無しにする理由です。画像からビデオへのモデルは、静止画と文章から動きを生成するため、シーンも被写体も変更できます。モーション制御拡散は、軌道やポーズを入力として使用します。これは、2つの身体パーツが順番に動く必要がある場合に適切なツールです。

モーショントランスファー自体は、手作業で構築されたリグではなく、学習されたキーポイントから発展しました。画像アニメーション手法の調査]では、Monkey-Netの自己教師ありキーポイントと密なオプティカルフローから、First Order Motion Modelのそれらの点周辺の局所アフィン変換に至るまでの流れをたどっています。

動きがフレーム内に留まるべきなら、レイヤーから始めましょう。アクションが人物から来るなら、トランスファーを使いましょう。シーンを変更する必要があるなら、画像からビデオへのモデルを使いましょう。 ポーズやパスの入力は、生成前に描画できる複数パーツのアクション用です。モデルの選択と静止画を送信する呼び出しについては、AIビデオ生成APIガイド]に記載されています。

ツールを開く前に、一つの質問に答えてください。何を動かす必要があり、何を同じに保つ必要があるか?

画像を段階的にアニメーション化する方法

一括処理する前に、まず1枚の静止画でこれを実行してください。目的は、偶然のプレビューではなく、再実行できるクリップを得ることです。

画像を段階的にアニメーション化するプロセスを示す4ステップのインフォグラフィック。

  1. まずソースをクリアする。 このガイドの後半にある権利チェックリストを実行し、ファイルが手持ちの最大のオリジナルであることを確認してください。圧縮されたエクスポートはちらつきの原因になります。
  2. モーションの文章を1つ書く。 頭が左を向く、水面が波打つなど、単一の動きを記述してください。1つのアクションの方が、受け入れるか拒否するかの判断がしやすくなります。
  3. 再生時間を3から5秒に設定する。 短いクリップの方が、アイデンティティをより良く保持します。5秒のテストは、ドリフトを確認するのに十分な長さであり、捨てるには十分な短さです。
  4. モデルを選択し、静止画を送信する。 ソース画像と一緒にモデル識別子を渡してください。後でモデルを切り替えるのは、調整ではなく新しいテストになります。
  5. シードをロックする。 固定されたシードを使用すると、1つの変更を加えた後、同じ設定を再実行できます。それがなければ、より良いプロンプトと異なるロールを区別できません。
  6. タブではなくタスクを待つ。 テキストはtokenごとにストリーミングで返されますが、画像や動画のジョブは、ポーリングするかwebhookが準備完了を報告するタスクを返します。2026年10月29日でのテストでは、5秒のKling 3.0クリップの生成に約80秒かかりました。ジョブが失敗したと判断する前に、待ち時間を考慮してください。
  7. 実行をダウンロードして保存する。 ソース、プロンプト、モデル識別子、シードをまとめて保存してください。失敗した出力は、1つの変数を変更して再試行できる場合にのみ役立ちます。

同様のアイデアは、よりシンプルなモーションにも現れます。物件の写真をパン&ズームするは、物件の静止画が生成されたパフォーマンスではなく、ゆっくりとしたプッシュのみを必要とする場合に役立つリファレンスです。

その生成とレビューのループの短いウォークスルーは、最初の有料実行の前に一度試す価値があります。

クリップが再生され、被写体が最初と最後のフレームで認識でき、モーションが書いた文章と一致する場合にのみ、そのクリップを合格とします。

被写体を安定させるモーションプロンプトの書き方

プロンプトは気分ではなく、仕様として扱ってください。「シネマティック、ジェントル、アライブ」といった表現では、モデルにどの部分が動き、何が静止しているべきかが伝わりません。

カメラの動きと被写体の動きを分離し、一つずつテストしてください。被写体が動く固定カメラは、両方が一緒に動くよりもはるかに安定させやすいです。クリップごとに一つのアクションにしてください。同じ5秒間でドリー、パン、ターンを重ねると、一貫性が失われます。

提出する前に、これを記入してください。

制約 指定する内容 例
開始時のポーズ 最初のフレームでのポーズ 頭が左に10度向き、両腕は体の横
終了時のポーズ 最後のフレームでのポーズ 頭は窓の方を向き、カップは胸の高さ
動きの軌道 動く部分の経路 カップが口に向かって短い弧を描いて動く
アクションの順序 イベントの順序 まず頭を向け、次にカップを持ち上げる
接点 何が何に触れるか 右手はカップの取っ手に触れたまま
速度またはイージング ペースと加速 2秒かけてゆっくりとイーズインし、急停止しない

赤いコートを着た女性が窓の方に頭を向け、右手に持ったカップを持ち上げ、そして下ろす、とします。カメラは固定されたままです。持ち上げる動作は約2秒かけてゆっくりと始まり、最後は急に止まりません。この段落がプロンプトの全てです。この種の仕様の記述パターンは、テキストからビデオへのプロンプトガイド]にあります。

実践的なルール: クリップが制約を破る場合は、動きを短くするか、条件付けを強化してください。形容詞を追加しないでください。

制約を一つの短い段落で記述できない場合、その動きは一つのクリップには大きすぎます。それをショットに分割してください。

ソース画像を準備し、その権利をクリアする

公開されている写真だからといって、それをアニメーション化する許可があるわけではありません。公開できないクリップは、生成が無駄になります。

ラップトップで山の風景写真を編集しながら、画像権利チェックリストを使用している人。

公開されているからといって、著作権の所有権、派生作品を作成する許可、または合成描写への同意が確立されるわけではありません。ソース画像の権利に関するガイダンスでは、写真をアニメーション化すると派生作品が作成される可能性があり、許可には修正またはAI生成が明示的に含まれるべきであると述べられています。写真家、雇用主、またはその他の権利所有者は、ファイルを投稿した人物とは異なる場合があります。静止画に登場することへの同意は、動いたり、製品を推奨したり、新しい声明を出したりすることへの同意ではありません。

アップロードする前に、以下を実行してください。

  • 出典: 誰が撮影し、誰が所有し、誰が投稿したか。
  • 使用目的: プライベートなテストか商用公開か。これらは異なる許可が必要です。
  • 人物: 識別可能な成人には明確な許可が必要です。未成年者をアニメーション化しないでください。
  • マーク: ロゴ、ラベル、ブランドカラーには、それぞれ個別のクリアランスが必要です。
  • ライセンス条項: ストックおよびクリエイティブ・コモンズの条項(AI変換が許可されているかどうかも含む)、および必要に応じた帰属表示。

次に、ピクセルを準備します。最も大きいオリジナル画像を使用し、長辺が約1024ピクセル以上であることを確認してください。被写体がフレーム内に明確に収まるようにトリミングします。動かしたい領域をマークします。フレームレビューのために、手、テキスト、ロゴに注意してください。静止画で最終レンダリング前にジオメトリをチェックしている場合は、ここでも同じことを行ってください。ソースの曲がったエッジは、動きの中で曲がったエッジになります。写真編集APIによるトリミングとクリーンアップは、モデルがファイルを見る前のこのステップで行うべきです。

オリジナル、ライセンス、および承認を保管してください。リストのいずれかの項目が不明確な場合は、公開前に法務レビューに提出してください。ライセンスと人格権は管轄区域によって異なるため、推測はクリアランスにはなりません。

ずれ、フリッカー、ジオメトリの歪みがないかフレームをチェックする

最も見落とされがちな失敗は、クリップを最初と最後のフレームだけで判断することです。端のフレームが一致していても、中間の部分で顔、背景、またはストラップが変わってしまうことがあります。

アニメーションにおける、ずれ、フリッカー、ジオメトリの歪みといったビデオアーティファクトを検出する方法を示すチェックリストのインフォグラフィック。

クリップ全体からフレームをサンプリングし、約0.5秒ごとに1フレーム程度確認してください。急激な変化、アイデンティティのずれ、オクルージョンエラー、局所的なフリッカーを探します。見栄えの良い冒頭だけで判断しないでください。

これらを個別にスコアリングします。VBenchスタイルの評価がそれらを分離する方法と同様です。

  • 被写体の一貫性: DINO特徴類似度。人物や製品が同じオブジェクトとして維持されるようにします。
  • 背景の一貫性: CLIP類似度。部屋が勝手に描き直されないようにします。
  • 時間的フリッカー: 平均絶対フレーム差。動きが滑らかに見えても、不安定な細かいディテールを捉えます。
  • 動きの滑らかさ、動的度合い、知覚品質: 流れるような動きは、安定した被写体と同じではありません。

クリップが滑らかに動いていても、被写体の外観が変わったり、高周波テクスチャがちらついたりすることがあります。平均値はそれらを隠してしまいます。手、顔、テキスト、ストラップやアンテナのような細い構造物、そして何かの後ろを通過するものは、人間の目で確認する必要があります。特徴スコアは、これらの局所的な破綻を通過可能な数値に塗りつぶしてしまいます。

動きが流れるように見えても、アイデンティティや背景が劣化している場合は、拒否するか、再生成してください。

どんなスコアを信頼する前でも、静止画を正規化してください。圧縮アーティファクトを除去し、被写体マスクを設定し、カメラとオブジェクトのどちらが動くべきかを決定します。その後、控えめな変位で短いクリップを生成します。長い「より映画的な」テイクは、アイデンティティがずれるフレームが多いため、より目に見えて失敗します。

失敗したクリップを最初からやり直さずに修正する

わずかな手の動きの不具合があるクリップでも、新しいモデルはめったに必要ありません。1つの変数を変更し、シードを保持して、同じショットを再実行してください。シード、プロンプト、モデルを一度に変更すると、何が問題を解決したのか特定するのが難しくなります。

症状 考えられる原因 修正方法
顔や手の形が変わる 大きな変位または曖昧な動き クリップを短くし、モーション強度を下げてから、同じシードで再実行する
背景がずれる、または溶ける カメラの動きが被写体の動きと競合する カメラをロックし、被写体のみを動かす
テクスチャや細部にちらつきがある 圧縮された、またはノイズの多いソース ソースをよりクリーンなファイルに置き換えて再実行する
アクションが間違った順序で発生する イベント制約の欠落 プロンプトで順序を明記するか、アクションを短いショットに分割する
オブジェクトが飛び出したり消えたりする オクルージョンエラー オブジェクトをマスクし、より強力なコンディショニングで再生成する

TC-Bench](TC-Bench](https://arxiv.org/html/2406.08656v1))は、要求されたトランジションが完了したか、中間フレームを通じて一貫性を保っているか、オブジェクトの同一性を維持しているかをチェックします。エンドポイントの類似性のみに依存するのではなく、開始、終了、中間、およびサンプリングされたフレームを使用します。この研究におけるプログラムによるモーショングラフィックス評価では、参照ポーズの不一致で**41.5%**、モーション軌道の不一致で**38.75%**、イベント連携の不一致で**32.41%**、そして連結部分と空間接触のエラーで約**39–40%**の失敗率が報告されました。

失敗の種類 報告された発生率
参照ポーズの不一致 41.5%
モーション軌道の不一致 38.75%
イベント連携の不一致 32.41%
連結部分と空間接触のエラー 約39-40%

モーション指定エラーは、解像度を変更したりモデルを切り替えたりする前に確認すべき一般的な失敗モードの1つです。まず、要求されたアクションを修正してください。その順序を明確にする、変位を減らす、またはどの部分を静止させるべきかを指定します。

短いリトライラダーを使用してください。モーションを短くし、変位を下げ、ソースに対するコンディショニングを強化し、その後アクションを短いショットに分割します。各リトライで1つの変更をテストできるように、ソース画像、モーション指定、モデル識別子、シード、およびフレームスコアをタスクと一緒に保持してください。

それぞれ1つの変数のみを変更する2回の再試行の後、同じショットの再生成を停止してください。アニメーション方法を変更するか、短いクリップからシーケンスを組み立てて手動で編集してください。

本格的に始める前に、最初のクリップを確認しましょう

権利確認済みの静止画を1枚選びます。動きに関する文章を1つ書きます。このテストで始めるべきモデルであるKling 3.0 Standardを使って、テキストからビデオ、または画像からビデオで、5秒のクリップを生成します。1つの残高でテキスト、画像、ビデオ、音楽モデルをカバーするため、このテストに別のベンダーアカウントは必要ありません。ビデオは生成が完了した時点で最終価格で請求されます。つまり、短いテストでバッチ処理の前にコストを確認できます。

次に、フレームチェックを実行します。クリップ全体をサンプリングし、被写体と背景を個別に採点し、手、顔、テキストを検査します。

合格: 被写体、背景、動きのすべてが合格した場合にのみ、ショットのバッチにスケールします。

不合格: 2回の単一変更リトライ後もいずれかのチェックが不合格となる場合は、方法を変更します。同じ失敗をさらに10回繰り返さないでください。

そのテスト記録、ソース、プロンプト、モデル識別子、シードを、その後のすべてのクリップのベースラインとして保存します。次のショットは、新たな推測ではなく、意図的な1つの変更によって異なるようにします。


UberLLMは、画像からビデオ、テキストからビデオのジョブを1つのAPI keyでルーティングし、クリップの準備ができたときにポーリングできるタスクまたはwebhookを提供します。長い一か八かのギャンブルではなく、静止画を短く確認可能なショットに変える場合は、UberLLMで単一のシード付きテストから始め、ソース、プロンプト、シードを結果と一緒に保存してください。