1年前まで、静止画を動く動画に変えるには After Effects でキーフレームを打つか、モーションデザイナーに依頼するしかありませんでした。今では1枚の画像をAIモデルに渡し、欲しい動きを一文で説明するだけで、1分足らずで短いクリップが返ってきます。製品ショットはパンして回転し、ポートレートは瞬きして振り向き、風景には流れる雲とさざめく水面が加わります。
ただし、その仕上がりはモデルに与えるものの質で決まります。ぼやけた、サイズの大きすぎる、あるいは構図の悪い元画像からは、ぼやけて歪んだ動画しか生まれません——AIは元画像のあらゆる欠点を増幅します。このガイドでは、画像を適切に準備し、ツールを選び、実際に効くモーションプロンプトを書き、出力を仕上げるまでの一連のワークフローを解説します。
なぜ画像の下準備が結果を決めるのか
AI動画モデルは、与えられたものをそのまま動かします。ソフトフォーカスの写真を直してはくれません——その写真「から」新しいフレームを補間するので、あらゆるぼやけがクリップ全体ににじみ広がります。アップロードの前に、特に重要なのは次の3点です。
| 元画像の問題 | 動画でどうなるか |
|---|---|
| アスペクト比が合っていない | 顔が引き伸ばされる、レターボックスだらけのフレーム |
| ファイルが大きすぎる（10MB超） | アップロードが遅い、時には拒否される |
| 圧縮ノイズ・ノイズ | フレーム全体でちらつく、這うようなテクスチャ |
| 背景の余計な要素 | 動きが視線を誤った場所へ引っ張る |
これらを直すのは2〜3分の作業で、成功率が劇的に上がります。以下が下準備の手順です。
目的のアスペクト比にクロップする
まず動画の投稿先を決め、それに合わせて画像をクロップしてから動かしましょう。
- TikTok／Reels／Shorts：9:16（縦長）
- YouTube／横長：16:9
- Instagramフィード：1:1 または 4:5
生成「前」に最終比率までクロップしておけば、モデルがフレームを引き伸ばしたり不自然に余白を埋めたりするのを防げ、被写体を狙った位置に保てます。
元画像をリサイズして圧縮する
ほとんどの画像から動画へのツールには、受け付ける解像度とファイルサイズに上限があります。2000万画素のスマホ写真は過剰です——長辺1920pxほどにリサイズし、圧縮ツールを通してファイルを1MB以下に落としましょう。小さいファイルはアップロードが速く、しかも直感に反して、モデルが「動かして」しまうセンサーノイズを取り除けるので、よりクリーンにアニメーションします。
動かす前にクリーンにする
後の再生成を防ぐ、手早い2つの工程です。
- 写真に他人や車のナンバープレート、個人情報の映った画面が含まれる場合は、先に該当箇所をぼかしましょう——動画の中で動き出した顔を、後からぼかし直すのは簡単ではありません。
- 自分で撮影した写真なら、EXIFメタデータを削除して、GPS座標や端末情報が公開物に紛れ込まないようにしましょう。
画像から動画へのツールを選ぶ
このカテゴリは急速に進化しています。現在の最良のモデル——Googleの Veo ファミリーもその一つ——は、1枚の画像とテキストプロンプトから、リアルな動き、一貫した光、目立つモーフィングのない、まとまった数秒のクリップを生成できます。
APIキーと格闘せずにこうしたモデルを使う手軽な方法が、ホスト型のジェネレーターです。私たちはImgVeoで良好な結果を得ています——まさにこのワークフローを中心に作られたWebベースの画像から動画へのジェネレーターです。
- imgveo.comを開き、準備した画像をアップロードする
- 何をどう動かすかを説明する短いモーションプロンプトを入力する
- 長さとアスペクト比を選ぶ
- 生成し、プレビューして、クリップをMP4としてダウンロードする
日常的に使うクリエイターにとって実用的なポイントがいくつかあります。
- 1枚画像入力——開始フレームと終了フレームは不要。1枚の写真で動きが得られる
- プロンプト駆動の制御——カメラの動きとアクションを平易な言葉で指定できる
- 標準的なアスペクト比——再クロップなしで、Shorts用に縦長、YouTube用に横長で書き出せる
- ダウンロード可能なMP4——どのエディタにもそのまま取り込め、プラットフォームへ直接アップロードもできる
同じ画像を2〜3種類の異なるプロンプトで生成し、最良のテイクを残しましょう——それが、そのモデルが何に反応するかを学ぶ最速の方法です。
実際に効くモーションプロンプトの書き方
これこそ、クリーンなクリップと溶けたクリップを分ける技術です。AI動画のプロンプトは画像のプロンプトとは違います——静的なシーンではなく、時間とともに変化するものを説明するのです。いくつかのルールがあります。
- カメラの動きは1つだけ挙げる。 「ゆっくり寄る」「左へ穏やかにオービット」「上へティルト」。3つの動きを重ねるとモデルは混乱します。
- 被写体のアクションは1つだけ挙げる。 「髪が風に揺れる」「カップから湯気が立ち上る」「彼女がカメラの方を振り向く」。明確なアクション1つは意図的に読めますが、5つは混沌に見えます。
- 短く保つ。 15〜25語ほど。長いプロンプトは信号を薄めます。
- 見た目ではなく動きを説明する。 見た目は画像がすでに定義しています。言葉は、それらがどう動くかに使いましょう。
比べてみましょう。
❌ "赤いドレスの女性が山々を背に野原に立つ、ドラマチックな照明と夕焼けの美しくシネマティックな写真"
✅ "女性にゆっくり寄りながら、彼女のドレスと髪が軽いそよ風に揺れ、山の背後で雲が流れる"
2つ目はモデルに何を動かすかを伝えています。1つ目はモデルがすでに見えている絵をただ描写し直しているだけです。
出力を仕上げて公開する
生の出力クリップが最終素材になることはめったにありません。手早い仕上げの工程です。
- 端をトリムする。 AIクリップは最初か最後の0.5秒がぼやけがちです——最もクリーンな区間まで切り詰めましょう。
- ループさせるか延長する。 3秒の生成なら、さりげないピンポンループ（順再生してから逆再生）で使える6秒の背景素材になります。
- ナレーションや音楽を加える。 無音のクリップは未完成に感じられます——軽いアンビエント音でも印象が引き締まります。
- サムネイルを書き出す。 最も強いフレームを取り出し、カスタムサムネイルとしてアップロードする前に高速読み込みのために圧縮しましょう。
複数のアニメーション写真をつないで長めの作品にする場合も、同じ下準備の規律がそのまま効きます——先にすべての素材を同一の寸法にリサイズして圧縮しておけば、タイムライン作業がぐっと楽になります。
よくある質問
本当に1枚の写真から動画を作れるのですか？
はい。最新の画像から動画へのモデルは、1枚の静止画とモーションプロンプトから中間のフレームを生成します——開始と終了のペアは必要ありません。ImgVeoのようなツールは、まさにこの1枚画像ワークフローを中心に作られています。
AI生成クリップの長さはどのくらいですか？
現在のジェネレーターは、1回の生成につき3〜8秒ほどのクリップを作るのが一般的です。それより長くしたい場合は、通常の動画エディタで複数のクリップをつなぐか、短いものをループさせます。
どの画像解像度が最適ですか？
長辺1920pxほどのシャープな元画像を、目的のアスペクト比にクロップし、圧縮後に1MBほど以下にするのを目安にしましょう。大きいほど良いわけではありません——巨大なファイルのセンサーノイズは、アニメーションするとちらつきがちです。
アニメーション化した写真が歪んだり溶けたりして見えるのはなぜですか？
たいていは2つの原因のどちらかです。低品質かノイズの多い元画像、あるいは一度に多くの動きを求めすぎたプロンプトです。まず画像を下準備し（クロップ、リサイズ、圧縮）、プロンプトをカメラの動き1つ＋アクション1つに簡素化しましょう。
AI動画を投稿する前にメタデータを削除する必要はありますか？
動画自体に写真のEXIFが引き継がれることはありませんが、どこかにアップロードする前に元画像からメタデータを削除しておくのは良い習慣です。特にスマホ写真のGPS位置情報には注意しましょう。
まとめ
写真をAI動画に変えるのは3つのパートからなる規律であり、AIが担うのはそのうちの1つだけです。
- 画像を準備する——目的の比率にクロップし、元画像をリサイズして圧縮し、センシティブな箇所とメタデータをクリーンにする
- 意図を持って生成する——imgveo.comのようなツールにアップロードし、引き締まったモーションプロンプトを書く：カメラの動き1つ、アクション1つ
- クリップを仕上げる——トリムし、ループさせ、音声を加え、圧縮したサムネイルを書き出す
地味な下準備をやっておけば、AIのパートはまるで魔法のように感じられます。それを飛ばせば、2分で取り除けたはずのアーティファクトと格闘して生成回数を浪費することになります。
