Wan 2.1の画像から動画機能は、1枚の静止フレームを受け取り、その続きとして動く短いクリップを生成します。画像をアップロードし、望む動きを言葉で伝えると、モデルはその開始点から先をアニメーション化します。処理はすべてホスト側のハードウェアで実行されるため、手元のマシンがするべきことはWebページを開くことだけです。
このページは特に2.1世代について扱っています。新しいリリースについては/ja/wan-2-2と/ja/wan-2-5で解説しており、/ja/wan-2-1はこの世代の総合ハブです。画像を起点にしたワークフロー全般は/ja/image-to-videoで扱っています。
モデルはあなたの画像を最初のフレームとして受け取り、その次に起こることを予測します。静止画をパンやズームで動かすスライドショーツールではありません。新しいフレームを合成するため、被写体が動き、髪や布が揺れ、クリップ全体で光が変化します。元の画像はアンカーとして残るので、冒頭のフレームはアップロードしたものと同じ見た目になります。
画像が多くの情報を担うため、ここでのプロンプトの役割は/ja/text-to-videoとは異なります。何が存在すべきかを説明するのではなく、何が起こるべきかを説明するのです。
クリーンな元画像から始めましょう。圧縮ノイズ、強いノイズ、過度なシャープ処理は、フレームが動き出すとともに引き継がれ、増幅されます。ファイルが大きすぎたり扱いにくい形式だったりする場合は、画像圧縮ツールと画像変換ツールでアップロード前に整えられます。
動きを想定して構図を決めましょう。被写体が中央にあり、周囲に空間があるフレームは、モデルが動かせる余地を生みます。背景の文脈がない、きつくトリミングされた顔では、アニメーション化できるものがほとんど残りません。
プロンプトは名詞の羅列ではなく、出来事の連なりとして書きましょう。「She turns her head slowly to the left, hair drifting, background lights pulsing」はモデルに軌道を与えます。「Woman, beautiful, cinematic, 4k」では動かすものが何も伝わりません。
動きは控えめに。小さく説得力のある動きは本物らしく見えます。短いクリップで大きな動きをさせると、特に手、顔、細い輪郭の周りでにじみや歪みが生じやすくなります。
最初のレンダリングはテストとして扱いましょう。まず全体の動きを確認し、次にアーティファクトを確認します。改善のほとんどは1回目ではなく、2回目と3回目の試行から生まれます。
プロンプトが最大のレバーですが、それだけではありません。
アスペクト比は元画像に合わせるべきです。縦向きの写真を無理に横向きのフレームに収めると、モデルが足りない領域を補う必要があり、その補った部分はたいていクリップの中で最も弱い箇所になります。
クリップの長さは一貫性とのトレードオフです。長い出力は動きが発展する時間を多く与えますが、元フレームから離れるほどドリフトや同一性の喪失が蓄積します。短いクリップは元の画像に近いままです。
解像度は、どれだけ細部が残るかに影響します。高い設定はテクスチャを保ちますが、レンダリングのコストが増え、ぼやけた元画像の欠陥を露呈することがあります。
シード制御は反復したいときに重要です。1つの変数だけを変えながらシードを再利用すると、まったく別の結果と比べて推測するのではなく、その変数が実際に何をしたのかを確認できます。
実行のクレジットコストは送信前にフォームの横に表示されるため、確定する前にその設定にかかるコストを確認できます。現在のプランは/ja/pricingにあります。
これは、撮影したことのないシーンを再構成するツールではありません。起点となる画像がない場合は、/ja/text-to-imageや/ja/ai-generatorが適切な入口です。
長尺動画向けには作られていません。クリップは設計上短く、それらを多数つなぎ合わせるのは別の問題であり、/ja/video-extendが扱っています。
読み取れる文字、正確な手のジェスチャー、厳密な物理的相互作用を確実に生成するものではありません。これらは依然として弱点です。
顔交換やキャラクター一貫性のツールでもありません。特定のキャラクターを参照演技で動かすことが目的なら、/ja/wan-animateと/ja/wan-2-2-animateのほうが目的に近いです。
そして、ローカルインストールでもありません。このサイトはブラウザ上であなたに代わってモデルを実行します。モデルの重みは配布しておらず、いかなるダウンロードも提供していません。自分のGPUで動かすファイルを探しているなら、これはそういうものではありません。
GPUやソフトウェアのインストールは必要ですか？
いいえ。レンダリングはホスト側のハードウェアで行われます。必要なのはブラウザと画像だけです。
実在の人物の写真を使えますか？
アップロードするものについての権利はあなたの責任です。同意のない人物の画像を送信しないでください。
なぜクリップが元の画像から離れてしまったのですか？
たいていは、指定した動きがクリップの長さに対して大きすぎたか、元画像にモデルが保持できる細部がほとんどなかったかのどちらかです。動きを短くするか、クリップを短くしてください。
ここでモデルの重みをダウンロードできますか？
いいえ。当サイトは重みを配布しておらず、ダウンロードは一切ありません。Wanモデルをあなたに代わって実行し、レンダリングされた動画を返します。
テキストしかなく、画像がない場合は？
/ja/text-to-videoから始めるか、まず静止画を生成してからここに戻ってきてください。