動画生成AI｜「注ぐ」カットが崩れたのは、動画やなく参照画像のせいでした

参照画像を使こうたのに、プロンプトだけで作ったときより動画が悪くなった。そんなことが起きる。原因は動画やない。動画にする前の、参照画像そのものにあった。

結論：動画がイマイチな原因は、動画やなく元の画像やった

第1回で、わしは同じ商品紹介の動画を2本つくった。1本目はプロンプトだけ。2本目は、AIで参照画像を3枚生成して、それをアセットとして登録してから生成した。

「参照画像を使えば一貫性が上がる」という助言を信じて手を足した。ところが、結果は逆やった。

1本目を見た評価は「特に2カット目、注がれているところの炭酸の泡や氷に関しては、なかなかAI生成っぽく、決していいとは言えない動画でした。」というものやった。手を足した2本目は、「プロンプトだけで生成するよりも、少し残念な感じの動画になってました。」という評価になった。

**手を足したはずの2本目のほうが、悪化した。**普通に考えれば逆やと思うはずや。

原因を辿ると、2本目のために用意した参照画像3枚のうち2枚が、すでに崩れていた。特に「注いでいる絵」の1枚は、色のつながり・量の保存・泡の粒度・飛沫の軌道・氷の透明感など、複数の破綻を抱えていた。**壊れた参照画像を渡した結果、動画もその破綻をそのまま引き継いで悪化した。**画像を良くしようと足した一手間が、逆に足かせになってしまった、ということになる。

「参照画像さえ使えば動画が良くなる」という助言は、渡す画像そのものの質を問うていない。この記事は、その抜け穴を埋める。今回の話は特別な技術を要求せえへん。動画を生成するボタンを押す前に、参照画像をひと目多く見る、というだけの話になる。それだけで、第1回のような後戻りを避けられる。

そもそも参照画像というのは、動画そのものやなく、動画を生成するときに「こういう見た目にしてほしい」と手本として渡す静止画のことを指す。人物や商品の見た目をカットごとにブラさんための材料になる、と説明されることが多い。第2回で見たとおり、Seedance 2.5は最大50個まで参照素材を渡せるモデルで、わしも第1回でこの機能を使おうとした。**ところが、材料そのものが傷んでいたら、いくら渡す枚数を増やしても意味がない。**この記事は、その材料の見極め方の話になる。

この記事で分かること

• 参照画像を使ったのに動画が悪くなる、という逆説がなぜ起きるか
• 動画にする前に、画像で確認すべき4つの視点
• 画像は動画よりずっと安く作り直せるので、妥協せんでええ理由
• 「参照画像を使えば一貫性が上がる」という助言との、正しい付き合い方
• 第1回の実例を教材に、確認を今日から自分の手順に組み込む方法

「注ぐ」カットで、実際に何が起きたか

第1回で用意した参照画像は3枚。同じ商品紹介の動画のために作った素材や。プロンプトだけで作った1本目の評判がいまひとつやったので、「もっと精度を上げよう」と考えて、AIで参照画像を生成し、それをアセットとして登録してから2本目を作ることにした。この判断自体は、多くの解説記事がすすめている一般的な進め方に沿っている。

1枚目は、瓶がテーブルに置いてあるだけの画像。これはほぼ完璧で、ストック写真として通用するレベルやった。2枚目は、瓶とグラスが並ぶ画像。ここで氷が白く濁って、氷に見えていなかった。そして3枚目、瓶からグラスへ飲料を注いでいる絵に、破綻が集中していた。

この3枚は、いずれも同じAIに、同じ商品(琥珀色のクラフト炭酸飲料)を描かせたものになる。同じAI・同じ商品なのに、静止した構図か、動きを含む構図かで、できあがりの精度がまったく違った。この差に、動画のクオリティを左右する境目がある。

置いてあるだけの画像は完璧に出る。ところが「注ぐ」という動作を1枚に描かせた瞬間、崩れが出る。**AIは「絵」としては整えるけど、「物理」までは勘定していない。**この違いに気づいたのが、この記事のいちばんの発見になる。

考えてみれば、これは理屈が通る話でもある。置物や商品単体の写真は、世の中に無数に存在する。AIはそういう画像を大量に見て学習しているぶん、静止した構図は得意になりやすい。一方、「瓶を傾けて、中身が減りながら、液体が弧を描いて注がれ、着地の瞬間に泡が飛沫になる」というのは、色・量・速度・重力という複数の物理条件が同時に絡み合う場面になる。**1枚の絵に、時間の経過ごと押し込めようとしている、と考えると分かりやすい。**難しい注文になっているぶん、崩れが出やすいのは、ある意味で当然の結果とも言える。

崩れた画像を、動画がそのまま受け取った

「注いでいる絵」の破綻を、具体的に分解する。

色がつながっていない。瓶の中身は琥珀色なのに、注がれている液体は無色透明に描かれていた。量が保存されていない。瓶を大きく傾けて注いでいるのに、瓶の中身の量がまったく減っていなかった。泡は泡ではなく、ガラスに型押しされた模様のように見えた。氷は氷らしい透明感を持たず、白く濁った塊に見えた。飛沫は宙で止まったように描かれていて、落下していく軌道になっていなかった。

これらは、企画側もとしさんも、動画にするまで気づかへんかった。「まあこれくらいなら」で通した画像が、そのまま動画の弱点になってもうた。**壊れた参照画像が既にあった → その破綻を動画がそのまま受け取った → 手を足した2本目が悪化した。**この因果を理解すると、動画のクオリティを上げる一歩目が、実は動画そのものやなく、その手前にあることが分かる。

動画は、参照画像を土台にして動きを足していく。土台がすでに歪んでいれば、その上に足された動きも歪んだままになる。逆に、動画を生成したあとに「なんか物理がおかしいな」と感じたときは、まず疑うべきは動画生成そのものの設定やなく、その手前で渡した参照画像そのものになる。この見方を持っておくだけで、原因の切り分けが早くなる。

プロンプトの言葉を足したり削ったりして何度も動画を生成し直す前に、まず参照画像に戻って見直す。この順番を覚えておくだけで、無駄な生成を減らせる。

なぜ、画像の段階で気づかへんかったんか

理由は単純で、参照画像は静止画として見ると、それなりに整っているように見えるからや。色味は綺麗、構図もそれっぽい。動く部分がおかしいかどうかは、静止画のまま眺めていても分からへん。

「注ぐ」「傾ける」「零れる」というのは、時間の経過を伴う動作になる。1枚の静止画には、その動作の途中の、ある一瞬しか描かれていない。だから、量が保存されているか、飛沫が正しい軌道を描いているかは、静止画を漫然と眺めるだけでは判断がつかへん。動きを想像しながら、意識して確認する必要がある。

これは動画生成に限った話やない。写真や絵画でも、動きの一瞬を切り取った構図は、昔から描くのが難しいとされてきた。走っている人の脚の角度、飛んでいる鳥の羽の位置、零れる水の形。人間の画家でも、実物をよく観察せずに描くと、どこかぎこちない一瞬になる。AIによる参照画像も、同じ難しさを抱えている、と考えると納得しやすい。「AIやから何でも簡単に描ける」やなく、「動きの一瞬を描くのは、AIにとっても難しい部類の注文」と捉えておいたほうが、確認の手を抜かずに済む。

正直に書いておく。この確認は、企画側もとしさんも、動画にするまでできていなかった。「良さそうな画像やな」で3枚とも通してしまい、動画になって初めて破綻が目立った。この記事は、その反省を教材にしている。

もう1つ、見落としやすい理由がある。参照画像を生成するとき、目が向くのはたいてい「雰囲気が出ているか」「色味が理想どおりか」という、印象に関わる部分になる。色のつながりや量の保存のような、物理的な整合性は、意識して見ようとせん限り、視界に入っていても認識されへん。**「良い雰囲気の画像」と「物理的に破綻していない画像」は、別の基準になる。**この2つを混同したまま確認を終えると、第1回のような見落としが起きる。

動画にする前に、画像で確認する4つの視点

第1回の反省をもとに、実際に確認すべき視点を4つにまとめた。特別な技術は要らへん。参照画像を眺めながら、この4つを順番に自分に問いかけるだけでいい。

1. **色のつながりを見る。**容器の中の色と、注がれている・こぼれている部分の色が一致しているか確認する。第1回の失敗例では、瓶の中は琥珀色なのに、注がれる液体が無色透明になっていた。
2. **量の保存を見る。**傾ける・注ぐ・零れるといった動作の前後で、量が自然に減っているか確認する。第1回の失敗例では、瓶を大きく傾けているのに、中身がまったく減っていなかった。
3. **質感を見る。**泡は泡らしい粒度になっているか、氷は氷らしい透明感を持っているか確認する。第1回の失敗例では、泡がガラスの模様のように見え、氷は白く濁っていた。
4. **動きの軌道を見る。**液体や飛沫が、重力に従って自然に落ちる軌道になっているか確認する。第1回の失敗例では、飛沫が宙で止まったように描かれていた。

この4つは、いずれも「静止した状態の絵」やなく「動きを含む場面」で崩れやすい。逆に言うと、置物や商品単体のような、動きのない構図の参照画像は、この4つをそこまで気にせんでもええことが多い。動く場面を含む参照画像だけ、この4点を意識して見る、と覚えておいたらいい。

確認する順番にもコツがある。まず色のつながりと質感のような、1枚の画像を眺めるだけで分かる項目から見る。次に、量の保存と動きの軌道のような、頭の中で少し時間を進めて想像する必要がある項目を見る。**「これは静止画のまま判断できる項目か、それとも時間を進めて想像する必要がある項目か」を意識するだけで、見落としがかなり減る。**第1回で見落とした量の保存と飛沫の軌道は、まさに後者にあたる項目やった。

画像は、動画よりずっと安く作り直せる

ここまで読んで、「毎回そんなに確認するのは面倒やないか」と思ったかもしれへん。でも、画像の段階で妥協せんでええ理由がある。画像は、動画よりずっと安く作り直せるからや。

二次情報(aipicks.jp)では、画像生成は1回あたり数クレジット程度と軽く、無料枠でも1日十数枚から数十枚は回せるとされている。一方、動画生成は1本あたりの消費が大きく、同じ無料枠でも1日1〜2本が現実的とされている。第1回でわしが実測した数字で言うと、Seedance 2.0 Miniの15秒生成が105クレジット、Seedance 2.5の480p・30秒生成が660クレジットになる。動画1本を作り直すのと、画像1枚を作り直すのとでは、消費の桁が違う。

だから、狙った画像が出るまで、画像の段階で何度でも作り直せばいい。**動画にしてから「なんか違う」と気づいて作り直すより、画像の段階で確認して作り直すほうが、圧倒的に安く済む。**妥協した画像を動画に持ち込むのは、いちばん高くつく選択になる。

たとえば、3枚の参照画像それぞれを5回ずつ作り直したとしても、画像生成は消費が軽いとされているぶん、動画をまるごと1回作り直すより負担は小さくなる計算になる。一方で、崩れた画像のまま動画にしてしまうと、動画1本ぶんのクレジットを消費したうえで、結局また画像から作り直すことになる。先に画像で妥協しないほうが、トータルでは安上がりになりやすい。「早く動画を見たい」という気持ちは分かるが、そこで一呼吸置いて画像を確認する価値は十分にある。

通しの具体例：「注ぐ」の参照画像を、動画にする前にもう一度見る

第1回の「注いでいる絵」を例に、4つの視点をもう一度当てはめてみる。読者は、この表に自分の参照画像を当てはめて確認してほしい。

確認項目	具体例(第1回の参照画像)	あなたの場合
色のつながり	瓶の中は琥珀色なのに、注がれる液体が無色透明	______
量の保存	大きく傾けて注いでいるのに、瓶の中身が減っていない	______
質感	泡がガラスの模様に見える／氷が氷に見えない	______
動きの軌道	飛沫が宙で止まっている	______
動画に使うか	使わない。画像を作り直してから動画へ進む	______

判定行

4項目のうち1つでも崩れが見つかったら、その参照画像は動画に使わない。作り直してから次へ進む。

4項目すべて自然に見えたら、その参照画像は動画に使ってええ。第1回の「瓶が置いてあるだけ」の画像のように、動きのない構図はそもそも崩れにくいので、確認は簡単に済む。

複数枚の参照画像を同時に使う場合は、1枚ずつこの表に当てはめる。第1回のように3枚使うなら、3回この確認をすることになる。手間に感じるかもしれへんが、動画1本を作り直す手間と比べれば、圧倒的に軽い。「注いでいる絵」のような、動きを含む画像だけ重点的に見て、「瓶が置いてあるだけ」のような静止した画像は軽く流す、というメリハリをつければ、確認全体の時間もそこまでかからへん。

**判断に迷ったら、いちばん高くつく選択(崩れた画像のまま動画にする)を避けて、いちばん安くつく選択(画像を作り直す)を選ぶ。**この記事の結論はそれだけになる。

この表を使うタイミングは、参照画像が完成した直後、動画を生成するボタンを押す前がいちばんいい。生成の勢いに乗ってそのまま動画へ進みたくなる気持ちは分かるが、そこで一度立ち止まって表に当てはめる。この一手間を習慣にできれば、第1回のような「手を足したのに悪化した」という結果は、かなりの確率で避けられる。

慣れてくると、この4項目のチェックは数十秒で終わるようになる。最初のうちは、この表をそのまま手元に置いて、1項目ずつ声に出して確認するくらいでちょうどいい。**確認を省略した回ほど、あとになって「なんでこうなった」と動画を見て困ることになる。**手順を飛ばさない癖をつけておくと、遠回りに見えて実は近道になる。

「参照画像を使えば一貫性が上がる」は本当か

ここまで読むと、「参照画像を使うこと自体が悪いんか」と思うかもしれへん。**そうやない。**参照画像を使えば一貫性が上がる、という助言そのものは間違っていない。

ただし、その助言には前提条件が付く。**上がるのは「渡した画像の質」がそのまま反映された一貫性であって、画像の質を保証するものやない。**崩れた画像を渡せば、崩れたままの一貫性が動画に出る。整った画像を渡せば、整ったままの一貫性が出る。参照画像は「使えば良くなる魔法」やなく、「渡した質がそのまま出る」道具、と捉えたほうが実態に近い。

第1回の例で言えば、「瓶が置いてあるだけ」の画像を参照に使った部分は、ほぼ崩れなく動画に反映された。一貫性という機能そのものは、ちゃんと働いていたことになる。問題は一貫性の機能やなく、「注いでいる絵」という渡した材料のほうにあった。**一貫性が上がらへんかった、やなく、崩れた一貫性が上がってしまった、というのが正確な言い方になる。**この区別を持っておくと、「参照画像は効果がない」という誤った結論に飛びつかずに済む。

たとえて言うなら、参照画像は「元になる食材」で、動画生成は「その食材を使う調理」に近い。**どれだけ調理の腕が良くても、傷んだ食材からは美味しい料理は生まれへん。**逆に、良い食材さえ用意できれば、あとの調理(動画生成そのもの)は、AIがかなりの部分をやってくれる。この記事で伝えたいのは、まず食材の質を見極める目を持とう、という話になる。

料理も、腕の良し悪しより先に、食材の目利きができるかどうかで味が決まることが多い。動画生成も同じで、プロンプトの書き方や設定の細かい調整に頭を使う前に、まず渡す画像そのものを見極める目を持つほうが、結果への影響が大きい。特別なスキルを新しく覚えるより、すでに持っている「良い・悪いを見分ける目」を、参照画像にも向けるだけでいい。

同じ画像を複数のカットで使い回して、人物や商品の見え方を揃える技術については、次回で扱う。この記事はその手前、1枚の画像そのものの質を、動画に使う前にどう確認するか、という土台の話になる。土台さえしっかりしていれば、応用の技術もその上でちゃんと機能する。

よくあるつまずき

一見良さそうな画像でも、動く部分は要注意

置いてある・並んでいるだけの構図は、AIが得意とするところで、パッと見て崩れに気づきにくい。一方、注ぐ・触れる・変形するといった動きを含む構図は、静止画の時点では気づきにくい破綻を抱えていることがある。動きを含む場面の参照画像ほど、4つの視点で意識して確認する。

雰囲気や色味に目を奪われて、「良い絵やな」で通してしまいやすいのもこのタイプの画像になる。第1回の「注いでいる絵」も、パッと見た第一印象は悪くなかった。だからこそ、印象だけで判断せず、4つの視点を機械的に当てはめて確認する手順が要る。

画像の破綻は、動画にしてから気づくことが多い

第1回でも、企画側もとしさんも、動画にするまで破綻に気づかへんかった。これは珍しいことやない。**だからこそ、動画を生成する前に、静止画の段階で意識して確認するという手順そのものが必要になる。**気づいてから作り直すのでは遅く、確認してから動画にするのが正しい順番になる。

動画になってから気づいた破綻は、直そうとしても手戻りが大きい。動画の設定を調整するのではなく、結局は参照画像から作り直すことになるからや。「動画がおかしいから動画の設定を見直す」やなく、「動画がおかしいから、まず参照画像を疑う」という順番で考えたほうが、遠回りをせずに済む。

複数カットで同じ画像を使い回す技術は、また別の話

この記事は、1枚の画像そのものの質の話に絞っている。複数のカットをまたいで同じ人物・同じ商品の見た目を揃える技術は、また別の技術になる。**この記事の4つの視点は、その技術を使う前の土台として先に押さえておいてほしい。**土台が崩れたまま応用の技術を使っても、崩れた土台の上に技術を重ねるだけになってしまう。順番を守ることが、いちばんの近道になる。

よくある質問

参照画像を使ったのに、動画の質が下がりました。なぜですか

参照画像そのものが崩れていた可能性があります。第1回では、色のつながり・量の保存など複数の破綻が参照画像にあり、動画がその破綻を引き継ぎました。動画にする前に、色のつながり・量の保存・質感・動きの軌道の4点を確認してください。プロンプトだけで作った動画のほうが評価が高かったという逆転現象も、参照画像の質が原因であることがほとんどです。参照画像を使う手順そのものをやめる必要はなく、使う前の確認を1つ挟むだけで十分です。

どんな画像なら、動画に使っても大丈夫ですか

静止した状態の画像は破綻が出にくいです。「注ぐ」「触れる」「変形する」ような動きが想定される場面ほど、事前確認が要ります。

画像の破綻は、どうやって見つければいいですか

色のつながり・量の保存・質感・動きの軌道の4点を、動画にする前に見てください。特に、動きを含む場面の参照画像は、静止画のまま眺めるだけでは気づきにくいので、意識して確認する必要があります。

画像を作り直すのに、クレジットはどれくらいかかりますか

動画よりはるかに少なく済むとされています。二次情報(aipicks.jp)では、画像生成は1回あたり数クレジット程度と軽く、動画生成は1本あたりの消費が大きいとされています。第1回で実測したとおり、動画はSeedance 2.0 Miniの15秒で105クレジット、Seedance 2.5の480p・30秒で660クレジットかかります。正確な消費量はサービスやモデルによって変わるので、実際に登録して確認するのがおすすめです。

参照画像を使えば一貫性が上がるというのは間違いですか

間違いではありません。ただし、その前提には「渡す画像の質」という条件が付きます。崩れた画像を渡せば、崩れたままの一貫性が動画に出ます。一貫性の機能そのものは働いているので、「効果がない」と結論づける前に、まず渡した画像を見直してください。

複数のカットで同じキャラクターを保つには、どうすればいいですか

それは次回で扱います。この記事は、まず1枚の画像そのものの質を確認する話です。動きのない構図の画像でも色味や質感の破綻が出ることはありますが、注ぐ・触れる・変形するといった動きを含む構図に比べれば、破綻が出る頻度はずっと低くなります。

まとめ｜今日やる一歩

動画のクオリティを上げる一歩目は、動画そのものやなく、その手前の参照画像にある。第1回のわしは、そこに気づかんまま2本目を作って、結果を悪化させてしまった。同じ失敗を読者に繰り返してほしくない、というのがこの記事を書いた理由になる。

1. 参照画像を使ったのに動画が悪くなったなら、参照画像そのものが崩れていた可能性がある
2. 動画にする前に、色のつながり・量の保存・質感・動きの軌道の4点を確認する
3. 画像は動画よりずっと安く作り直せる。妥協した画像を動画に持ち込まず、納得いくまで画像の段階で作り直す 次に参照画像を使うときは、動画を生成するボタンを押す前に、この4つの視点で1回見直してほしい。それだけで、第1回のわしのような失敗は避けられる。

画像を作り直すのは、決して手間が増える作業やない。動画を作り直すよりずっと軽い作業を、ほんの少し手前に挟むだけの話になる。**その一手間が、動画のクオリティをいちばん左右する。**次の1本を作るときは、ぜひ試してみてほしい。

まだ第1回を読んでいない人は、登録するだけで無料のお試しが3回もらえる第1回から始めてほしい。この記事で紹介した「注いでいる絵」の実物も、第1回で確認できる。良い画像を複数のカットで使い回す一貫性の技術は、次回で扱う。