新清士の「メタバース・プレゼンス」 第168回

とんでもない動画生成AIが出てきた　無料で試し放題の「MiniMax H3」を徹底検証

最大9枚の画像を参照できる「Omni Reference」が強力

　Omni Referenceの強力さはすぐにわかります。この連載でKrea2について紹介した作例を、動画化してみました。オウムたちが羽を広げてじゃれてみたり、駅の少女が構内に入ってくる鉄道を見て走り出したりといった、それぞれ画像1枚しか参照させていないにも関わらず、イラストの画風や人物、背景の一貫性を維持しながら、その変化を破綻なく描いています（参考：無料の画像生成AI「Krea 2」が話題　実写もアニメもこなす新勢力）。

それぞれの動画の一部のシーンを抜き出したもの

△オウムと少女の動画。驚いたのが羽を羽ばたいても破綻が見られなかったところ

△駅にいる少女の動画。セリフを指定していなかったので謎言語を話している

　参照できる画像の画風はかなり幅広いです。この連載のモデル役の明日来子さんを使って、いつも使っている作例画像を動画化してみました。1つ目の動画は商店街を紹介し、最後に日本語のセリフを言わせています。2つ目の動画では銃を構えて発砲後、後方で爆発が起きるとしました。どちらも同じ1枚の画像を参照させ、プロンプトで指示しています。顔の角度が変わったりしていても、一貫性が守られている点、爆発などが非常に美しく生成されている点、SEや音楽が自動でついている点など、見るべき点が多数あります。

　昨年8月に、アリババの動画AI「Wan2.2」で同じようなことを試していますが、品質が明らかに向上しています（参考：無料の動画生成AI「Wan2.2」が凄すぎる　PCローカルでこの品質が出せるとは）。

それぞれの動画の一部のシーンを抜き出したもの

△明日来子さんが、商店街を紹介している様子

△銃を構えて発砲後に背景で爆発が起きている動画

　もちろん、OpenAIの「GPT Image 2」で生成した画像でも可能です。過去にこの連載で作成した画像をそれぞれ4枚を参照させて、動画を作成してみます。最初は、明日来子さんが、4種類の服装を次々と切り替えていくシーン。もう一つは、フェイク画像として筆者と明日来子さんの仮想デートシーンを使って作成したものです。それぞれのシーンが、説得力を保ちながら一貫して生成されています。（参考：ChatGPTの画像生成AIが強すぎる　AI画像が世界中に氾濫する時代へ／ChatGPTの画像生成AIは本当に最強か　Nano Bananaと比べて見えた“弱点”）

それぞれの動画の一部のシーンを抜き出したもの

△明日来子さんが、服を次々に切り替えながら、歩いているシーンの動画

△明日来子さんとフェイク筆者とがデートをしているシーン

広告映像から360度動画まで　応用の幅も広い

　さらには広告風の映像から360度動画といったものの生成も可能です。

　「アスキースパーク」というジュースの宣伝をGPT-Image2で以前につくった画像を、CM風にと指示して作成したものが次です。海の中に入り込むなど、冗談のような動画になっていますが、プロンプトを細かく指示していくと、かなり複雑な作り込みもできそうです。

　また、千手観音像の前・左右・後ろの4枚から作成させてみました。3Dモデルデータとして扱える「3Dガウシアン・スプラィング」といったデータの作成にも使える品質と言えるかもしれません。

それぞれの動画の一部のシーンを抜き出したもの

△アスキースパークのジュースCM動画

△千手観音像の360度動画