Kandinsky 6.0 Pro

概要

Kandinsky 6.0 Pro の画像から動画を生成するライン。既に最初のフレーム画像があり、迅速に動的なカメラワークと付随する音声を得たい開発者向けです。JPG、PNG、WebP 画像を 1 枚アップロードして最初のフレームとし、プロンプトで動き、カメラワーク、音声の方向性を記述すると、モデルは映像を生成しながら同期音声とリップシンク効果も同時に出力します。ショート動画素材の追加撮影、絵コンテプロトタイプ、会話シーンの制作に適しています。HiAPI.ai の統合インターフェース経由で呼び出し、タスクごとに一括課金されます。

主な特長

• 映像と音声を同時生成——動画と音声を同一パイプライン内で統合的に生成し、後工程での個別の音声収録やリップシンク合わせの作業を省きます。
• 最初のフレームで構図を固定——入力画像を最初のフレームとし、被写体と構図は画像によって決まり、プロンプトは動き、カメラワーク、音声の変化を記述する役割のみを担います。
• 制御可能な生成パラメータ——シード、ガイダンス係数、ネガティブプロンプト、アスペクト比を提供し、結果の再現やプロンプトへの追従度の調整が可能です。

機能説明

画像駆動の動画生成：単一画像を最初のフレームとして受け取り、最大 6000 文字のプロンプトで動きとカメラワークを記述し、1 本の動画を出力します。被写体と構図は最初のフレームで決まり、既存の画面に動きを加えるのに適しています。

同期音声とリップシンク：生成過程で約 44 kHz の音声を同期生成し、リップシンクも含みます。出力されるクリップには音声が付属するため、個別の音声収録や音画の同期は不要です。

アスペクト比の制御：16:9、9:16、1:1、4:3、3:4 および auto に対応。auto は入力画像に最も近いアスペクト比を選び、中央でクロップするため、横画面、縦画面、正方形画面への配信に直接適合できます。

ガイダンスとネガティブプロンプトの調整：guidance_scale は 1 から 10 の間で結果のプロンプトへの追従度を調整し、negative_prompt で望まない要素を排除できます。空欄の場合は内蔵のネガティブプロンプトが使用されます。

シードによる再現：seed を渡すことで同一の生成結果を再現でき、パラメータ調整やバッチ出力時のベースライン固定、回帰比較に便利です。

適用シーン

• ソーシャルメディアのクリエイターが静止画から動的なショート動画を生成——既存のカバー画像や製品画像を入力し、約 5 秒の音声付き縦画面または正方形動画を出力して、ショート動画プラットフォームやフィード広告の素材に直接利用します。
• 絵コンテ担当者がコンセプト画像を動的なカメラワークに拡張——コンセプトデザイン画像を最初のフレームとし、プロンプトでカメラワークと効果音を記述して、提案や事前検討に使える動的な絵コンテクリップを生成します。
• 会話シーンの人物クリップのプロトタイプを制作——人物画像を入力し、話す動作と音声を記述して、リップシンクと音声が同期したショート動画を得て、キャラクターショートや音声収録デモのプロトタイプ検証に使用します。

制限と選定のアドバイス

デフォルトの生成時間は約 5 秒で、より長い完成映像は分割生成後に自身で結合する必要があります。Pro 版はパラメータ数が多く、ローカル展開にはビデオメモリと演算能力の高い要件があります。Full-HD 出力は追加の超解像パイプラインを経由する必要があり、単一生成で直接得られるものではありません。タスクが既存画像の改変ではなくゼロからの画面構想である場合は、同シリーズのテキストから動画へのラインを選ぶべきです。長さや解像度に高い必須要件がある長編制作では、分割結合と超解像プロセスのコストを評価する必要があります。