絵コンテから画面へ：HappyHorse 1.1 イメージ・トゥ・ビデオ概念実証

「テキストから画面へ」という絵コンテのコンセプトを手がかりに、happyhorse-1.1 のイメージ・トゥ・ビデオ経路における最小可用入力を実演します。すなわち、1 枚の先頭フレーム画像 + 英語のモーション記述 + 長さと解像度です。作者の経路は image_urls（ちょうど 1 枚）、任意の prompt、duration（3〜15 秒、デフォルト 5）、resolution（720p/1080p、デフォルト 1080p）のみを受け取るため、本作品の視覚情報はすべて生成パイプラインが出力した先頭フレーム画像が担い、その他のフィールドはカメラの動きと出力仕様の制御に用いられます。 構成として、先頭フレーム画像には物語性を秘めたミディアムショットの構図を選びます。画面には明確な主体、可視の環境レイヤー、方向性のある光が含まれ、モデルが後続フレームで主体の一貫性と空間関係を継続しやすくなっています。一方 prompt は動き・カメラ・リズムのみを記述し、画面内容を繰り返さないことで先頭フレームとの衝突を避けます。この構造は、ショートドラマやマルチショット叙事の絵コンテプレビズ、EC 商品紹介クリップのモーション検証、CG ワークフローにおけるコンセプトクリップの迅速な試し撮りに適しています。 このモデルファミリーはテキスト・トゥ・ビデオ、イメージ・トゥ・ビデオ、参照画像によるイメージ・トゥ・ビデオを同時にカバーしており、本項目はイメージ・トゥ・ビデオの分支に該当します。1 セグメントの長さ上限は 15 秒、最高 1080p で、長い内容はセグメントごとに生成してから結合する必要があります。