カメラワークの指示はどこまで通る？ パン・ドリーなど 8 種を動画 AI で比べた

動画生成 AI に「ゆっくり左へパン」「ドリーイン」と書くと、カメラはそのとおりに動くのでしょうか。同じ 1 枚の画像から 8 種のカメラの動きを Gemini Omni Flash・Kling 3.0・Runway Gen-4.5 で作り、画面の中の目印の動きを測りました。トラック(横移動)とドリーインは 3 つとも向きどおりでしたが、パンとチルトは 6 本とも、カメラがその場で向きを変えるだけでなく横や上へも動いていました。取っ手が反対側に見えるまで回ったのは、Gemini Omni Flash だけでした。

結果の早見

• 「向き」は 22 本のうち 18 本、「ほかの動きが混ざらない」は 12 本が守りました。形の崩れと、物が増える・消えることは 22 本とも見つかりませんでした。
• 6 種の点の差は 1〜2 点で、動画を見てから決めた数え方でも動くので、順位は付けません(下の囲み)。

比べ方

比べたモデル

• Kling 3.0 は 1 記事 6 本までと決めているため、ドリーアウトとクレーンアップ(ドリーイン・チルトと同じ向きの動き)を作っていません。点の合計は、3 つともある 6 種だけで比べます。
• Grok Imagine Video 1.5・Seedance 2.5・Veo 3.1 は、今回は作っていません。
• 音は聞いていません。音の流れの有無だけを書いています。

最初の場面と、渡した文

最初の場面は、GPT-Image-2.5 Sunburst(YOBITSUGI AI で 2.0 クレジット)で 1536×1024 の画像を 1 回作り、上 30・下 130 画素を切って 16:9(1536×864)にしました。

GPT-Image-2.5 Sunburst に渡した文(大きさ 1536×1024):

Realistic photo taken at eye level with a 35 mm lens. A white ceramic coffee mug sits on a light oak table in the center of the picture, close to the camera, with its handle pointing to the right. Behind it on the same table, to the left, stands a small green plant in a terracotta pot. The table is in a quiet living room: the back wall, about three meters away, is pale gray, with a wooden framed abstract painting of blue and orange rectangles hanging on the left part of the wall, and a tall window with white curtains on the right. A wooden floor is visible below the table. Keep empty space above the painting and below the mug, so nothing important touches the top or bottom edge. Everything is in sharp focus from front to back. Soft daylight. No people, no text, no letters, no logos anywhere.

動画の設定は 22 本とも同じで、長さ 4 秒・縦横 16:9・最初の場面に上の画像(1536×864)を渡しました。文は英語の 1 つの型で、カメラの言葉は映像の現場で使う英語をそのまま入れています。8 種の文の全文は、下の「動きごとの結果」に、渡したモデルと一緒に載せました。

数え方

• チェック項目は動きごとに 5 つ(固定は 4 つ)で、動画を作る前に決めました。向き・ほかの動きが混ざらない・ゆっくり少しずつは測り、形と物の増減は 0.5 秒ごとの 9 コマを目で見ました。
• 3 つの目印を 1/8 秒ごとに追い、画面の幅か高さに対する割合で表しました。目印が画面の端にかかったら、その時刻までの値を使います。
• パンとトラック、チルトとクレーンは、手前のマグと奥の額の動きの差で見分けました。数えたのは編集部(Claude Code を使用)です。

動きごとの結果

左へのパン

3 つのモデルに渡した文:

Use this image as the first frame. Camera movement: a slow pan to the left. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• 3 つとも物が右へ動きました(カメラは左を向いた)。ただ、手前のマグが奥の額より大きく動き、カメラが左へ横にも動いていました。Runway Gen-4.5 は最後に机の横を通り過ぎています。
• Kling 3.0 は額が 2.5% しか動かず、マグだけが 22% 動きました。同じ Kling 3.0 のトラックとほぼ同じ動きで、「向き」も × です。

上へのチルト

3 つのモデルに渡した文:

Use this image as the first frame. Camera movement: a slow tilt up. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• 3 つとも物が下へ動きましたが、マグが額より大きく動き、カメラが上へ動くクレーンが混ざりました。Runway Gen-4.5 は最初の 1 秒でマグが 29%(額は 5%)下へ動き、最後は天井が見えるまで上を向きました。

ドリーイン

3 つのモデルに渡した文:

Use this image as the first frame. Camera movement: a slow dolly in toward the mug. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• 3 つともマグが大きくなりました(画面の端にかかる前まで)。Gemini Omni Flash と Kling 3.0 はまっすぐ前へ進んでマグが下へずれ、Runway Gen-4.5 はマグへ向かって下りるように進んで、奥の額が上へ出ていきました。

ドリーアウト

Gemini Omni Flash と Runway Gen-4.5 に渡した文(Kling 3.0 は作っていません):

Use this image as the first frame. Camera movement: a slow dolly out away from the mug. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• Gemini Omni Flash は後ろへ下がり、4 秒でマグが 0.71 倍、鉢が 0.75 倍、奥の額は 0.96 倍でした。手前ほど小さくなる動きです。
• Runway Gen-4.5 は逆に前へ進み、マグは 2 秒ほどで画面の下から外へ出ました。向きが逆なので、「ゆっくり」もこの 1 本だけ × です。

左へのトラック(横移動)

3 つのモデルに渡した文:

Use this image as the first frame. Camera movement: a slow truck to the left. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• 3 つとも 5 項目すべてを守りました。マグが大きく右へ動き、額は少しだけ動く、横移動の動きです。Kling 3.0 は動いた量が小さめでした。

クレーンアップ

Gemini Omni Flash と Runway Gen-4.5 に渡した文(Kling 3.0 は作っていません):

Use this image as the first frame. Camera movement: a slow crane up. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• Gemini Omni Flash はマグが下へ 29%、額は 6% で、机を見下ろす高さまで上がりました。
• Runway Gen-4.5 は、最初の 0.6 秒でマグが下から画面の外へ出ました(額は約 4%)。そのあと額も下へ 45% 動き、上がりながら上を向いた動きでした。

• Runway Gen-4.5 は、マグが画面から出るまでの短い時間では、パンとトラック、チルトとクレーンのどちらも値が近いままでした。

オービット(半周)

3 つのモデルに渡した文:

Use this image as the first frame. Camera movement: a slow orbit halfway around the mug, keeping the mug in the center. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• Gemini Omni Flash は、マグがほぼ真ん中のまま画面全体が横へ 113% 流れ、最後に取っ手が左に見えました。ただ、本当に半周すれば手前に来るはずの鉢は、最後もマグの奥でした(点数に入れていない観察)。
• Runway Gen-4.5 は流れが 132% でしたが、取っ手が奥を向いた所(約 4 分の 1 周)で終わり、鉢がマグの手前に来ました。Kling 3.0 は流れが 28% で、取っ手は右のままでした。
• 動画生成 AI 5 つを同じプロンプトで比較 動き・破綻・1 本あたりの料金では、文だけから作った半周で Runway Gen-4.5 も半周まで回りました。今回は画像から作った 1 回の結果です。

固定

3 つのモデルに渡した文:

Use this image as the first frame. Camera movement: none, a locked-off static shot. Nothing in the scene moves by itself. Keep the same room, lighting and photo style. No people, no text, no logos.

• Gemini Omni Flash と Kling 3.0 は、3 つの目印とも 0.2% 以内で、大きさも変わりませんでした。
• Runway Gen-4.5 は、奥の額は動かないまま、机の上のマグと鉢が少しずつ小さくなり(4 秒で 0.91 倍・0.90 倍)、鉢が右へ 2.4% 動きました。

モデルごとの動き方

• Gemini Omni Flash(6 種で 26 / 29): 8 本とも向きが合っていました。× はパン・チルトの「混ざらない」と、ドリーインのマグのずれです。
• Kling 3.0(6 種で 24 / 29): 動いた量が小さめで、パンはトラックとほぼ同じでした。
• Runway Gen-4.5(6 種で 25 / 29): 動いた量が大きめで、ドリーアウトは逆へ進み、固定では机の上の物が縮みました。

「ゆっくり」と、動いた量

• 固定を除く 19 本のうち 18 本は、0.5 秒の 1 区間で全体の 22% 以下しか動かず、少しずつ動きました。多くは、始めと終わりがゆっくりの線です。
• 同じ「slow」でも、動いた量はモデルと動きで大きく違いました(図の下の数字)。

時間と料金

• 受け付けられなかった 15 回は 0 クレジットでした。

カメラの指示が通りやすい書き方(今回試したことだけ)

今回の文は「Camera movement:」のあとに、slow と動きの言葉 1 つを書いただけです。その範囲で分かったことです。

• 横移動・前後の移動は通りやすい: 「truck to the left」と「dolly in toward the mug」は、3 つとも指示した向きに動きました。
• 「pan」「tilt」の 1 語では、その場で向きを変えるだけにはならなかった: 6 本ともカメラ自体が横や上へ動きました。その場で向きを変える映像が要るときは、出来上がりをコマ送りで確かめてください。Google の Gemini Omni Flash の説明は、画像から作るときにカメラの動きを詳しく書くよう勧めています(詳しく書いた文は今回試していません)。
• 向かう先を書くと、受け取り方が分かれた: 「toward the mug」で、Runway Gen-4.5 はマグへ向かって下り、ほかの 2 つはまっすぐ前へ進みました。
• 動かさないときは「locked-off static shot」: Gemini Omni Flash と Kling 3.0 は止まったままでした。

どれがいい？ 使い分け

今回の 1 枚の画像・1 回ずつの結果から言えることだけです。

• 横移動・寄り: 3 つとも向きどおりでした。小さく動かすなら Kling 3.0、大きく動かすなら Gemini Omni Flash か Runway Gen-4.5 が近い動きでした。
• 回す・引く・止める: 3 つとも指示どおりだったのは Gemini Omni Flash です。止めるのは Kling 3.0 もできました。
• 料金と待ち時間: 1 本は Kling 3.0 がいちばん安く、待ち時間は Gemini Omni Flash がいちばん短い結果でした。

気をつけること

• 1 回ずつ・4 秒・720p・1 枚の画像の結果です。 同じ文でも、作るたびに動きは変わります。
• 画面の外は AI が描き足します。 回りこんだ先の壁の絵など、元の画像に無い物が描かれました。
• 透かしが入ります。 Google の説明では、Gemini Omni Flash で作った動画には、目に見えない電子透かし(SynthID)が入ります。
• 仕事で使う前に、各社の利用の決まりを確かめてください。 最初の場面に渡す画像は、自分で作った画像か使ってよい画像にします。

まとめ

• カメラ自体を動かす指示(トラック・ドリーイン・クレーンアップ)は通りやすく、その場で向きを変えるパン・チルトは 6 本ともカメラ自体が動きました。
• 1 本は 59.0〜84.2 クレジットです。自分の画像と文で 1 本ずつ作り、手前と奥の物の動き方をコマ送りで見比べてください。