本文へ移動
ハック!でAI

同じお題で AI を比べる 第16回

AI 動画で同じ人物を保てる? 30 秒以上につないで顔の変わり方を比べた

佐々木 航@w_sasakiwith Claude Code読了 約26分
左に題。右に、架空の女性の参考の画像と、参考の画像を毎回渡して作ったカット 6 の顔 2 つ、リレーでつないだカット 2・4・6 の顔 3 つを並べた画像

この記事でわかること

  • 2 つのつなぎ方で、人物を保てた数と場面のつながり
  • つないだ所で玄関に戻る・顔が変わる様子の拡大
  • 30 秒あたりのクレジットと作る時間、公式の機能

確認した環境: YOBITSUGI AI で各モデルを実行 / 2026年10月15日に確認

架空の人物の 6 カットを 30 秒につなぐ動画を、2 つのつなぎ方で作り、人物が変わらないかを数えました。人物を保つことと場面をつなぐことの両方を満たした組み合わせは、今回はありませんでした。参考の画像を毎回最初の場面に渡す方法(①)は、顔・髪型・服・持ち物の 24 項目のうち 22 を保ちましたが、どのカットも参考の画像の玄関から始まるので、つなぐたびに玄関に戻りました。前のカットの最後のコマを次に渡すリレー(②)は、場面はなめらかにつながり、そのかわりカットを重ねるうちに顔や服が変わりました(17 / 24)。

結果の早見

表。1 Gemini Omni Flash・① 参考の画像を毎回は、保てた項目 22 / 24、別人に見えたカット 0、つないだ所の変化 5 か所(玄関に戻る 4・カップが消える 2)、場面と動き 6 / 6、546.0 クレジット(1 本 90.6〜91.5)。2 Grok Imagine Video 1.5・①は、22 / 24、0、5 か所(玄関に戻る 3・カップが消える 2)、4 / 6、747.7(1 本 124.6)。3 Gemini Omni Flash・② リレーは、17 / 24、3、0 か所(画素の差 1.7〜2.5)、5 / 6、545.2(1 本 90.7〜91.0)。4 Kling 3.0・② リレーは、17 / 24、5、0 か所、5 / 6、442.3(1 本 73.7)。表の下に、① は顔と服を保ったがつなぐたびに最初の玄関の場面に戻った、② はつないだ所がほぼ同じ絵でつながり、カットを重ねるうちに顔や服が変わった、両方を満たした組み合わせは無い、と書いてある
組み合わせごとの、保てた項目の数・別人に見えたカットの数・つないだ所の変化・場面と動き・30 秒の料金撮影・作図: 編集部

比べ方

人物と参考の画像

左に参考の画像。深緑の玄関の扉の前に、メガネをかけた黒い髪の女性が立ち、からし色のコートに白いセーター、水色のジーンズ、紺のトートバッグを右肩にかけている。下の部分に、ここを切って 16:9 にした印。右に決めた目印として、顔は細い金色の丸いメガネと濃くまっすぐな眉、髪型は黒・肩までの長さ・前髪なし、服はからし色のトレンチコートと白い丸首のセーターと水色のジーンズ、持ち物は紺のトートバッグとカット 4 からの白い紙コップ。頼んだ左目の下のほくろは絵に出なかったので外した。下の 2 つの枠は、① 参考の画像を毎回、最初の場面に渡す(6 本を別々に同時に頼める)と、② リレー、前のカットの最後のコマを次の最初の場面に渡す(前のカットができるまで次を頼めない)
参考の画像と、2 つのつなぎ方。参考の画像は下を切って 16:9 にしてから渡した(絵は画像生成 AI の出力)撮影・作図: 編集部
  • 人物は架空の 30 歳くらいの女性です。GPT-Image-2.5 Sunburst で 1 枚作り(1536×1024・2.0 クレジット・作り直しなし)、下を切って 16:9(1536×864)にしてから渡しました。Gemini Omni Flash は 16:9 と 9:16 しか作れないためです。
  • 文で頼んだ「左目の下のほくろ」は、参考の画像にはっきり出なかったので、動画を作る前に目印から外しました。髪の分け目も、頼んだ「左」でなくほぼ真ん中に描かれたので、参考の画像に合わせて見ています。

6 カットのお話

朝、家を出てカフェでコーヒーを買い、駅へ行くお話です。

  1. アパートの深緑の玄関の前で、トートのひもを直して歩き出す
  2. 小さな家と木が並ぶ住宅街を歩く
  3. 木の壁のカフェに、ガラスの扉を開けて入る
  4. カウンターで白い紙コップのコーヒーを右手で取る
  5. 店を出て、歩道をひと口飲みながら歩く
  6. 駅の屋外のホームに立ち、後ろに電車が入ってくる

文は英語で、6 カットとも同じ人物の説明を入れました。4 つの組み合わせに一字一句同じ文を渡し、違うのは最初の場面の画像だけです(全文は記事の最後)。

2 つのつなぎ方と、作った組み合わせ

② のカット 2〜6 には、前のカットの最後のコマ(1280×720 の画像)を渡しました。

モデル(記録に残った名前) つなぎ方 作った本数 つないだ動画
1 Gemini Omni Flash(gemini-omni-1.1-flash) ① 6 本 30.10 秒・音あり
2 Grok Imagine Video 1.5(grok-imagine-video-1.5) ① 6 本 30.27 秒・音あり
3 Gemini Omni Flash(gemini-omni-1.1-flash) ② 5 本(カット 1 は 1 と共通) 30.10 秒・音あり
4 Kling 3.0(kling-3.0) ② 6 本 30.25 秒・音なし
  • ffmpeg(動画を扱う道具)で、6 本を切らずに順に並べました(4 本とも 1280×720・1 秒 24 コマ)。リレーでは、つないだ所で同じ絵のコマが 1 つ重なります。
  • 作っていない組み合わせ: Kling 3.0 の ①(編集部の都合で、Kling は 1 本の記事で 6 本までにしています)、Grok Imagine Video 1.5 の ② と Runway Gen-4.5(予算)、Seedance 2.5(30 秒つなぐと予算を超えます)、Veo 3.1(Google が早ければ 2026年10月22日に提供を終える予定)です。

数え方

数えることは、動画を作る前に決めました。数えたのは編集部(Claude Code を使用)です。

  • 4 項目: カットごとに、顔・髪型・服・持ち物が参考の画像と同じかを見ました(6 カット × 4 = 24 項目)。
    • 顔: 細い金色の丸いメガネと、濃くまっすぐな眉があり、0.5 秒ごとのどのコマにも、参考の画像と別人に見える顔が無い
    • 髪型: 黒・肩までの長さ・前髪なし
    • 服: からし色のトレンチコートと白い丸首のセーターが、途中で色や形を変えない
    • 持ち物: 紺のトートバッグ。カット 4 は最後に紙コップを持ち、カット 5・6 はどのコマでも持つ
  • 場面と動き: 指示した場所と主な動きが出たか。人物を保てたかとは分けて数えます。
  • つないだ所: カットの最後のコマと次の最初のコマで、何が変わったかを見ました。2 つのコマの明るさの差の平均(0〜255。大きいほど絵が違う)も「画素の差」として測りました(点に入れない)。
  • 別人に見えたか: 顔の似ている度合いを数で出す道具(顔認識のモデル)は、編集部の検証環境にありませんでした。0.5 秒ごとのコマ(1 本 66 コマ)を目で見て決めた、編集部の見立てです。
  • ① と ② の比べ方の偏り: ① はどのカットも参考の画像そのものから始まるので、24 項目では有利です。① の短所(つなぐたびに玄関に戻る)は、24 項目にも「場面と動き」にも入らず、「つないだ所」にだけ出ます。

組み合わせごとの結果

1. Gemini Omni Flash・① 参考の画像を毎回

6 段。どの段も 0 秒のコマは参考の画像と同じ玄関の前の女性。カット 1 は最後まで玄関の前で、4 項目 ○。カット 2 は 2.5 秒と最後が住宅街。カット 3 は木の壁のカフェに入る。カット 4 はカウンターで紙コップを持つ。カット 5 は歩道で紙コップを持ち、持ち物が ×。カット 6 は駅のホームで電車が入り、持ち物が ×
1 Gemini Omni Flash・① の 6 カット。各カットの 0 秒・2.5 秒・最後のコマ(絵と動画は生成 AI の出力)撮影・作図: 編集部
  • カット 2〜5 は 0.96〜1.50 秒で場面がぱっと切り替わり、カット 6 は約 1.1〜1.8 秒で重なるように切り替わりました。
  • 店の中ではコートが暗く写りますが、形と色味は参考の画像と同じです。
  • カット 5・6 は、始めの玄関の場面(約 1 秒)でカップを持っていません。場所が切り替わると、手にカップが出ます。
1 Gemini Omni Flash・① 参考の画像を毎回。6 カットをつないだ 30.10 秒・1280×720・音ありGemini Omni Flash(gemini-omni-1.1-flash)

2. Grok Imagine Video 1.5・① 参考の画像を毎回

6 段。どの段も 0 秒は参考の画像。カット 1 は玄関の前。カット 2 は住宅街の道を歩く。カット 3 は木の窓枠の店に、扉から入ってくる。カット 4 は最後まで玄関の前で、手前にカウンターの端が出て紙コップを持ち、場面が ×。カット 5 は家の前から道に出て紙コップで飲み、持ち物が ×。カット 6 は家の壁と郵便受けが残り、扉の所に電車とホームが見え、持ち物と場面が ×
2 Grok Imagine Video 1.5・① の 6 カット。各カットの 0 秒・2.5 秒・最後のコマ(絵と動画は生成 AI の出力)撮影・作図: 編集部
  • ぱっと切り替わったのはカット 3(0.12 秒)だけで、カット 2・5 は、カメラが引くのに合わせて家の前が道に変わりました。
  • カット 4 は最後まで玄関の前で、画面の下にカウンターの端が出て、カップを手に取りました。カット 6 は、家の壁と郵便受けが残ったまま、扉の所にホームと電車が写りました。この 2 つが場面の × です。
  • カット 5・6 は 0 秒でカップが無く、0.5 秒で手の中に出ます。
2 Grok Imagine Video 1.5・① 参考の画像を毎回。6 カットをつないだ 30.27 秒・1280×720・音ありGrok Imagine Video 1.5(grok-imagine-video-1.5)

3. Gemini Omni Flash・② リレー

6 段。カット 1 は玄関の前。カット 2 は 0 秒が玄関の前で、最後は住宅街。カット 3 は住宅街からカフェの中に変わり、服が ×。カット 4 は木の壁のカフェで紙コップを持ち、顔と服が ×。カット 5 はカフェから信号のある歩道に変わり、顔と服が ×。カット 6 は同じ歩道のままで、後ろの線路に電車が見え、顔と服と場面が ×
3 Gemini Omni Flash・② の 6 カット。カット 1 は 1 と同じ 1 本(絵と動画は生成 AI の出力)撮影・作図: 編集部
  • カットの途中で場面がぱっと切り替わったのは、カット 2(2.96 秒)・カット 3(2.67 秒)・カット 5(2.08 秒)です。
  • カット 3 で店に入ったあたりから、コートがからし色から薄いベージュに変わり、カット 6 まで戻りませんでした。
  • カット 4 から、顔が面長になり、参考の画像と別人に見えました(編集部の見立て)。1 コマで急に変わった所は無く、少しずつ変わりました。
  • カット 6 は駅のホームでなく、信号のある歩道のままで、後ろの線路を電車が通りました。
3 Gemini Omni Flash・② リレー。6 カットをつないだ 30.10 秒・1280×720・音ありGemini Omni Flash(gemini-omni-1.1-flash)

4. Kling 3.0・② リレー

6 段。カット 1 は玄関の前で大きく笑う。カット 2 は玄関の前から住宅街へ歩き、顔が ×。カット 3 は住宅街から窓の大きいカフェの中に変わり、顔が ×。カット 4 はカフェで紙コップを持ち、顔が ×。カット 5 はカフェを出て店の前の道で飲み、顔と服が ×。カット 6 は店の前の道で、後ろの線路に電車が入り、顔と服と場面が ×
4 Kling 3.0・② の 6 カット。各カットの 0 秒・2.5 秒・最後のコマ(絵と動画は生成 AI の出力)撮影・作図: 編集部
  • カット 1 の最後のコマは、口を大きく開けて笑い、目が細くなった顔でした。カット 2 はこのコマから始まり、0.5〜1 秒の間に顔の形が変わって、口元に濃いほくろが出ました。カット 3〜6 も、その顔のままです。
  • カット 5・6 は、コートが茶色がかったカーキに変わりました。
  • カット 3 は 1.54 秒で店の中に切り替わり、ほかのカットはカメラを動かして場所を変えました。カット 6 は駅のホームでなく店の前の道で、後ろの線路に電車が入りました。
  • 点に入れない観察: カット 2 の 0.5〜2 秒のコマで、玄関の扉に白い字のような模様が出ました(文では「no text」と頼んでいます)。拡大して見ても、読める字や商標には見えません。
4 Kling 3.0・② リレー。6 カットをつないだ 30.25 秒・1280×720・音なし(音を付けない既定)Kling 3.0(kling-3.0)

顔と服を並べて見る

4 段。各段の左が参考の画像の顔、右にカット 1〜6 の顔。1 Gemini Omni Flash・① と 2 Grok Imagine Video 1.5・① は 6 / 6 で、どのカットもメガネと眉が同じ。3 Gemini Omni Flash・② は 3 / 6 で、カット 4〜6 が面長の顔になり ×。4 Kling 3.0・② は 1 / 6 で、カット 2〜6 は丸い顔で口元にほくろがあり ×。カット 3〜5 は顔が小さく、ぼやけている
参考の画像と、各カットの最後のコマの顔。赤い枠と × は、参考の画像と別人に見えたカット(絵と動画は生成 AI の出力)撮影・作図: 編集部
  • リレーの 2 つも、メガネと髪型は残りました。変わったのは顔の形と、参考の画像に無い口元やほおのほくろです(ほくろは点に入れない観察)。
4 段。1 と 2 は 6 / 6 で、店の中で暗く写るカットはあるが、からし色のコートと白いセーターのまま。3 Gemini Omni Flash・② は 2 / 6 で、カット 3〜6 のコートが薄いベージュになり ×。4 Kling 3.0・② は 4 / 6 で、カット 5・6 のコートが茶色がかったカーキになり ×
参考の画像と、各カットの最後のコマの顔から胸まで。赤い枠と × は、コートの色が変わったカット(絵と動画は生成 AI の出力)撮影・作図: 編集部

つないだ所で何が変わったか

  • 1 Gemini Omni Flash・①: カット 1 から 2 へは、立つ位置が少し戻るだけでした(画素の差 12.0)。残りの 4 か所は玄関の前に戻り(64.9〜79.7)、カット 4 から 5、5 から 6 ではカップが消えました。
  • 2 Grok Imagine Video 1.5・①: 玄関の前に戻ったのは 3 か所です。カット 4 は玄関の前のままだったので、4 から 5 は場所が同じでした(17.0)。カップが消えたのは 1 と同じ 2 か所です。
  • 3・4 のリレー: 5 か所とも、前後のコマはほぼ同じ絵でした(画素の差 1.7〜2.5。同じカットの中の 0.5 秒の差は平均 15.9〜30.9)。顔や服が変わったのは、カットの途中でした。
表。1 Gemini Omni Flash・① は 22 / 24 で、持ち物のカット 5・6 だけが ×、場面と動きは 6 / 6。2 Grok Imagine Video 1.5・① は 22 / 24 で、持ち物のカット 5・6 が ×、場面と動きはカット 4・6 が × で 4 / 6。3 Gemini Omni Flash・② は 17 / 24 で、顔はカット 4〜6 が ×、服はカット 3〜6 が ×、場面はカット 6 が ×。4 Kling 3.0・② は 17 / 24 で、顔はカット 2〜6 が ×、服はカット 5・6 が ×、場面はカット 6 が ×。髪型は 4 つとも 6 / 6
組み合わせとカットごとの ○ ×。場面と動きは、人物を保てたかとは分けて数えた撮影・作図: 編集部

音の有無

音は聞いて確かめていません。Kling 3.0 は音を付けない既定なので音が無く、ほかの 3 本の音の大きさ(平均と最大)は、1 が -38.5 dB と -6.1 dB、2 が -45.8 dB と -14.6 dB、3 が -39.6 dB と -10.8 dB でした。

時間と料金

上の横棒グラフは料金。1 Gemini Omni Flash・① は 546.0 クレジット(1 本 91.0)、2 Grok Imagine Video 1.5・① は 747.7(1 本 124.6)、3 Gemini Omni Flash・② は 545.2(1 本 90.9)、4 Kling 3.0・② は 442.3(1 本 73.7)。下の横棒グラフは作る時間の合計。1 は 252.4 秒(1 本 39.4〜43.7・同時に頼める)、2 は 227.4 秒(1 本 34.3〜41.8・同時に頼める)、3 は 244.9 秒(1 本ずつ順に作る)、4 は 359.4 秒(1 本ずつ順に作る)。この記事の合計は 2,192.1 クレジット
30 秒(5 秒の動画 6 本)あたりの料金と、作るのにかかった秒の合計撮影・作図: 編集部
  • 時間は、頼んでから動画が保存されるまでの秒です。1 本 34.3〜69.1 秒でした。① は 6 本を同時に頼めますが、リレーは前のカットができるまで次を頼めません。
  • 使ったクレジットは、参考の画像(2.0)を含めて 2,192.1 です。3 のカット 1 は 1 と同じ 1 本なので、二重には数えていません。

長い動画で人物を保つこつ

今回の結果から

  • ① で作るとき: どのカットも参考の画像の場面から始まります。始めの部分を切ってからつなぐ方法は、試していません。
  • ② で作るとき: 1 本ずつ順に作るので、次のカットを頼む前に、最後のコマの顔と服を参考の画像と見比べられます(今回は作り直していません)。
  • 人物の説明は、全部の文に同じ言葉で入れました。 4 つの組み合わせすべてで入れたので、入れないときとの違いは試していません。
  • 参考の画像を先に確かめます。 頼んだほくろは参考の画像に出ず、分け目も頼んだ側と違いました。目印にしたい所が、参考の画像に描かれているかを先に見ます。

各社の公式の説明(2026年10月15日に確認・今回は試していません)

  • Gemini Omni Flash: Google の説明では、文に応じて画像の使い方をモデルが決めます。参考の画像に写った人や物を入れる使い方(Subject reference)と、動画の終わりに 3〜10 秒の続きを足して合わせて 40 秒まで延ばす機能もあります。
  • Kling 3.0: Kling AI の説明では、2〜4 枚の参考の画像から「Elements」を作って人物・物・場面を固定でき、最初のコマといっしょにも使えます。1 回の生成でショットを切り替える「Multi-Shot」もあり、長さは 3〜15 秒です。
  • Grok Imagine Video: 公式の説明では、画像から作るとき、渡した画像が最初のコマになり、縦横も画像に合わせます(今回の形)。参考の画像で導く作り方(reference-to-video)と、最後のコマから続ける延長もあります。

どれも今回は試していないので、人物と場面の両方を保てるかは確かめていません。

気をつけること

  • 1 回ずつの結果です。 同じ文で作り直したときの違いは確かめていません。
  • 今回は、頼んでいない物が出ました。 扉の字のような模様、参考の画像に無いほくろ、駅でない場所の電車などです。つないだあとも、コマを送って確かめてください。
  • 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。
  • 参考の画像は、自分で作った絵か使ってよい絵にします。 実在の人の写真は渡さないでください。仕事で使う前に、各社の利用の決まりも確かめてください。

まとめ

  • 今回の 30 秒・1 回ずつでは、人物を保つなら ①(22 / 24・どのカットも玄関から始まる)、場面をつなぐなら ②(17 / 24・顔や服が途中から変わる)でした。両方を満たす方法は、今回の 4 つの組み合わせにはありませんでした。
  • 自分の人物で 1 カットずつ作り、つなぐ前にコマを見比べてください。

4 秒の動画の動きや破綻は、同じ連載の動画生成 AI 5 つを同じプロンプトで比較 動き・破綻・1 本あたりの料金で比べています。

渡した文(全文)

参考の画像

GPT-Image-2.5 Sunburst(YOBITSUGI AI の generate_image・provider openai・best)に渡した文です。大きさは 1536×1024 を指定しました。

テキスト
Photorealistic photo of a fictional Japanese woman, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. Morning, she stands in front of the dark green front door of her small apartment building, facing the camera with a gentle smile, framed from the knees up in the center of a wide horizontal picture, with space above her head. Soft natural morning light. Her face, glasses, eyebrows and the mole are clearly visible. No other people, no text, no logos, no house number.

6 カットの文

4 つの組み合わせ(Gemini Omni Flash の ① と ②、Grok Imagine Video 1.5 の ①、Kling 3.0 の ②)に、同じ文を渡しました。設定は、長さ 5 秒・縦横 16:9・ほかは既定です。最初の場面の画像は、① では 6 カットとも参考の画像(16:9 に切った物)、② ではカット 1 が参考の画像、カット 2〜6 が前のカットの最後のコマです。

カット 1(玄関の前)

テキスト
The same fictional Japanese woman in every shot, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. Morning, in front of the dark green front door of her small apartment building. She adjusts the tote bag strap on her shoulder, smiles, and starts walking toward the camera. Static camera, front view, medium shot from the knees up. Realistic live-action video, natural morning light. Her face stays clearly visible. No other people, no text, no logos.

カット 2(住宅街を歩く)

テキスト
The same fictional Japanese woman in every shot, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. She walks along a quiet residential street lined with small houses and trees, toward the camera. The camera moves backward in front of her at the same speed, front view, medium shot from the waist up. Realistic live-action video, natural morning light. Her face stays clearly visible. No other people, no text, no logos.

カット 3(カフェに入る)

テキスト
The same fictional Japanese woman in every shot, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. Inside a small, bright café with wooden walls. She opens the glass front door, walks in and comes toward the counter in the foreground. The camera is inside the café facing the door, static, front view, medium shot. Realistic live-action video, natural morning light. Her face stays clearly visible. No other people, no text, no logos.

カット 4(カウンターでコーヒー)

テキスト
The same fictional Japanese woman in every shot, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. At the wooden counter of the same café. She picks up a plain white paper cup of coffee with a brown sleeve from the counter with her right hand, holds it near her chest and smiles. Static camera behind the counter, front view, medium shot from the waist up. Realistic live-action video, natural morning light. Her face stays clearly visible. No other people, no text, no logos.

カット 5(歩道で飲みながら)

テキスト
The same fictional Japanese woman in every shot, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. She walks out of the café onto a sunny sidewalk, holding the white paper cup of coffee in her right hand, and takes a sip while walking toward the camera. The camera moves backward in front of her, front view, medium shot from the waist up. Realistic live-action video, natural morning light. Her face stays clearly visible. No other people, no text, no logos.

カット 6(駅のホーム)

テキスト
The same fictional Japanese woman in every shot, about 30 years old, not a real person: oval face, thin round gold-rimmed glasses, straight thick black eyebrows, a small dark mole just below the outer corner of her left eye. Straight black shoulder-length hair parted on the left, no bangs. She wears an open knee-length mustard-yellow trench coat over a plain white crew-neck sweater, light blue straight jeans and white sneakers, and carries a navy blue canvas tote bag on her right shoulder. On the outdoor platform of a small train station. She stands holding the white paper cup of coffee, looks to her right as a train slowly arrives on the track behind her, then looks back at the camera and smiles. Static camera, front view, medium shot from the waist up. Realistic live-action video, natural morning light. Her face stays clearly visible. No other people, no text, no logos.

参考にした公式の情報

XFacebookはてブLINE

執筆者

佐々木 航@w_sasaki

with Claude Code

プロフィール

株式会社Game 代表取締役。工学部出身で、21歳で起業してからシステム会社の経営一筋で8期目。アプリの受託開発から始め、いまはAIを使ったシステムソリューションを手がけています。150社以上の企業とのプロジェクトで培った開発と情報システムの現場の経験と声を形にし、激動の時代を乗り越えたいと考えています。

この記事は、Claude Code を使って執筆しました。画面の画像は、検証環境で実際に操作して撮影したものです(引用の画像は出典を記載しています)。内容の誤りはお問い合わせからお知らせください。

連載

同じお題で AI を比べる
全 18 回の目次
  1. 1日本語の文字が崩れない画像生成 AI はどれ? 同じ看板を 5 つのモデルに描かせて比べた
  2. 2Seedance と Kling、どっちがいい? 同じ 1 枚の絵を動画にして比べた
  3. 3日本語の読み上げが自然な AI はどれ? 同じ原稿を 4 つの声で聞き比べ
  4. 4生成 AI の使い分け 2026 年版 同じお題で 17 回比べて分かった得意分野
  5. 5Claude・GPT・Gemini・Grok に同じ仕事を頼んで比べた 要約・メール・企画書の 3 本勝負
  6. 6GPT-Image-2.5 と Nano Banana Pro、どっちがいい? 同じ 10 のお題で描き比べた
  7. 7画像生成 AI を実写とアニメで比較 同じプロンプトで 6 モデルの得意と苦手を見る
  8. 8商品画像は AI のどれで作る? 同じ商品写真から 5 モデルで作って比べた
  9. 9サムネイルとバナーを AI 5 つに作らせた 文字入りはどこまで使える?
  10. 10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
  11. 11アニメ調の動画に強い AI はどれ? 同じ 1 枚絵を 5 モデルで動かした
  12. 12日本語に強い AI はどれ? 敬語・要約・言い換えを 6 モデルで比べた
  13. 13高いモデルと安いモデル、差が出るのはどんな仕事? 同じ 10 問を料金つきで比べた
  14. 14文字起こしの精度を AI 3 つで比較 会議・早口・雑音ありの合成音声で試した
  15. 15Tripo と Meshy を比較 同じ 1 枚の写真から 3D モデルを作って回して見た
  16. 16AI 動画で同じ人物を保てる? 30 秒以上につないで顔の変わり方を比べた(この記事)
  17. 17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
  18. 18絵コンテから AI で動画は作れる? コマの絵を渡す方法と文だけの方法で比べた