マルチリファレンス動画AI - RefVid

マルチリファレンス動画AIでできること

• マルチリファレンスに対応したモデルは、人物、商品、場所など複数の対象の参照画像を一度に受け取り、そのすべてを保ったまま新しいシーンを1つ生成します。被写体ごとに専用の写真があるので、人物があなたの商品を手に持っても、どちらも元の姿のままです。
• 1枚の画像を最初のフレームとして動かす画像から動画（image to video）とも、特定の瞬間を固定する開始・終了フレームとも違います。参照画像は登場させる人や物を伝え、何が起きるかはプロンプトが決めます。

3ステップで作る方法

• 1. 人物、商品、ペットなど、被写体ごとに1〜10枚の写真から保存します。上のボックスに保存済みの被写体を最大3つ、場所や雰囲気、スタイルの画像を最大7枚まで追加します。
• 2. シーンを書き、それぞれの参照を名前で呼びます。たとえば「@Miaがカフェのテーブルから@NOIR07を手に取り、ラベルをカメラに向ける」のように書きます。どの写真がどの被写体のものかはRefVidがモデルに伝えるので、書くのはシーンだけです。
• 3. 「生成」を押します。サインインしていない場合は先にサインインすると、そのままクリップの生成が始まります。生成には通常2〜10分かかり、完成したらメールでお知らせします。

複数画像から動画を作るAI：1つの被写体に複数の写真

• 同じ被写体を写した複数の写真もマルチリファレンスです。1つの商品の正面・側面・背面や、1人の顔の3つの角度などです。モデルはそれらをまとめて1つの被写体として読み取るので、見たことのない側面を想像で補わずに、商品や人物の向きを変えられます。
• たいていは被写体ごとにシャープな写真が3〜5枚あれば十分です。服装が2通りある、照明が2種類あるなど、食い違う写真はかえって結果を悪くします。

対応しているモデル

• RefVidが動かすモデルはすべて参照対応のモデルで、fal.ai経由で全部で9あります。標準のKling 4は最大10枚の写真を受け付け、音声付きで3〜30秒のクリップを作ります。Kling 3.0 Omniは15秒までのクリップなら1秒あたりの料金が安くなります。Wan 3.0とSeedance 2.5も30秒まで対応しています。Seedance 2.5は実在の人物に見える写真を受け付けないため、商品、ペット、イラストのキャラクターに向いています。
• 最初のクリップは無料です。Kling 3.0 Omniで5秒、カード登録は不要です。その後は、単品の動画が$2.99から、買い切りのクレジットパックが$9.90から、月額プランが$10からです。クレジットに有効期限はありません。

• マルチリファレンス動画生成ツールの比較：各モデルが受け付ける素材→
• マルチリファレンスとは：AI動画での意味→