お気に入りの1枚が、まるで命を吹き込まれたように動き出す。そんな魔法のような体験ができるのがStable Video Diffusionです。
この記事では、全くの初心者でも迷わずに画像を動画へ変えられる手順をまとめました。
読み終える頃には、あなたの画像が滑らかに動き出す感動を味わえるようになります。
Stable Video Diffusion (i2v)で画像を動かすために必要な準備
「AIの設定って難しそう」と身構えてしまうかもしれません。でも、必要な道具を揃えてしまえば、あとはパズルを組み立てるような感覚で進められます。
まずは、動画作りの土台となる環境を整えることからスタートしましょう。
ComfyUIのインストールと初期設定
ComfyUIとは、ノードと呼ばれるブロックを線で繋いでAIを動かす操作画面のことです。一般的なボタン式のツールとは異なり、処理の流れが目に見えるため、エラーの原因を見つけやすいのが特徴です。
公式サイトからパッケージをダウンロードして展開するだけで使い始められます。Pythonなどの難しい設定を個別に手動で行う手間が省けるため、初心者には特におすすめのツールです。
動作の核となるSVDモデルの入手方法
SVDモデルとは、AIが動画を作るための「知識」が詰まった巨大なデータファイルのことです。画像生成で使うチェックポイントファイルと同じように、専用のサイトからダウンロードして使います。
2026年現在は「Hugging Face」などのサイトで、公式が配布しているファイルを手に入れるのが一般的です。ファイルサイズが数GBと大きいため、安定した通信環境で準備を進めてください。
適切な場所にファイルを配置するルール
ファイルの配置場所は、ツールがデータを読み込むための「住所」のようなものです。決められたフォルダに入れないと、ツールを起動してもモデルを認識してくれません。
具体的には、ComfyUIの中にある「models」フォルダ内の「checkpoints」フォルダへ移動させます。ここに正しく保存することで、操作画面のメニューからモデルを選べるようになります。
初心者でも使い分けられるSVDモデルの種類
モデルにはいくつか種類があり、どれを選べばいいか迷うこともあります。自分のパソコンのパワーや、作りたい動画の長さに合わせて最適なものを選びましょう。
それぞれのモデルが得意なことを知ると、作業がぐっとスムーズになります。
滑らかな映像が作れるSVD-XTの特徴
SVD-XTとは、1度の生成で25コマの動画を作れる高性能なモデルのことです。標準的な14コマのモデルに比べて、動きが細かく、より生き生きとした映像に仕上がります。
その分、パソコンにかかる負荷は少し大きくなります。クオリティを重視して、映画のような滑らかな動きを目指したい時にぴったりの選択肢です。
処理の速さを優先したい時の標準SVD
標準のSVDモデルは、14コマの短い動画を作ることに特化した軽量なモデルです。XT版に比べて生成時間が短く、少ないメモリでも軽快に動くメリットがあります。
まずは動きのテストをしたい時や、短いループ動画を作りたい時に役立ちます。サクサクと何枚も試行錯誤したい場面で重宝するモデルです。
2026年時点での推奨モデルSVD-XT 1.1
SVD-XT 1.1は、従来のモデルを改良して安定性を高めた進化版のモデルです。古いバージョンで起きやすかった「映像が急に崩れる現象」が抑えられ、成功率が向上しています。
今から始めるなら、この1.1バージョンを選んでおけば間違いありません。生成の質と安定感のバランスが最も優れているため、標準的な選択肢となっています。
| モデル名 | 生成フレーム数 | 推奨用途 |
| SVD (標準) | 14フレーム | 動作テスト・短尺動画 |
| SVD-XT | 25フレーム | 高品質・滑らかな動き |
| SVD-XT 1.1 | 25フレーム | 常用・安定性重視 |
画像を動画に変換する具体的な操作手順
準備ができたら、いよいよ画像を読み込ませて動画にする工程に入ります。手順はとてもシンプルで、基本的には「画像を選んで実行ボタンを押す」だけです。
最初は基本の形を覚えて、少しずつ自分好みに調整していきましょう。
元となる画像をロードして読み込む工程
まずは、動かしたい画像をComfyUIの画面上に呼び出します。専用の「Load Image」というブロックを使い、パソコン内の画像を選択するだけで準備完了です。
画像が正しく表示されたら、それが動画の「最初の1コマ」になります。高画質な画像ほど仕上がりも綺麗になるため、お気に入りの1枚を選んでください。
動きの指令を出すノードの繋ぎ方
読み込んだ画像ノードから、SVD専用の処理ノードへと線を繋いでいきます。水が流れるように、画像データが加工の工程を通っていくイメージです。
「SVD_img2vid_Conditioning」というノードを通すことで、AIに「この画像を動かして」と命令が伝わります。線が正しく繋がっていないと動かないため、接続先をよく確認しましょう。
完成した動画を保存するまでの流れ
最後は、計算が終わったデータを動画ファイルとして書き出す設定です。保存用のノードを繋ぎ、ファイル形式を指定して「Queue Prompt」ボタンをクリックします。
数分待つと、指定したフォルダに動画が出来上がります。ブラウザ上でプレビューを見ることもできるので、すぐに出来栄えをチェックできます。
Stable Video Diffusion (i2v)の動きを左右する設定値
動画の動きが小さすぎたり、逆に激しすぎて形が壊れたりすることがあります。そんな時は、設定値を少し変えるだけで理想の動きに近づけることが可能です。
魔法の数字とも言える、3つの重要なポイントを押さえておきましょう。
動作の激しさを変えるMotion Bucket Id
Motion Bucket Idとは、動画の中での「動きの大きさ」を1から255の数字で決める設定です。数字を小さくすると静かな動きになり、大きくするとダイナミックに動きます。
風景なら低めの数値、ダンスやアクションなら高めの数値にするのがコツです。まずは真ん中の127あたりから試して、様子を見ながら調整してみてください。
映像の破綻を防ぐAugmentation Level
Augmentation Levelとは、元の画像にどれくらい「変化の余白」を与えるかを決める数値です。0.02程度の小さな値に設定するのが、最も元絵の印象を壊さずに動かせる秘訣です。
この数値を上げすぎると、元の画像とは全く別の絵に変化してしまいます。キャラクターの顔などを維持したい場合は、低い数値に固定しておくのが安心です。
自然な再生速度を作るFPSの調整
FPSとは、1秒間に何枚の画像を表示するかという速度の設定です。通常は6から12くらいの数値に設定すると、違和感のない自然な速度になります。
数値を上げると動きが速くなり、下げるとスローモーションのような効果が得られます。作りたい動画の雰囲気に合わせて、1刻みで微調整してみましょう。
初心者が画像を動かす時に気をつけたいサイズと比率
AIは、学習した時と同じサイズで画像を作ると最も力を発揮します。サイズが極端に違ったり、比率がおかしかったりすると、映像がぼやける原因になります。
まずは、推奨されている黄金比率を守って作ってみるのが近道です。
横長動画に適した1024×576の設定
YouTubeやパソコンでの視聴に向いているのが、1024×576という横長のサイズです。映画のようなワイドな視界で、風景や広い空間を動かすのに適しています。
SVDモデルはこの比率をよく理解しているため、余計なノイズが出にくいメリットもあります。風景動画を作りたいなら、まずはこのサイズから始めましょう。
スマホ視聴を想定した576×1024の作り方
SNSのリールやショート動画に使いたい場合は、576×1024の縦長サイズを選びます。人物の立ち絵や、縦の広がりを感じさせたい構図にぴったりです。
縦長にすると、上下の動きがより強調される面白い効果が生まれます。スマホで見ることを前提にするなら、このサイズが最も見栄え良く仕上がります。
規定外のサイズで生成した際の影響
中途半端なサイズで生成しようとすると、AIが「どう描けばいいか」迷ってしまいます。その結果、画面の端に黒い帯が出たり、被写体が不自然に引き伸ばされたりします。
もし元画像が違うサイズなら、あらかじめ推奨サイズに切り抜いておくのが得策です。ひと手間かけるだけで、失敗の確率を大幅に減らすことができます。
AIで動画を動かすために必要なPCスペック
動画生成はパソコンに大きな負担がかかる作業です。特に、映像を処理するための専用パーツの性能が、作業の快適さを大きく左右します。
自分のパソコンで動かせるかどうか、チェックすべきポイントを整理しました。
グラフィックボードのVRAM容量の目安
最も重要なのは、グラフィックボードに搭載されている「VRAM」というメモリの量です。SVDを動かすなら、最低でも12GB、できれば16GB以上の容量が欲しいところです。
RTX 3060（12GBモデル）以上であれば、なんとか動かすことが可能です。容量が足りないと、生成の途中でエラーが出て止まってしまうため注意してください。
処理を止めないためのメインメモリと空き容量
グラフィックボードだけでなく、パソコン本体のメモリ（RAM）も大切です。16GBあれば動きますが、32GBあると他のソフトを開きながらでも安定して作業できます。
また、動画ファイルは蓄積すると意外と容量を圧迫します。SSDなどの保存場所に、常に数十GB程度の空きを作っておくと動作が重くなりません。
スペックが足りない時に検討すべき代替ツール
もし自分のパソコンの性能が足りない場合は、クラウドサービスを利用する方法もあります。ネット上の高性能なパソコンを借りて動かすため、自分のPCスペックを気にする必要がありません。
「Google Colab」や「RunPod」といったサービスを使えば、月額料金だけで最新の環境が手に入ります。無理に高いパソコンを買い換える前に、一度試してみる価値はあります。
クオリティの高い動画を作るための手順とコツ
ただ動かすだけでなく、「おっ」と思わせるような高品質な動画を作るにはコツがあります。元となる画像の作り込みから、生成時の細かい設定まで、プロも意識しているポイントを紹介します。
少しの工夫で、AI特有の不自然さを消すことができます。
AI画像生成時のプロンプトと一貫性の保ち方
動画にする前の「元絵」を作る段階から、勝負は始まっています。複雑すぎる装飾や細かすぎる模様は、動画にした時にチラつきの原因になりやすいです。
以下のプロンプトのように、質感を指定しつつも構造がはっきりした画像を用意しましょう。
(best quality, masterpiece:1.2), 1girl, standing in a lush flower garden, soft cinematic lighting, high resolution, detailed eyes, natural skin texture, masterpiece, 8k wallpaper
動画化に向いている構図と被写体の選び方
SVDは、手前と奥で距離感がある構図を動かすのが得意です。例えば、風に揺れる髪や、流れる雲、キラキラ光る水面などは非常に美しく動きます。
逆に、複雑に絡み合った指先や、激しく動くスポーツの場面は形が崩れやすいです。まずは、ゆったりとした動きが似合う穏やかなシーンから挑戦してみてください。
サンプラー設定による質感の変化と調整
サンプラーとは、ノイズを取り除いて絵を完成させていく計算方法の種類です。「Euler」や「DPM++」などがありますが、動画では安定感のある「Euler a」がよく使われます。
計算の回数（ステップ数）は20から30くらいが適正です。多すぎると時間がかかり、少なすぎると映像がボヤっとしてしまうので、バランスを見極めましょう。
Stable Video Diffusion (i2v)で画像を動かす時のトラブル対策
作業をしていると、思い通りにいかない場面にも必ず遭遇します。そんな時に役立つ、よくある問題の解決策をまとめました。
エラーが出ても焦らず、一つずつ確認していけば大丈夫です。
画面が激しく崩れてしまう時の直し方
映像がグニャグニャに溶けたり、別の物体に変わったりする場合は、動きの設定が強すぎることが多いです。Motion Bucket Idの数値を今より半分くらいに下げてみてください。
また、Augmentation Levelを下げて、元画像に近い状態を保つように指示するのも有効です。少しずつ数値をいじって、ちょうどいい妥協点を探しましょう。
メモリ不足エラーが表示された際の原因
「Out of Memory」というエラーは、VRAMの容量がいっぱいになった合図です。開いているブラウザのタブを閉じたり、他の重いソフトを終了させたりして、メモリを空けてください。
どうしても解消しない場合は、生成する解像度を一回り小さく設定し直します。小さなサイズで生成してから、後で別のAIを使って拡大する手法も一般的です。
人物の顔や形が不自然に歪む時の修正方法
人物の顔が崩れるのは、AIにとって最も難しい部分だからです。これに対処するには、動画が完成した後に「Face Detailer」などの後処理ツールを使うのが一番の近道です。
顔の部分だけをAIが再度描き直してくれるため、劇的にクオリティが上がります。最初から完璧を目指さず、後から直すという考え方を持つと気が楽になります。
まとめ：Stable Video Diffusionでクリエイティブを広げよう
1枚の静止画が動き出す瞬間は、何度見ても感動するものです。設定項目は多いですが、一つひとつの意味を理解すれば、誰でも自由に動画を操れるようになります。
- ComfyUIを導入して、SVD-XT 1.1モデルを準備する。
- ファイルは「models/checkpoints」フォルダに正しく配置する。
- 解像度は1024×576か576×1024の推奨サイズを守る。
- Motion Bucket Idで動きの大きさを、FPSで速さを調整する。
- VRAMは12GB以上あると安心して作業ができる。
- 動きが崩れる時は設定数値を下げて、元画像に近い状態を保つ。
- 細かい顔の崩れなどは、後処理ツールを使って修正する。
最初は難しく感じるかもしれませんが、まずは1枚、好きな画像を動かしてみてください。その一歩が、あなたの創作活動をより豊かなものに変えてくれるはずです。
