pruna / P-Video-Editで参照画像と参照動画を使った動画生成・編集

今回は、最大4枚の参照画像を使用でき、15秒までの動画を参照して動画を生成できる、Runpodに新しく登場したPublic Endpoint「pruna / P-Video-Edit」を試してみました。
▶料金も比較的安く、短い動画であれば、大きなコストをかけずに試すことができます。

Runpod Public Endpointでの価格

standard – $0.045/sec | draft – $0.025/sec
スタンダードプラン：0.045ドル/秒 | ドラフトプラン：0.025ドル/秒

未来

かなりお値打ちだね！

pruna / P-Video-Editとは

pruna / P-Video-Editは、参照画像や参照動画を利用して動画を編集・生成するモデルです。

今回は、人物画像を参照画像として使用し、さらに背景となる動画を参照動画として組み合わせて生成してみました。

特に気になったのが、人物の見た目をどの程度維持したまま動画にできるのかというところです。

今回の使用画像は、Flux2で生成したこちらです。

Runpod Public Endpointでの価格
仮に15秒生成した場合、単純計算では、

• Standard：約 $0.675
• Draft：約 $0.375

となります。

長い動画を大量に生成するのでなければ、比較的試しやすい価格ですね。

今回試したこと

今回は、以下のような内容でテストしました。

1. 参考画像1枚から動画を生成
2. 参考画像＋参考動画を使用して生成
3. プロンプトで人物の動きやカメラワークを指定
4. 生成結果を比較

特に、

「人物の再現」と「カメラワークの指示」がどの程度反映されるのかが気になります。

動画生成-1

まずは、参考画像を使用して動画を生成してみます。

A woman, as shown in the reference image, is walking. Please recreate her appearance, 
atmosphere, and proportions. The camera slowly and gradually moves away from her. The background features a desert and a blue sky; 
her hair sways in the wind, and the scene has a sense of luminous clarity.

人物は自然に動いていますが、元画像の女性の雰囲気や外見のイメージが少し変わってしまいました。

もともと入っていたテスト用の参考動画に、人物の動きや雰囲気が引っ張られている可能性もありそうです。
また、プロンプトで「カメラは女性から少しずつゆっくり離れていく」と指定しましたが、こちらも思ったほど反映されていないように感じました。

そこで、背景に使用する動画を変更して、もう一度生成してみます。

参考画像1枚、参考動画1枚で生成

A woman, as shown in the reference image, is walking. Please recreate her appearance,
 atmosphere, and proportions. The camera slowly and gradually moves away from her. The background features a desert and a blue sky;
 her hair sways in the wind, and the scene has a sense of luminous clarity.

人物の再現度に感動しました。

参考動画を変更したことで、動画自体の雰囲気にも違いが出ています。そして、参考画像の人物をかなり維持している印象です。

やはり、使用する参考動画が生成結果の雰囲気に大きな影響を与えているように感じます。
ただし、今回もカメラワークについては、プロンプトで指定した

「カメラが女性からゆっくり離れていく」

という動きが、はっきりとは反映されていません。

カメラワークをさらに指定してみる

A woman—the one shown in the reference image—is walking. Please faithfully recreate her appearance, atmosphere, and proportions. The camera begins with a close-up of her profile and slowly pulls away from her. The background features a desert and a blue sky; her hair sways in the wind, set against a world filled with a sense of clarity and translucence.

あまりプロンプトは効きにくいのか？

人物の雰囲気や外見はかなりよく再現されています。

ただ、やはりカメラの動きについては、こちらが指定した通りにはなっていないように感じます。

実際に使ってみた感想

今回、pruna / P-Video-Editを実際に試してみて、一番印象に残ったのは、人物の再現度の高さです。

元になる画像の人物を参照させることで、

• 顔や髪型
• 全体的な雰囲気
• 服装
• プロポーション

などが比較的よく維持されています。

特に、今回のようなFlux.2で生成した人物画像を動画化する用途では、良い結果が得られました。

一方で、プロンプトによる細かな動きの指定については、少し注意が必要だと感じました。

今回、

「カメラが女性からゆっくり離れていく」

という指示を何度か入れてみましたが、期待していたほどカメラワークには反映されませんでした。

そのため、

人物の再現はかなり良いけれど、プロンプトで指定したカメラワークについては、もう少し検証が必要

というのが今回の感想です。

もちろん、今回試したプロンプトや条件だけでの結果なので、別のプロンプトや参照動画を使うことで、さらに違った結果になる可能性があります。

まとめ

今回は、Runpodに新しく登場していたPublic Endpointから、pruna / P-Video-Editを試してみました。

今回のテストでは、

人物の再現度はかなり高い

という印象でした。

一方で、

プロンプトで指定したカメラの移動は、思ったほど反映されませんでした。

そのため、現時点では、

参考画像の人物を維持しながら動画化する

という用途に強いモデルだと思います。

また、最大4枚の参照画像に対応しているため、複数の画像を使った場合に人物の一貫性や構図がどのように変わるのかも気になるところです。

今回は1枚の参照画像を中心に試しましたが、次に試すなら、

• 参照画像を2枚、3枚、4枚に増やす
• 複数の人物画像を使用する
• カメラワークを変えてみる
• 参照動画を変更する
• DraftとStandardを比較する

といったテストも面白そうです。

今回の検証では、人物の再現性についてはかなり好印象でした。

Runpodで手軽に試せるPublic Endpointとして、今後も少し触ってみたいと思います。