画像を作る道具と映像を作る道具は、たいてい別々に買うもので、出来たものを直すにはさらに三つ目のアプリを開くことになる。Jimeng AI は別の線を行く。自らの位置づけは一か所で済む創造の場で、画像生成、生成による映像制作、そして結果をそのまま直せるキャンバスが一つの入口の奥に並び、着想のための交流の場も添えられている。

画像：文章から作るだけではない

生成は文章か画像を出発点にし、短いプロンプトで足りる。もっと役に立つのは、すでにある画像に対して起きることだ。人物や主題の見た目を保つよう指定し、そのうえで背景の差し替え、作風の連想、画風の維持、姿勢の保持といった操作をモデルに任せられる。商品写真の背景を変える、似顔の雰囲気を変えるといった繰り返しの作業では、主題を毎回書き直す手間が省ける。

映像：始まりと終わりは自分で決める

映像側は、文章から動画、画像から動画の両方に対応し、台本か静止画を渡せば断片が出てくる。うたい文句は、動きのつながりが強く自然で、カメラワークを操れ、速度の変化も調整できるというもの。制御の面で特に触れておきたいのが、最初のコマと最後のコマの二つの枠だ。始まりと終わりの絵を固定し、間をモデルに埋めさせる。一言の説明より、頭の中のあの一編にはるかに近い。もう一つは言葉で、中国語のプロンプトに合わせて作られ、意味の理解がよい。成句や固有名詞、文案の語調を扱いやすい。

第二世代のモデルと、その参照

映像の奥にあるモデルは Seedance の系統だ。開発班の公式発表には、第二世代がすでに動いており、前の世代に比べて複雑なやり取りや速い動きのシーンで持ちこたえ、物理的な正確さ、写実らしさ、制御のしやすさが目に見えて強まり、産業の制作現場に近づいたと記されている。

見どころは複数の様態を同時に参照できることだ。文章、画像、音声、映像の四つを同時に渡せ、一度に最大で画像九枚、映像三本、音声三本まで。モデルはその素材の構図、動き、カメラワーク、効果、音を参照する。絵コンテを渡してそのシーンを撮ってくれと頼むことが、たとえ話ではなく実行できる指示になる。出力では十五秒の高品質な多カット音声付き映像に対応し、二チャンネルの音を持つ。音楽、環境音、語りを並行したトラックで流し、映像の刻みに合わせられる。

直せるし、続きも撮れる

生成は最初の一歩にすぎない。公式発表は、指定した断片、人物、動き、筋書きを狙って直す編集の機能を加え、さらに合図に従って続きのカットを作る延長の機能も備えたとしている。うたわれているのは、作るだけでなく撮り続けられる、という言葉だ。二つのコマの枠と合わせると、制御の水準はこの種の道具の中でもかなり前のほうに来る。

キャンバスは直す作業を一か所に残す

キャンバスはあまり語られないもう一つの部分だ。組み合わせの生成を備え、部分的な描き直し、一回で広げる拡張、物の消去、切り抜きを備える。同じ面の上で複数の要素を継ぎ目なくつなげるので、作風がそろったままになる。複数の層を扱う編集で細かい制御もできる。つまり、気に入らない部分は生まれた場所でそのまま直せ、生成の道具と補正のアプリの間でファイルを往復させずに済む。

はっきりさせておく限界

開発班自身の評価は問題から目を逸らしていない。細部の安定、写実らしさ、動きの生き生きさはさらに詰める必要があり、複数人が映るシーンの口の動きはまだ確かではなく、音がときどき歪む。選ぶ前に知っておくべきことで、後から気づく類のものではない。加えて、実在の人物を見本にする場合の注意が明記されている。素材の人物は AI が作ったものか、すでに許諾を得たものである必要があり、本物の肖像を使うなら本人の確認か事前の法的な許諾が要る。

まとめると、強みは一つひとつの能力ではなく、画像生成、映像制作、修正、モデルの選択が一つの流れに収まっていること、そして中国語での制作に公式の支えがあることだ。すぐ働く中国語の制作台が欲しいなら、まず試す価値がある。たまに一枚作るだけなら、その多くは使い切れないまま終わる。