やはり能動的に自身が描画世界を構築するのは i2v。不得意の大穴発覚で一気に熱が醒めた HunyuanVideo FastVideo。

2025/02/09（日）、入門黎明期の代表題材「木星の衛星カリストの
水上都市。」を久々に扱ってみました。

まだ GPU なしの PC （今も note や ブログの執筆などで使う中古の
Lenovo X230）の当時、4 時間弱かけての NMKD StableDiffusion GUI に
よる原画を現在の KlingAI（Kling1.6 Standard）で動画化したものです。

ちなみに FLUX.1 on Stable Diffusion Web UI Forge と KlingAI（Kling1.6
Standard）では、こんな感じです。

どちらの i2v の結果にも満足していました。

今回のお試しは勿論、HunyuanVideo FastVideo での想定より斜め上の
仕上がりに驚かされるのを期待してのことでした。

no human, Callisto, a moon of Jupiter, a city of water, Jupiter in the sky, photo-realistic

えっ….。

んん？

？？？

FLUX.1 系描画なのでネガティブ・プロンプトはなく「no human」という
プロンプトは通らないのでしょう。

これが一番まともかな….。

木星の月ではなく、地球の月やん….。しかもその模様の向きから大地が
地球だとバレてしまう…。上掲の過去記事中で旧 mage.Space でも同じ
ような隘路に陥ったことを思い出します。

その後、旧 mage.Space でも頑張ってその隘路から抜けようとしたのでしたが、結局「下手な模写」レベルに終わりました。

なので今回もスクリプトの調整レベルでは満足には至らないのかなと
感じます。不可解な動きも続きます。

満足出来る仕上がりが１つもないことに焦ります。画質も汚いです。
ただ内包されている AI 知識ベースに木星像が無い訳ではないのです。

何故なら直近で漠然と無目的で CivitAI 作例からプロンプトを持って来て
（note 記事や CivitAI 投稿などの作業の裏でメイン PC がアイドリング
していることが増えて来ました。集中作業する頭は 1 つしかありません
ので。ただそれは勿体ない、何が 2 台目欲しい、だよとばかり動かして
はいます。）HunyuanVideo FastVideo で動画生成させていましたところ….。

space infinity the birth of the planet ultra realistic light of distant stars

その一連の動画生成の中に木星と思しき巨大ガス型惑星の像が出て来ました
ので、そういえば黎明期に「木星の衛星カリストの水上都市。」を扱って
いたなあ、と思い出したのが今回の作業の発端でしたから。

LoRA F1 ファイル、AsirAsianPhotographyflux.safetensors が邪魔をしている
のかと LoRA ロードノードを Bypass してみましたが…。

事態は変わらずでした。
もしかしてこっそり記事外で試した別の HunyuanVideo の i2v 系 ComfyUI
ワークフロー構築（不足ノードは補完出来ワークフローは完成しましたが
モデル、LoRA、VAE がネット検索で見つからず断念）でまた環境を壊した？

慌てて「異星開拓前線でのマシン群を背景としたサイバー女子隊員画」動画
を生成させて確認しましたが、環境に問題は無さそうです。

フルサイズの HunyuanVideo でも傾向は同じでしょうか。確認しました。

最初のはまだ雰囲気がありましたものの….。

一気に熱が醒めた気分です。（いい歳して蛙化かよ….。^^;）

あれだけ人物画、メカ画で期待の斜め上の結果を返してくれた、
HunyuanVideo FastVideo、HunyuanVideo でしたが、どうもこの題材には
馴染まないようです。知識ベースに情報はあるので、これらのような適合
のさせ方の経験学習度が致命的に欠けている、という印象です。

以前、背景に幻想画「かつて無いほどの驚異の光景」を配したサイバー
女子隊員画の HunyuanVideo FastVideo で生成した動画で背景のプロンプト
指示が一切表現されず困惑したことを思い出します。
それも根が同じで HunyuanVideo 系には訓練の足らない苦手な穴が大きく
存在することをうかがわせます。

動画生成の質と処理速度の驚異に対する印象は、まずそれらが万能に
ムラなく対応出来ることを前提にしていました。それが違っていると
いうことには、かなりの興ざめを感じざるを得ません。
特殊な背景には弱いが人物そのものの動画には強い（＝恐らくは
NSFW 動画のためだけに徹底チューニングされた結果のおこぼれ）
という点だけをポジティブに活かせば良いとも言えますが、この
マイナスの衝撃はかなり大きいです。
今まで期待と依存度が大き過ぎたこともあって。

それ以上に感じることは、やはり描かせたいゴールのイメージが明確に
しっかりしている静止画原画、動画の生成には、途中で原画の大量生成と
ゴールイメージに沿った原画の厳選が出来る（細部まで自身で描き込む
ことが出来ないことの代替で、自身が細部まで描き込んだ要件を満たす
原画を選び抜ける）i2v 動画生成が向いているのだ、という実感です。

ご覧いただきありがとうございます。

（2025/02/09 執筆）