動画を制作する際、最も生成が難しいのは、明るくクリーンな製品画像ではなく、夜景、災害、SF、戦争といった暗い画面であることが多い。
こうしたショットは「暗く」見えるが、実際に含まれる情報は決して少なくない。
雲の中には異なる深度の明るさの変化が必要であり、煙は一塊にぼやけてはならず、遠くの建物は空間的なレイヤーを維持し、炎やエネルギー光源は周囲の環境を照らす必要がある。雨水、金属、水たまりもまた、合理的な反射を形成しなければならない。人物が暗色の服を着ている場合、輪郭は背景に消えてはならず、かといってステッカーのように画面上に浮いて見えてもならない。
品質が不足している画像は、縮小時には雰囲気があるかもしれないが、いったん動画制作フローに入ると、問題がすぐに露呈する。暗部に色ムラが現れ、建物のディテールが互いにくっつき、煙はレイヤーを失い、飛行機の構造は曖昧になり、人物と背景を分離できなくなる。カメラの前進、部分拡大、パララックスアニメーション、または画像から動画を生成する際には、これらの欠陥はさらに拡大される。
映像クリエイターにとって、画像は生成されたら終わりではない。それはさらに編集、カメラワーク、特殊効果、アニメーションの工程に入る必要がある。これこそが、より高い品質ランクが存在する意義である。
Ace Data Cloud の GPT Image 2.5 は現在、low、medium、high に加えて、xhigh と max の2つの品質ランクを追加した。Flare と Sunburst はいずれも、対応する公式チャネルを含めて、この2つのランクをサポートしている。
画面に複雑な暗部、ボリューム雲、煙、炎の光、雨の夜の反射、多層的な空間関係が含まれる場合、クリエイターはモデルにより多くの生成予算を投入させ、暗い環境における構造とディテールを可能な限り維持できる。
¶ 私たちは高難度の暗いシーンで5つの品質ランクをテストした
違いをより露呈させやすくするため、今回は明るい背景やシンプルな製品ではなく、SF災害映画のビジュアルエフェクト用キーフレームを1枚設計した。
画面はブルーアワーの未来的な海浜都市で起きている。破断した軌道リングが都市の上空に浮かび、エネルギーの裂け目が嵐雲を引き裂き、燃える宇宙船の残骸が高層ビルへと落下する。前景には、カメラに背を向けた救助パイロットが1人立ち、その隣には損傷したティルトローター航空機が停まっている。
シーン全体は濃い青、黒、灰色を中心とし、エネルギーの裂け目、炎、都市の灯り、航空機の一部だけが暖色のハイライトを形成している。
このようなシーンでは、暗部に本物のディテールがあるか、前景の人物を背景から分離できるか、雲と煙に空間的なレイヤーがあるか、炎が本当に周囲の環境を照らしているか、そして都市、航空機、軌道リングの構造が一貫しているかが同時に試される。
テストでは、高忠実度と精密な制御により適した gpt-image-2.5-sunburst を使用した。すべての画面で完全に同じプロンプトを採用し、変更したのは quality のみである。
¶ 完全なテストプロンプト
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
このプロンプトには、暗いシーンで制御を失いやすい内容を意図的に多数加えている。濃い雲と多層の煙、点状の火花と燃える残骸、暗色の装甲を着た人物、夜間の都市建築、濡れた表面と複雑な反射、そして明るさの差が非常に大きい複数の光源である。
生成品質が不足している場合、モデルは強烈な青とオレンジの雰囲気だけを残し、画面の質感を本当に決定する暗部の構造を犠牲にしやすい。
¶ Low：雰囲気はすぐに構築されるが、より前期のコンセプトスケッチに近い
low は約25.11秒で生成を完了し、画像出力は157 Tokensだった。
これは完全なシーンを素早く構築でき、災害の雰囲気、人物の位置、主要な光源も表現できる。構図が成立するかを判断したり、初期段階で複数のショット方向を探索したりする用途では、非常に効率的である。
しかし、複雑な暗いシーンでは、画面が「十分に暗く、十分にクール」かどうかだけを見ることはできない。より重要なのは、影の中にまだ何かが残っているかを確認することである。
救助パイロットの装甲構造、損傷した航空機の機械的なディテール、遠くの建物どうしの境界、そして雲の内部における明るさの変化はすべて、この画像を後処理制作に続けて使用できるかを決定する。これらの内容が元画像の中ですでに混ざり合っている場合、後処理で単に明るさやシャープネスを上げても、失われた構造を本当に取り戻すことはできない。
¶ Medium：暗部に識別できる内容がより多く現れ始める
medium は約27.18秒で生成を完了し、画像出力は367 Tokensだった。
Low と比べて待機時間は大幅には増えていないが、モデルはより多くの生成予算を得ている。
一般的な動画用画像では、Medium はすでに比較的実用的な出発点である。それは全体的な雰囲気を完成させるだけでなく、建物、乗り物、人物、環境の間の関係も、より丁寧に処理する必要がある。 暗い画面では、いわゆる品質向上は必ずしも「より明るい」または「よりシャープ」という形で現れるわけではありません。より重要なのは、影の中の構造がまだ見えるか、煙に前後の階層があるか、遠くの都市が本物の大気遠近法を形成できるか、人物がリムライトによって自然に背景から分離されているかです。
¶ High：「雰囲気がある」から「構造がある」へ
high の生成時間は約41.35秒で、画像出力は1,413 Tokensまで増加しました。
この段階から、モデルの投入量には明らかな飛躍が見られます。映像の暗部にとって、こうした追加投入で最も注目すべき点は、明部と暗部の間の移行です。
エネルギーの裂け目は単なる白いハイライトではなく、周囲の雲に影響を与えるべきです。燃える残骸も単なるオレンジ色の斑点ではなく、煙、燃えさし、環境光を生み出すべきです。水たまりも単純な鏡面であってはならず、屋上の構造と光源の方向に応じて、異なる強度の反射を形成する必要があります。
これらの関係がより完全になるとき、画面は一枚の雰囲気画から徐々に映画のショットへと近づいていきます。High は正式に映像タイムラインへ入るのにより適しており、特に軽度の前進、パン、被写界深度処理を必要とするショットに適しています。
¶ XHigh：拡大、カメラワーク、後期のレイヤー分けのための余裕を残す
xhigh は約53.68秒で生成を完了し、画像出力は2,511 Tokensに達しました。
映像ワークフローでは、多くの問題は画面を動かして初めて現れます。カメラが前方へ進むとき、遠くの都市は拡大に耐える必要があります。パララックスアニメーションを制作するとき、前景の人物、飛行機、背景には明確な境界が必要です。画像から動画を生成するモデルに引き渡してさらに生成する場合、機械構造と環境の関係も十分に明確でなければならず、そうでなければ動きの過程で変形が起こりやすくなります。
XHigh の価値はここにあります。それは画面を第一印象でより美しく見せるだけでなく、可能な限り後続の制作のためにより多くの利用可能な情報を残すことです。暗いシーンにとって、これはより明確な輪郭、より安定した局所構造、そしてより階層的な影と煙を意味します。
画像を重点ショット、オープニング画面、映画コンセプトアート、または画像から動画を生成する際の最初のフレームとして使用する場合、XHigh は通常の品質段階よりも実際の制作ニーズに適しています。
¶ Max：最も重要な暗部ショットの出力上限を引き上げる
max は約104.43秒で生成を完了し、画像出力は5,650 Tokensに達しました。
その待機時間は XHigh のほぼ2倍であり、画像出力 Tokens も XHigh の2倍を超えています。これは、Max がより上位に聞こえる名前に変わっただけではなく、生成への投入量を明らかに高めていることを示しています。
複雑な暗部では、最高品質の意味は無限にテクスチャを増やすことではなく、衝突しやすい複数の目標を可能な限り同時に守ることです。画面は暗い雰囲気を保ちながら構造を失ってはならず、エネルギーの裂け目は十分に明るくありながら雲のディテールを壊してはならず、人物は明瞭でありながら単独で切り抜かれたように見えてはならず、煙は豊かでありながらすべての建築物を覆い隠してはならず、反射は明確でありながら環境光に適合していなければなりません。
これらの要求を個別に満たすことは難しくありませんが、難しいのは同時に成立させることです。
Max は、構図とプロンプトをすでに確定した後の最終出力により適しています。たとえば、オープニングのメインビジュアル、映画ポスター、コアショット、重点的な宣伝素材、そして複雑な後期処理フローにさらに入る必要がある画像などです。
¶ 暗い画面の品質差は、「鮮明かどうか」だけで見てはならない
今回のテスト記録は以下のとおりです。
| 品質段階 | 生成時間 | 画像出力 Tokens | 総 Tokens |
|---|---|---|---|
| Low | 25.11 秒 | 157 | 567 |
| Medium | 27.18 秒 | 367 | 777 |
| High | 41.35 秒 | 1,413 | 1,823 |
| XHigh | 53.68 秒 | 2,511 | 2,921 |
| Max | 104.43 秒 | 5,650 | 6,060 |
Low から Max まで、本当に比較すべきなのはどの画像が単純によりシャープかではなく、暗い環境の中にどれだけの有効な情報が保持されているかです。
救助パイロットの装甲に識別可能な構造があるか、人物と飛行機の間に明確な空間関係が存在するか、飛行機の翼、ローター、胴体が一貫しているか、遠くの都市が暗さのために一面にぼやけていないか、雲に前後の深さがあるか、そして屋上の水たまりが環境内の複数の光源を反映できるかを重点的に観察できます。
暗部が最も恐れるのは黒さではなく、「黒くて内容がない」ことです。
高品質な暗い画像では、全体の明るさが非常に低くても、人物、建築、機械、煙、雲は依然としてそれぞれの階層を持つべきです。観客はこれらの違いを明確に言葉にできないかもしれませんが、画面に映画的な質感があるかどうかを直感的に感じ取ります。
¶ 画像品質は、映像の後期処理にどれだけの操作余地が残るかを決める
映像制作では、完全に静止した一枚の元画像をそのまま使用することはほとんどありません。 クリエイターは通常、カメラのズームイン、横移動、部分的なトリミング、前景と背景のレイヤー分け、光効果の重ね合わせ、被写界深度のシミュレーション、あるいは画像を画像生成動画モデルに渡して続けて生成するといった作業を行います。これらの操作はいずれも暗部の欠陥を増幅させます。
人物の輪郭がもともと背景に溶け込んでいる場合、視差を作る際にレイヤー分けが非常に難しくなります。建築構造がすでにぼやけている場合、カメラをズームインしても、より大きなぼやけが見えるだけです。煙に空間的な関係性がない場合、動的効果を生成する際に無秩序にうねる色の塊になりやすくなります。
したがって、より高品質な元画像は単に「完成画がより美しく見える」だけではなく、後工程の制作をどこまで進められるかを直接左右します。
¶ すべてに Max は不要だが、重要な暗いシーンにはより高い品質が価値を持つ
合理的な制作方法は、最初のラフスケッチから品質を最高に設定することではありません。
探索段階では Low または Medium を使用し、構図、キャラクターの位置、光源の方向、全体的な色調を素早く確認できます。方向性が安定した後は、High で正式な素材を生成できます。画面を明確に拡大する必要がある、複雑なレイヤー分けが必要である、またはさらに動画を生成する必要がある場合は、XHigh がより適しています。
Max は、オープニングの最初のフレーム、ポスターのメインビジュアル、予告編の核となる画面、あるいは動画全体の質感を決定する重要なシーンなど、最も重要なショットのために取っておくべきです。
Ace Data Cloud が GPT Image 2.5 に XHigh と Max を追加したことで実際にもたらされるのは、単にパラメータが2つ増えたことではなく、クリエイターが複雑な暗いシーンに向き合う際、「雰囲気はだいたい合っている」という段階にとどまる必要がなくなることです。
暗闇は、もはやディテールを諦めることを意味しません。
モデルがより高い品質予算を持つとき、影の中の都市、人物、飛行体、煙、反射もまた、一緒に保持される機会を得られます。映像制作にとって、こうした暗部に隠れた情報こそが、画面を普通の挿絵から映画のショットへと導く鍵であることが多いのです。
¶ 今すぐ GPT Image 2.5 を体験
XHigh と Max を自分の暗いシーンのショット、ポスター、動画の最初のフレームに使ってみたいですか？Ace Data Cloud で、高忠実度かつ精密なコントロールを備えた GPT Image 2.5 Sunburst を体験するか、より迅速な画像生成に適した GPT Image 2.5 Flare を選択することもできます。