z-imageで構図を作ってから動画化してみる
つい先日、Qwen Image Editデビューしたばかりですが、そのときComfyUIの公式テンプレートにZ-Image-Turboなるものがあり、ずっと気になっていました。
ChatGPT君に聞いてみるとこれもまたAlibabaのなんとかいうチームが作ったモデルで、自然言語による指示で高精細な画像生成ができるとか。
SDXLも多少は自然言語を理解するようですが、基本エロモデルはdanbooru語で作られていますし、単語の羅列をするしかありません。すると「男が立っていて女が座っている」という複数名に対する個別指定などは全然効かないんですね。
ということで、試しにz-image君に自然言語を指定して動画のベース絵を作ってもらおうかな、というのが今回のテストです。
z-imageで電車内の様子を描いてもらう
Prompt
An anime illustration inside a crowded Japanese commuter train. A middle-aged salaryman in a suit stands sideways, holding onto a nearby pole with one hand to steady himself. His other hand carries a briefcase, and his sleepy eyes are narrowed. A female child with hair bobbles in a school uniform sits across from the man on a long, narrow bench seat, close enough to touch, watching him with a curious gaze. The train interior is sharply defined: seats, handrails, and other passengers all asleep, while the background is blurred. The camera is positioned at a slight angle, capturing the two figures with natural perspective. The composition captures everyday life on the train maintaining clear depth and space between the subjects.
混雑した日本の通勤電車内のアニメイラスト。 スーツ姿の中年サラリーマンが横向きに立ち、片手で近くのポールに掴まって体を支えている。もう一方の手にはブリーフケースを持ち、眠そうな目を細めている。 髪にヘアバブルをつけた少女が、細長いベンチシートの向かい側に座り、触れそうな距離で好奇の眼差しを彼に向けている。 車内は明暗がくっきり分かれている：座席、手すり、他の乗客は皆眠っているが、背景はぼやけている。 カメラはわずかに斜めから構えられ、自然な遠近感で二人の姿を捉えている。 構図は電車内の日常を捉えつつ、 被写体間の明確な奥行きと空間を維持している。
結果
SUGEEEE!!
一発で思い通りの構図出ちゃった。生成時間はRTX-4070でわずか6秒。名前のとおりTurboです。
デフォだとほぼ写真専用らしいので、一応 Anime Lora を入れて生成しましたが、ちょっと絵柄はアレな感じ。アニメ絵の品質に関する指示を一切指定してないのがダメなのかも。
SDXLでz-imageを清書＆NSFW化
z-imageはNSFW非対応ということですし、好みの絵柄ではなかったため、SDXLで清書。
インペイント時に肌色の棒をテキトーに描くだけの簡単なお仕事。
QIE Multiple-Angleで別角度も生成
今回の実験(z-image)とはあんまり関係ないのですが、せっかくQIEを知ったばかりなので、ちょいと角度を付けて今回もカメラをまわしてみたいと思います。
WanVideo 2.2で動画化
生成した2枚の画像を使って動画化します。
感想
今まで男女の描き分けで散々苦労したので、z-imageのプロンプト指定の効きやすさは感動的ですね。
NSFWには対応していないとのことですが、おっぱいとパンツくらいまでは普通に生成できました。
既にcivitaiにはz-image用のおまんこLoRAもあるようなので、けっこうNSFW目的でも使えるんじゃないですかね？ 男女の絡みシーンは無理だろうけど。
でも、いきなりハッスル！ハッスル！する動画ではなく、着衣シーンから流れるように行為に及ぶシーン作るのなら、普通にz-imageで導入部分作っても良いのでは？と感じました。
作る長さにも拠るとは思いますけどね。
ちなみに、今回使った z-image Anime LoRA の人がQwen Anime LoRAも出していたので、もしかしてQIEもt2iできるのかしら？
こちらもそのうち試してみたいですねー。
謝辞
オープンソースおよび生成モデルの制作者の皆さまに感謝します。
- 元絵生成
- ComfyUI
- 1次生成: 公式テンプレート「Z-image-Turbo テキストから画像へ」
- LoRA: Z-Image-Turbo-Anime-V1
- 2次生成: Nova Anime XL v15.0
- 画像編集
- ComfyUI公式テンプレート「Qwen Image Edit 2511」
- LoRA: Qwen-Image-Edit-2511-Multiple-Angles-LoRA
- Custom Node: Qwen Multiangle Camera
- 動画生成
- ComfyUI公式テンプレート「Wan 2.2 14B最初-最後フレームからビデオ」
- ComfyUI公式テンプレート「Wan 2.2 14B画像からビデオ」
- LoRA: WAN 2.2 Anime Cumshot Aesthetics
- 動画編集
- ffmpeg 動画のダイエット
ffmpegのオプションメモ
ffmpeg -y ^ -i "%INPUT%" ^ -map_metadata -1 ^ -map_chapters -1 ^ -c:v libx264 ^ -preset slow ^ -tune animation ^ -profile:v high ^ -level 4.1 ^ -crf 26 ^ -pix_fmt yuv420p ^ -movflags +faststart ^ -c:a aac ^ -b:a 96k ^ "%OUTPUT%"
