Midjourney のキャラクターを元の見た目のまま動かすには、きれいな静止画1枚でキャラクターの同一性を固定し、動画プロンプトではキャラクター全体を説明し直すのではなく、動きだけを記述します。私のルールは単純です。静止画が同一性を担い、プロンプトが動きを担います。
静止画の顔、手、衣装が曖昧なら、私は動かす前に画像を直します。動きのプロンプトを長くしても、欠けた視覚情報は補いにくく、むしろモデルが解釈し直す余地が増えます。
動かすとMidjourneyのキャラクターが変わる理由
Midjourney が特に得意なのは、求めている顔、配色、レンダリング表現を備えた、スタイルの固定された静止画を作ることです。問題は、それを次のツールへ渡す段階で始まります。
多くのクリエイターが見た目を失うのは、アニメーション化する際に「アニメの女の子、銀髪、赤いジャケット、歩く」のようにキャラクターを説明し直すからです。動画モデルには、画像と言葉という2つの基準が生まれます。モデルがそれらを混ぜることで、顔が変わってしまいます。
静止画から動画への受け渡しで、新しい文章と画像の細部が食い違うと変化が起こりやすくなります。人物とスタイルは参照画像を基準にし、動画のプロンプトは動きとカメラを中心に書きましょう。
Midjourney自体で画像を動かせますか？
Midjourneyの動画は最初に5秒生成され、4秒ずつ4回延長して最長21秒にできます。Low Motion、High Motion、任意の動作プロンプト、ループ、別の終了フレームに対応します。標準出力は480pで、Standard、Pro、MegaではFast Modeで720pを生成できます。
髪の揺れ、ゆっくりしたプッシュイン、布の動き、空気感といった、雰囲気を作る動きは本当に得意です。
ただし、キャラクターの演技までは対応できません。リップシンクもネイティブ音声もないため、キャラクターは話したり歌ったりできません。参考演技を渡して、その動きをキャラクターに再現させることもできません。また、動く部分の制御も限られています。動かさないはずの口や顔が動いてしまう、という不満はクリエイターによく見られます。
率直に言うと、静止画に息づかいを与えたいだけなら、Midjourney の Animate で足りることが多いです。キャラクターに演技させたいなら、画像を基準として扱う動画ツール群が必要です。そのワークフローを以下で紹介します。
動かす前に見た目を固める
最初によくできた画像ではなく、最も細部が整った画像を動かしましょう。
動かしやすい参照画像には、読み取りやすい顔、明確な衣装、均一な照明、切れていない手足があります。動作モデルは見える情報から推測するため、曖昧な部分は動画で新しく補われます。
修正のコストがまだ低いうちに問題を直します。DomoAI の マルチモデル画像生成・編集ツール では、動画クレジットを1つも使う前に Midjourney の静止画を整えられます。手の修復、服の文字の修正、衣装の細部の調整、雑然とした背景の整理などです。内部では3種類のモデルを選べます。GPT Image 2 は精密な制御と明瞭な文字表現に、Nano Banana 2 は素早い日常的な編集に、Nano Banana Pro はキャラクターの一貫性を保つ作業に適しており、1セッションで最大9枚の参照画像を受け取り、4K で出力します。
別のポーズや角度が必要なときは、Nano Banana Proに複数の参照を渡すと視覚情報を補えます。動かす前に、採用したキャラクターと比較してください。
採用画像はAssetsに保存します。複数のカットで再利用でき、再アップロードを省けます。
カットに合う動画化の方法を選ぶ
万能の「Midjourney から動画へ」ボタンはありません。やりたい仕事が1つではないからです。ほぼすべての用途を3つのルートでカバーでき、ルートの選び間違いは見た目がずれる原因の第2位です。
ルート1：一枚の画像を動くカットにする
Image to Videoを使います。Midjourneyのキャラクター紹介、雰囲気のカット、カメラの前進、主役の画面を動かす基本の方法です。
DomoAI では、画像から動画を生成するモデルとして Seedance 2.0 を提供しています。4～15秒の出力、480P／720P／1080P の設定、映画的な動き、ネイティブ音声、マルチショットに対応します。DomoAI 2.4.1 Advanced と Fast も利用でき、5秒または10秒のクリップで自然な動きと視覚的一貫性を実現します。
実践的な助言として、動きが決まるまでは Fast モデルと低解像度で下書きを作り、最良の結果だけを 1080P で再生成します。キャラクターのショットは何度か試すことが多く、不採用の結果に正規のコストをかける必要はありません。
ルート2：始点と終点がどちらも重要
Frames to Videoを使います。閉じた目から開いた目、普段着から衣装、変更前から変更後などの遷移に向いています。
モードは2つあり、その違いは明確です。Seedance 2.0 / Seedance 2.0 Fast では、渡すのは開始フレームと終了フレームだけで、モデルが中間を補います。DomoAI 2.4.1 では、区間ごとの動きのプロンプトを添えた2～8枚のキーフレームを渡し、1～56秒を生成できます。Midjourney で一連の絵コンテを作り、動画で各フレームにきちんと到達させたい場合に適しています。
Midjourney でも、開始フレームから別の終了フレームへアニメーション化できます。Midjourney 内で最大21秒のトランジションを作るなら、それを使います。Seedance の開始／終了制御、または DomoAI 2.4.1 の2～8枚のキーフレーム、区間別プロンプト、1～56秒のワークフローが必要なら、DomoAI Frames to Video を使います。
ルート3：参照動画の動きをキャラクターに演じさせる
Character to Videoを使います。これは Midjourney にはできないことで、多くのキャラクター制作者が最終的に2つ目のツールを使う理由でもあります。
参照動画と Midjourney のキャラクター画像を渡します。元の動きを正確に維持したまま、キャラクターを置き換えます。ダンス、歩行ループ、ジェスチャーを、今度はあなたのキャラクターが演じます。Subject Only モードではキャラクターを差し替えながら、シーンの残りの部分をより元の映像に近く保ちます。
Seedance 2.0 の各モードは4～15秒、DomoAI 2.4.1 は1回の生成で最大30秒です。キャラクター画像は最大10MB の JPEG、PNG、JPG、参照動画は MP4、MOV、AVI を使用できます。
これが1ステップで行うアニメと VTuber のワークフローです。Midjourney で作ったオリジナルキャラクターの静止画とダンスの参照映像があれば、自分で1フレームもアニメーションを付けずにキャラクターが踊ります。
動かす前にキャラクターの確認カードを作る
私は元画像の隣に短い特徴カードを保存します。長いプロンプトではなく、各クリップの最初、途中、最後で確認する要点の一覧です。
| 維持する要素 | 記録する内容 | 不採用にする状態 |
|---|---|---|
| 顔 | 目の色、顔形、髪の生え際、特徴的な部分 | 2つ以上の特徴が変わる |
| 衣装 | ジャケットの形、縁取りの色、装飾品 | 重要な細部が消える、または左右が入れ替わる |
| シルエット | 髪の長さ、肩幅、スカートやコートの輪郭 | 主要動作中に体の輪郭が変わる |
| カット | 切り抜き、レンズ感、カメラの高さ、光の方向 | 構図が前のカットとの連続性を壊す |
| 動きの上限 | 被写体の動作一つ＋カメラの動き一つ＋雰囲気の指示一つ | 余分な動作が生まれ、人物の特徴が隠れる |
元画像のチェックがすでに2項目不合格なら、私は マルチモデル画像生成・編集ツールに戻ります。アニメの元画像では、Niji 7の動画化ガイド は、画像デザインの選択と動きの選択を切り分けるのに役立ちます。長いシーケンスには キャラクターの一貫性を保つ制作手順を使い、AI動画の絵コンテガイドでシーンを計画します。
最初のカットにコピーして使えるプロンプト
プロンプトが説明するのは動きとカメラです。キャラクターは説明しません。画像がすでにその役割を果たしています。
被写体は位置を保ち、ゆっくり呼吸し、髪が穏やかに揺れる。カメラはゆっくり近づき、被写界深度は浅い。柔らかな輪郭光、空気中に舞うほこり。顔、衣装、髪形は変えない。
最後の一文に注目してください。何を変えてはいけないかを明示するのは地味ですが、効果があります。さらに細かく制御したい場合は、時間区間ごとにカメラ指示を加えます。たとえば CAM 1 (0-3s): slow push in。または AI Optimize を押して、短いプロンプトをモデルが実際に使える内容へ広げます。
見た目が崩れるときの修正
途中で顔が変わる。 静止画の情報量に対してクリップが長すぎます。短くしてください。きれいな5秒クリップを2本つなぐ方が、見た目がずれる15秒の1テイクより優れており、これが最もよく効く修正です。
衣装に存在しない細部が生まれる。 静止画のその部分が曖昧だったということです。画像編集に戻り、細部を明確にしてから再び動かします。曖昧な元画像をプロンプトだけで補おうとしないでください。
動かしたくないのに動く場合は、「顔、衣装、髪形は変えない」と明示し、動きの少ない構図にします。
スタイルが薄れる場合、Midjourneyの描画自体がキャラクターの一部であることを意識します。動きを減らしましょう。大きな動きは補完する部分を増やし、スタイルが変わりやすくなります。
毎回すべてがずれる。 問題はモデルではなく参照静止画です。切り抜き、極端な角度、深い影は、どれもモデルに必要な情報を奪います。より明瞭で、角度が平坦で、全体が写った参照画像を生成し直し、もう一度試してください。
キャラクターを話させる・歌わせる
Midjourney の動画にはリップシンクがないため、このステップでは必ず別のプラットフォームへ移ります。
Talking Avatar は Midjourney のキャラクター画像と音声を受け取り、話したり歌ったりするキャラクターを生成します。音声には DomoAI のテキスト読み上げ出力か、アップロードした MP3／WAV を使えます。標準の長さは5秒／10秒／20秒で、Pro プランの高速モードでは30秒と60秒に対応します。表情は台本と別に指示できるため、「微笑む」「うなずく」をせりふに紛れ込ませる必要はありません。
AI シンガーでは、長いボーカルを短い区間に分けます。出来の悪い15秒のテイクを確認して差し替える方が、曲全体を再生成するよりはるかに安く済みます。
制限を率直に述べると、背景音楽や曲全体のミキシングはここでは行いません。クリップを書き出し、CapCut、Premiere Pro、DaVinci Resolve でトラックを重ねます。
クリップを仕上げる
生成は最大 1080P です。納品時には最終編集版を Video Upscaler に通し、最大 4K にします。
順序が大切です。すべての下書きではなく、採用するテイクをアップスケールします。何度も試行する場合、Relax Mode は Standard 以上のプランで対象の出力をクレジット消費なしで生成できます。遅くはなりますが、キャラクター制作は試行回数がものをいう作業であり、その回数を手の届くコストにできるのがここです。詳しくは 料金ページをご覧ください。
よくある質問
Midjourney画像をAI動画ツールで商用利用できますか？
Midjourney は、規約と例外に従うことを条件に、通常は加入者が作成した画像と動画を所有するとしています。年間総収入が100万米ドルを超える企業は、商用利用に Pro または Mega プランが必要です。DomoAI は有料プランで生成した出力に商用利用権を付与します。クライアント向けに公開する前に、両サービスの現行規約を確認してください。
カットごとにキャラクターが違って見えるのはなぜですか？
画像に任せるべきキャラクターの説明を、プロンプトで行っているからです。固定した参照静止画1枚からアニメーション化し、プロンプトは動きだけに限定してください。
Midjourney自身の動画モデルで十分ですか？
静止画1枚に雰囲気のある動きを付ける用途なら、足りることが多いです。リップシンク、参照演技からの動作転送、延長上限を超えるクリップには、専用の動画ツール群が必要です。
Midjourneyの一枚の画像から最長何秒作れますか？
Midjourney は5秒から始まり、4秒の延長を4回行えて、最大21秒です。DomoAI で Seedance 2.0 を使う1枚の静止画からの Image to Video は4～15秒です。より長い Frames to Video と Character to Video のワークフローは、追加の入力を使って別の仕事を行います。
ツールを変えるたびに画像を再アップロードする必要がありますか？
いいえ。静止画を一度 Assets に保存し、その後は History パネルから次に使うツールへ直接ドラッグします。
一枚の静止画から始める
見た目を大切に整えたMidjourneyのキャラクターを選び、一度きれいに編集してから5秒の動画を一つ作りましょう。まずは全曲のMVではなく、一つのカットに取り組みます。
顔が保たれれば、ワークフローは成立します。上で説明したそれ以外のことは、制作規模を広げるためのものです。
DomoAIでMidjourneyのキャラクターを動かす →
