見出し画像

pyramidflow-miniflux(384p)、 LTXV i2v Lightricks、CogStudio + Dain-APP、KlingAI の 4 者比較(3 / 完) 。

続きです。

この記事で扱う「Magic Array in Spaceship 」原画群に関して、
pyramidflow-miniflux(384p)、CogStudio + Dain-APP (32 fps)、
KlingAI(Kling 1.6 Standard モード)での動画生成は過去記事上で
比較完了しています。

なので、この記事ではそれらの記事での掲載順に LTXV i2v Lightricks での
動画生成結果のみを掲載しますので、原画の参照を含め、上掲の記事
との間で比較をご覧いただけます。

ひと通り並べてみたのでしたが、何かがおかしいです。

開拓最前線でのサイバー女子隊員画では pyramidflow-miniflux(384p)を
超える安定した表情の動画を生成していた LTXV i2v Lightricks でしたが
この原画群に対しては何か奇妙な印象です。

背景に渦巻く光芒が顔など画の前面に浮遊するのが、他にない特徴に
なっていますが、しゃべろうとする動画を含め、身体が小刻みに震える
だけでそれ以外に動きもない不自然な印象です。

何か生成パラメタをどこかで狂わせてしまったのでしょうか….。

そこで一度まっさらな ComfyUI のタブウインドウに改めて先日ドロップイン
して作成した i2v 用のワークフローを入れて別環境を作りました。
動画変化量(cfg 値)の初期値も控えずに忘れてしまっていましたので…。

cfg 値の初期値は 3 でした。値が小さくなるほど動画変化量が大きくなり、
小数点を含んだ設定では画面が破綻することが多い、癖のある設定値に
感じます。
それでこのシリーズ初回記事の「開拓最前線でのサイバー女子隊員画」が
cfg 値 = 3 ~ 5 の間で同じように再現されることを確認した上で、再度
この原画群での動画生成をしました。ほとんどが動かず、その場合は
cfg 値 = 9 ~ 11 の間で試行錯誤して、ましだったものをそれぞれ最初の
動画の下に添えました。しかしあまり印象は変わらず、悪くなったものも
ありました。

最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画

再度生成させた動画はどうにも動きませんでした。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

原画背景の一貫性は維持するものの、やたらニンマリしますね。
「smiles,」をプロンプトから外すと今度はほぼ動かなくなりました。

最初に生成させた動画(1)
最初に生成させた動画(2)
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

最初に生成させた動画は感電でもしている?

最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画

再度生成させた動画にも、プロンプトに「smiles,」は含んでいません
でしたが、なかなか品の無さそうな笑顔を作るものです。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)(1)

同じ設定で再度生成させましたら、周囲の光芒が自由を奪うチェーンのよう
な描かれ方になっていました。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)(2)

最初に生成させた動画は動画化の意味を為していません….。

最初に生成させた動画

再度生成させた動画も同様でした。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

何かしゃべってます。
CogStudio もそんな感じでした。もっと感情が入ってましたが。

最初に生成させた動画

再度生成させた動画ではもはやシチュエーションの理解が及ばず、どんな
表情付けが正解かも迷っているかのようにも見えます。
同じ設定で複数回生成させましたがその印象は変わらずでした。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)(1)
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)(2)

これはなかなかド派手で悪くないです。

最初に生成させた動画

再度生成させた動画です。
一連の中で唯一、人物が自然な動きをした結果のようです。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画

再度生成させた動画はシンプルでした。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

こちらは最初に生成させた動画のほうが原画で狙った雰囲気が出ています。

最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

最初に生成させた動画はやたらゴージャスです。

最初に生成させた動画

再度生成させた動画は原画通りの階調でしたが動きません。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)
最初に生成させた動画

こちらも動きません。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

この原画からの動画はどちらも味わい深いです。最初に生成させた時に
かなりの回数のやり直しをしたこともあって。

最初に生成させた動画

再度生成させた動画は一発 OK としました。

環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

pyramidflow-miniflux(384p)は背景の光芒を消し去って補完フレーム
生成をラクに手抜きしたような印象だった一方で、LTXV i2v Lightricks の
最初に生成させた動画は、前面に泡みたいなものを拡散して実は背景は
動いてない、という新手の手抜きをしているかのよう…。
(どちらも「中にヒトが居るんかい?」といった印象です^^)

最初に生成させた動画
環境再構築後に再度生成させた動画(cfg 値 = 3 または 10 付近のましだった方)

先の記事でも事例報告済ですが、LTXV i2v Lightricks は cfg 値にかかわらず
プロンプトの内容に追従することにやたら執着がある
ようで、今回の
原画群の背景が、

The magic partially envelops her, creating an ethereal and mysterious effect. The glowing energy adds strength and allure, softly illuminating her face and dark surroundings. her magic radiating in intricate patterns around her. The atmosphere is enchanting and photorealistic in every detail,

であるところをうっかり直前の環境再作成のテストでの原画の、

Machine background ,spaceship outdoors background, Mecha Transport parts, dark and foggy environment, heavy fog environment, battlefield behind,

のままにして気づかずこれらの原画群からの動画化を始めると、急に
ズームアウトしてマシン群などを動画の中にぶち込んで来たり全く破綻
したシーンを途中から生成させます。破綻の原因に気づくまでかなり
時間がかかりその間、その制御不能ぶりに何が起こったのかと、とても
不安でした。

入力した原画と背景部分のプロンプト記述を間違えた動画(1)
入力した原画と背景部分のプロンプト記述を間違えた動画(2)
入力した原画と背景部分のプロンプト記述を間違えた動画(3)

他の 3 種の動画生成にはそこまでの堅物さは無く「原画のどこにそんな
要素があるねん」と軽く無視して生成を進めてくれる鷹揚さがあります。

その意味においては、いい加減な性格の当方からしてみれば「使い辛い
ツール」の印象です。まあそれで KlingAI や CogStudio + Dain-APP
(32 fps)の動画を遥かに超えてくれるなら話は別ですが、そうでは
ないので尚更です。

CogStudio + DainAPP(32 fps )による動画(再掲)

まあここまでは求めていません(というかやり過ぎで要らぬ演出)が…。

KlingAI の Kling1.6 Standard モードによる動画(再掲)

まあとにかく LTXV i2v Lightricks にとっては、徹底的に苦手な原画群だった
ということだ、と理解します。「開拓最前線でのサイバー女子隊員画」
あたりまでは賄えた事前の情報学習内容を超えた原画の表現だったのか、
それで原画の把握にプロンプトの補助があっても、どうにも理解に至らず
太刀打ちが出来なかったのだ、ということなのでしょうか。
そんなことを思わせる結果の差を「開拓最前線でのサイバー女子隊員画」
との間に感じます。


これまでの記事ごとの総括では、

メカ画、建築(異星開拓基地)画に関しては、

KlingAI  CogStudio + Dain-APP (32 fps)= pyramidflow-miniflux(384p)> LTXV i2v Lightricks

通常のAI 事前学習の想定外と推察される特殊なシチュエーションでの
人物画(サイバー女子隊員画)に関しては、

KlingAI CogStudio + Dain-APP (32 fps)LTXV i2v Lightricks
> pyramidflow-miniflux(384p)

でしたので、単純に「KlingAI と CogStudio + Dain-APP (32 fps)に
併用するのは、メカ画、建築画では pyramidflow-miniflux(384p)、
サイバー女子隊員画は、LTXV i2v Lightricks と割り切って良いかな
(= 結局、pyramidflow-miniflux(384p)を切り捨てられず)」と
考えていました。

しかし、LTXV i2v Lightricks もこれでは雲行きが怪しい感じです。
KlingAI と CogStudio + Dain-APP (32 fps)に置き換えられるほど
には至りません。まあ pyramidflow-miniflux(384p)での「変顔を
制御不能」の事態よりはましかもしれませんが….。

pyramidflow-miniflux(384p)が前評判通りなら、KlingAI の有償契約
を終了出来るかな?と期待していたものの難しそうです。
同様にやや手間のかかる CogStudio + Dain-APP (32 fps)も、
LTXV i2v Lightricks の登場で「卒業」出来るかな?と期待していたのも
どうやらダメそうです。

「雨後の筍のように CogStudio に競合する動きが現れる筈」は
数だけの話で、とって代わるほどのものはまだ出て来ていないのか、
と総括するのは、環境構築に大変な七転八倒を経過しただけに、
とても残念です。

まあ万が一に「pyramidflow-miniflux(768p)はこんなものじゃない、
比較がおかしい」という主張があったとしても当方の環境では実用に
ならないのです。手に入らない理想の環境での優劣など元より語って
おりません。小学生の「ボクの考えた未来の描画マシン」など元より
語っていないのでした。


それは例えば「pyramidflow-miniflux(768p)対 Runway Gen-3
頂上対決」みたいな比較を、ハイエンドマシンを所有されるどなたか
が実施してくださるのを当方は拝見する側に回ります。


「頂上対決」で思い出したのですが、ちなみに関東 TV 局 制作の
「丸亀製麺 Vs はなまるうどん頂上対決!」みたいな味音痴関東人
(定年間近の意義もない窓際退職狙いの 4 年にわたる関東幽閉期間
で重ね重ね感じました)が疑わず信じている世界を、当方のような
所帯をもって以来の半讃岐人 40 年弱は鼻で笑って見下ろしています。
事実、丸亀製麺 は香川県丸亀市にはありません。
(いつか出来るのか。もう出来たのか。とにかく発祥ではありません。)
存在するのは同名の老舗製麺所です。「資本力にあかせて関東圏内から
優れた競合業者を駆逐撤退させたのに飽き足らずテレビ CM 連発での
どんぶり屋風情が讃岐うどんを語るなよぉっ!!」というのが正直な
ところです。(一応香川発祥ではある はなまるうどんも「コシを出す
ために全麺にタピオカを入れてます」って….それは最近知ったのですが、
関東幽閉中の昔、勤務先の近くの品川シーサイド・フードコート店での
最初の一口でその強い偽物感を察知していました。)
こんなものを「頂上」と呼ぶなんて….としか思いません。唾棄ものです。
「味音痴ども」以外の表現しか思いつきません。

また脱線しました….(^^)。


ご覧いただきありがとうございます。



(2025/01/16 執筆)


いいなと思ったら応援しよう!