AI UGC商品動画：デモを設計し、商品ディテールを守る

2本の短いアニメーションカットと1枚の本物の商品ディテール写真から、12秒のAI UGC風商品動画を作ります。 Qwen Image 2.1 Edit で商品と登場人物を並べて配置し、そのフレームを承認してから、Seedance 2.5 image-to-video でアニメーション化します。売っている商品の機能（ここではファスナー）は実写の写真のままです。購入者が確かめる細部ほど、モデルがずれる可能性があるためです。この例のモデルにかかる費用は約 $2.89、やり直しの1回あたりの費用は、数セント（スチル）か、720pの5秒クリップで約 $1.39 です。

例の登場人物は Lena です。濃紺のジャンパースーツを着た架空の成人女性で、マスタード色のハンドル2本と外側のジップポケット1つが付いたクリーム色のキャンバストートを持っています。自社の商品に差し替えてください。

12秒のカットとコスト

主張は最初の数秒に置き、1 カットでそれを証明させましょう。TikTok のクリエイティブガイド は、最初の 6 秒以内のフック、720p 以上の縦位置 9:16 フレーム、デモ後の明確な行動喚起を求めています。広告に行動喚起が必要なら、締めの文を入れ替えてください（「トートを買う」）。商品ページで裏付けられることだけを話してください。防水性、容量、重さ、耐久性の主張は避けてください。

再試行分は見込んで計画してください。まず 480p でクリップをプレビューし（1 秒あたり $0.1234。最短の 4 秒は $0.4936）、動きを確認します。720p のレンダリングはプレビューを拡大したものではなく新しい生成なので、こちらにも再試行が必要になることがあります。1080p は 1 秒あたり $0.6823（5 秒で $3.41）。すでに鮮明なフレームにだけ使ってください。現実的な上限は、480p のプレビュー、720p の採用カット、各カット 1 回の 720p 再試行で、$0.49 + $1.39 + $1.39 = 1 カットあたり約 $3.27、2 本のクリップで $6.53、さらにポートレートとスチル 2 枚で約 $0.12 です。プレビューを省いてカットごとに 3 回まで 720p で試すと $8.32 かかります。

登場人物を追加する前に商品の見せ方を準備する

両方のハンドル、外側のポケット、全体の比率が写った、商品正面の写真を使います。中央のカット用に、ファスナーのクローズアップを別で用意します。商品に厳密なロゴや必須のパッケージ文言がある場合は、モデルに書き直させるのではなく、最終合成で元のピクセルを残してください。

実在の人物の写真から作った登場人物は、顔が特定できる場合、Seedance 自身の入力チェックで拒否されることがあります。架空またはライセンス済みのポートレートを使い、顔を揃えるためすべてのカットで同じポートレートを使います。作り方は、Qwen Image 2.1 text-to-image（1 回 $0.024、1k、9:16）で登場人物を説明し、1 フレームを承認して再利用します。承認したポートレートと商品写真は、再送できる場所に保存してください。アップロードと結果は有効期限が切れます（アップロードと保持の制限を参照）。生成ファイルは約 14 日後に削除されます。

Playground で試す。 Qwen Image 2.1 Edit を開き、Playground タブの Form ビューで操作します。実行するには残高のあるアカウントでサインインします。

1. Images で、Add a file を使って、まず Lena の承認済みポートレート、次に商品写真を追加します。Picture 1 と Picture 2 になります。
2. 下の指示文を Prompt に貼り付けます。Qwen は自分で役割を割り当てないため、どの画像が何を表すかをプロンプトで明示する必要があります。
3. Aspect ratio を 9:16、Resolution を 1k に設定します。Advanced parameters で Output format を PNG にして、Prompt expansion をオフにします（1k と 2k で利用できます）。
4. モデルを実行し、アニメーション化する前にフレームを承認します。

この指示文をコピーするか、すでに指示文を入力した状態で Playground を開く:

Picture 1 supplies Lena, a fictional adult woman with short dark hair wearing a closed navy jumpsuit. Picture 2 supplies the cream canvas tote with exactly two mustard handles and one external zip pocket. Show Lena standing in a bright apartment entryway, holding both tote handles together in her right hand at hip height. The tote front faces the camera, with its pocket visible. Keep the product's proportions, handle colour and closure design. Vertical medium-full composition, soft daylight, natural expression, no added text.

2 枚目のオープニングフレームでは、持ち方の指示だけを変更してください。

Show the same adult presenter with the same tote hanging from her right shoulder, both mustard handles together over that shoulder. Her right hand rests lightly on the handles. She stands beside the doorway, facing slightly toward the camera. Keep the bag front and external pocket visible.

Seedance に送るスチルは、各辺が 300 から 6000 ピクセルで、10 MB 未満である必要があります。小さい画像は課金される前に拒否されます。アニメーション化する前に、各スチルを確認してください。ハンドルの本数を数え、ポケットの位置を見つけ、色を写真と比較します。誤ったスチルを入れ替えるのは $0.048、誤ったクリップは $1.39 かかります。Qwen が最後まで別のポケットを作り続ける場合は、登場人物と背景の合成画像に、元の商品カットアウトを貼ってください。

商品のイラスト。2 本のハンドルと外側のジップポケットは残すべきデザインの事実です。実在する商品の写真ではありません。

カットごとに小さな動きを 1 つだけアニメートする

Playground で試す。 Playground タブの Form ビューで Seedance 2.5 image-to-video を開きます。

1. Input image に、最初の承認済みフレームを追加します。Aspect ratio は入力画像に合わせて固定されるため、先に 9:16 でトリミングまたは生成してください。
2. 下のクリップのプロンプトを Prompt に貼り付けます。
3. Resolution を 720p、Duration を 5 にして、Generate audio をオフにします。Duration は 4 秒から 30 秒までです。長いカットほどずれが大きくなるので、1 本の長いカットより短いカットを数本撮るほうが、商品をより安定して保持できます。
4. モデルを実行し、次のクリップを作る前に、1 つ目をよく確認します。

最初のクリップ（プロンプトを入力した状態で開く):

The adult presenter gently raises the tote a few centimetres by its two handles, then holds it still at hip height. Her gaze moves briefly toward the camera. The cream canvas body, two mustard handles and external zip pocket keep their existing design. The bag does not rotate away from the viewer. Locked camera, subtle natural body movement, no text.

ドア前のクリップ:

The adult presenter stands beside the doorway with the tote already on her right shoulder. She shifts her weight slightly and gives a small relaxed smile toward the camera. The tote remains on the same shoulder with both handles together. No walking, no putting on the bag, no pocket opening. Locked camera, no text.

「バッグを肩に掛けて、ジップを閉めて、歩いて出て、笑う」は 1 本の短いクリップには多すぎます。最初からバッグを肩に掛けておけば、いちばん難しい持ち替えの瞬間がなくなります。このカットでは、肩にバッグを掛けた承認済みのスチルをドア前のクリップの image_url として使います。最初のクリップは、腰の高さで終わります。同じ終了状態から続ける場合にのみ、return_last_frame を使ってそのフレームを次のオープニングフレームとして送ってください。

クリップをスクリプトで生成する場合は、スチル 1 枚につき 1 回の呼び出しを行います（ローカルのスチルは先に spicyapi files upload <path> でアップロードされ、image_url 用の spicy:// リンクが返ります）。画像から動画へのガイドと CLI のドキュメント を参照してください。

spicyapi tasks create --model bytedance/seedance-2.5/image-to-video \
  --input-json '{"image_url":"https://example.com/lena-tote.png","prompt":"The adult presenter stands beside the doorway with the tote already on her right shoulder. She gives a small relaxed smile toward the camera. Locked camera, no text.","duration_seconds":5,"resolution":"720p","generate_audio":false}' \
  --wait

エージェントに実行させることもできます。CLI、MCP サーバー（spicyapi_upload_file の次に spicyapi_task_create。価格の確認のためそこで停止します）、または Skill（npx skills add spicyapi-ai/spicy-skill）のいずれかを渡します。これらはフィールドを推測せず、現在のモデルスキーマを読みます。

カットを組み立てる

5 秒のクリップを 4 秒にトリミングし、その間にファスナーのスチルを入れ、音声ナレーションと音のレイヤーを足し、9:16、720p 以上で書き出してください。フックを試すには、最初の 4 秒だけを変え、商品を映すカットは同一のままにした 3〜5 バージョンを作ります。

本物の写真で商品ディテールのカットを作る

ファスナーのクローズアップを 2 本のクリップの間に配置します。4 秒間固定し、留め具を切り取らないようなゆっくりしたエディタの移動で見せ、機能の字幕を編集可能なテキストとして追加します。合成されたクローズアップだと、商品にないプルタブまで出てしまいます。

セールスポイントが実際のファスナーの開閉にある場合は、固定したスチルを、実物のバッグのジップを開ける短いスマホ撮影に差し替えます。ポケットと手元を絞った構図で、同じナレーションを重ねます。スチルはポケットの位置を示すだけですが、実際に動く仕組みが分かるのは実写映像だけです。

音声、音、字幕を加える

• ナレーション、登場人物は無言（上記の版）：generate_audio はオフのまま、音声ナレーションは自分で録音するか音声合成モデルで生成し、12 秒に合わせて配置し、3 カットすべての下に続けて音楽または室内音のレイヤーを 1 本置きます。ナレーションの間は音楽の音量を下げます。こうすると各クリップで室内音が微妙に変わる問題も避けられます。
• 登場人物がカメラに向かって喋る：generate_audio をオンにし、その台詞をプロンプトの中で台詞と環境音の行に分けて書きます。Seedance 2.5 は画に同期した声を生成します。5 秒のクリップごとに、話す行は短い 1 文に収め、喋っている間はバッグを動かさないでください。気に入ったクリップの言葉を後から変えるには、リップシンクのワークフローを参照してください。
• 字幕：エディタでテキストとして追加し、商品に重ならないようにし、画面下部の UI 領域も避けてください。TikTok のガイドは、画面上のテキストを 1 秒あたり 5〜10 語程度としています。生成された文字だと商品名を誤って綴ることがあります。

まずプラットフォーム自身の AI ラベルを使います。例えば TikTok の広告ポリシーでは、AIGC ラベルを付けるか、明確な注意書き・キャプション・透かし・スタンプのいずれかを自分で加えれば、AI で完全に生成した広告内容を許可しています。ルールはプラットフォームと国によって異なります。watermark: true はさらに映像を AI 生成として示します。台本に「これは自分が買ったもの」とは書かず、個人の成果を説明しないでください。登場人物は架空であり、ナレーションは商品を説明する必要があります。

このワークフローに向いている商品

複数の角度から見える商品については、reference-to-video が最大 30 枚の参照画像を受け付け、参照クリップを渡さない場合は image-to-video と同じ価格です（720p で 1 秒あたり $0.2773）。最初のフレームの設定がないため、オープニングフレームを事前に承認することはできません。複数の面には reference-to-video、厳密な最初のフレームには image-to-video を使ってください。同じ写真からの静的な広告レイアウトについては 商品写真から広告クリエイティブへを、Seedance のプロンプトの書き方については Seedance 2.0 プロンプトガイドを参照してください。

よくある失敗を直す

各クリップを最初のフレーム、手が触れる瞬間、最後のフレームで確認し、ハンドルの本数、ポケットの位置、色、ロゴを写真と比べてください。アニメーションは持ち歩きを見せ、本物のクローズアップは機能を見せます。