動作を失わずに横長ポートレートを縦型AI動画にする方法

横長ポートレートを縦型AI動画にするには、まず使える9:16の静止画を作り、その後で動画化します。動画モデルが動かすのは渡されたフレームです。切り抜きで消えた手は、そのフレームにはありません。人物全体と動作が狭い範囲に収まるなら切り抜き、足りない部分が背景なら拡張し、ポーズ自体が横に広すぎるなら構図を作り直します。

このガイドは静止画から始めます。既存の横長動画に対して、SpicyAPIにはリフレームや動画のアウトペインティングのタスクがありません。編集ソフトの追従する切り抜きや位置のキーフレームで人物を追うか、画面全体が重要で映像が小さくなってもよい場合は余白の帯を入れて収めてください。静止画を拡張しても、動画の全フレームが拡張されるわけではありません。縦型の動画として作り直すには、元の動画から鮮明なフレームを取り出し、方法1、2、3のいずれかを適用して再び動画化します。得られるのは新しいクリップで、元の動作そのものではありません。

切り抜きで失われる範囲を確認する

16:9の画像を高さをすべて残して9:16に切り抜くと、残るのは元の幅の31.64%だけです。3840 × 2160の元画像なら切り抜き枠は1215 × 2160、1920 × 1080の元画像なら608 × 1080になります。

書き出しサイズより、枠をどこに置くかが重要です。暗い色のジャケットを着た人物が片腕を椅子に置いている場合、顔を中心に切り抜くと顔は残りますが、その手は消えます。枠を椅子側に動かすと手は残る一方、反対側が失われます。これは解像度ではなく、ポーズの問題です。

撮影計画の説明図：顔を中心に切り抜くと伸ばした手が消えます。動作を胴体の近くに配置し直すと画面に収まります。

元画像を画像編集ソフトで開き、切り抜き比率9:16を選び、適用前に枠を動かします。動作全体を枠内に収めてください。顔を向ける動作なら頭、肩、視線の先の余白、袖口を整える動作なら両肘と、上げた手および下ろした手が必要です。一緒に収まらない場合は切り抜かず、別の方法を使います。

方法1：中央にまとまったポーズを切り抜く

腕を体の近くに置いて立っている、架空の成人の画像を切り抜きます。体に合ったジャケットやロングコートは、広げた腕や横幅のある座り姿より狭く収まります。切り抜きは、既存のどのピクセルを残すかを選ぶだけです。

3840 × 2160の画像の場合：

1. 切り抜きを1215 × 2160ピクセルに設定し、縦方向のオフセットをゼロにします。
2. 人物と手の動く経路が入るまで横にずらします。中央の切り抜きは、左端から約1312ピクセルの位置から始まります。
3. 切り抜きを適用して保存します。H3のタスクは、各辺256〜5760 px、比率2:5〜5:2を受け付けるため、保存したファイルのサイズ変更は不要です。出力サイズは動画側の解像度設定で決まります。
4. 保存したファイルで髪、手首、足を確認します。

1920 × 1080の元画像では余裕が少なくなります。608 × 1080の枠は768pの最初のフレームには十分ですが、1080 × 1920に拡大すると各ピクセルを1.78倍に引き伸ばすだけで、細部は増えません。

枠は中央からずらしてもかまいません。人物が右を向くなら、顔を中央にして肘を切るより、右側に余白を多く残します。

方法2：使えるポーズの周囲に背景を広げる

拡張では画像全体を残し、周囲に新しい風景を描きます。体とポーズはすでに適切でも、頭上や床の余白が足りない場合に選んでください。元画像に一度も写っていない手を修復することはできません。その部分の人体をツールが作り出す必要があります。

先に寸法の関係を確認します。Image Expanderは元画像全体を切り抜いたり引き伸ばしたりせず縦長の枠に入れます。そのため、16:9の元画像が占めるのは9:16の高さの約32%で、残りの68%をモデルが生成します。ポーズは出発点として維持されますが、画像自体は描き直されるため、顔、手、服を元画像と比べてください。また、大部分が生成された画面の中で人物は小さくなります。結果は864 × 1536で返るため、大きな元画像は縮小されます。動作が4:5の枠に収まるなら、先に4:5に切り抜いてから拡張してください。元画像が高さの約70%を占め、生成する面積が大幅に減ります。

元画像をアップロードし、9:16とPNGを選びます。このタスクにはプロンプト、マスク、配置の指定がないため、結果で人物がどこに置かれるかを確認してください。モデルページの1280 × 720のテラスの例では、下半身、手、ドレスが新しく描かれています。

元画像、1280 × 720：クリーム色のベルト付きの服を着た人物の腰から上のテラスポートレート。石の手すり、レモンの木、海が写っています。

Image Expander、864 × 1536：下半身、スカート、手、タイルの床を新しく描き、上の空も増えています。場面は元画像に似ていますが、残された領域も描き直されています。

Playgroundで試してください。 Image Expanderページを開き、PlaygroundタブのForm表示を使います。実行するにはログインしてください。

1. Input imageで横長のファイルを追加します（JPG、PNG、WebP、最大10 MB）。
2. Aspect ratioを9:16にし、Output formatはPNGのままにします。
3. 見積もりを確認し、Run modelを押します。動画化に送る前に結果を確認してください。

Playgroundでうまくいった設定を自動化するには、Python SDKで実行します。

import uuid

from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY
task = client.create_task(
    model="spicyapi/image-expander-v1/edit",
    input_data={
        "image_url": "https://YOUR-ASSET-HOST/landscape-adult-portrait.png",
        "aspect_ratio": "9:16",
        "output_format": "png",
    },
    idempotency_key=str(uuid.uuid4()),  # new key per new request; reuse only to retry the same one
)
final = client.wait_for_terminal(task["taskId"])
print(output_assets(final)[0]["url"])

タスクのフィールドと結果については、タスクのドキュメントで説明しています。

Agentに実行させることもできます。inputオブジェクトをinput.jsonとして保存します。CLIは料金を表示し、有料呼び出しの前に確認を求めます：spicyapi tasks create --model spicyapi/image-expander-v1/edit --input-file input.json --wait（CLIドキュメント）。MCPサーバーは同じ呼び出しをspicyapi_task_createとして提供し、npx skills add spicyapi-ai/spicy-skillでAgent Skillをインストールできます。配置や比率をさらに検討するには、画像のアウトペインティングガイドを参照してください。

概念図：引き伸ばすと人物が変形し、拡張すると背景の面積が増えます。実際の16:9の元画像は、上の比較と同じく高さの約3分の1しか占めません。

残された顔と体を元画像と比べ、新しい床、家具、壁の線を確認します。人物が変わっていれば、比率が正しいだけでは使えるフレームになりません。成人向けポートレートでは、切り抜きまたは方法3を使ってください。Qwen Image 2.1 editとZ-Imageはコンテンツフィルターなしで動作します。

方法3：縦長の画面に合う構図を作り直す

腕を広げている、脚が横に伸びている、隣に椅子があるなど、被写体が幅いっぱいに広がる場合は構図を作り直します。切り抜き枠を動かしても、これらの位置関係は修正できません。

同じ人物を維持するにはQwen Image 2.1 editを使います。横長の元画像を受け取り、後で切り抜く代わりに9:16で構図を作ります。1kの料金は$0.036です。例：

Recompose the supplied photo as a vertical 9:16 full-length portrait of the same person. Keep the face, hair, navy jacket and trousers unchanged. Both arms rest close to the torso with both hands visible beside the hips. Entire head and both shoes inside the frame, clear floor below the shoes and space above the hair. Plain studio background, natural soft light, realistic proportions, no text or logos.

Aspect ratioを9:16、Resolutionを1kにし、Prompt expansionをオフにして、この正確な指示が書き換えられないようにします。紺色のジャケットとズボンを実際の服装に置き換え、動画化前に顔を元画像と比較してください。

新しいキャラクターでもよければ、Z-Imageはプロンプト拡張をオフにして画像あたり$0.010で直接9:16を生成します。

Full-length editorial photograph of one fictional adult wearing a navy jacket, straight dark trousers and black shoes, standing in a simple studio. Vertical 9:16 composition. Both arms rest close to the torso, both hands visible beside the hips. Entire head and both shoes inside the frame, with clear floor below the shoes and space above the hair. The person stands slightly left of center, leaving room on the right for a small head turn. Plain warm gray background, natural soft light, realistic proportions, no text or logos.

Aspect ratioを9:16にし、Prompt expansionをオフにします。腰から上の画面で袖口を整える場合は、"full-length"と靴に関する指示を"waist-up, both elbows and the complete hand movement area visible."に置き換えます。全身とクローズアップの構図を同時に要求しないでください。

撮影計画の説明図：予定する切り抜き内に頭、手、靴が入るか確認します。ガイドは配置を示すもので、正確な書き出し寸法ではありません。

全身のフレームでは靴の下に余白を残します。立ち方が少し変わるだけで、一番下の位置も動くためです。腰から上のショットでは、その余裕を手に使います。

準備した静止画から短いクリップを作る

H3 image to videoを開き、完成した縦長の静止画をアップロードし、5秒に設定します。既定の解像度は768pで、クリップ料金は$0.185です（480pは提供終了）。H3にはアスペクト比のフィールドがなく、最初のフレームの形を引き継ぐため、横長画像を送ると横長動画になります。コンテンツフィルターなしで動作し、映像と同時に音も生成します。

One continuous five-second shot beginning from the supplied vertical image. The same fictional adult slowly turns their head a little toward the open space on the right, then holds. Their body stays in place and both hands remain beside the hips. Keep the whole head and both shoes in frame. Locked camera, unchanged framing, no zoom, pan, cut or walking.

このプロンプトをH3 image to videoで実行 →

袖口のショットでは、小さく袖口を整える動作を指定し、両肘を画面に残します。カメラに向かって歩く動作は避けてください。人物の大きさが変わり、確保した頭と足の余白を使い切ってしまいます。

768pで1回試す場合の合計：無料の切り抜き後は$0.185、拡張後は$0.209、Qwenで構図を作り直した後は$0.221、Z-Imageの静止画からは$0.195です。

横長写真が人物の外見を指定するためだけなら、静止画の準備を省略できます。H3 reference to videoは1枚から9枚の参照画像と9:16のアスペクト比を受け付け、縦型動画を生成します。参照画像1枚を使う5秒の768pクリップの見積もりは$0.1918です。この場合、横長写真は参照であり、正確な最初のフレームではありません。構図を一致させる必要があるときは静止画を使う方法を選んでください。

問題が起きた段階で修正する

公開先のアプリで、実際の重ね表示を含めてプレビューします。上部のタイトルや下部付近のボタンにより、使える範囲は何も重ねていない9:16のキャンバスより狭くなります。

レイアウトの説明図：同じポートレートでも、キャプションの位置によって袖口を整える動作が隠れたり見えたりします。

動作が収まるなら切り抜き、足りないのが背景だけなら拡張し、ポーズが横に広すぎるなら構図を作り直します。その後、小さな動作を1つ動画化します。