2つの静止画から1つの連続ショットへ：PixVerseのトランジション解説

1枚目の画像は閉じた宝石箱。同じ箱が開いて輝いている2枚目の画像。「生成」をクリックすれば、PixVerseがその間のすべてのフレームを埋めてくれる。これがPixVerse AI トランジションの仕組みのすべてだ。動画の開始点と終了点を確定し、モデルがその間の動きを構築する。

最後のフレームを固定できることで、どれだけ制御性が高まるか――それがわかれば、これは単なる目新しい機能ではない。通常の画像→動画では、写真を与えてもモデルが勝手に動いてしまう。しかしトランジション生成は「漂う」ことができない。必ず2枚目の画像に到達しなければならない。そのため、衣装チェンジ、シーン切り替え、製品披露、そしてショート動画で溢れかえる写真→アニメ調の変形において、最も制御しやすい手法となる。

重要なポイント

• PixVerse AI トランジション（最初と最後のフレーム機能）は、アップロードした2枚の画像の間を、テキストプロンプトの指示に従って動画として生成する。v3.5からV6、C1までのすべてのモデルが対応（PixVerse Platform Docs）。
• V6およびC1では、トランジションクリップの長さを1秒～15秒、1080pまで任意に設定可能。旧バージョンでは5秒、8秒、10秒に固定。
• 同じエンドポイントがAtlas Cloud上でStart-End-to-Videoとして提供されており、V6は$0.025/秒、C1は$0.030/秒から秒単位で課金。ウォーターマークなし。2026年7月時点で標準価格、割引はなし。
• PixVerseはC1を自社の言葉で「アニメ制作向け」と位置づけており、これによりトランジション＋アニメ風終了フレームの組み合わせは、信頼性の高いpixverse ai anime workflowとなる。

PixVerse AI トランジションとは？

PixVerseではこれを「トランジション（最初と最後のフレーム機能）」と呼ぶ。2枚の画像を用意する。最初の画像が動画の1フレーム目、2枚目の画像が最終フレームとなり、テキストプロンプトでその間の動作を記述する（トランジションドキュメント）。PixVerseアプリでは、作成パネル内に専用の「最初と最後のフレーム」モードとして存在する。

APIリファレンスを見れば、その対応範囲の広さがわかる。すべての世代のモデルがトランジションジョブを受け付けるが、バージョンごとに上限は大きく異なる。

再生時間と音声サポートのバージョン別対応（PixVerseトランジション生成APIリファレンスより、2026年7月24日取得）。

ショットを計画する前に、2つの制約を理解しておく必要がある。解像度は全バージョンで360p～1080p。また、トランジションジョブにはアスペクト比の設定はなく、出力は入力画像に従う。そのため、アップロード前に両方の静止画を最終的なアスペクト比にトリミングしておくこと。フレームのアスペクト比が不一致だと、歪んだ結果になる最短の道だ。

ネイティブプラットフォームのもう一つの癖：PixVerseの独自APIは、画像をアップロードエンドポイント経由でのみ受け付け、フォームデータ形式で送信する。ドキュメントには「URLベースの画像アップロードは現在サポートされていません」と明記されている。直接接続する場合は、フレームのペアごとにアップロードのラウンドトリップが発生することを覚えておこう。

Atlas CloudでPixVerseトランジションを実行する

アプリがトランジションを試す最も簡単な場所だが、無料エクスポートにはクレジット制限とウォーターマークが付く。Atlas Cloud は、PixVerseファミリー から同じ機能を、Start-End-to-Videoというメーター制APIエンドポイントとしてホストしており、V6とC1の両方のフレーバー、サブスクリプション不要、ウォーターマークなしで提供している。2つの方法がある。

方法1: PlaygroundでPixVerseトランジション

V6 Start-End-to-Video playground を開いてブラウザ上で実行する。開始画像と終了画像を追加（ここではプレーンなURLを受け付け、アップロードAPIの手間は不要）、プロンプトを書き、品質と時間を選び、実行を押す。デフォルト設定（5秒、720p、音声オン）の場合、1回あたり$0.30。

方法2: API経由でPixVerseトランジション

1. APIキーを取得する。 コンソールダッシュボードで作成し、コピーする。

2. APIドキュメントを確認する。 Atlas Cloud APIドキュメント には、エンドポイント、パラメータ、認証が1か所にまとめられている。

3. 最初のリクエストを送信する。 両方のフレームを含むジョブを送信する。

plaintextCopy
1curl -X POST https://api.atlascloud.ai/api/v1/model/generateVideo \
2  -H "Content-Type: application/json" \
3  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
4  -d '{
5    "model": "pixverse/v6/start-end-to-video",
6    "prompt": "The box lid lifts slowly, warm light spills out, the camera pushes in as sparkles rise",
7    "image": "https://example.com/box-closed.jpg",
8    "end_image": "https://example.com/box-open.jpg",
9    "duration": 5,
10    "quality": "720p",
11    "sound": true
12  }'

返されたprediction_idをポーリングして完了するまで待つ。

plaintextCopy
1curl https://api.atlascloud.ai/api/v1/model/prediction/<prediction_id> \
2  -H "Authorization: Bearer $ATLASCLOUD_API_KEY"

Atlas Cloudは、すべてのホストモデルで単一のAPIを実行する。同じキー、同じヘッダー、同じ送信・ポーリングループ。C1に切り替える場合も、次に登場するモデルに切り替える場合も、モデル文字列を変更するだけで、他は何も変える必要がない。

課金は出力の秒単位。両方のエンドポイントは、2026年7月時点で標準リスト価格で、アクティブな割引はない。

Atlas Cloud Start-End-to-Videoの価格。V6およびC1のモデルページで2026年7月24日に確認。C1はすべての階層でV6よりわずかに高い。

つまり、5秒の720p、音声なしのモーフィングは、V6で$0.225、C1で$0.25。最大の15秒1080p、音声ありのクリップはV6で$1.725。音声のデフォルトにも注意：Atlas Cloudでは音声をオフにしない限り有効になるが、PixVerseのネイティブAPIではデフォルトでオフ。コスト見積もりが高くなり続ける場合、そのトグルが原因であることが多い。

間の動きを導くPixVerseトランジションプロンプト

両方のエンドポイントが固定された今、方向づけできるのは遷移だけであり、その主役はプロンプトである。Atlas Cloud自身のエンドポイント向けガイダンスでは、中間の動きを明示的に記述するよう推奨しており、そのアドバイスは有効だ。曖昧なプロンプトではクロスフェードになり、具体的なプロンプトでは意図したショットになる。

PixVerseはプロンプトを5,000文字に制限しているが、誰もその長さは必要としない。有効なのは、動くもの、カメラの動き、ペースの3点をカバーする1～2文である。

PixVerseトランジションジョブのプロンプトパターン。それぞれが変化のメカニズムを指定しており、モデルはフレーム間をディゾルブするのではなく、その動きをアニメートする。

フレームの準備が半分の仕事を担う。両方の画像で被写体を同じような位置に保ち、照明を合わせれば、モーフィングは1回の連続テイクとして読める。照明や構図が衝突する2つのフレームを与えると、不自然なディゾルブになってしまう。

近い値が出たらシードを固定する。エンドポイントは固定シードを受け付けるので、気に入った動きをロックして、表現だけを繰り返し調整できる。

PixVerse AI アニメ動画ジェネレーター：写真からアニメへのモーフィング

これこそ、最後のフレームを固定することが最も効果を発揮するユースケースだ。実際の写真から同じ構図のアニメ版へのモーフィングは、トランジションジョブそのもの（実写フレームin、スタイライズドフレームout）である。

PixVerseはアニメへの方向性を明確にしている。C1のレビューで次のように明言している。「アニメ監督、マンガスタジオ、ショートドラマチーム、またはキャラクター同士が殴り合ったり、魔法を唱えたり、速く動いたりするコンテンツを制作するすべての人にとって、PixVerse C1はあなたのために作られています」（PixVerseブログ、2026年4月）。同じページで、C1はプロンプトと最初と最後のフレームを入力としてトランジションを受け付けることを確認している。アプリ側でも、テンプレートとして『キャプテン翼』コレクションなどのライセンスアニメIPを2026年7月26日まで提供しており、同じ方向性を示している。

クリーンなpixverse anime videoを作るワークフローには3つのアセットが必要だ。

1. ソース写真。最終的なアスペクト比にトリミングする。
2. その写真のアニメ風バージョン。任意の画像モデルで生成し、ポーズ、フレーミング、レイアウトをできるだけオリジナルに近づける。
3. スタイルの変化を動きとして記述したプロンプト（上の表の写真からアニメへの骨格を参照）。

トランジションエンドポイントで実行すると、モデルがスタイライゼーションがフレーム全体に広がっていく様子をアニメートする。2つの構図がきつく一致すればするほど、世界そのものが描き直されているように見える。

Atlas Cloud V6 Start-End-to-Videoエンドポイントで生成した実写→アニメのPixVerseトランジション。7秒、720p、音声オン、1回あたり$0.42。プロンプトは上の表の写真からアニメへの骨格に従っている。

チュートリアルでよく間違えられる点を一つ。現在のV6 APIにはスタイルパラメータはない。生成呼び出しでアニメトグルをオンにすることはできない。スタイルは完全に終了フレームとプロンプトに依存する。まさにこの理由から、トランジションルートが通常の画像→動画よりも優れている。画像→動画では言葉でしかアニメ方向に誘導できないが、pixverse ai anime video generatorワークフローをトランジションで構築すれば、モデルにターゲットスタイルの文字通りの絵を渡せる。クリップが戦闘、魔法効果、または高速なキャラクターの動きを含む場合はC1をV6より優先する。それがPixVerseがC1を構築したまさにその領域だからだ。

PixVerse マルチトランジションチェーン：最大7キーフレーム

2フレームで1つの瞬間ができる。シーケンスにはさらに多くのフレームが必要であり、そのためにPixVerseは別のマルチトランジション機能を提供している。2～7枚のキーフレームをチェーン状に並べ、最大30秒の1本の連続動画としてレンダリングし、全体を通してスタイルとキャラクターの一貫性を保つ。

チェーン内の各キーフレームには独自の持続時間とオプションのプロンプトがあり、画像ごとに動画をストーリーボード化できる。

マルチトランジションの制限はPixVerseプラットフォームドキュメントおよび生成APIリファレンスより、2026年7月24日取得。

最後の行をもう一度読んでほしい。マルチトランジションはv5までしか対応していない。最新モデルのV6とC1は単一の最初から最後へのトランジションのみを処理し、V6のドキュメントでもトランジションジョブはマルチクリップスイッチを使用できないと確認されている。したがって、現在のトレードオフは現実的だ。古いモデルで7つのキーフレームをチェーンするか、V6の品質で2フレームずつ処理してエディタでクリップをつなぎ合わせるか。ストーリーボード化されたアニメシーケンスの場合は、両方を組み合わせて、マルチトランジションで全体の流れを下書きし、主要なショットをC1で再生成することができる。

よくある質問

どのPixVerseモデルがトランジション生成をサポートしていますか？

すべてのモデルがサポートしています。トランジションAPIはv3.5、v4、v4.5、v5、v5.5、v5.6、V6、C1を受け付け、すべてのバージョンで360p～1080pが利用可能です。バージョン間の違いは再生時間の範囲と音声サポートであり、V6とC1が大きくリードしています。

PixVerseトランジション動画の最大長は？

V6またはC1で最大15秒、1080pを含むすべての解像度で可能です。1回の生成でさらに長い時間が必要な場合、マルチトランジションでは最大7キーフレーム、30秒まで可能ですが、v5世代モデル以前に限られます。

PixVerseは通常の写真をアニメ動画に変換できますか？

はい、トランジションが最もクリーンな方法です。構図を一致させたアニメ風コピーを用意し、元の写真を最初のフレーム、スタイライズドコピーを最後のフレームに設定し、変形をプロンプトで記述します。PixVerseはC1を特にアニメ・マンガ制作向けに販売しています。

PixVerseトランジションAIは音声を生成しますか？

v5.5以降では、ネイティブ音声スイッチを通じて生成します。旧バージョンでは効果音アドオンしか提供されません。Atlas Cloudでは音声を有効にすると、解像度に応じて1秒あたり$0.010～$0.025が追加されます。

Atlas Cloudではトランジション動画はテキスト→動画より高価ですか？

いいえ。Start-End-to-VideoはV6のテキスト→動画、画像→動画とまったく同じ秒単位の料金マトリクスで課金され、音声なしでは$0.025/秒からです。プロンプトだけではなく2フレームを提供しても追加料金はありません。

PixVerseトランジションの画像要件は？

Atlas Cloudの場合：PNG、JPEG、JPG、WebP、1画像あたり最大10MB、両方のフレームが必要です。PixVerseのネイティブAPIでは、各画像を最初にアップロードエンドポイントに送信する必要があります。どちらのルートを選ぶにしても、生成前に2つのフレームのアスペクト比を一致させてください。

まとめ

PixVerse AI トランジションは、動画生成における最大の不確実性を取り除く。最終フレームを自分で決め、モデルはそこにたどり着く方法だけを考えればよい。そのため、最終状態が交渉の余地がない場合、つまり製品が開かなければならない、衣装が変わらなければならない、写真がアニメにならなければならない、といった状況に最適なツールである。

まずはPlaygroundで1組のフレームとデフォルトの5秒ランから始めよう。フォーマットが決まったら、APIを使ってパイプライン化する。音声オフの5秒720pクリップ1回あたり$0.225。2枚の画像と1文は、まさにあなたが指定した場所で終わるショットに対しては、わずかな代償である。