料金を動かすもの
静止画では、料金は選んだサイズに付いています。どのサイズも同じ料金のモデルもあれば、段階的に上がるモデルもあり、後者が単一の金額ではなく「〜から」という金額を示すのはそのためです。クリップでは解像度が秒あたりの単価を決め、長さがそれに掛かります。高解像度の長いクリップは、下の段の短い下書きよりわずかに高いのではありません。高い単価を、指定した秒数すべてに払うことになります。
アスペクト比は料金に影響しません。変わるのはフレームの形で、請求額ではありません。参照画像は影響することがあります。一部の編集モデルは二枚目以降の一枚ごとに料金がかかり、その分は生成ボタンの金額に含まれます。
このページも含め、文章から予算を立てないでください。各モデルページには、サイズや解像度ごとのクレジット料金が並び、サーバーが課金に使う表からその場で読み込まれています。料金ページではカタログ全体を一覧できます。
あるモデルの段階は、別のモデルには当てはまりません。段階、比率、長さの範囲はすべてモデルごとです。
ショットは一番下の段で固める
まだ決まっていないことは、すべて安い段で確かめます。被写体が狙いどおりか、構図が成り立つか、言葉が届いたか、動画なら動作が指定した長さに収まるか。
ただし、安い段は高い段のプレビューではありません。SDXLの論文でPodellらは、学習画像の元のサイズでモデルを条件付けし、「the image quality clearly increases when conditioning on larger image sizes」（大きな画像サイズで条件付けると画質が明らかに上がる）と報告しています。これは条件付けの方式について記録された性質で、ここにあるモデルについての主張ではありません。低い下書きは、演出、構図、そしてプロンプトが書いたとおりに働いたかを見るためのものです。肌、手、遠くの顔、小さな文字は見ないでください。低い下書きが最も誤解を招くのはまさにそこだからです。動画では長さが二つ目のハンドルで、短い下書きなら全体の実行のごく一部の費用で「狙いのショットになっているか」に答えられます。残りの工程は静止画から動画へで扱っています。
再実行は描き直しではなく、新しい抽選
シード値が使える場合でも同じ数値が同じフレームを保証するわけではなく、シード値を宣言していないモデルには固定する手段がありません。そのため、同じプロンプトを高い段で再実行しても、見た画像が拡大されるのではなく、最初からやり直しになります。Hugging Face Diffusersの再現性のドキュメントは一般論から始まります。「Diffusion is a random process that generates a different output every time.」（拡散は毎回異なる出力を生むランダムな過程です）。シード値が使える場合についても、同じページは「can try to limit randomness, but it is not guaranteed even with an identical seed」（ランダムさを抑えることはできるが、同じシードでも保証はない）と注意しています。
だから下書きは、高い実行が単に大きくなるのではなく、違うものになって返ってくる前提で読み、段を上げても残ってほしいものは何かを考えます。言葉は再送するので残ります。構図もおおむね残ります。特定の顔、上着、部屋は言葉だけでは残りません。気に入ったのがそこなら、下書きそのものを入力として先に渡す必要があり、それが編集モデルの役割です。詳しくはキャラクターの一貫性を保つにあります。
段を上げる前に、プロンプトの編集は止めます。同じ実行で段を上げて書き直すと、期待外れの結果がどちらの変更によるものかわかりません。まずフィルターなしで書くプロンプトで言葉を固め、それから設定を動かしましょう。
長さと形はモデルが決める
長さはモデルごとの下限と上限を持つ範囲で、範囲外のリクエストは切り詰められずに、範囲を示したエラーで拒否されます。受け付ける長さに黙って短縮され、そのまま課金されたクリップは、再生するまで頼んだクリップと見分けがつきません。Wan 3.0はWan 3.0 Pro、Seedance 2.5とともにカタログで最も長いテイクに届き、MiniMax H3 Maxは上限が低めです。範囲はそれぞれのページにあります。
比率も両方向で同じように働きます。比率を提供するモデルは決まった選択肢から受け取り、提供しないモデルは比率付きのリクエストを、比率だけ捨てるのではなく断ります。比率を黙って無視されると、選んでいない形にお金を払うことになるからです。
この制約はポリシーではなく学習から来ています。SDXLの論文は、アスペクト比ごとのバケットを導入した動機として「real-world datasets include images of widely varying sizes and aspect-ratios」（実世界のデータセットには大きさもアスペクト比もさまざまな画像が含まれる）ことを挙げており、モデルは学習した形の内側で最も予測しやすくふるまいます。あとでトリミングして合わせるつもりでいるより、必要な形を最初から作れるモデルをカタログから選びましょう。
拒否されるとき、課金されるとき
拒否されたリクエストに費用はかかりません。検証はクレジットが引かれる前に行われるからです。未知のサイズ、範囲外の長さ、比率を提供しないモデルへの比率、参照の不足や不要な参照。どれもパラメーター名を示すエラーで返り、残高は変わりません。クレジットは実行開始時に引かれ、その後失敗すれば自動で返還されます。ステータスコードと精算のルールはコードからAPIを呼び出すにあります。
残すと決めた実行はダウンロードしましょう。スクリプトで動かす場合は、サイズ、解像度、比率、長さの範囲をソース内の定数ではなくカタログから取得すれば、Vellria側の変更が拒否ではなく新しい値として届きます。一つの段階ではなくバリエーションの格子全体を試すなら、コンセプトアートを参照してください。
