ブロックを積んで1枚の画像を動かし、WebM動画として書き出す。処理はすべてブラウザ内
写真は止まっています。けれども、ゆっくり上下に揺らす・わずかに拡大縮小する・カメラが横に流れる、といった小さな動きを付けるだけで、同じ1枚が映像として見えるようになります。SNSの投稿やサムネイル、資料の表紙で使われている「動く静止画」はこの考えかたで作られています。
Movo Blocks は、その動きをブロックを積む形で組み立てるツールです。数値の意味が分からなくても、「上下に浮遊」「呼吸する」「手ぶれ」のようなブロックを並べて数字をいじれば、その場でプレビューに反映されます。組み上がったら WebM 動画として書き出せます。
1枚の写真から、どこが手前でどこが奥かを推定して濃淡の画像（深度マップ）を作ります。手前が明るく、奥が暗い白黒画像です。これがあると「奥行きパララックス」ブロックが使えるようになり、カメラが動いたときに手前のものほど大きく動くという自然な見えかたを作れます。ここで使っているのは Depth Anything V2 の小型モデルです。
写真から主役だけを切り抜きます。切り抜いた前景を背景よりわずかに大きく・少し遅らせて動かすと、平らな写真が2枚重ねの舞台のように見えます。「奥行きから2.5Dシーンを作る」ブロックを置くと、この分離をより強く効かせます。
どちらもボタンを押したときだけ実行します。ブロックを置いただけでは走りません。モデルは数十MB規模あり、ブロックを1個ドラッグしただけで大きなダウンロードが始まるのは、回線を勝手に使うことになるからです。
読み込んだ画像はブラウザの外に出ません。奥行きの推定も背景の除去も、お使いの端末のGPU（WebGPU対応時）またはCPU（WASM）で実行され、書き出した動画もそのまま端末に保存されます。サーバーへの送信も保存も行いません。
ただしAIモデルの重みファイルは、初回に配布元（Hugging Face の CDN）からダウンロードされます。したがって初回はネットワーク接続が必要です。2回目以降はブラウザのキャッシュから読まれます。「画像を送らない」ことと「一切通信しない」ことは違うので、区別して書いています。
書き出しは MediaRecorder で WebM（VP9 または VP8）として保存します。実時間の録画にすると、描画が重い端末ではコマが落ちて動画が間延びします。そこで対応ブラウザでは1コマずつ描いて確定させる方式（captureStream(0) と requestFrame）を使い、指定した長さ・フレームレートどおりに書き出します。この方式に未対応のブラウザでは実時間録画に切り替わります。
手ぶれのような不規則な動きにも乱数を使っていません。同じ時刻には必ず同じ値になる疑似ノイズを使っているので、プレビューと書き出しの絵が一致し、書き出しをやり直しても同じ結果になります。
編集中のブロックは自動的にブラウザに保存され、次に開いたときに復元されます。「プログラムを保存」を押すと JSON ファイルとして書き出せるので、別の端末へ持っていったり、複数の構成を使い分けたりできます。画像そのものはファイルに含まれません（保存されるのは動きの組み立てだけです）。
このツールは動画CLIの Movo と同じ「1枚の素材から映像を作る」考えかたを、ブラウザ上のブロックプログラミングに置き換えたものです。
いいえ。読み込んだ画像はブラウザの外に出ません。奥行きの推定も背景の除去もお使いの端末の中で実行され、書き出した動画もそのままお使いの端末に保存されます。ただしAIモデルの重みファイル自体は、初回に配布元（Hugging Face）からダウンロードされます。画像を送らないことと、通信が一切ないことは別なので、初回はネットワーク接続が必要です。
初回はモデルのダウンロードが入るため、回線によって数十秒から数分かかります。ダウンロードはブラウザにキャッシュされるため、2回目以降は数秒程度です。WebGPUに対応したブラウザではGPUを使い、対応していない場合はWASM（CPU）で動きます。CPUでは推論に時間がかかり、端末によっては数十秒かかることがあります。
ブロックは「開始したとき」から下へ繋がっているものだけが実行されます。離れて置かれたブロックは動きません。また「◯秒待つ」より下のブロックは、その秒数が過ぎてから効きはじめます。待ちの合計が動画の長さを超えると、そこから下は一度も実行されません。どちらの場合も画面下部に注意書きが出ます。