錬金学総論(67) 目覚めて「はしろう……かな？」——台詞は言葉でなく、息・0.5秒の間・声量・語尾で書いた。パジャマのキャラシートを追加して7カット44.8秒に

2026年11月9日

(66)で洗面所から始まった走る女性の朝に、その前の「寝室で目を覚まして、走るか迷う」8秒を足した。初めて台詞を入れたカットで、言わせ方を言葉で書く試みになった。

完成7カット版。目覚め→洗面所→玄関→正面→横→顔→ドローン、44.75秒・672×928・音声つき

先に結論

パジャマ姿のキャラシートを別に作った。 走る女性と同じ参照写真から、パジャマ・髪を下ろした状態の正面・背面・側面と、顔の正面・横を1枚に。衣装が変わるカットは、衣装ごとのキャラシートで容姿を保つ。
台詞は「か弱く」とは書かず、息・間・声量・語尾で書いた。 発話前の小さな息、「はしろう」は息混じりの小声でやや引き伸ばす、約0.5秒の無音、「かな？」はさらに小さく、小さな上がり調子で消えるように、発話後に静けさを残す。
5秒版から8秒版へ。 5秒(00041・450.6秒)は眠り→目覚め→横向きまでで詰まった。8秒(00042・647.5秒)で台詞の前後に間が取れた。本人評価「8秒動画いい感じ」で採用。ただし尺と演技の指定を同時に変えたので、どちらが効いたかは分けない。
音声の評価はまだ。 抽出コマで動作と構図は確認したが、台詞・間・声色・口の同期は動画で聞いて確かめる段階。ここでは「指定した内容」と「本人評価」と「コマで確認した動作」を分けて書く。
7カット44.75秒。 顔アップは先頭3秒に短縮し、玄関は先頭6秒のまま。パジャマから運動着への着替えは描かず、目覚めと洗面所の間は時間を省略したカットつなぎ。

項目	値
生成	MiniMax H3 Ref2VA pruned int8 + ref2v turbo LoRA、10ステップ、seed固定、672×928、24fps、音声つき
参照	パジャマのキャラシート1枚(1536×1024)のみ。白動画なし
00041	5秒指定・124コマ=5.17秒、450.6秒
00042(採用)	8秒指定・192コマ、647.5秒
場面	日本のマンションの寝室。低いベッド、白い枕、淡い寝具。左のレースカーテンから朝の光
カメラ	ベッド脇・枕よりやや上から顔を見下ろす。顔のクローズアップから始め、横向きになるにつれて少し引いて顔・襟・肩を収める

区間	指定
0〜1.5秒	仰向けで眠っている。目は閉じ、唇は軽く閉じ、呼吸はゆっくり。髪は枕に広がる
1.5〜3秒	まぶたがゆっくり開く。ゆっくり1回まばたき。表情は眠そうなまま。体を動かす前に短い静止
3〜5秒	仰向けからカメラ側へ横向きに。頭・肩・上半身が一緒に回る。頬が枕に沈む。片手は胸の近くの寝具に
5〜8秒	眠そうに考える表情で間。小さく息を吐いてから「はしろう……かな？」。言い終えて、まだ迷ったまま横向きで終わる

抽出コマでは、冒頭は閉眼、1〜2秒付近で開眼、3〜5秒付近で横向きへ移り、終盤は枕に頭を落ち着けている。パジャマ姿と朝の寝室、顔を中心にした構図が成立している。

00042(採用・8秒)

00041(5秒版・比較用)

「まだ寝ていたいが、走れば気分が変わるかもしれない」という迷いを、本人は「か弱く」言ってほしかった。その形容をそのまま書く代わりに、音として聞こえるものに分解した。

要素	書いたこと
発話前	柔らかく短い息を吐いてから
「はしろう」	とても小さく、息混じりの、ほとんどささやき。力を抜いてやや引き伸ばし、自分で試すように
間	はっきり聞き取れる約0.5秒の無音。口は力を抜き、目が小さく動く
「かな？」	さらに小さく、小さな問いの上がり調子で、消えるように終わる
発話後	言い終えた後も短い静けさを残して終わる
声	眠気と小さな声量で柔らかくなった大人の女性の声。発音は柔らかく、言葉は聞き取れる
口	唇と顎は言葉に合わせて小さく動く。間の間は口の力を抜く

音の指定は「音声の設計(soundscape)」の欄にも同じ内容を書き、台詞は日本語の語だけ、声は本人の口から出て口の動きに一致する、周囲の音は小さな声が聞こえる程度に静かに、とした。

これは(60)の脹脛、(62)の首、(64)の道路と同じ型で、曖昧な形容を判断できる要素に置き換えている。今回は画面上の要素ではなく、音の要素に置き換えた。ただし、置き換えが音声としてどこまで再現されたかは、動画を聞いて確かめる段階で、ここでは結論にしない。

5秒版の生成中に再接続が起き、ログ末尾に割り込みの記録があって、ComfyUI本体が止まったことを確認した。メモリ不足の明示的な記録はなく、原因は特定していない。再起動後に5秒版00041が完走し、続けて8秒版00042を生成した。