(72)で「雰囲気は合った、順序は崩れた」と書いた帰宅の12秒を、玄関8秒とソファ8秒に分けて作り直した。4回目で採用。直したのは動作の書き方だけではなく、参照に渡すものを人物1枚から5枚に増やしたこと。走る女性は帰宅から始まる10カット65.75秒になった。
先に結論
- 採用版は玄関8秒(00048)とソファ8秒(00051)。 本人評価はどちらも「いい感じ」。NGの00044から数えて、玄関は3本(00045→00046→00048)、ソファは2本(00050→00051)で採用。
- 参照を1枚から5枚にした。 ①キャラシート(人物) ②トートの設定画(持ち物) ③Blenderで作った部屋のカメラ画像(間取り・カメラ・家具の位置) ④ソファの設定画(形・材質) ⑤テーブルの設定画。役割をプロンプトに書き分けた。
- 間取りはBlenderで1LDKを1つ作って共通にした。 玄関・廊下・洗面所・寝室・リビングを6m×8mに収め、6台のカメラを置く。カットごとに扉や部屋が変わる問題への手当て。ただし今回つないだ洗面所・朝の玄関・寝室は以前の背景で作ったままで、全カットが揃ったわけではない。
- 家具は背景とは別に設定画で指定する。 Blenderの簡易ソファをそのまま参照すると現実味のない家具になった(00050)。写真をもとにソファとテーブルの設定画を作り、「背景は配置とカメラ、設定画は形と材質」と優先関係を書いた00051で、木枠・脚・天板の形が具体的になった。
- 靴は「履いている」から書く。 開始時点で両足に履き、床は空。片足ずつ抜いて着用2→着用1+床1→床2と追跡。00045で別の一足が床にあり、00046で左右が逆、00048で解消。
- 疲れは動作の緩急で書く。 「慎重にバッグを置き、ゆっくり体を預ける」では落ち着いた演技になったので、短く低くバッグを放る→体を重く倒す→最後は動かず呼吸する、と時間配分で書いた。
- 残る差も記録する。 最終姿勢はうつ伏せでなく横向き。バッグの口が開いて見える。冒頭に頭の上が切れるコマ。靴音の修正(ストッキングとラグの擦れ音に書き換え)は音を聴いて評価する前。
作り直しの経過
| 番号 | カット | 尺 | 参照 | 時間 | 本人評価・結果 |
|---|---|---|---|---|---|
| 00044 | 帰宅→ソファ | 12.25秒 | キャラシート1 | 1031秒 | 「いい感じ」だがNG。廊下なし・靴が先に脱げている・扉 ((72)) |
| 00045 | 玄関のみ | 5.17秒 | キャラシート1 | — | 廊下側の構図は改善。履いている靴とは別の一足が床にある。脱ぎ方が不自然 |
| 00046 | 玄関 | 5.17秒(本文は8秒配分) | キャラシート1 | 448.1秒 | 「靴はちゃんと脱いでいるが、そろえ方が左右逆」。UIの尺を変えないと本文に8秒と書いても5秒のまま |
| 00048 | 玄関(採用) | 8秒 | キャラシート+トート+Blender玄関 | 736.7秒 | 別の一足なし。トートを左肩に保って入室、片足ずつ脱靴、室内へ |
| 00050 | ソファ | 8秒 | キャラシート+トート+Blenderリビング | 677.3秒 | 「いい感じ」。ただし室内なのに靴のコツコツ音、ソファの造形が現実離れ |
| 00051 | ソファ(採用) | 8秒 | キャラシート+トート+Blender背景+ソファ設定画+テーブル設定画 | 752.9秒 | 木枠・木脚のソファと細い脚のテーブルに。最終姿勢は横向き寄り |
全部Ref2VA int8+Turbo 8step LoRA、10ステップ、672×928、RTX 5060 Ti 16GB、白動画なし。8秒1本が11〜12分半。
参照5枚の役割分担
| 順 | 参照 | 担当 | 作り方 |
|---|---|---|---|
| 1 | キャラシート(ベージュのスーツ) | 顔・髪・体形・服 | 走る女性のキャラシートの顔に寄せて、全身3面+顔2面の5ビューを画像生成で作成 |
| 2 | トートの設定画 | バッグの形・色・肩紐・素材 | 「仕事帰りに手ぶらは不自然」から、PCとA4が入るブルーグレーの通勤トートを5ビューで |
| 3 | Blenderのカメラ画像 | 間取り・カメラ位置・窓・床・家具の位置 | 1LDKモデルの6台のカメラから、そのカットの1枚だけ |
| 4 | ソファの設定画 | ソファの形・布地・木枠・脚 | 手持ちの写真をもとに4ビュー。見えない面は生成の補完 |
| 5 | テーブルの設定画 | 天板の木目・色・矩形・細い4本脚 | 同上。小物は除いて形だけに |
プロンプトには「Picture 3は配置とカメラ、Picture 4・5は家具そのものの形と材質を優先」と書いた。背景画像の簡易家具と設定画の家具が競合するからで、設定画に複数ビューがあるのは同じ1個を示すためで、複数個置く指定ではないとも書いた。
Blenderで間取りを1つにする
(64)〜(72)の室内カットは、玄関・洗面所・寝室がカットごとに別の部屋に見えていた。そこで玄関扉・下駄箱・廊下・洗面所への開口・リビングとソファ・寝室を1つの1LDK(6m×8m、天井2.5m、玄関から約2.5mの廊下)にまとめ、6台のカメラ(廊下から玄関、洗面台、ソファ、寝室、玄関側からリビング、上面図)を置いた。既存の00046の玄関、00040の鏡と洗面台、00042の白い寝具、00044のグレーのソファを参考に配置し、矛盾する部分は整理した。
使い方は、Picture 1に人物、Picture 2にそのカットのカメラ画像1枚。6枚を同時に入れない。モデルは撮影の位置関係を決めるたたき台で、設計図ではない。背景を指定しても窓や細部は生成側が変えるので、完全な固定にはならない。
直したことと、直す前
| 問題 | 直す前 | 直した書き方 |
|---|---|---|
| 靴が増える | 「靴を脱ぐ」とだけ | 開始時点で両足に履き、床は空のタイル。同じ2個を着用2→着用1+床1→床2と追跡。右足→左足の順で、抜いた靴はその場に残す |
| 尺が足りず動作が省かれる | 5秒に入室・脱靴・ため息・歩き出し | 8秒に。UIのDurationも8に変える(本文だけ8秒と書いても5秒のまま) |
| 手ぶらで帰ってくる | 持ち物の指定なし | トートの設定画を参照に加え、左肩に掛ける動作を前後のカットで続ける |
| 部屋が毎回変わる | 文章だけで部屋を描写 | Blenderの共通モデルのカメラ画像を参照に |
| 家具が現実味を欠く | 背景画像の簡易家具のまま | ソファ・テーブルの設定画を別参照にし、優先関係を明記 |
| 疲れが出ない | 「慎重に」「ゆっくり」 | 短く低く放る、重く倒す、最後は動かず呼吸する、と動作と時間配分で |
| 室内で靴音 | 「靴音をなくす」 | 足はストッキング、経路はラグ、音は低音量で輪郭の柔らかい布の擦れ、と素材で書く(評価はこれから) |
参照画像と文章を同時に変えているので、どれか1つの効果とは言えない。00050→00051のソファの変化は、設定画の追加と文章の変更の両方が入っている。
10カット65.75秒
| 順 | カット | 秒 | 区間 |
|---|---|---|---|
| 1 | 帰宅・玄関(00048) | 8 | 0–8 |
| 2 | ソファ(00051) | 8 | 8–16 |
| 3 | 歯磨き(00043) | 3 | 16–19 |
| 4 | 目覚め(00042) | 8 | 19–27 |
| 5 | 洗面所(00040) | 5.17 | 27–32.17 |
| 6 | 玄関で靴(00034) | 6 | 32.17–38.17 |
| 7 | 正面(00012) | 5.17 | 38.17–43.33 |
| 8 | 横(00014) | 5.17 | 43.33–48.5 |
| 9 | 顔アップ(00035) | 5 | 48.5–53.5 |
| 10 | ドローン(00039) | 12.25 | 53.5–65.75 |
顔アップは3秒から5秒に戻した。NGの00044は入れていない。音は各素材のものをそのままつないでいる。
残っていること
- 00051の最終姿勢はうつ伏せでなく横向き。狙いとは違うが、本人評価は「いい感じ」で採用。
- バッグの口が開いて見える(閉じたファスナーの指定は再現されていない)。冒頭に頭の上が切れるコマ。
- 靴音の修正は、音を聴いて評価する前。
- 歯磨き・目覚め・洗面所・朝の玄関は以前の背景のまま。共通モデルで作り直すかは次の判断。
- 生成中にRAMの保護機能で1回止まった(空き2GiB未満)。GPUの予約余白を4GBから2GBに下げて再開し、以後は止まっていないが余裕は小さい。
コメント