(74)で採用したソファ8秒(00051)には、靴を履いたまま室内を歩き、靴音がする、という指摘が残っていた。実行した文章には「靴は玄関に残す」「ストッキングでラグを擦る音」と書いてあったのに反映されなかった、という事例。今回は2回作り直して(00052→00053)、靴は消えた。代わりに、閉じたカーテンが開く、という新しい未達が残った。
目次
先に結論
- 「どの参照を優先するか」を文章に書くと通った。 キャラシート(参照1)には靴を履いた姿が写っている。00053では「この場面の足元(薄いストッキングだけ・足裏がラグに直接触れる)は、参照1に写った靴より優先する」と明記した。結果、ラグの上の足から靴が消えた。
- 音は「除外」でなく「主にこの音」で書く。 歩く音を「布とラグの弱い擦れ」を主に記述し、硬い靴音だけ短く除外した。音の確認はこれから(画像だけでは判断しない)。
- 未指定の物は「置かない」と書く。 00052ではソファ奥に白い機器状の物が出た。00053では「ソファ奥は平らな壁と空いた床」と書いて消えた。
- 閉じたカーテンは開いた。 6枚目に「床まで届く閉じたベージュのカーテン」の設定画を加え、文章にも「2枚の不透明なパネルが中央で接し、完全に閉じた状態を保つ」と書いたが、中央が開いて暗い窓の外が見える。色と丈は反映された。入力漏れではない。
- 仮説は仮説として置く。 「夜を指定したので、夜らしさを示す窓の外が描かれたのでは」という本人の推測がある。1回では確定できない。切り分けるなら、seedを揃えて、背景画像側も閉じたカーテンにした条件と、夜を室内の暖色照明だけで表す条件を別々に試す。
- 採用。 顔アップは00052の時点で「OK」。00053は靴と機器が直り、カーテンは致命的でないとして採用。走る女性の10カット65.75秒はソファを00053に差し替えた。
- 残る差。 バッグは「投げて横倒し」の指定に対して立ったまま口が見える。倒れ込みは「いったん座って横に寝る」形。冒頭に頭の上が切れる。(74)と同じ。
2回の作り直し
| 番号 | 参照 | 変えたこと | 結果 | 本人評価 |
|---|---|---|---|---|
| 00051((74)採用) | 5枚: キャラシート・トート・Blender背景・ソファ・テーブル | — | 木枠のソファ。靴を履いたまま、靴音 | 「いい感じ」で採用。靴と靴音の指摘 |
| 00052 | 5枚(同じ) | 終盤5.8〜8秒を顔アップの2ショット目に。靴・足音の指定は00051と同じ文章 | 顔アップは狙いどおり。靴は履いたまま、靴音、ソファ奥に白い機器状の物、カーテン開 | 「顔アップはOK」。靴と靴音の修正を希望 |
| 00053(採用) | 6枚: +閉じたカーテン | 「場面の足元をキャラシートの靴より優先」「音は布とラグの擦れを主に」「ソファ奥は平らな壁」「カーテンは閉じたまま」 | 靴なし、機器なし、顔アップ維持。カーテンは開いたまま | 採用。音の確認はこれから |
Ref2VA pruned int8+Turbo 8step LoRA、10ステップ、672×928、8秒、RTX 5060 Ti 16GB、白動画なし。
参照6枚の役割
| 番号 | 参照 | 任せること |
|---|---|---|
| Picture 1 | キャラシート(スーツ) | 顔・髪・服・体形。足元だけ本文で例外にした |
| Picture 2 | トート | 形・色・持ち手・素材。複数ビューは同じ1個 |
| Picture 3 | Blenderのリビング背景 | 間取り、窓の位置、家具の配置、撮影方向 |
| Picture 4 | ソファ | 濃いグレーの布、クッション、木の台輪と脚 |
| Picture 5 | 木のローテーブル | 薄い天板、木目、細い4本脚 |
| Picture 6 | 閉じたベージュのカーテン | 床までの丈、色、縦のひだ、閉じた状態 |
書き方は「背景画像のソファの位置に、ソファ参照の形と材質で置く」のように、位置は背景、形と材質は設定画、と担当を分ける。(74)で始めた分け方に、今回は「参照同士がぶつかるとき(キャラシートの靴と場面の足元)はどちらを優先するか」を加えた。
効いたこと・効かなかったこと
| 指定 | 書き方 | 00052 | 00053 |
|---|---|---|---|
| 足元 | 「靴は玄関に残す」(00052) → 「薄いストッキングだけ。足裏・踵・爪先まで布越しの足の形。参照1の靴より優先」(00053) | 靴あり | 靴なし |
| 足音 | 「靴音をなくす」寄り → 「布とラグの弱い擦れを主に。硬い靴音は短く除外」 | 靴音 | 未確認(聴いて評価する前) |
| ソファ奥 | 指定なし → 「平らな壁と空いた床。機器は置かない」 | 白い機器状の物 | なし |
| カーテン | 指定なし → 参照6+「中央で接して完全に閉じる」 | 開 | 開(色と丈は反映) |
| 顔アップ | 5.8〜8秒を2ショット目に | OK | 維持 |
| バッグ | 「短く投げて横倒し」 | 立ったまま | 立ったまま |
参照画像と文章を同時に変えているので、靴が消えたのが「優先順位の一文」だけの効果とは言い切れない。ただ、00052と00053で足元に関して変えたのはその一文と音の書き方だけなので、次に同じ問題が出たらまずここを疑う。
カーテンが開く理由の切り分け(未実施)
- 条件A: 背景画像(Picture 3)の窓も閉じたカーテンにする。背景側の窓の描写と参照6が食い違っている可能性
- 条件B: 「夜」を窓の外でなく室内の暖色照明だけで表す。本人の仮説(夜の指定が窓の外を描かせた)の検証
- 条件C: 参照6を外して文章だけにする。画像が効いているかの確認
同じseedで1条件ずつ。複数を同時に変えると原因が分からなくなる。
10カット65.75秒(ソファを差し替え)
| 順 | カット | 秒 |
|---|---|---|
| 1 | 帰宅・玄関(00048) | 8 |
| 2 | ソファ(00053) | 8 |
| 3 | 歯磨き(00043) | 3 |
| 4 | 目覚め(00042) | 8 |
| 5 | 洗面所(00040) | 5.17 |
| 6 | 玄関で靴(00034) | 6 |
| 7 | 正面(00012) | 5.17 |
| 8 | 横(00014) | 5.17 |
| 9 | 顔アップ(00035) | 5 |
| 10 | ドローン(00039) | 12.25 |
残っていること
- 足音が直ったかは、音を聴いて評価する(画像の確認だけで「直った」とは書かない)。
- カーテンの切り分け(上の条件A〜C)。
- 同じ日にBlenderの間取りはベランダ・寝室・洗面所・浴室・ベッドまで作り足した。ただし00053に使った背景は以前のリビング画像で、新しい間取りはまだ動画に使っていない。歯磨き・目覚め・洗面所・朝の玄関を共通の間取りで作り直すかは次の判断。
コメント