走る女性の朝は、(67)で「目覚め」から始まるようになった。今回はその前の夜を足す。仕事から帰り、パジャマに着替え、鏡に向かって歯を磨く5秒。冒頭3秒だけを使って目覚めの前に置き、8カット47.75秒になった。この夜はこれから、失敗した仕事、残業、帰りの電車、夜道、部屋に帰ってソファに倒れ込むところまで遡って足していく予定で、本稿はその最初の一歩の記録。
先に結論
- 夜の歯磨き5秒が7分52秒。 Ref2VA int8+Turbo 8step LoRA、10ステップ、672×928、RTX 5060 Ti 16GB。参照はパジャマのキャラシート1枚だけ。白動画なし。
- 採用は冒頭3秒。 5秒の中で表情と手の動きがいちばん安定している区間。目覚め8秒の前に置き、夜→翌朝の時間経過はカットの切り替えだけで表現した(字幕・フェードなし)。
- 疲れた顔は「笑わない」と書かない。 重いまぶた、静かな視線、力を抜いた頬、自然な高さの口角、小さくゆっくりした動き——状態を列挙して書いた。抽出コマではその方向に出ている。
- 背景参照は効いていなかった。 朝の洗面所(00040)を2枚目の参照に指定したつもりが、実行履歴を見ると接続されていた画像は1枚だけ。それでも鏡・洗面台・窓・タオルの配置は似た。蛇口・小物・照明器具は違う。
- 8カット47.75秒。 各カットは元ファイルから結合し、音は素材のまま。BGM・ナレーションなし。
生成の条件
| 項目 | 内容 |
|---|---|
| モデル | MiniMax H3 Ref2VA(int8)+Turbo 8step LoRA(strength 1.0) |
| テキストエンコーダ | Qwen3-VL 32B(nvfp4) |
| ステップ・サンプラ | 10ステップ、euler、simple、denoise 1.0 |
| 解像度・長さ | 672×928、24fps、124フレーム(5.17秒)、音声あり |
| 参照 | Picture 1=パジャマのキャラシート(1536×1024)1枚。白動画なし |
| 所要時間 | 471.8秒(7分52秒) |
| GPU | RTX 5060 Ti 16GB |
(66)洗面所・(67)目覚めと同じ経路。白動画は使っていない。
表情の書き方——否定でなく状態
「仕事帰りで疲れていて、笑顔になれない顔」が注文。これを「笑わない」「無表情」と書くと、動画モデルは何を出せばよいか分からず、固い顔か逆に微笑みが出る。(67)の「か弱くとは書かず、息・間・声量で書いた」と同じで、見えるものに置き換えた。
| 注文 | 書いた内容 |
|---|---|
| 疲れている | 上まぶたがやや重い。視線は鏡の自分にぼんやり向く。肩は少し落ちて力が抜けている |
| 笑顔にならない | 口角は自然な高さのまま。頬の力は抜けている。口は歯ブラシが入る分だけ開く |
| 歯磨きの動き | 手首主体の短い往復。頭はほぼ動かさない。ブラシの先は歯に当たったまま。泡は唇の近くに少量 |
| 時間の流れ | 1〜4秒は同じ往復を続け、途中で一度ゆっくりまばたき。4〜5秒で少し遅くなってまた続く。磨いたまま終わる |
5秒に「準備→磨く→うがい→片付け」を詰め込まず、最初から磨いている状態を続けさせた。抽出コマでは、口角は上がらず、まぶたと視線と姿勢で疲れが出ている。鏡の中の歯ブラシと腕の位置は実像とおおむね対応している。
背景参照は、接続されていなかった
同じ洗面所を保つために、(66)で作った朝の洗面所(00040)のコマを2枚目の参照(Picture 2)にして「部屋の構造・蛇口の位置・鏡の形・カメラ位置はPicture 2に合わせる」とプロンプトに書いた。ところが実行後に履歴(API側の記録)を確認すると、接続されていた画像はパジャマのキャラシート1枚だけで、Picture 2は接続されていなかった。プロンプトにはPicture 2への指示が残ったまま走っている。
結果は上の比較のとおり。大まかな配置は似ている——左に実像、鏡の中央右寄りに顔、白い洗面台、クロームの蛇口、左の窓、右のタオルとポンプ容器。これはプロンプトの文章で部屋を描写した分が効いたと考えられる。一方で蛇口のレバーの形、ボウルの形、容器の色とラベル、小皿、鏡の上の照明は変わっている。文章で描写しただけでは、細部は毎回描き直される。
だから今回を「参照画像で背景を揃えられた」例として書くことはできない。分かったのは2つ。①プロンプトに「Picture 2」と書いても、画像が接続されていなければ無視される(エラーにはならない)。②部屋の文章描写だけでも配置は寄る。背景の参照が本当に効くかは、次回2枚目を接続して、接続枚数を履歴で確認してから比べる。
8カットの並び
| 順 | カット | 使用秒 | 区間(秒) | 参照 |
|---|---|---|---|---|
| 1 | 歯磨き(夜) | 3.0 | 0.00–3.00 | パジャマのキャラシート |
| 2 | 目覚め | 8.0 | 3.00–11.00 | パジャマのキャラシート |
| 3 | 洗面所で髪を束ねる | 5.17 | 11.00–16.17 | キャラシート |
| 4 | 玄関で靴 | 6.0 | 16.17–22.17 | キャラシート |
| 5 | 正面ジョギング | 5.17 | 22.17–27.33 | キャラシート+白動画 |
| 6 | 横ジョギング | 5.17 | 27.33–32.50 | キャラシート+白動画 |
| 7 | 顔アップ | 3.0 | 32.50–35.50 | キャラシート |
| 8 | ドローン引き | 12.25 | 35.50–47.75 | キャラシート |
歯磨き3秒の最後はまだ磨いている途中で、次のコマは翌朝の閉じた目。夜と朝のつなぎに暗転や字幕は入れていない。パジャマが同じで、場所が洗面所→寝室→洗面所と移ることで、見る側が「寝て起きた」と読む。これは字幕なしで通じるか、見た人の反応で確かめる。
音は各カットの素材の音をそのまま持ち、48kHzステレオに揃えて結合した。歯磨きの区間はブラシの音と呼吸、寝室は静かな室内音。
この先
この夜は、仕事で失敗して、残業して、電車に揺られ、夜の街を歩いて、部屋に帰ってソファに倒れ込む、まで遡る予定でいる。カットが増えるほど「同じ人物・同じ部屋」を保つ条件が重くなるので、キャラシートに加えて部屋の参照をどう入れるか(今回の未接続の確認を含む)が次の課題。全カットがそろった時点で、動画・キャラシート・カット表・各カットの生成時間をまとめた一本を別に作る。
関連
続き: 生成AI研究室(72) 雰囲気は合った、順序は崩れた——帰宅してソファに倒れ込む12秒はNG(改良中)。靴が先に脱げている・廊下がない・扉の閉め方。次は玄関5秒に分ける
コメント