(71)で夜の歯磨きを足した走る女性の一日を、さらに遡る。スーツ姿で疲れて帰ってきて、玄関を入り、ソファに倒れ込む12秒。生成はできた。雰囲気も出た。しかし採用はNG。何が合って何が崩れたかを、改良中の記録として残す。
先に結論
- 12.25秒が17分11秒。 Ref2VA int8+Turbo 8step LoRA、10ステップ、672×928。参照はベージュのスーツのキャラシート1枚、白動画なし。5秒カットの7〜8分に対し、12秒は2倍強。
- 本人評価は「いい感じ」、採用はNG。 良い点は疲れた表情と、ソファで力が抜ける雰囲気。崩れた点は3つ——玄関のすぐ横がソファで廊下がない、冒頭から靴が床に並んでいて「入ってから脱ぐ」順序が成立していない、扉を閉める動作が不自然。
- 間取りはプロンプトどおりだった可能性がある。 前のプロンプトには「玄関からソファまで数歩で直接つながる」と書いてあった。モデルはそのとおりに描いた。欲しかったのは廊下なのに、書いていなかった。
- 1カットに詰め込みすぎた。 入室・扉・脱靴・移動・倒れ込みを12秒に全部入れたため、開始状態(靴を履いている)と動作の順序が省かれた。
- 次は玄関だけを5秒に分ける。 廊下側から玄関を見る構図、靴を履いた状態で入る、ため息を一つ、片足ずつ脱ぐ、脱ぎ終えたら終わり。扉は外開きでドアクローザーが閉める設定にして、手で閉める動作を減らす。移動と倒れ込みは別カット。
- NGのまま9カット60秒の試作につないだ。 雰囲気の確認用。採用版の8カット47.75秒は別に保ってある。
生成の条件
| 項目 | 内容 |
|---|---|
| モデル | MiniMax H3 Ref2VA(int8)+Turbo 8step LoRA(strength 1.0) |
| ステップ | 10ステップ、euler、simple、denoise 1.0 |
| 解像度・長さ | 672×928、24fps、294フレーム(12.25秒)、音声あり |
| 参照 | ベージュのスーツのキャラシート(1536×1024)1枚。白動画なし |
| 所要時間 | 1031.0秒(17分11秒) |
| GPU | RTX 5060 Ti 16GB |
同じ経路の5秒カットは450〜680秒だったので、12秒は長さに対してほぼ比例して伸びた。
合った点——雰囲気
ベージュのスーツ、下ろした髪、肩の力が抜けた立ち姿、ソファに体を預けてクッションに頭を載せるまでの流れ。抽出コマでも、仕事帰りの疲れは一貫して見える。(71)の歯磨きで使った「否定でなく状態を列挙する」書き方(重いまぶた、静かな視線、力を抜いた頬)が、ここでも同じ方向に出ている。
これが「捨てがたい」理由で、記事にも残すことにした。雰囲気の良い動画と、動作と空間が正しくつながる動画は、別のものだと分かる例でもある。
崩れた点——3つ
| 崩れた点 | 何が起きたか | 考えられる原因 |
|---|---|---|
| 廊下がない | 玄関の段差のすぐ右にソファ。玄関とリビングが一体 | プロンプトに「玄関からソファまで数歩・直接つながる」と書いてあった。指示どおり |
| 靴が先に脱げている | 0秒の時点でパンプスが玄関床に並び、本人は素足で入ってくる | 開始状態を書いていない。「脱ぐ」動作は書いたが「履いている」状態を書いていない |
| 扉の閉め方 | 最初の数秒で扉が閉方向に動くが、手との関係が不自然(本人評価) | 入室・扉・脱靴・移動を同時に進めたため、扉の動作が他に埋もれた |
3つに共通するのは「1カットに入れた動作が多すぎて、開始状態と順序が省かれた」こと。終盤の姿勢も、うつ伏せというより横向きに近く、ここも指示が薄かった。
次の手——玄関5秒に分ける
| 項目 | 次回の書き方 |
|---|---|
| 構図 | カメラを廊下の約2.5m奥に置き、玄関を見る。手前に廊下の床と壁。リビングはカメラの背後で、このカットには出さない |
| 開始状態 | 扉は外に開いている。本人は敷居の外に立ち、両足に靴を履いていると明記 |
| 0〜1.3秒 | 小さく2歩で中へ。体が入ったら扉から手を離し、ドアクローザーが扉を閉める(手で閉めない) |
| 1.3〜2.3秒 | 立ち止まり、肩を落とし、「はぁ……」と一度だけ息を吐く |
| 2.3〜5秒 | 靴箱に左手を添え、右足→左足の順に片足ずつ脱ぐ。両足が抜けた瞬間で終わる |
| 以降 | 廊下を歩く、ソファに倒れ込む、は別カット |
ポイントは2つ。①「靴を脱ぐ」と書く前に「靴を履いている」と書く。動画モデルは開始状態を省略しがちで、終わりの状態だけ書くと最初から終わっている。②複合動作(手で扉を閉めながら入る)を減らす。閉める主体をドアクローザーにすれば、本人の手は何もしなくてよい。
この分割案は書いただけで、生成結果はまだ出ていない。改善したとは書かない。
9カット60秒の試作
NGの12.25秒を、(71)の8カット47.75秒の前にそのままつないで、ちょうど60秒。雰囲気の確認用で、採用版ではない。
| 順 | カット | 使用秒 | 区間(秒) |
|---|---|---|---|
| 1 | 帰宅→ソファ(NG・改良中) | 12.25 | 0.00–12.25 |
| 2 | 歯磨き(夜) | 3.0 | 12.25–15.25 |
| 3 | 目覚め | 8.0 | 15.25–23.25 |
| 4 | 洗面所で髪を束ねる | 5.17 | 23.25–28.42 |
| 5 | 玄関で靴 | 6.0 | 28.42–34.42 |
| 6 | 正面ジョギング | 5.17 | 34.42–39.58 |
| 7 | 横ジョギング | 5.17 | 39.58–44.75 |
| 8 | 顔アップ | 3.0 | 44.75–47.75 |
| 9 | ドローン引き | 12.25 | 47.75–60.00 |
スーツ→パジャマ→パジャマと着替えが2回入るので、同じ人物に見えるかは髪と顔に頼る。帰宅の最後は横たわった姿、次のコマは鏡の前で歯磨き。ここも字幕なしで通じるかは見た人の反応で確かめる。
コメント