2人のキャラクターを同じ顔のまま、8秒の AI コメディショートを作った全工程 - RefVid
自分の写真から数分で動画に · 最初の動画は無料、透かしなし
最初の動画は無料・カード不要生成すると、写っている全員の同意を確認したことになります。利用規約
8秒のショート「My wife every year on November 1st」の制作過程をすべて紹介します。夫が落ち着いて飲み物を取り出している後ろで、11月1日にクリスマスを始める妻がもう飾り付けをしている、という内容です。夫婦を演じるのは、私たちのおなじみのキャラクター Leo と Mia で、それぞれ写真4枚から作りました。Kling 4 の生成は1回だけで最初のテイクを採用し、アイデアから完成まで約1時間でした。以下では、すべてのステップを順番に、私たちのファイルの画像と実際のプロンプトとともに解説します。
AI 面白い動画の作り方：まずは1行のギャグから
アイデアを1行で言うと、夫が冷蔵庫から落ち着いて飲み物を取り出している後ろを、妻がもうクリスマスの飾り付けをしながら走り抜けていく、というものです。妻にとって、シーズンは11月1日に始まるのです。
きっかけは、その週に伸びているものを毎朝チェックしていたときに見つけた、11月1日に2組のカップルが投稿していたこのギャグです。私たちのキャラクターに演じさせたいと思いました。
1行で言えるかどうかが試金石です。1文で言えないジョークは、8秒の動画では持ちません。このギャグには、ショートを生成しやすくする条件もそろっていました。部屋は1つ、セリフはなし、登場人物は2人、そして最後にはっきりしたオチがあることです。
キャラクター選び：写真を動かす AI で面白い動画を作るには
配役はすでに決まっていました。Leo と Mia は、RefVid のスタジオに写真4枚ずつで保存しているおなじみの2人で、夫婦役がよく似合います。
同じ顔であることは、2つの意味で大切です。クリップの中では、ショット1で冷蔵庫を開ける人物がショット3で見つめる男性と同じでなければ、カットのところでジョークが崩れます。クリップをまたいでは、繰り返し登場するキャラクターこそが見る人に覚えてもらえます。Leo と Mia の次のショートも、新しいランダムな顔ではなく、同じ写真から始まります。
写真には一切手を加えていません。Mia の参照写真ではジャケットを着ているので、台本ではその写真に負けないくらいはっきり衣装を書く必要がありました。それに気づいたのが、後述のレビューです。
Leo
Mia
台本を書く：ビート、カメラ、セット、衣装、タイミング
プロンプトより先に、台本をしっかり書きました。まずはビートです。元動画をコマ単位で読んで書き出しました。夫が冷蔵庫を開け、缶を持ってカメラのほうを向き、約4秒の時点で妻が後ろを走り抜け、夫は最後まで彼女の行った先を見つめます。
次に、ショットごとにカメラ、セット、照明、衣装、動きを決めます。カメラは三脚に載せたスマホを胸の高さに置き、一切動かしません。セットは昼の光が入る明るいモダンなキッチンで、白い戸棚、セージグリーンの壁、右端にステンレスの冷蔵庫、何も置いていないカウンター。衣装は、Leo がネイビーのシャツ、Mia は首から足首までの赤いフリースの着ぐるみパジャマにトナカイの角のカチューシャ、片方の肩にガーランドをかけ、点灯したクリスマスライトを引きずります。
タイミングは2秒・3秒・3秒の3ショットで、間はハードカット、そして最初の1秒以内に何かが動くこと。ワンテイクの元動画より少しテンポを上げたかったので、冷蔵庫のビートを短くし、彼女が走るのを4秒ではなく3秒の時点にしました。
台本は3つの版を経ています。v1 はキャプションから推測したもので、クリスマスツリーが氷のブロックに閉じ込められた冷凍庫という、ジョークを取り違えた内容でした。何も使う前に止めています。v2 はコマから読み取った本当のギャグ。v3 は v2 に2回のレビューを反映したものです。
| ショット | カメラ | 内容 |
|---|---|---|
| 1 · 0–2 s | ミディアム、胸の高さ、固定 | 冷蔵庫の前で横向きの Leo が、ドアを勢いよく開けてそのまま押さえる |
| 2 · 2–5 s | 同じ位置とレンズ、時間を飛ばすジャンプカット | 冷蔵庫は閉じていて、Leo は缶を持ってカメラのほうを向く。後ろを Mia が全力で走り抜け、ライトは床に残る。Leo はさっと彼女のほうへ顔を向ける |
| 3 · 5–8 s | ミディアムクローズアップ、固定 | Leo は口を少し開けたまま彼女の行った先を見つめ続け、一度まばたきする |
1クレジットも使う前に、台本のレビューを2回
生成の前に、2つの別々の AI セッションが台本をレビューしました。どちらも見たのは台本とコマだけです。AI 動画ディレクターは、クリップでジョークが伝わるかを判断しました。指摘は8件、次に2件、そして問題なし。Kling 4 のプロンプトエンジニアは、言葉どおりのものをモデルが描くかを判断しました。指摘は7件、そして問題なし。
特に効いた修正を下にまとめました。残りは、このクリップについてのもう1つの記事に載せています。
| 修正前 | 修正後 | 理由 |
|---|---|---|
| ショット2：498文字 | 478 | RefVid では、複数ショットの Kling クリップは1ショット最大480文字のため |
| ショット3：Leo がレンズのほうへ向き直る | 彼女の行った先を見つめ続ける | レンズを見るのは別のジョークになるため |
| ショット2：「At 1 second Mia sprints…」 | ショット2：「Then Mia … sprints…」 | ショット内のタイムスタンプは、確実な合図にならないため |
| ショット2：「sprints … in a flash」 | ショット2：「sprints fast in from frame left along the back wall」 | 「Flash」は光として描かれることがあり、彼女の登場の仕方も決めていなかったため |
| ショット2：「red fleece onesie」 | ショット2：「red fleece onesie neck to ankles」 | 写真の彼女はジャケットを着ていて、衣装の書き方が曖昧だと写真に負けるため |
台本からショットプロンプトへ：実際に使った Kling プロンプト例
台本の各ショットが、そのまま1つのプロンプトになりました。まずカメラ、次に場所、次に誰がいて何を着ているか、そして動きを順番に書き、最後はモデルが保てる状態で終えます。最初のフレームは使っていないので、ショット1ではキッチン全体も描写しています。Leo と Mia は名前で書き、スタジオがその名前を保存済みの写真に置き換えます。
ショット1（2秒）：
"Medium shot, phone camera at chest height. A bright, clean modern kitchen in daylight: white cabinets, sage-green walls, bare counters, a stainless-steel fridge at frame right, an empty open doorway in the back wall. Leo, in his navy shirt, stands alone, side-on, hand on the fridge handle. Right away, in one quick pull, he yanks the fridge door wide open, cold light spilling out, and holds it open, staring into the fridge. Fixed camera."
ショット2（3秒）：
"Same kitchen and shot, fridge closed. Leo, left of center, faces the camera, silver can at his chest, closed-mouth smirk. Then Mia, her reference face and copper bob, in a red fleece onesie neck to ankles, antler headband, garland on one shoulder, sprints fast in from frame left along the back wall, dragging glowing multicolor Christmas lights, out of frame right; the lit string stays on the floor. Leo snaps his head to frame right and holds. Fixed camera."
ショット3（3秒）：
"Medium close-up from the waist up, the same kitchen behind Leo, who stands alone. Behind him one string of glowing multicolor Christmas lights lies in a long line across the floor. Leo keeps his body toward the camera and his head and eyes turned to frame right, staring blankly, mouth slightly open, silver can at his chest, completely still. He blinks once, slowly, and keeps staring. Fixed camera."
どのクリップにも使える習慣が3つあります。同じものにはすべてのショットで同じ言葉を使うこと（「silver can」「glowing multicolor Christmas lights」）、速さは動詞に書き込むこと（「sprints fast」）、そしてすべてのショットの最後に「Fixed camera.」を付けることです。名前を自分のものに置き換えれば、そのまま使えます。
生成設定：Kling 4、1080p、9:16、8秒、1テイク
スタジオで Leo を開き、2人目の被写体として Mia を追加して、3つのプロンプトを2秒・3秒・3秒の3つのショット欄に入れました。モデルは Kling 4、1080p、9:16、合計8秒。最初のフレームも最後のフレームも使っていません。
ショットプロンプトは、名前を参照トークンに置き換えた状態で数えて446文字、478文字、412文字でした。RefVid では、Kling 4 の複数ショットのクリップは1ショット最大480文字です。
費用は688クレジット。Kling 4・1080p の8秒分で、音声は常に付きます。生成は1回だけでした。RefVid では、動画1本が$2.99から、クレジットパックが$9.90から、プランが月額$10からで、クレジットに有効期限はありません。
コマ単位のチェック：プロンプトと違った点と、それでも採用した理由
テイクを1秒4コマ、8秒で32コマにして確認し、走る場面はさらに細かく見ました。モデルは指定どおり1.8秒と4.8秒でカットしています。どのショットでも2人の顔は写真どおりで、余計な人物も現れませんでした。
プロンプトと違う点は4つあります。Mia は左ではなく右から入ってきて、立ち止まって手を振り、入ってきた側へ走って戻っていきました。Leo の口を閉じたにやり笑いは、口を開けた笑顔になりました。最後のショットでは、彼女の行った先を見つめ始めたあと、ゆっくりレンズのほうへ向き直り、7.3秒でまばたきします。
テイクを採用するかどうかの基準は、1行のジョークです。手前には落ち着いた夫、その後ろではもうクリスマスが始まっていて、最後は呆然とした凝視。そのすべてがそろっていたので、最初のテイクを採用しました。撮り直せば、同じジョークのためにさらに688クレジットかかるところでした。
編集：トリミング、キャプション、音声
トリミング：なし。最後の凝視が3秒間しっかり続いたので、クリップは生成されたままの8秒をフルに使っています。
キャプション：「My wife every year on November 1st 🎄」を、細い暗色の縁取りを付けた白の太字で、上部寄りに2行、スマホアプリが空けておくエリアの内側に、最初のフレームから最後まで表示します。入れるのは編集の段階で、プロンプトには書きません。プロンプトに書くと、モデルが崩れた文字として描いてしまうからです。
音声：Kling 4 は必ず独自の音声を生成するので、それは外しました。このページと YouTube の版では、パブリックドメインの曲 Jingle Bells を私たちがアレンジしたものを使っています。Instagram と X では、このギャグを知っている人の記憶どおりに元動画の音をそのまま使い、TikTok ではプラットフォームのライセンス済みサウンドライブラリからクリスマスソングを付けました。
投稿と結果
クリップが完成したのは11月3日の08:15 UTC で、その朝のトレンドチェックから約1時間後でした。08:26〜08:42 UTC に、YouTube Shorts、Instagram Reels、X、TikTok へ、どれも同じ1行を投稿文にして公開しました。
RefVid のクリップには、それぞれ専用の共有ページもあります。クリップと、それを作った3つのプロンプトが載っているので、誰でも作り方を確認して、そこから作り始められます。投稿のリンク先もこのページです。
自分でも作ってみましょう
- 1人につき写真を3〜4枚、一度だけ被写体として保存します。自分自身でも、友人でも、自作のキャラクターでもかまいません。ギャグをまず1行で書き、次に2〜3のショットに分けて、プロンプトに名前を入れて生成します。
- 「ミニドラマ」テンプレートなら、3ショットに割り振り済みの2人のシーンから始められます。名前、場所、動きを自分のジョークに書き換えてください。最初の5秒の動画は無料です。
テンプレートから始める
カット、画面比率、長さが設定済みのスタジオが開きます。あなたの商品を追加して生成するだけです。
キャラクター動画をもっと見る
よくある質問
このショートを作るのに、どのくらい時間がかかりましたか？
アイデアから完成まで約1時間です。元動画のコマを読み、台本を書いてレビューし、数分の生成を1回、そしてコマのチェックと編集。いちばん時間がかかったのは台本と2回のレビューでした。
このクリップの費用はいくらでしたか？
Kling 4・1080p の8秒クリップ1本で688クレジット、テイクは1回で済みました。RefVid では、動画1本が$2.99から、クレジットパックが$9.90から、プランが月額$10からです。
自分の顔で同じようなショートを作れますか？
作れます。自分の写真と、クリップに出るほかの人の写真を3〜4枚ずつ、一度だけ被写体として保存し、名前を入れてショットを書いて生成するだけです。今回の Leo と Mia と同じように、どのショットでも顔は写真から再現されます。
Kling 4 のショットプロンプトは何文字まで書けますか？
RefVid のスタジオでは、複数ショットのクリップは1ショット最大480文字で、被写体の名前が参照トークンに置き換わったあとの文字数で数えます。私たちのプロンプトは446、478、412文字でした。ショットが1つだけのクリップなら、もっと長く書けます。
プロンプトどおりでなかったテイクを採用したのはなぜですか？
動画モデルにとってプロンプトは台本ではなく、演出の方向性です。今回は Mia が逆側から入ってきて、Leo は最後にレンズのほうを向きましたが、ジョークは成立していたので、撮り直しても無駄にクレジットを使うだけでした。ジョークが成立しなかったときだけ、1か所を変えて撮り直しましょう。