どのショットでも同じキャラクターを保つのは、簡単な部分でした。GuaPi第1話を形にしたのは、別のことです。

RefVidにまかせられる部分：同じ顔

キャラクターごとに4つの角度と4つの表情を描いた設定画を用意し、すべての絵を目で確認しました。ガチョウの最初の設定画は、正面図でくちばしの黒いこぶが抜けていたので、何よりも先に描き直しました。

各設定画から正方形に切り抜いた4枚が、スタジオでのそのキャラクターの参照画像です。それ以降、ショットではだれが出ているかを指定するだけ。中庭も1枚の絵にして、場所が変わらないようにしました。

• 
  GuaPi · ガチョウ
• 
  Henry · 男の子
• 
  Xiaobai · 犬
• 
  Alice · お姉ちゃん

アクションの直前を描く

どのショットもキーフレームから始まり、キーフレームがそのままクリップの最初のフレームになります。モデルはそこから先にしか進めないので、クリップでまだ何が起こせるかは、その絵で決まります。

最初のキーフレームには、各ショットのいちばんの見せ場を描いていました。3人はもう布団に着地していて、扇風機はもう煙を上げていて、土ぼこりはもう舞っている状態です。これではアニメーションさせるものが残っておらず、クリップはほとんど動きませんでした。その直前の瞬間に描き直すと、同じプロンプトで落下も爆発も取っ組み合いも出てきました。

最終版の14枚のキーフレームです。ショット順に描き、それぞれが前のショットの終わりから始まるようにしています。

1ショットに出来事は1つ。どれだけ激しく起きるかも書く

各ショットはそれぞれ独立した3秒の生成です。キーフレームを最初のフレームにし、そのショットに出るキャラクターだけを入れ、音声はオフ。プロンプトには、その3秒で起きるただ1つの出来事と、その激しさ、表情の変化を書きます。

1ショットで3つのことを頼むと、1つも実現しませんでした。犬がスイカをキャッチし、男の子が振り向き、ガチョウが立ち去る。これは3秒には多すぎたので、出来事を1つにしました。スイカが犬の口にぽとりと落ちる、です。

ショット

ショット12：爆発

キャラクター

Henry

設定

Kling 3.0 Omni · 3秒 · 9:16 · 720p · 音声なし · キーフレームを最初のフレームに

プロンプト

The little fan sparks and bursts with a pop: a thick cloud of black smoke explodes out of it, the blades jam and stop, the umbrella jolts; Henry's grin turns into wide-eyed panic. Keep the drawn style.

プロンプトをコピースタジオで試す

動画のプロンプトに音を書いてはいけません。最初のバージョンで「ハーモニカの音をひとつ」と書いたら、モデルはテーブルにハーモニカを置きました。

テイクはすべて残し、動きに合わせて切る

最初の編集では、各クリップを頭から数えて台本の秒数で切っていました。それでは一番いいところが捨てられてしまいます。Henryのパニックの目は、爆発ショットの最後の最後に出てくるのです。最終版では各クリップを丸ごと残し、最後のショットのにじんだ7フレームのような、本当の不具合だけを取り除きました。

古いテイクも素材になります。スイカの奪い合いは、3つの別々のテイクから取った5つの速いカットを、打撃のたびに白いフラッシュと軽いカメラの揺れを入れてつないだものです。

音はすべて、そのフレームに置く

クリップは無音で生成し、音はあとから組み立てました。ベースは、音声付きで生成した最初のバージョンの音声で、ショットごとに切って合わせています。打撃音は無料のCC0効果音ライブラリから取り、どれも出来事が起きるちょうどそのフレームで鳴り始めます。爆発が0.9秒早かったバージョンは、見た瞬間におかしいと分かりました。

音楽は「山の魔王の宮殿にて」のパブリックドメイン録音です。にらみ合いの間はそろりそろりと進み、取っ組み合いと飛行ではフルオーケストラで鳴り響き、爆発と落下でぴたりと止まって、3人と一緒に最後の和音で着地します。

8つのバージョン

バージョンごとにルールが1つ見つかりました。そのルールは、次のバージョンに取りかかる前に、下の手順に加えていきました。

1. 
   アニマティック静止したキーフレームにカメラの動きをつけたもの。タイミングの確認には役立ちますが、動画ではありません。
2. 
   v1音声付きの長めのクリップ5本、キーフレームなし。ショットは絵を無視しました。
3. 
   v2〜v5キーフレームから1ショットにつき3秒のクリップを1本。4つのショットがほとんど動きませんでした。
4. 
   v64枚のキーフレームを直前の瞬間として描き直し、音をそれぞれのフレームに配置しました。
5. 
   v7とv8取っ組み合いを3テイクから編集し直し、そのあと全クリップを丸ごと残しました。

かかった費用

エピソード全体で動画生成費は約$10。その大半は、まだ何も描かないうちに作った最初のバージョンに使いました。設定画とキーフレームに追加の費用はかかっていません。

AIアニメシリーズの作り方：いま使っている手順

1. 1出来事が1つずつのショットを12〜16個書き、最初の1秒に対立を入れます。
2. 2ショットごとにキーフレームを1枚、順番に描きます。アクションの直前の瞬間を、表情を大げさにして描きます。
3. 3キーフレームから1ショットにつき3秒のクリップを生成します。そのショットのキャラクターだけを入れ、プロンプトに音の言葉は入れません。
4. 4編集の前にすべてのテイクを1フレームずつ見て、古いテイクも残しておきます。
5. 5動きに合わせて切ります。顔とリアクションは残し、壊れているところだけを取り除きます。
6. 6音はそれぞれのフレームに置き、音楽は別バージョンとして加えます。
7. 7公開前に、最終版を1フレームずつ確認します。