シネマティックショット は何をしますか?
脚本やシーンを画像・動画モデルが生成可能なショットに変換し、各段階で費用が発生する前にチェックします。ここに記載されているすべてのファイルの空のテンプレートは templates.md にあります。
映画製作者が指揮し、エージェントが演奏します。 エージェントは選択肢を生成し、記録し、価格を提示します。何を残し、拒否し、変更するかの選択はすべてユーザーに属します。脚本が曖昧な部分は、エージェントは空白を残すか選択肢を提供します。エージェントが自身の好みで埋めることは決してありません。
すべてを統制するルール
- コスト順序。 言葉はほぼ無料、次にドラフトスチル、ヒーロースチル、モーション、そして音とカットへと続きます。各問題は、それが最も安価に現れる段階で修正します。悪いスチルは悪いクリップを作るため、見た目を知るためにモーションにお金を払うことは決してありません。
- 支出前に確認。 有料のバッチの前に、モデル、数、設定、推定コストを提示し、明確な「はい」を待ちます。「いいね」や「たぶん」は「はい」ではありません。安価であることも例外ではありません。セッションキャップで停止します。
- +1 は意図であって、好みではありません。 出力がユーザーの希望から逸脱した場合、一度だけそれを指摘します。ユーザーが決定し、その決定は記録されます。履歴やエージェントの好みからの逸脱はユーザーの判断であり、失敗ではありません。
- 決して削除しない。 弱いスチルやクリップは
superseded/に移動します。ファイルにはバージョン番号が付与され、上書きされることはありません。 - すべてを記録する。 すべてのジョブはコストログに、すべての決定はプロダクションログに記録します。
プロジェクトのセットアップ
各映画に1つのフォルダ:shot-table.md、look-rules.md、register.md、production-log.md、cost-log.md、およびフォルダ references/、drafts/、heroes/、clips/、superseded/。ユーザーは各セッションの開始時に支出上限を設定します。エージェントは決して設定しません。APIキーは環境変数に保持され、チャット、プロンプト、プロジェクトファイルには決して記載しません。
1. 脚本への注釈、次にショットテーブル
最初に注釈。 脚本は、ページに書かれていない部分を補うクルー向けに書かれています。モデルはそれらのギャップを自身のデフォルトで埋めます。変換前に、以下の項目を一度ずつリストアップします:フォーマットの問題;脚本内の連続性(名前、数、変化する小道具);設定された時代からの逸脱の可能性;歌詞や引用テキストなどの権利問題。注釈の前にライターに意図を述べてもらいます。なぜなら、カバレッジスタイルの注釈はそうしないと慣例に引き寄せられるからです。ライターは各注釈に自身の言葉で回答し、各回答は記録されます。声とサブテキストはライターのものです。拒否された注釈は拒否されたままです。
次に変換。 脚本からシーンリストへ、次にショットテーブルへ。これが生成計画です。
- シーンヘッダーは場所と時間帯を示します。
- アクション行は画像になり、1枚の画像につき1ショット。
- 括弧書きは演技指示になります。
- トランジションはカット指示になります。
各行は1つの被写体アクションと1つのカメラムーブを持ちます。「そして」が必要な文は2つのショットに分割します。各行は参照、最初のフレーム、終了状態を指定し、次のショットがこのショットが終わったところから始まるようにします。対話シーンの場合は、間取り図とカメラが維持するラインの側を追加し、そのシーンのすべてのプロンプトにそれを引き継ぎます。セルは脚本またはユーザーの回答からのみ来ます。生成に必要なセルが空白の行は生成に回しません。ユーザーは自身の言葉で行を修正します。まだ画像はありません。
レジスターは内訳です:テーブルが使用するすべてのキャラクター、場所、小道具、状態。それぞれに1つの固定された説明があります。説明はレジスター内でのみ変更します。2箇所に書かれたルックは矛盾します。
2. ルックルール、一度書く
モデルは一度に1つのプロンプトしか見ず、ショット間で何も覚えていません。ルックをユーザーの言葉で一度書き、それをすべてのプロンプトにそのまま貼り付けます。同じバッチ内でも同様です。ある情報源によると、最初に一度だけルックを述べると後半のショットでずれるとのことです。
- 光: 光源、方向、質、時間帯、色。シーケンス全体で固定します。
- パレットとグレード: シーケンスごとに1つ。ショットごとに異なるグレードはシーケンスを壊します。
- 単一フレームのカメラ特性: レンズの感触、被写界深度、粒子。動きのシーケンスではありません。「ワイド、次にクローズアップ」とすべてのプロンプトにブロックとして書くと、すべてのショットに両方を要求することになります。
- ハード制約: 時代、場所、フレーム内に決して映らないもの(例:黒い帆、現代の物体なし)。すべてのプロンプトに記述します。これを破るフレームは再生成します。動画モデルが修正してくれると期待してはいけません。
- 形状: 各シーケンスがどこで盛り上がり、どこで落ち着くかを、ユーザーが書くメモとして。
「映画的」や「見事」などの賛辞の言葉ではなく、目に見える特性を書きます。各形容詞について、それから絵が描けるかどうかを自問してください。映画、アーティスト、カメラブランドを指定することが役立つかどうかについては情報源が分かれています。具体的な特性を書くことで、ルールがモデル変更後も機能するようにします。
フレーム内にあるべきもの(「建物のない草原」であって「建物なし」ではない)を書き、少数の禁止事項は最後の1行にまとめます。2つの情報源によると、禁止するためでも何かを名前で指定すると、それが生成される可能性があるとのことです。1ショットでテストしてください。一部のモデルは禁止事項を別のフィールドで受け付けます。
アスペクト比、解像度、クリップ長はジョブの設定であり、プロンプト内の言葉ではありません。
ユーザーのメモが1ショットを超えて適用される場合、ルックルールに追加することを提案し、「はい」が返ってきたら追加します。
3. キャラクター、場所、小道具
モデルはすべてのキャラクター、セット、小道具を各ショットで再構築します。連続性は参照と固定された表現によって維持されます。
- 1つの説明をそのまま貼り付け。 レジスターの説明を、被写体が現れるすべての場所に貼り付けます。同じ名詞を毎回使用します(「老王」、ショット4で「君主」とは決して言わない)。代名詞裸では使用しません。被写体の周りのシーンを変更し、被写体自体は変更しません。
- 参照シート。 承認されたドラフトから、各キャラクターのシートを4〜5アングルとクローズアップで作成します。ある映画では、3つの動画モデルがそれぞれ5つのそのようなスチルを与えられた顔を保持しました。異なる顔、年齢、体型を要求します。同一の人物像はコンピューターグラフィックスと読まれます。識別マーク(傷、擦り切れた襟)はアイデンティティを保持するのに役立ちます。
- 場所。 主要キャラクターのいない場所の参照は、そこで設定されたすべてのショットの背景を固定します。
- ヒーロー小道具。 ショットごとに1つの参照。非対称なオブジェクトの場合、他の何よりも先に両端を参照と比較します。ある映画では、4つの画像モデルのうち2つが、参照にあった特徴を両端に描きました。
- 各参照セットを純粋に保つ。 セットごとに1つのアイデンティティと1つのルック。キャラクターのセットに2番目のヒーローを、場所のセットにメインキャラクターを入れないでください。異なる状態(清潔と血まみれ、昼と夜)は別のセットにします。
- 各参照の役割をプロンプトで指定する(「参照1の顔、参照2の部屋」)、順序を固定し、プロンプトで名前を指定しない参照は渡さないでください。使用する前に参照が存在することを確認し、近似値で代用しないでください。
- シーケンスを開始する前に、そのシーケンスに使用するモデルを選択します。 途中で切り替えると顔やルックが変わることがあります。
4. ドラフトスチル、次にヒーロースチル
ドラフトスチルは、探索のための高速で安価な画像です。シーン全体をドラフトとして作成し、コンタクトシートで表示します。最初に承認されたドラフトがルックを設定します。それを残りのスタイル参照として使用します。画像モデルを選択するには、同じプロンプト、参照、アスペクト比で1ショットを複数のモデルで試し、3Dレンダリングではなく映画のように見えるものを採用します。画像プロンプトは1つの静止瞬間を記述するため、タイムラインは取り除きます。
画像が間違っている場合、ユーザーは画像ではなく説明を修正します。元のプロンプトと参照から再生成し、派生画像を繰り返し編集しないでください。ドリフトが蓄積されます。
ヒーロースチルは有料の高品質スチルで、ユーザーがクリップの最初のフレームとして承認したフレームに対してのみ作成されます。クリップはその開始スチルと同じくらいクリアにしかなりません。
どのスチルにもテキスト、ラベル、矢印、ロゴ、吹き出しはありません。オーバーレイはポストプロダクション(映画編集、モーショングラフィックス)で追加されます。
5. モーションの前にすべてのスチルをチェック
各スチルをショットテーブルの行、ルックルール、参照と比較します。見えたものを、なぜそう推測するかとは別に報告します。以下の点をチェックします。
- ハード制約の違反、脚本に対する人物やオブジェクトの数。
- ゴーストと重複(2番目の帆)、欠落部分(帆のないマスト)、簡略化された形状、曖昧な衝撃、非対称オブジェクトの両端。
- すべて似ている顔、手、持っている小道具。
- 間違ったオブジェクト(脚本がモノクルと言っているのに望遠鏡)、エッジバー、迷子テキスト、アニメーション化されると動く背景要素。
エージェントは指摘します。ユーザーは保持するか、理由とともに拒否するか、質問します。保持するものをヒーロースチルとしてマークします。拒否されたものはバリエーションとして再作成し、拒否されたものは superseded/ に移動します。エージェントのチェックは決してユーザーの承認ではありません。
6. 画像から動画へ:1つのアクション、1つの優しいムーブ
ヒーロースチルが最初のフレームなので、プロンプトはフレームがすでに表示しているものではなく、何が変化するかを記述します。出発点となる形式:
[ルックルール、貼り付け]。 [被写体、レジスターの表現で]。 [1つのアクション、動詞として]。
[1つのカメラムーブ]。 [光と空気]。 [終了状態:「...そして落ち着く」]。
最初のフレームの正確なスタイル、顔、衣装、小道具を維持します。
[禁止事項の最後の1行。]
- 優しくアニメーション化する。 1つのゆっくりしたカメラムーブ、堅固で plausible な動き。速く複雑な動きは歪みます。ある映画では、漕ぐオールが、プロンプトが決して曲がったり結合したりしないことと適度な速度を要求するまで歪みました。
- クリップごとに1ショット。 一部のモデルはデフォルトでカットを追加します。行が1ショットの場合は1つの連続したショットを要求します。
- どのように終わるかを指定する。 何かが状態を変えるショットには、終了状態を書く必要があります。モデルが受け付ける場合、最終フレーム画像はそれを固定します。
- 短く、長くしない。 ある情報源は、クリップ内でオブジェクトが現れる原因を長い単一ショットに特定しました。複数のアクションが必要な行は分割します。
- クリップ内のタイミング(「3秒で彼女は振り返る」)は大まかにしか従われないと報告されています。ガイダンスとして扱ってください。
- 解像度。 問題を示す最低解像度でモーションをテストします。承認があった場合のみ解像度を上げます。「最終版」や「映画的」は承認ではありません。
- 音声。 動画モデルが音を生成する場合、それが何であるべきかを指定するか、なしを要求します。聞こえるものはすべて映画音響に属します。
カメラムーブは、明白に:静止、ゆっくり押し込み、ゆっくり引き、パン、チルト、トラッキング、クレーン、ハンドヘルドドリフト。それぞれにショット内での理由が必要です。
7. クリップごとに複数のフレームをチェック
1フレームは動きについて何も語りません。すべてのクリップについて4フレームのコンタクトシート(最初、中間2つ、最後)を作成します。
N=$(ffprobe -v error -select_streams v:0 -count_frames -show_entries stream=nb_read_frames -of csv=p=0 clip.mp4)
S=$(( (N - 1) / 3 ))
ffmpeg -i clip.mp4 -vf "select='not(mod(n\,$S))',scale=480:-1,tile=4x1" -frames:v 1 sheet.png
4つのフレームすべてで顔、モーションの欠陥(曲がり、結合、歪み)、クリップ内のカット、現れたり消えたりするオブジェクト、ハード制約、終了状態をチェックします。何かが速く動く場合はさらに多くのフレームを見ます。
クリップが失敗した場合:
- 最も可能性の高い原因を1つ挙げます:スチル、参照、アクション、カメラ、長さ、モデル、またはプロンプト内の矛盾。
- クリップ内に余分なものがある場合、その最初のフレームを見ます。スチルにそれがあれば、スチルを修正します。言葉で議論しても取り除けません。スチルがクリーンで、クリップ途中でそのものが成長する場合、アクションを簡略化するかショットを短くします。
- 1つを変更して1回生成します。変更していないプロンプトを再実行しないでください。一部のモデルは同じプロンプトに対してほぼ同一の結果を返します。失敗した部分のみを書き換え、機能したすべての行はそのままコピーします。
- 2回失敗した後は停止し、再設計を提案します:アクションの削減、分割ショット、別のアングル、スチルに組み込まれた状態、別のモデル。ユーザーが選択します。
- 修正をバッチの前に1ショットでテストします。クリップが連鎖する場合、最も早い不良ショットから修正します。
ユーザーは各クリップを理由とともに保持または拒否します。拒否されたものは superseded/ に移動します。
お金:コスト順序、キャップ、コストログ
ショットテーブルを3行で価格付けします:ドラフトスチル、ヒーロースチル、モーション。最初にテスト予算を実行します。1ショットをドラフト、ヒーロースチル、1クリップに通し、そのコストから残りを価格付けします。各ショットについて、ユーザーは生成するか、実写で撮影するか、カットするかを決定します。
有料バッチの前に、モデル、数、設定、単価(記憶ではなくサービスの現在の価格または見積もりから)、推定合計、キャップの残高を表示します。大規模バッチの前に1~2サンプルを実行します。明確な「はい」を待ちます。
- キャップは上限であり、目標ではありません。 キャップに達したら停止し、確認します。
- すでに送信したジョブを再送信しないでください。 タイムアウトしたジョブがまだ実行中である可能性があります。ジョブIDで確認します。空の結果は失敗です。報告し、静かに再試行しないでください。部分的なバッチはそのまま報告します(「6/8 準備完了」)。
- 呼び出す前にモデルの入力フィールドを読んでください。 パラメータを推測しないでください。出力はすぐにダウンロードします。ホストされたリンクは期限切れになる可能性があります。
コストログはすべてのジョブ(失敗を含む)を記録します:日付、ショット、段階、モデル、設定とシード、見積もりおよび請求コスト、ジョブID、出力ファイル、ステータス。記録されたジョブは再生成するか参照として再利用できます。
プロダクションログ
プロダクションログは、誰が何を決定したかを記録します:何が表示されたか、決定(保持、拒否、質問、ヒーロー)、ユーザーの言葉での理由、エージェントが提起した各フラグとユーザーの回答、およびsupersededファイルの行き先。ユーザーが決定した場合のみ決定を書き込みます。生成の完了は承認ではなく、沈黙も承認ではありません。
権利と同意
- 実在の人物の肖像にはその人物の同意が必要であり、参照として写真をアップロードする前も含みます。権利のない公人の肖像は使用しないでください。
- サービスにアップロードする前に確認し、生成されたメディアはデフォルトでプライベートに保ちます。
- ユーザーが権利を持っていない限り、プロンプトに商標、ロゴ、著作権で保護されたキャラクターを含めないでください。
- ヒーロースチルとモーションに支払う前に、サービスの商用利用に関する規約を確認してください。少なくとも1つのサービスの無料ティアでは許可されていません。
- 公開とクレジットはリリース(映画編集)の一部です。
まだカバーされていません:脚本ファイル
…
[翻訳のために切り詰められました]