参照映像からプロンプトへの変換
まず視聴者が理解すべきことを明確にし、その上で動作、参照画像、生成パラメータ、編集のうち何を変更すべきかを判断します。ユーザーが「理解できたか」「どこが異なるか」だけを尋ねてきた場合は、映像の読み解きまたは比較結果を提供し、そこで完了です。プロンプトの作成、リクエストの準備、有料でのテスト撮影は別のタスクです。
1. まずオリジナルを確認し、次に過去の解答を見る
元の録画、クリーニング後の単一ループ、キャラクター画像、過去の生成結果、過去のプロンプトがそれぞれ何であるかを特定します。まずオリジナルのフル動作を元の速度で確認し、初見の解釈をメモした上で、ファイル名、過去のプロンプト、失敗サンプルと照合します。ファイル名、モデルの自己申告、以前のアシスタントの説明だけではストーリーを証明できません。
ツールが利用可能な場合は、サイズ、フレームレート、長さ、オーディオトラックを調べます。短いGIFの場合は8 fpsから始めてビートの位置を特定します。衝突、手の交換、視線、カードの飛翔など決定的な瞬間については、元のフレームレートに戻り、準備、接触、事後をフレームごとに確認し、隠れた部分は拡大します。ループ境界の最初と最後の3フレームをチェックします。録画が動作の途中から始まっている場合は、完全な録画の中から一度の連続したパフォーマンスを探します。スタート地点に戻ることは2回目の動作ではありません。ページや白フレームなどの汚染を除去して再確認し、その後でモーションリファレンスとして使用します。オリジナルは保存します。静止画やサムネイルしか見えない場合は、何が確認できるか、どのビートが欠落しているかを明確にします。隠蔽やフレーム欠落は、フレーム補間や何度も拡大したからといって証拠になるわけではありません。
2. 自分の解釈を一度疑ってみる
まず一文で説明します:誰が何をしようとし、実際に何が起こり、視聴者はどのビートでそれを理解するのか。キャラクター置き換えの映像では、さらに問いかけます:実写に戻した場合、視聴者はどのようなパフォーマンスを認識するか?期待と結果のズレ、双方向のインタラクションが一方的な動作として読まれているケース、ダンスステップが手の動きとして読まれているケース、そして最後の数フレームで起こる反転に注意します。これらの構造がないショットは、実際の内容に従って説明します。
それぞれ画面で見えること、解釈とその根拠、ユーザーが確認した創作意図、今回新たに追加された改変を明記します。ユーザーが意図を明確に説明した場合は、それに従って再現します。元の映像で明確に撮影されていない部分についても、その出典を明記します。以前に確認されたキャラクター、動作、改変は、ユーザーが変更するまで後続の修正でも有効です。
パフォーマンスを変える可能性のある曖昧さについては、実際に妥当な代替解釈を一つ挙げ、2つの解釈の違いによって、どの爪、どの小道具、どのビートが変わるかを示します。動作前の準備、接触の位置、双方の反応、小道具の結果を区別するために使用します。証拠が十分であれば、判断とその根拠を直接示します。それでも2つの異なるビート取りにつながる場合は、一旦停止し、ユーザーに具体的なリスクを提示し、それを判断できる質問のみを行います。推測しながら「すぐに送信可能」なリクエストを作成してはいけません。同じバッチ内で既に明確になったショットについては分析を続けて構いません。数合わせのために曖昧さを作り出してはいけません。
ユーザーへのヒントの例:玄関のあのフレームで、白黒猫の爪、棒、オレンジ猫のお腹が重なっています。現在のプロンプトでは棒が跳ね返ると書いてありますが、跳ね返りははっきり見えません。もし本当の笑いどころが棒を狙ったのに外すことであるなら、まず爪を棒に正しく当て、その後にパンチがお腹に落ちるようにしなければなりません。どちらを再現したいですか?ユーザーがすでに「棒を狙い、腹に誤爆」と説明している場合は、それを直接採用し、「棒が跳ね返る」という古いプロンプトは破棄します。
3. 検証可能な動作を確定し、素材を選択する
マルチショットの場合はまず簡易テーブルを、シングルショットの場合は同じ情報を2〜3行で記述します。
| ショット | 見える動作と具体的なタイミング | ユーザーの意図または根拠のある解釈 | 無音でも見えなければならない瞬間 | ビート取りを変える可能性のある疑義や素材の矛盾 | |---|---|---|---|
複雑な動作はさらにビートごとにリストアップします:トリガーと相手、準備姿勢、接触目標、反応と視線、動作終了時の状態。方向は画面の左/右で表し、本当に必要な場合のみキャラクターの解剖学的側面を記述します。力の方向、物体の飛び出す方向、最後の視線が物理的に一貫しているかを確認します。視線、反動、意図的な間は、実際のパフォーマンスを優先します。キーとなる小道具については、開始時の所有者、接触時、終了時の位置を追跡します。フレームアウトや隠蔽された場合は、最後に見えた状態を明記します。例えば、茶碗はしっかりと持たれ、一方で一列の麻雀牌は整然とした状態から飛び散る状態へと変化する必要があります。ある法則が、この特定のパフォーマンスの証拠を置き換えることはできません。
各素材に役割を割り当てます:キャラクターの外見、シーンとカメラ位置、開始状態または動作のリズム。画像自体を確認します:それは準備段階を撮影したものか、結果を撮影したものか?顔、爪、ターゲット、傍観者が同じフレーム内に収まり、かつ十分な大きさか?完全なダンスステップが必要なら足を残し、驚愕の反応が必要なら肩と顔を残します。まずはトリミング、既存の画像の流用、または正しい動作の直前からのフレームキャプチャを試みます。最初のフレームの空間関係や姿勢が根本的に間違っている場合にのみ、新しい画像を作成します。最も影響の大きいリスクとその修正方法をユーザーに説明します。例えば、「最初のフレームで既に頭にぶつかっている。モデルが手を上げる一拍を欠いている」など。
呼び出し前に、使用するモデルとアクセスサービスに基づいて、素材のキャラクター、ブレンド可能なモード、サイズ、長さ、アスペクト比を確認します。アップロード記録が選択したクリップとトリミングバージョンを指していることを確認します。ローカルサマリーや明確な記録で一貫性が証明でき、かつサービスがまだ受け付けるファイルは再利用できます。出典が確認できない場合のみ再アップロードします。ブロッキングは影響を受けるショットと操作に限定します。誤ったキャラクター、古いトリミング、未確認のパラメータの組み合わせを「送信可能」と表現してはいけません。
4. プロンプトの作成と検証
動作は実際の順序に従って記述し、どのキャラクター画像が誰を担当し、どの動画がどの動作を提供するかを明確にします。「とても面白い」を、見えるパフォーマンスに置き換えます。開始フレーム、中間動作、終了状態が互いに矛盾しないようにします。小道具の保持、手放し、飛散を正しく記述します。安定性を求める場合は、「しっかり握る」「静止する」のように正の方向で記述し、「震えないように/揺れないように」のような逆方向のトリガーを避けます。カット編集、タイムスタンプ、その他の否定表現は、ターゲットモデルのガイドラインに従って取捨選択します。短い素材が生成時間の下限に達する場合は、元の速度で最後まで再生し、カット可能な余裕を残すことを優先します。追加の導入、音声、エンディングのリアクションは改変に該当します。無音素材の口の動きは、元の音声を証明できません。許可を得て新たに追加したVlogの傍観者、場面転換、音声は記述して構いませんが、そのナラティブ上の役割を明記します。
生成結果はまず無音で元の速度で確認します:字幕やナレーションがなくても、視聴者は事前の期待と結果を読み取れるか?字幕とナレーションは、動作が成立した上での追加要素であり、理解できないパフォーマンスをごまかすために使ってはいけません。上で合意した瞬間をビートごとに確認します。高速接触は元のフレームレートでチェックし、低フレームレートのサンプリングはインデックスとしてのみ使用します。キャラクターの模様、被写体の比率、小道具と視線をさらに確認します。音声要件がある場合のみ、音声をオンにして確認します。成立、乖離、画面だけでは検証できない部分をそれぞれ報告します。デコード成功やモデルが「成功」を返したことは、ファイルが利用可能であることを示すだけです。
リワークが発生した場合、まず乖離が最初に現れた層を特定します:ストーリー理解、参照素材、プロンプト、モデル実行、編集。ストーリーが間違っている場合は、まず解釈とそれに影響を受ける下流の内容を修正します。開始姿勢が間違っている場合は、まず画像を修正します。動作は正しいが静止時間が長すぎる場合は、まずカット編集を試みます。顧客が1〜2箇所しか指摘しなくても、同じショットの方向、視線、小道具、アップロードファイルの出典を併せて再確認し、部分修正による未報告のハードエラーを残さないようにします。モデル比較を行う場合は、他の条件をできるだけ固定し、まず2つの判断を最もよく区別できる1つの条件を試します。部分的な修正については、既に確認されたレコードを流用し、関連するビートを再確認します。オリジナルまたはコアとなる意図が変更された場合は、全体を再度読み解きます。
読み解きの品質をチェックするための2つの例
- 鏡に爪を伸ばす:「右爪を伸ばす、左爪を伸ばす」だけでは、説教にも踊りにも生成され得ます。制作者が妖艶なダンスと確認した後は、検証では肩、腰、頭、爪が同じビートで動いているか、少なくとも一連の左右の往復全体が見える必要があります。爪を交互に挙げるが体がまっすぐなままでは、まだパフォーマンスが欠けています。
- 麻雀:制作者が欲しかったのは、良い牌を引き、両方の爪で興奮して牌を押し、一列の牌を飛び上がらせることです。白猫が一枚牌を出してから後ろのオレンジ猫を見る、という動作では、キャラクター、牌卓、カメラ位置がすべて正しくても、主要な動作は失敗です。もし「牌を押す」前の断片的な素材しか手に入らない場合、「上がりそう」を制作者の確認事項とし、牌が飛ぶ動作を目標のエンディングとして個別に検証します。