AI生成
生成するのは簡単です。難しいのは、それがリアルに見え、何も捏造せず、プランを一日で使い切らないことです。このスキルは、費やす前に判断します：生成が必要か、どのモデルを使うか、いくらかかるか、そして何を最初に見せるか。
1 · 生成する前に
- 出力先を読み取る： 縦または横、fps、セクションの正確な長さ。かつて8本の縦動画が横構成に使われたことがあります。
- 生成は必要か？ 優先順位：実際の素材（クライアントまたは自社のもの、使用しなかった既払いのテイクを含む）→ ライセンス済みストック（無料の実写動画もあり）→ 無料3Dモデル（CC0またはMIT）→ 生成。疑わしい場合は実写テイク。
- 画に何があるかでモデルを選ぶ（セクション2）。
- 常に予算を組む。 計画を立て（各バリエーションをカウント、現実的なリテイク1回を含む）、
presupuestoスキル（skills/presupuesto/；ツールはherramientas/presupuesto.py、パッケージルート）に通します。OKなら生成、PREGUNTARなら承認待ち、PARARなら生成しません。モデルがherramientas/precios.jsonにない場合、価格をでっち上げないでください。 - 大量生成の前にアカウント残高を確認する： 別のセッションで使い切っている可能性があります。
- 最初に見せる： 大量生成の前に、キーフレームまたは短いクリップを1つ。
- その後： 見せる前に自分で結果を確認し、何が悪かったかを伝え、実際に課金された額を記録します（
presupuesto.py registrar）。
2 · どのモデルを何に使うか
2026年11月までにテストされたカタログ。変化が速いため、新しいものが出たら、許可を得て1回の生成でテストします。
| 画にあるもの… | 使用するモデル | 注意点 |
|---|---|---|
| クライアントの実際の製品（硬質、ラベルあり） | Kling 3.0、実際の写真から、カメラのみを動かす | Seedanceなどは部品を変更し、ラベルを書き換える |
| 部品ごとに変形する製品 | Seedance 2.5、最初と最後のフレームを固定 | Klingは液体の噴射をよりうまく描画する |
| 人物がいるシーン | Seedance 2.5（omni_reference、画像を開始として使用） | 実写テイクの動きをコピーする場合：Seedance 2.0をvideo_references、音声をaudio_referencesで使用 |
| AIらしく見えない人物 | 実写動画ストック、またはHeyGen text_to_video（画像なし、実際の撮影用プロンプト使用） | 漫画のリファレンスはそのスタイルを引きずる |
| 撮影できないもの | Veo 3.1またはGemini Omni Flash | 素材を説明し、文字を禁止する（セクション5） |
| 同じ動きで外観が異なるもの | Seedance 2.5 video_edit | ガラスを水に変えなかった：それは再生成された |
| 自分の動画内の別の主役 | Higgsfield Genjutsu（オブジェクト変更） | 自社素材または権利のあるもののみ：他人のリファレンスは研究対象であり、コピーしない |
| キーフレームと静止画像 | nano_banana_pro（2k、出力先アスペクト比、リファレンス）またはGPT Image | |
| フレーム内の不要なもの | GPT Image、マスク内で | |
| 話すアニメキャラクター | OmniHumanをグリーンバックで使用し、合成する | |
| 音声 | ElevenLabs、Higgsfield内でも可 | クローンは許可が必要 |
| 音楽と効果音 | ElevenLabs | Higgsfieldは音楽も効果音も生成しない：そのオーディオは音声のみ |
| 実写テイクへのリップシンク | ElevenLabsのフロー（Sync 3、Sync 2 Pro、Veed） | 実在の人物の生成動画は受け付けない |
| 人物やオブジェクトの3D | まず無料のもの：Microsoft Rocketbox（MIT）、Quaternius（CC0） | ダウンロードには確認が必要：出典、ライセンス、サイズ |
Kling 4.0（2026年10月：最大10キーフレーム、15リファレンス）はテスト待ち。
手法を再設計する前に、カタログを使い尽くせ。 別のモデルを試す方が、30分のマスク作業よりコストがかからない。
3 · 壊してはいけないもの
予算とリトライ
presupuestoを通さずに生成してはならない。 動画モデルは1クリップあたり数十クレジットを請求することがあり、7回のテストで計画の半分を使い果たす。- 理由のない失敗は1回だけリトライし、まとめてリトライしない。 生成呼び出しを繰り返すと2回課金される。
クライアントの製品（詳細はreferences/producto-real.md参照）
- 再現ではなく複製である。 Image-to-videoは写真をインスピレーションとして扱い、プロポーション、部品、ラベルを変更する。広告が納品できないものを表示すれば嘘になり、製品を知る人が一目で気づく。
- 効果的なレシピ： 実際の写真をアルファ付きで切り抜いてスタジオに配置し、モデルにはカメラのみを動かすよう依頼し、禁止事項を1つ1つ名前指定する。大きな軌道は、写真に写っていない面をモデルが捏造する原因になる。
- 製品に触れないことは、いかなる動きの改善よりも優先される。 モデルが動きを提供できない場合、静止画とエディターでの手動アニメーション：リスクゼロ。
- 「元の写真である必要はない」という発言は、形状をでっち上げる許可にはならない。 3Dやレンダリングは、実際の写真や動画のポジションを忠実にコピーする。まず承認された360度、次に動画。記憶だけで作られた3Dは「レゴの出来損ないのよう」になった。
- 生成されるものは製品以外のもの：背景、照明、環境、抽象的に説明されるメカニズム。
人物とキャラクター（詳細はreferences/personas-y-voz.md参照）
- 同じキャラクターはピース内でのみ；新しいキャラクターは各ピースで。 ピース内では、承認されたポートレートがすべてのショットのリファレンスとなる。ピース間で顔や製品を繰り返してはならない：同じ顔が2つの広告に登場すると、トリックが露呈する。
- 顔と製品は調和しなければならない。 製品が変われば、顔とシーンも変わる。別のピースから流用された販売員が、パンと関係ない会話でパンを提供してしまった。
- クライアントの顧客は同じ広告内で繰り返してもよい： それらは同じ人物が書いている。
- 実在の人物の顔はゼロから生成してはならない。 それを維持できたモデルはない：「似た兄弟」が出てくる。実在の人物の実際のフレームを2〜3秒アニメーションさせるか、自身のテイクを使用することは有効；AIは背景のみに使用する。
- 音声または顔は、その人物の許可がある場合のみ、かつ依頼者が要求した場合のみ。
- 生成された証言は、明らかにアニメーション化されたキャラクターである。 現実的な人物を捏造すると、実際の証言として読まれる。
修正方法
- 却下されたスケッチ＝承認済みから編集し、再生成しない。 気に入られた画像をリファレンスとして渡し、「keep exactly」と短い変更リストを書く。ゼロから生成すると2ラウンド却下された；ステップバイステップで編集すると成功した。
- 方向性なく2回却下された後は、3回目を闇雲に費やさない。 理解したことを述べ、画像またはフレーズを求める。相手が意見を変えた場合、最後に言ったことを伝える。
- セクションの変更はそのクリップのみを再生成し、 同じ開始フレームと終了フレームを使用して、つなぎ目が合うようにする。
- 可能な場合は再生成せずに修正する（歪んだ看板、不要な人物、遅いショット）：references/composicion-y-arreglos.md参照。
- ブラインドテスト： 音声とバージョンは、音量を揃えて、どれがどれか分からない状態で比較する。相手がランダムに当てた場合、違いは目立たない。
生成されるもの
- 見えるものは声が言っていることである。 ショットのアクションはナレーションのフレーズであり、テーマのイラストではない。
- 生成されたシーンでは、何かが起こる。 カメラとアクションは動く：プロンプトは
THINGS MOVE、具体的なアクション、そしてCAMERA MOVES: a steady dolly-in … ending noticeably tighterと記述する。静止は製品のみ。 - 捏造されたテキストは一切禁止。 各ラベルを一字一句確認する；テキストが不要な場合は、プロンプトで禁止する。
- 「録画したように見える」写真上のクロマキーには限界があり、それは開始前に伝える。 リアリズムが重要な場合は、シーンをまとめて生成するか、実際に撮影する（合成と修正を参照）。
- 価値の低いトレンドでは、1回パスして納品する。 4バージョンも作ったり、長い動画をセクションごとに作り直したりしない。
4 · 数値
| 項目 | 数値 |
|---|---|
| 製品：カメラの前進 | 12～15％ |
| 製品：横回転 | 最大10° |
| Klingクリップへのエディターでの追加ズーム | 最大4％（クリップ自体に前進が含まれている） |
| 実写フレームからのアニメーションジェスチャー | 2～3秒 |
| クリップ間のクロスフェード | 4フレーム |
| リップシンク | フレーズあたり2テイク；許容誤差±3フレーム |
| プレゼンターへのズームイン | プッシュ0.3～0.5秒；0.15秒の短いズームはずれとして読まれる |
| Higgsfieldでの音声クローン用サンプル | 10秒～3分のMP3 |
| クロマキー：背景のぼかし | 最大1.2ピクセル、それ以上だとラベルが読めなくなる |
| 静止すべきもの | 1ピクセル未満の動き |
| 質問前の連続却下 | 2回 |
| 理由のない失敗のリトライ | 1回 |
5 · 既知の技術的トラップ
- Higgsfieldへのローカル写真のアップロード：
media_upload→curl -X PUT --data-binary @file "<url>"→media_confirm。ウィジェットは不要。開始フレームと終了フレームは画像ジョブのIDで渡す。 - Higgsfieldのプリセット推奨機能が
generate_videoをブロックする 無関係なプリセットで、ジョブを作成しない。declined_preset_idをそのエラーのID（試行ごとに変わる）に設定して再送信する。何も作成されないため、課金されない。 - Klingの「固定カメラ」は 5秒間で約12ピクセル滑る。上に合成する場合は、背景に対して安定化する。
- 開始と終了が非常に異なるKlingは （約2.5秒で二重露光）融合し、カメラを動かさない。良い部分を使用し、旅は編集で行う。
- Seedanceはラベルを書き換える （ウェブサイトの文字を二重にする）。ブランドのすべてのテキストを確認すること。
- 長い動画のAIリフレームは信頼できない： 約5秒のショットを捏造し、カットを飲み込んだ。縦画面にするには、被写体を追跡してトリミングする。
- 元の動きを保持する動画エディターは、変更ではなく加算する： 手に置かれた携帯電話が3本の手で出力された（Runway Aleph；さらに最大30fpsを要求し、612×1088を返す）。
- 珍しい素材： 説明する（液体金属には「不透明、鏡、溶けたクロム」）そして、モデルが混同するもの（水、真珠）をネガティブプロンプトで禁止する。水は水として読まれる必要がある：滑らかなボールはクリスタルのように見える。
- 誰も要求していない文字： あるモデルがベストに英語で「POLICE」と書いた。テキストが不要な場合は禁止する。
- 明るい背景での輝きとホログラム： 「スクリーン」ブレンドモードは白で消える。独自のアルファを持つ動画を焼き付ける。
- 編集に送られるものは、動画のみで正確な長さにトリミングされてエクスポートされる。 生成されたクリップをそのオーディオと共に配置すると、音声トラックが消去されることがあった；配置後に確認すること。
- 重複ファイル： 新しいピースの顔や製品を、以前のものと
md5で比較する。3つの「異なる」ピースが同じコピーされたファイルを使用していた。
確認されたコスト（2026年9月～11月、目安；変動するため、サービスで確認しprecios.jsonを使用すること）：Kling 3.0、9:16、1.25～1.5クレジット/秒（4Kモードでは5～8秒のテイクあたり約48クレジット）；Seedance 2.0、4K、176クレジット/クリップ；Genjutsu、1080p、約20.6クレジット/秒；45秒のAIリフレーム、561クレジット；HeyGen text_to_video、1080pで5秒あたり9クレジット；Sync 3でのリップシンク、10秒あたり約1.8米ドル。
6 · 納品物と確認事項
納品物： 出力先フォーマット（解像度、fps、正確な長さ；編集に送る場合は動画のみ）のファイル、および各ファイルについて、モデル、プロンプト、リファレンス画像、記録されたコスト。悪かったことは隠さずに伝える。
確認事項（納品時に伝える）：
- ラベルとテキスト、一字一句。
- 製品、実際の写真と並べて：プロポーション、部品数、各部品の位置。
- ピース内のすべてのショットで同じ顔、以前のピースとは異なる顔（
md5）。 - 手、指、出現・消失するオブジェクト。
- 固定すべきものが固定されていること：動いてはいけない部品の動きが1ピクセル未満。
- フォーマット、fps、長さが出力先と一致していること。
- コストが記録され、ピースの上限内であること。