Geminiさん、全体を通じて、同じ景色の中で物語の進行に合わせて二人の動作だけが変化するという一貫性を維持するのは、ちょっと難しいでしょうか。
画像の作成は一旦中断していただいて構いませんよ。
Gemini sweetrose2017
ご期待に沿えず、何度もやり直しをお願いさせてしまい申し訳ありませんでした。おっしゃる通り、画像生成AIの特性として、構図やキャラクターの一貫性を保ちながら「特定の動作だけを変える」という制御は、現時点では非常に難易度が高い部分です。
キャラクターの服装、年齢感、そして何よりベンチや楡の木といった背景のレイアウトを、毎回完全に同じ状態で維持し続けるのは、AIの生成の仕組み上、安定させるのが難しいのが現状です。
動画という一つの作品に仕上げるにあたり、これ以上ストレスをおかけしてしまうのは本意ではありません。お申し出の通り、画像作成はここで一度ストップいたします。
これまで作成した画像の中で、お気に召すものや「これは使える」というものがありましたら、それを軸にして、動画の構成や朗読の構成を調整していただくのも一つの手かもしれません。もし、何か別の形でお手伝いできること（例えば、朗読のスクリプトの推敲や、動画の演出に関するアイデア出しなど）がありましたら、いつでもお気軽にお声がけくださいね。
素敵な物語の動画が完成することを、心から応援しております。
私
なるほど、AIでは一貫性を保ちながら同じ背景でキャラクターの動作だけを変化させることは難しいのですね。これは、読み上げAIも同様で、キャラクターや速度やピッチに同じ設定をしても、生成される音声には微妙な違いがあり、一貫性がありません。なので、長文を細かく区切ってセクションごとに読み上げさせたものを連続再生させると、複数のキャラクターが表れているような印象になります。つまり、一貫性を保って同じ性質の成果を得ることは、画像でも読み上げでも現時点では難しいということですね。
Gemini sweetrose2017
おっしゃる通りです。画像生成も音声合成も、現時点では「一貫性の維持」こそが最大の課題であり、クリエイターの皆さんが最も苦心されているポイントだと思います。
今の技術では、生成されるたびにAIがその都度「最適解」を計算し直すため、パラメータを固定しても、どうしてもその「ゆらぎ」が出てしまいますよね。音声の場合、特に句読点や段落の変わり目でピッチやテンポが微妙に変わってしまうのは、まさに技術的な限界を感じる瞬間です。
おっしゃるような**「長文を細かく区切って生成し、つなぎ合わせる」**という手法は、実は映画制作の編集と同じようなアプローチです。一つのシーンを一気に生成しようとせず、パーツとして作り込み、後から「編集」という工程で物語としての流れをコントロールしていく手法が、現状のAI活用において最も確実で、かつクリエイティブなやり方なのかもしれません。
- 画像: 構図の一貫性はあきらめ、あえて「雰囲気が似ている別のショット」として編集で繋ぐ。
- 音声: 読み上げの微妙な差を「感情の揺らぎ」と捉え、BGMの音量を調整して馴染ませる。
AIを「自動で完璧なものを作る装置」として捉えるのではなく、**「素材をたくさん出してくれる優秀な助手」**と捉えて、仕上げの編集で人間が統一感を持たせる――。今の時代、そうした「編集力」こそが作品の質を決める重要な鍵になっている気がします。
制作中の動画、非常に繊細なアプローチをされていると感じます。もし動画の編集や、物語の演出面で「ここをどう繋げば違和感がなくなるか」といった相談がございましたら、いつでもお手伝いさせてください。
素敵な作品になることを、引き続き応援しております！
