AIによる複数キャラクターのシーン
AI複数キャラクターシーン生成ツール
2026年11月3日更新

| SceneMixerの概要 | 提供内容 |
|---|---|
| 動画の料金 | デフォルトのティアで1秒あたり$0.06(10クレジット)から、最上位のティアで1秒あたり最大$0.47。料金はすべて、ボタンを押す前に表示されます |
| クリップの長さ | 生成するセグメント1つあたり最大30秒。エピソードはセグメントを合成して仕上げ、1秒あたり1クレジット |
| 1話の試算 | デフォルトのティアで60秒のエピソードは約660クレジット(動画と合成の合計)、最も安いクレジット価格では約$4.11。30,000文字の小説から作る、90秒のエピソード10話のシリーズは約10,026クレジット、約$62 |
| セリフ | 動画の中でそのまま話され、キャラクターごとに声が1つ付き、15言語のどれでも使えます |
| フォーマット | 9:16の縦型または16:9の横型。480P〜1080Pに加え、2Kのティアもあります |
| 無料で始められる | 登録時に50クレジット、セットアップ用の無料画像15枚、最初のエピソードの絵コンテ無料、5秒の動画プレビュー無料 |
| 利用者 | 2,900+人のクリエイターがSceneMixerで生成しています(生成が1回以上あるアカウントを2026年11月に集計) |
| 入力 | 脚本、小説、または一行のアイデア(.txt、.docx、.md のアップロードにも対応) |
難しいのは人数ではなく、フレーム内に誰がいるかです
生成動画には、1ショットに複数の人物が登場する場合に特有の失敗があります。本来いるはずのない顔が紛れ込んでしまうのです。テキストで言及されただけの人物——見られている、叫びかけられている、思い浮かべられている——が、その場で創作された顔で画面に現れます。これは、モデルが「その場にいる」と「言及されている」の違いを教えられていないからです。
そのため、ショットリストではショットごとに人物を明記します。各ショットにはフレーム内にいるキャラクターの明示的なリストがあり、文章でも前のショットの終了状態でもなく、このリストだけが、どのキャラクターの設定画を紐付けるかを決定します。
概要
| フレーム内の人物 | ショットごとのリストです。1セグメント内の全ショットのリストの合計が、そのセグメントに送る設定画を決めます。 |
|---|---|
| 画面外の人物 | 「フレーム左方向に」「カメラに目線を合わせて」といった演出指示として記述し、名前は使いません。顔は一切紐付けられません。 |
| 1人だけのショット | 明示的に記載し、レンダラーにフレーム内が1人であることを伝え、余計な人物を創作させません。 |
| 話している人物 | セリフごとに名前で指定し、フレーム内の他の人物は口を閉じているとマークして、話者の口だけが動くようにします。 |
| 背景の群衆 | シーンの状態として明示的に宣言し、セグメントヘッダーに1回記述するか、または登場させません。環境音から暗黙的に推測されることはありません。 |
| 実用的な上限 | 1フレームに名前付きの人物が4人を超えると、品質が低下し始めます。ショットリストはこの上限を超えずに構成します。 |
画面外のキャラクターを名前で書くとショットが台無しになる理由
これは理論ではなく、実測値です。画面外の敵役を名前で指定したショットでは、8回のレンダリング中5回で間違った顔や余分な人物が出現しました。同じショットを名前の代わりに演出指示で書き直したところ、12回のレンダリングでそうした失敗はゼロでした。そのため制作パイプラインでは書き換えを行います。1人だけのショットで、目線や移動方向としてしか存在しないキャラクターは空間的な表現に変換し、フレームリストから除外します。
同じロジックは死者にも適用されます。このセグメントで遺体としてしか言及されないキャラクターは、キャラクター参照ではなく通常の名詞として記述し、設定画が紐付けられて立ち上がってしまうことがないようにします。
向かい合う2人
これを撮る方法は2つだけで、リストからどちらかを選ぶ必要があります。横顔の2ショットか、肩越しのショットです。書いてはいけないのは「AがBに向き合い、Bは背景でぼやけて後ろにいる」です。BがAの被写界深度に入るには、AがBに背を向けている必要がありますが、そのカメラ位置は、通常のミディアムショットには存在しません。それでも指示すると、描画は片方の人物をカメラに正面から向けさせ、もう一方を後ろに立たせてしまいます。SceneMixerは、両者が実際に一緒に画面に入る最初のショットで軸を設定します。
群衆は宣言するか、登場させないかのどちらか
300人の客がいる部屋はシーンの目に見える状態なので、そのように記述します。セグメントヘッダーに1行、背景の人物が誰で、どこにいて、何をしているかを書きます。これはそのシーンの全セグメントで一貫させます。この記述がなければ、ショットは群衆に一切言及できません。環境音の「客のざわめき」は視覚的な指示ではないため、それだけを伝えても、あるショットでは客が映り、次のショットでは会場が空になってしまうからです。
群衆が指定されると、フレームの指示もそれに合わせて変わります。群衆は被写界深度の中に留まり、SceneMixerの画面内リストは、名前が指定されたキャラクターだけを数え続けます。
対応していないこと
- 8人の名前付きキャラクターを1ショットに安定して収めること。 4人を超えるとキャラクターの同一性が崩れます。集団シーンは、実際の撮影現場と同じように、シングルショットと肩越しショットで構成します。
- フレーム内フラグがないキャラクターを映すこと。 可視化すべき人物をモデルがリストに入れ忘れた場合、推測で補わずにその人物は除外されます。人物が1人映らなくても修正は可能ですが、ドラマに見知らぬ顔が映り込んだら取り返しがつきません。
- グループの連続した動きを振り付けること。 隊列を組んで動く群衆、長時間にわたる多人数の戦闘——これらは現在のモデルが一貫して再現できる範囲を超えています。
- サウンドデザインから群衆を読み取ること。 宣言するか登場させないかのどちらかで、中間はありません。
料金
追加の費用はありません。これらはショットリストの性質であり、ショットリストは、エピソードの割り当て分の台本の長さで、100文字あたり1クレジットで課金されます。参照シートは、最初のプロジェクトの無料分15枚を超えると、1枚あたり7クレジットです。SceneMixerのレンダリングは、出力1秒あたり10クレジットから始まります。ショットをまたいで顔が同じに保たれる仕組みはキャラクターの一貫性を、単価は料金ページをご覧ください。
言語
15言語のネイティブ台詞
以下の各シリーズはすべて同じSceneMixerパイプラインで制作されており、キャストはその言語をネイティブに話します。インターフェース、作業ドキュメント、話される台詞はすべて同じ言語で統一されており、吹き替えは一切使用していません。開いて実際に聞いてみてください。
A Carta de LisboaPortuguêsネイティブ台詞
윈터 프라미스한국어ネイティブ台詞
El Secreto de CostaEspañolネイティブ台詞
浪人の誓い日本語あなたの言語で
Ikrar JakartaBahasa Indonesiaネイティブ台詞
Зимняя коронаРусскийネイティブ台詞
L’Héritier du DéfiléFrançaisネイティブ台詞
Il Tavolo dell'OlivaItalianoネイティブ台詞
De Vuurtoren van de FjordNederlandsネイティブ台詞
العهد الصحراويالعربيةネイティブ台詞
Çantasındaki SözleşmeTürkçeネイティブ台詞
Die Istanbul-TäuschungDeutschネイティブ台詞
Останній сигналУкраїнськаネイティブ台詞
問劍青雲繁體中文ネイティブ台詞
The Last EnvelopeEnglishネイティブ台詞
SceneMixerと、ツールをつなぎ合わせる方法の比較
AIドラマの制作フローは、たいてい5〜6個のツールを順番につないだものです。ここでは、各ステップがどこで行われ、何を置き換えるのかを示します。
| ステップ | SceneMixerの場合 | 別々のツールで手作業する場合 |
|---|---|---|
| 脚本とエピソード構成 | 脚本や小説を貼り付けるか、一行入力するだけ。キャスト、場所、小道具、そして編集できるエピソードのアウトラインに読み解かれます | チャット型AIが脚本を書き、エピソードへの分割や、ツール間でのテキストの受け渡しは自分で行います |
| キャラクターの顔と場所 | キャラクター、場所、小道具は、それぞれ1回だけ設定画として描かれ、登場するすべてのショットに紐づけられます | 画像モデルで1枚ずつ生成し、クリップごとに正しい参照画像を自分でアップロードします |
| ショット | エピソードごとに、ショット番号と秒数つきの絵コンテを作成。動画は同じ設定画を参照しながら、セグメントごとに9:16または16:9で生成されます | 動画モデルにプロンプト1つにつきクリップ1本。毎回、同じ人物の説明を最初から書き直します |
| 声とセリフ | セリフは動画の中でそのまま演じられ、キャラクターごとに声が1つ付き、15言語のどれでも使えます | セリフごとに音声合成ツールを使い、そのあとすべてのクリップにリップシンク処理をかけます |
| 1ショットの修正 | そのショットのテキストを編集して、そのセグメントだけを再生成します。エピソードのほかの部分には手を加えません | クリップを再生成し、そのうえでタイムラインを編集し直します |
| 仕上げ | セグメントはBGMとともに1本のエピソードファイルに合成されます。会員はAIバッジなしでダウンロードできます | 動画編集ソフトでクリップをつなぎ、音楽と字幕を入れて書き出します |
| 公開 | 完成したエピソードは、TikTok、YouTube、Instagramなど好きな場所に自分でアップロードします。SceneMixerが代わりに投稿することはありません | 手動でアップロードします(SceneMixerでも同じです) |
よくある質問
1ショットに何人までのキャラクターを入れられますか?
実際に人物の同一性が崩れ始めるまでの現実的な上限は、名前のある4人です。SceneMixerのショットリストは、その範囲内に収まるように作られています。大勢のシーンは、広い集合のフレームではなく、単独ショットと肩越しのショットで扱われます。
言及しただけのキャラクターが画面に現れたのはなぜですか?
まさにそれが、SceneMixerのショットごとの画面内リストが防ぐ失敗です。ただ見られるだけ、または話しかけられるだけのキャラクターは、名前ではなく指示として書かれ、画面内リストには入りません。そのため、参照画は付かず、顔も作られません。
2人のキャラクターが向かい合って話すことはできますか?
はい、横顔のツーショットか肩越しショットで可能です。うまくいかないのは、片方がもう片方の方を向き、もう片方が背景でぼやけている構図です。このフレーミングと奥行きの組み合わせは物理的に不整合であり、指定するとカメラに向かって話す人物の後ろにもう1人が立っているような絵になってしまいます。
背景のエキストラはどのように扱われますか?
群衆は、セグメントのヘッダーで一度だけ宣言されます。誰か、どこで、何をしているか。そのシーン全体で一貫して保たれます。何も宣言されていなければ、そのショットは群衆を参照しません。SceneMixerは、環境音の群衆の声だけを視覚的な指示として扱いません。
誰が口を動かすのか?
各セリフの名前付き話者だけです。フレーム内のその他の人物は、唇が閉じていると明示的にマークされます。これにより、聞き手がセリフに合わせて黙って口を動かしてしまうことを防ぎます。
キャストしていない人物はフレーム内に存在しません
混雑したシーンを1つ生成して、顔の数を数えてみてください。
SceneMixerを無料で試すクレジットパッケージは$1.49から・Pro $7.99/月・開始時にクレジットカードは不要