AIっぽく見えないAI動画の作り方

サイン1:ショットごとに顔が変わる

原因: ショットがそれぞれ単独で描かれると、その人物が誰なのかを示すものがないため、モデルはそのたびにもっともらしい顔を描きます。直し方: キャラクターを承認済みの画像1枚を持つ1つの項目として登録し、その人物が登場するショットはすべて、その項目から作ります。クローズアップの顔も、引きのショットの顔も、第9話の顔も同じです。元になるのは前のクリップではなく項目だからです。失敗したショットが次のショットを台無しにすることはありません。作り直すか、そのまま先に進んでください。

あなたの役割: 動画に料金を払う前に、SceneMixerのステップ2で設定画を承認します。顔の説明は、実際の顔にある具体的な特徴で書きます。曲がった前歯、折れた鼻、白髪まじりの無精ひげ、傷跡などです。「美しい」のような評価の言葉は避けてください。モデルは評価の言葉を、平均的な美形の顔に落とし込んでしまうからです。設定画は、骨格がわかる素直なサイドライトで描かれるので、残りは説明文が補います。無料なのは、アカウントごとに最初の15枚の設定画です。どのショットでも同じ顔 · 結果ではなく原因を書く。

サイン2:部屋の配置が変わり、人物の左右が入れ替わる

原因: 会話は3~4ショットで構成されますが、ショットごとに部屋が作り出されると、窓の位置が動き、左にいた男性が右にいることになります。切り返しのショットでは、存在しなかった壁まで描かれることもあります。直し方: どのシーンにも、空間、重要な家具、各人物の立ち位置を備えたAIの3Dモデルが自動で作られ、そのシーンのすべてのショットは、この1つのモデルをもとに生成されます。引きのショットも、クローズアップも、切り返しのショットも、同じ部屋を別の位置から描いたものになります。事前の設定は必要ありません。

あなたの役割: 位置は、部屋の中の物や人どうしの関係で書きます。たとえば「テーブルの上座、彼女の向かい、窓を背にして」のようにです。セグメントの冒頭で1回書き、人が動いたときだけ書き直します。「窓際」はどのカメラから見ても成り立ちますが、「左側」は1つのカメラからしか成り立ちません。全員が座った位置のまま · ワールドが読み取れる形で位置を書く · キャラクターの左右が入れ替わる理由。

サイン3:服や傷が急に変わる、または変わるべきときに変わらない

原因: 参照画像を与えられたモデルは、そこに写っているもの、つまり顔、服、物の形をそのままコピーし、どんな文章でもその癖は変えられません。直し方: 見た目が変わるものには、状態と呼ぶ専用の画像が必要です。衣装の全面的な着替え、変身、焼け落ちたホール、鞘から抜かれた刀などがそうです。読み込みでは、上限の範囲内でそれらが提案され(キャラクターは最大3つのルック、ロケーションは2つ、小道具は1つ)、どのセグメントがどれを使うかも割り当てられます。立っているか座っているか、昼か夜か、雨、ほこり、誰が何を持っているかなど、状況だけが変わる場合は、文章で書けば問題なく動きます。特に雨は、状態ではなくテキストで書くものです。

判断基準は1つの問いです。物そのものの見た目が変わるのか、それともその周りの状況が変わるのか。両方のバージョンが1つのフレームに同時に存在しうるなら、それは状態を持つ1つのアセットではなく、2つのアセットです。衣装替えとシーンの状態。

サイン4:群衆が現れたり消えたり、何もない場所を見つめたりする

原因: ショットの背景に人がいるかどうかは事実のひとつですが、テキストで一度も述べないと、モデルがショットごとに決めてしまいます。あるショットでは教会が満席なのに、次のショットでは空っぽになっている結婚式は、その典型です。直し方: 群衆は、セグメント全体で事実として一度だけ書きます。誰が、どこで、何をしているか。たとえば「テーブルに着いて食事をしながら話している、12人ほどの客」のようにです。場所に誰もいない場合は、代わりに何があるかを書きます。「人けのない通り、カフェの壁際に積み上げられた椅子」のようにです。「群衆なし」のような否定の書き方は、かえって群衆を生みがちです。文章は、描くことを検討するものの一覧になるからです。シーンの背景の人物 · ないものではなく、あるものを書く。

ショットに映っているキャラクターには全員に@チップを付け、声だけの人や部屋の別の場所にいる人には付けません。映らない人物の名前があると、そこにいないはずの顔が描かれてしまいます。フレームに映っているのは誰か。

サイン5:ありがちなAIの画づくり

原因: すべてを平均すると、なめらかな肌、完璧な左右対称、どこからともなく差す均一な光になります。直し方: 画づくりは、意図して、層ごとに選びます。ビジュアルスタイルは表現の媒体、シーンスタイルはセットを何で組み立てるか、衣装スタイルは人物が何を着ているかです。それぞれ別の層を制御するため分けてあり、1つの枠にまとめてしまうことが、ありがちな画づくりの原因になります。そのうえで、各ショットに光源のある光を与え(デスクランプ、天井を横切るヘッドライト、曇りの正午)、動作は物理的な原因として書き(電車がブレーキをかけ、彼女のコーヒーが傾く)、1ショットの人数は2~3人に抑えます。

魔法の言葉は入れないでください。「傑作、8K、シネマティック、ボリュメトリックフォグ」のような言葉は、モデルが置き場所を決められるものを何も足さず、本当に大事な言葉を後ろへ押しやり、ときには文字どおりに描かれてしまいます。実際に霧が出てくるのです。AI動画をよりリアルに見せる方法 · 魔法の言葉は不要 · スタイル設定の選び方。

サイン6:音が映像に合っていない

原因: 音声を映像のあとで収録したり吹き替えたりすると、口と言葉がずれていきます。対策: SceneMixerは各セグメントを、音声込みで生成します。タグ付けされた各セリフは、そのキャラクターの声で、実際に口が動いている本人が話し、その場所の環境音も入ります。各キャラクターの声は1つで、一度選べば全エピソードのすべてのセリフに使われます。内蔵ライブラリから声を合わせると、そのキャラクターが話すすべてのショットに紐づきます。

あなたの作業: 各セリフに話者とボイスのタグを付けて書き、ショットに映るほかの人物は口を閉じた状態にし、環境音を数語で1行加え、無音のショットには「セリフなし」と記します。映像に文字が出る場合は、看板、字幕、内容のある画面にショットが触れたことが原因です。空白の画面を記述して再生成してください。1回の生成でセリフと音を作る · 映像の中の文字と、間違ったセリフ。

最初のセグメントでできる3分間テスト

残りを生成する前に、最低のティアのSceneMixerセグメント1つでこのテストを行ってください。そこでの撮り直しの費用は小さく、得られた教訓はその後のすべてのショットに生きます。生成前のチェックリスト。

セットアップでは直せないこと

手、5人が同時に話す場面、群衆の細部は、AI動画がいまも見破られやすい部分で、対処法は求める量を減らすことです。人数を少なくし、1ショットにつきアクションは1つにします。同じ依頼でも異なるクリップになることがあるため、2回目のテイクが必要なショットも出てきます。また、実在の人物に近すぎる顔は拒否されますが、これは欠陥ではなくルールです。本当の目標は、AIで作ったことを隠すことではありません。それはバッジやプラットフォームのラベルが示すものです。目標は、物語から注意をそらす不具合を取り除くことです。

よくある質問

2026年11月2日更新