ChatGPTで絵コンテを作ると簡単に動画が作れるって本当？

みなさん、新しいChatGPTの画像生成（Image 2.0）は試しましたか？

アニメ風の絵もいい感じで、しかも指示通りに動いてくれる。最近は、これにハマっています。

そして最近、このChatGPT Image 2.0を使って「絵コンテ」を先に作り、そのまま動画生成に投げるという方法が広まっています。

やってみたら、これが思った以上に強力でした。

なぜ絵コンテが動画生成を変えるのか

動画生成AIの最大の悩みは「ガチャ」です。

同じプロンプトを入れても、毎回微妙に違う映像が出てくる。構図がズレる、キャラが崩れる、雰囲気が変わる。

でも先に絵コンテ画像を作っておくと、動画生成AIはその画像を「参照」して映像を作ってくれます。 プロンプトだけの指示より、はるかにイメージ通りの映像になりやすいです。

特に今話題のSeedance 2.0は、絵コンテの再現度がかなり高いです。

実際にやってみた：軍人がラーメンを作る1分動画

「深夜の厨房で、軍人の男がラーメンを作る」というコンセプトで動画を作りました。

絵コンテの作り方

絵コンテの作り方は色々とあるとは思いますが、私の場合は絵コンテの画像を生成する前に動画のプロンプトを先に考えます。
動画用のプロンプトを元に画像を生成すると動画にした時にズレにくいです。

今回、私がChatGPT Image 2.0に絵コンテを生成させたのが、この4枚です。

シーン1：スープ仕込み　プロンプト例
cut1:
エクストリームクローズアップ。
鶏ガラが大鍋の中でゆっくりと沈んでいく。
水が透明なまま揺れる。カメラ固定。

cut2:
ローアングル・コンロ横から。
弱火の青い炎が安定して燃え続けている。
鍋の底がわずかに揺れる。カメラ固定。

cut3:
バストショット・斜め横から。VICが鍋を静かに覗き込んでいる。
腕を組み、表情は真剣。カメラわずかにプッシュイン。
VICの台詞：「鶏ガラは弱火で3時間。
強火にするとはくだくする。醤油にはチンタンが合う。
スープはすんでいてこそだ」

cut4:
エクストリームクローズアップ・真上。
お玉でスープをすくい上げると、
琥珀色の透明なスープが光を受けてきらめく。カメラ固定。

cut5:
ミディアムショット・引き。
VICが一人、広い深夜の厨房に立っている。
背後に基地の窓、外は暗い。カメラ固定。

シーン2：チャーシュー作り　プロンプト例
cut1:
エクストリームクローズアップ・真横。
紐で巻かれた豚バラのロールがフライパンの上で
箸で転がされながら表面全体を焼き付けられる。
脂がじわりと滲み出し、皮がこんがりと色づく。カメラ固定。

cut2:
マクロ・俯瞰。
醤油、みりん、酒がボウルの中でゆっくり混ざり合う。
琥珀色のタレが渦を描く。カメラ固定。

cut3:
バストショット・正面やや斜め。
VICがボウルを持ち、タレの香りを確かめるように鼻を近づける。
小さく頷く。
VICの台詞：「チャーシューってのは中国語だ。
本来は串に刺して焼くもの。
……醤油ダレに味醂を少し入れると、
なぜか落ち着く」

cut4:
クローズアップ・斜め横。
鍋の中でロールが醤油ダレにゆっくりと煮込まれ、
表面が飴色に照り輝く。湯気が上へ流れる。

cut5:
マクロ・真横。
完成したチャーシューがまな板の上で
薄くスライスされる瞬間。断面が美しく輝く。カメラ固定。

シーン3：麺茹で　プロンプト例
cut1:
俯瞰・真上。
大鍋の中で湯が激しく沸騰している。
蒸気が渦を巻いて上昇する。カメラ固定。

cut2:
ローアングル・鍋の縁スレスレ。
麺が湯の中に投入され、
白い蒸気が爆発的に立ち昇る。カメラわずかに揺れる。

cut3:
バストショット・斜め横。
VICが腕時計を静かに確認する。表情は変わらない。
VICの台詞：「1分45秒。
固すぎても柔らかすぎても意味がない。
ちょうどいい、というのが一番難しい」

cut4:
エクストリームクローズアップ・真横。
麺が湯の中で躍動しながら泳ぐ様子。
細かい泡が麺に絡みつく。カメラ固定。

cut5:
ミディアムクローズアップ・斜め上から。
網杓子で麺をすくい上げる。
湯切りの水滴が光を受けて細かく飛び散る。

シーン4：盛り付け・実食　プロンプト例
cut1:
俯瞰・真上。ゆっくりプッシュイン。
丼にスープが静かに注がれ、
琥珀色の液体が広がる。湯気が立ち昇る。

cut2:
エクストリームクローズアップ・斜め横。
チャーシュー、メンマ、煮玉子が
一つひとつ丁寧に盛り付けられる。カメラ固定。

cut3:
マクロ・真横。
完成した丼のアップ。湯気がゆっくりと昇り続ける。
カメラ固定。長め。

cut4:
ミディアムショット・正面やや斜め。カメラ固定。
VICが厨房のカウンターに一人座り、
箸を持ってゆっくりと麺をすする。
すすり終わったあと、目を閉じる。長い沈黙。
VICの台詞：「……明日も生きて帰ってきたら、また作ろう」

このシーンごとの4枚を軸に、Seedance 2.0で各シーンを生成。合計で約1分の動画になりました。

Seedance 2.0への投げ方

生成したシーンごとの絵コンテをSeedance 2.0に参照画像として投げ、絵コンテを制作したプロンプトと同じプロンプトを入れていきます。

1クリップは12秒〜15秒を目安に生成して、動画編集ソフトで繋ぐと約1分動画の完成です。

絵コンテありの場合、かなりの確率で絵コンテに沿った動画が生成されます。しかし、クリップとクリップの繋ぎ目やセリフの間違いなど、修正が必要になる箇所は出てくると思います。

結論

ChatGPTで絵コンテを作った場合、かなり簡単に動画を生成することが出来ました。この方法のメリットは絵コンテの時点で違うなと思った箇所を修正できるので、動画生成にかかるクレジットを大幅にカットする事が出来ます。