AI動画の舞台裏③｜森のかくれんぼ動画は、初版を捨てて作り直した記録(寄りすぎ・キツネが2匹に)

公開日: 2026年11月3日 / 更新日: 2026年11月3日

カテゴリー: AI動画の舞台裏

2026年11月3日、AIアシスタントのMuseに、森の中に隠れた動物を探す「かくれんぼ」の動画(20秒、YouTube Shorts用の縦型)を作ってもらいました。先に結果を書きます。最初に作った版(初版)は、指示と違う点が2つあったため、結合も納品もせずに捨てて、指示文を直して作り直しました。作り直した版(v2)は20.053秒の動画になっています。

このサイトは、運営者が実際に試したことを、うまくいかなかった点も含めて記録しています(詳しくは運営者情報)。前回はAI動画の舞台裏②｜子ゾウのシルエットクイズを書きました。

完成した動画

作り直し版の完成動画(20.053秒、音声あり、再生すると音が出ます。約25MBあるため、再生ボタンを押すまで読み込みません)

何を作らせたか

形式: YouTube Shorts用、縦型9:16、約20秒
参考画像: 運営者が用意した、森の全景のイラスト1枚。動物は3匹だけ
隠れる場所: キツネは左上の木の穴の中、ウサギは右側の葉の陰、子ジカは右下の苔むした岩の陰
条件: 動物たちが実際に動く。参考画像の背景、動物の見た目、配置、光の方向、カメラの構図を変えない
流れ: 登場、キツネ、ウサギ、子ジカの順に姿を見せ、最後は3匹が中央に集まって答え合わせ
音: BGMと小川の水音。文字や字幕は動画に入れず、クイズの文字は運営者が後から編集で付ける

数字で見る制作結果

制作日は2026年11月3日です。テーマ、参考画像の用意、確認は運営者、生成と結合はMuseが行いました。

初版の前半(Part1): 10.000秒、704×1248、24fps、音声あり、7,487,471バイト
初版の後半(Part2): 10.000秒、704×1248、24fps、音声あり、6,998,813バイト。初版は結合せず、結合版のファイルは存在しない
作り直し版の前半: 10.000秒、704×1248、24fps、音声あり、9,883,828バイト
作り直し版の後半: 10.000秒、704×1248、24fps、音声あり、7,083,624バイト
作り直し版の結合版: 20.053秒、1080×1920(704×1248から拡大)、24fps、音声あり(BGMと小川の音)、25,069,824バイト
生成にかかった時間、使用量のうちこの1本の分、使ったモデル名: 不明(記録がないため、書きません)

初版で起きた2つの問題

Museが初版のフレームを確認したところ、指示と違う点が2つありました。

カメラが動物ごとに寄ってしまう。 参考画像は、森の全景を引きで見る固定の構図でした。ところが、初版の前半の4秒付近では、キツネが画面の左上から左半分にかけて大きく映る、寄りの画になっていました。
フィナーレでキツネが2匹に増えた。 初版の後半の8秒付近で、Museの資料では、木の穴の中と手前の両方にキツネが映り、動物が合計4匹になっていた、とされています。指示は「3匹だけ」でした。

木の穴からのぞくキツネが、画面の左上に大きく映っている。初版の4秒付近 — 初版・4秒付近。キツネが大きく映る寄りの構図(全景の固定構図の指示とは違う)

木の穴のあたりと手前の2か所にキツネがいて、ウサギと子ジカを合わせて4匹が映っている。初版の8秒付近 — 初版・8秒付近。キツネが2匹に増え、動物が4匹になっている

指示文を直して作り直した

初版は結合せず、指示文を直して作り直しました。追加した指定は主に2つです。「カメラは参考画像の構図のまま固定し、寄らないこと」と、「各動物は1匹だけ。フィナーレは同じ3匹が中央に集まること」です。指示文の全文は、この記事では引用していません。Museの資料にある要約をもとに書いています。

作り直し版のフィナーレ(18秒付近)では、キツネは手前に1匹だけで、木の穴は空になっています。重複は解消しました。

全景のオープニング。木の穴で眠るキツネ、右側の葉の陰のウサギ、右下の岩の陰の子ジカが、それぞれ隠れている。作り直し版の1秒付近 — 作り直し版・1秒付近。3匹がそれぞれの隠れ場所にいる、全景の構図

手前の苔の上に、キツネ、ウサギ、子ジカが並んでこちらを見ている。木の穴は空になっている。作り直し版の18秒付近 — 作り直し版・18秒付近。3匹が手前に集まる。キツネは1匹だけで、木の穴は空

作り直し版に残った点

生成の解像度が704×1248のため、1080×1920に拡大した動画は、画質がやや柔らかい。納品のときにも、運営者に伝えられた
フィナーレは、3匹が中央に大きく集まる構図で、参考画像の全景の引きの絵とは、寄り具合が違う。上の18秒付近のフレームでも、動物が大きく映っている

分かったこと

初版は、カメラの寄りと動物の数、2点の指示違反があった。Museは、フレームを確認して、結合する前に気づいた。確認してから結合する順番にしたことで、失敗作を納品せずに済んだ
直した指示は、「やってはいけないこと(寄らない、各動物は1匹だけ)」を、はっきり書き足すものだった。ただし、これが直った理由かどうかは、今回の1回だけでは分からない
作り直しても、指示と完全には一致しない(フィナーレの寄り具合)。「指示通り」と「指示に近い」は別の話

次は、レッサーパンダの書店で働く動画です。こちらは6つのシーンを、別々に生成してつないでいます。 AI動画の舞台裏④｜レッサーパンダの書店動画を、6シーン別々に作ってつないだ記録に書いています。

この記事の映像素材(静止画)は、AIアシスタント「Muse」が制作した動画から抜き出したものです。テーマや長さの指定、確認は運営者が行いました。映像は全てAIが生成したもので、実写ではありません。