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

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、レッサーパンダが書店で働く15秒の動画(YouTube Shorts用の縦型)を作ってもらいました。今回は、6つのシーンを別々に生成して、切り出してつなぐ方法です。結果は15.000秒ちょうど、無音の動画になりました。うまくいかなかった点も、同じように残します。

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③｜森のかくれんぼを書きました。

完成した動画

完成動画(15.000秒、無音)

何を作らせたか

テーマは「レッサーパンダの書店職場体験」です。最も重要な禁止事項は、「静止画を並べただけの動画」「同じ映像のスロー再生やループ」でした。1本の中で、実際に動きのあるシーンを作ることが条件です。

0〜2秒: 入口のドアを開けて、店内へ入る
2〜5秒: 両手で本を持ち、本棚へ並べる
5〜8秒: お客さんに本を手渡し、お辞儀する
8〜11秒: 落ちそうな本を1冊、慌てて受け止める
11〜13秒: 本を棚に戻し、嬉しそうに笑う
13〜15秒: カメラに向かって手を振る

そのほかの条件は、同じレッサーパンダを全シーンで維持すること、書店員のエプロンの服装を最初から最後まで統一すること、人間のスタッフを登場させないこと、映像の中に文字や字幕を生成しないこと、でした。音声、字幕、BGMは運営者が後から追加するので、納品は無音です。

数字で見る制作結果

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

絵コンテ: 運営者が、6コマのシートを2案(各1024×1536)用意した。採用したのは1案目(白いシャツと緑のエプロン)で、Museが6枚に分割して使った。2案目は使っていない
生成したクリップ: 6本、各10.000秒、720×1280(生成時には音声トラックあり)
各クリップのサイズ: シーン1が5,428,904バイト、シーン2が3,406,566、シーン3が3,679,164、シーン4が4,227,732、シーン5が4,174,854、シーン6が4,067,896
切り出し: シーン1は先頭から2秒、シーン2は1秒地点から3秒、シーン3は1.5秒地点から3秒、シーン4は先頭から3秒、シーン5は2秒、シーン6は2秒。合計15秒
結合した動画: 15.000秒ちょうど、1080×1920(720×1280から拡大)、24fps、音声トラックなし、12,093,458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)

抜き出したフレーム

書店の入口のドアを開けるレッサーパンダ(1秒付近) — 1秒付近。来店のシーン(ドアを開けている)

書店のカウンターで、緑のエプロンのレッサーパンダが、ピンクのセーターを着たウサギに絵本を手渡している(6.5秒付近) — 6.5秒付近。ウサギのお客さんに絵本を手渡している。本の表紙の上部に、文字のような模様が見える

棚から落ちそうなピンクの本を、驚いた顔のレッサーパンダが受け止めようとしている(9.5秒付近) — 9.5秒付近。落ちそうな本を受け止めるシーン。背表紙にも、読めない文字のような模様が多い

カメラに向かって手を振るレッサーパンダ(14秒付近) — 14秒付近。カメラに手を振る締めのシーン

うまくいかなかった点・仕様どおりの対応・想定外

音声は編集で取り除いた(仕様どおり)。 生成したクリップには音声が付いていましたが、「音声は後から追加するので無音で納品」という指示だったため、編集で音声トラックを取り除きました。失敗ではありません。
顔つきがシーンごとにわずかに違う。 6シーンを別々に生成したため、レッサーパンダの顔つきが、シーンごとに少し違います。納品のとき、運営者にも伝えられています。服装(白いシャツと緑のエプロン)と、目立つ特徴は、確認したフレームの範囲では揃っています。なお、この記事のフレームを見比べると、エプロンの緑の色味は、6.5秒付近では明るい緑、9.5秒付近では暗いオリーブ色に見えます。照明の違いかもしれませんが、確かめてはいません。
お客さんはウサギになっている。 「人間のスタッフは登場させない」という条件に合わせて、お客さんはウサギのキャラクターになりました。
文字のような模様が残った。 指示は「映像の中に文字を生成しない」でした。しかし、シーン3の絵本の表紙の上部に、判読できない文字のような模様が見えるフレームがあります。上のフレームを見ると、本の背表紙や棚のラベルにも、読めない文字のような模様があります。 Museは、これを「装飾レベルの模様として残った」と書いています。

分かったこと

6シーンを別々に生成して切り出す方法は、シーンごとの動作を指定しやすい。その代わり、シーン同士で顔つきの揺れが出る。1本を通して生成する方法とは、比較していないので、どちらがよいかは分からない
「文字を生成しない」と指示しても、本や看板のような「文字がありそうな物」が映ると、文字らしい模様が出る
音声や字幕を後から付ける前提なら、納品を無音にする判断は、編集の手間を減らす

ゲーム制作の記録はゲーム制作のカテゴリーにあります。AI動画の記録は、AI動画の舞台裏のカテゴリーにまとめています。

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。