短いクリップ一本を、白紙から完成ファイルまで

十秒のクリップが一本ほしかったのです。夜のバルコニーに立つ女性、背後に街、何かの冒頭になりそうな画。野心的なことは何も。四十分ほどと3,150コインかかりました。それがどこへ消えたかを書き留めるほうが、きれいなチュートリアルより役に立ちます。四十分の大半は入力ではなかったからです。

まず経路を決める。ここで間違えかけた

最初の衝動は、全部テキストで書いてモデルに考えさせることでした。それは誤った選択で、理由は始める前に知っておくべき唯一のことです。テキストからの生成は人物も発明し、しかも毎回別人です。

クリップ全体を通して保たれる特定の見た目がほしかったので、答えは先に静止画を作って動かすことでした。防波堤の波や夜の車の流れがほしかったのなら、テキストで十分で、一工程省けたはずです。この判断はまるごと一文で済み、 比較の記事 がそれを与えてくれます。

静止画: 四枚、160コイン

スタンダード品質、一枚40コイン。一枚目は明るすぎ、二枚目はこちらを見ていて、私は目線を外してほしかった。三枚目は正しいが引きすぎ。四枚目が当たりでした。

高い授業料で覚えたことをひとつ、意図してやりました。私はその静止画を、良い写真としてではなく 開始フレーム として書きました。つまり被写体は動作の途中ではなく静止している。すでに動きの途中に見える静止画は、動画モデルに行き先を残さないからです。そして背景はぼかしてあります。ドリフトがいちばん先に出るのは背景だからです。

一本目: 四秒、500コイン、外れ

下書きは四秒、720p、ターボ。使い物になる組み合わせの中でいちばん安い構成です。プロンプトは場面を書いていました。バルコニー、街の灯り、髪、雰囲気。

返ってきたのは、静止画が軽く揺すられただけのようなものでした。動きはほとんどなく、あるぶんも当てどない。

あとから見れば明白な間違いで、一週間動画から離れると私は毎回これをやります。場面がどう見えるかは静止画がすでに言っていた。それをプロンプトで繰り返したせいで、指示の予算をぜんぶ、モデルがすでに持っている情報に使ってしまったのです。動画のプロンプトは 動くもの について書くべきです。

二本目: 四秒、500コイン、惜しい

動きだけを書き直しました。ゆっくりした呼吸、風で少し持ち上がる髪、背後で柔らかくピントが移る街の灯り、カメラは固定。四つの節、すべて時間の中の変化について。

差は歴然でした。今度は揺れる写真ではなくショットになっていた。それでもまだ違う。カメラを固定にしたせいで、防犯カメラの映像のように見えたのです。これは知れてよかった。つまり変数はカメラで、私はそこに手をつけていなかったということですから。

三本目: 四秒、500コイン、これだ

変えたのはきっかり一か所。固定カメラを「very slow push in」に。ほかはすべて同一。

それがそのショットでした。被写体へのわずかな寄りは、画面の中の何をもってしてもできないことを注意力に対してやってのけます。しかも費用は一節分。

画像と同じ規律、一回につき一変数。動画ではむしろ重要度が上がります。一回の費用が十二倍だからです。

長さに踏み切る: 十秒、1,250コイン

動きとカメラが固まったこの時点で、はじめて十秒で回し直しました。同じプロンプト、同じ開始フレーム、長さだけ変更。

実際にお金を節約するのはこの工程です。十秒は720pターボで1,250コイン。私は実験を500コインで回し、十秒の値段は最後に一度だけ払いました。これを逆にやると一本のクリップが大きなパックを食べますし、 価格の階段 は十分に急なので、この規律はすぐに元を取ります。

正直な注意をひとつ。長い版は四秒版を引き伸ばしたものではありません。作り直しになるので、動きは似ていても同一ではありません。ときには長い版のほうが悪く、もう一度回すことになります。驚くのではなく、その可能性を見込んでおいてください。

音: 何もなし

文字どおり何もすることがありません。クリップは音声トラックが中に入った一本のMP4で届き、同じ場面のために生成されていて、価格は変わりませんでした。プロンプトに「distant traffic, wind」と書いてあり、おおむねそのとおりのものが入っていました。

かつて仕事の半分だった工程が、いまは存在しない工程になりました。理由は 生成される音の記事 にあります。

最終集計

• 静止画4枚、各40コイン: 160
• 四秒の下書きクリップ3本: 1,500
• 十秒の最終クリップ1本: 1,250
• 合計: 3,150コイン、約四十分

その四十分のうち、入力していたのはせいぜい六分でしょう。残りはレンダリング待ち、秒ではなく分の単位で走ります。そして直前の一本で十分かどうかを決めながら立っている時間です。このリズムこそ画像作業との本当の違いで、速く反復できない以上、一回一回に作る値打ちがなければなりません。

始める前の自分に言うなら、静止画は開始フレームとして書け、動きだけを書け、一度に一変数を変えろ、そして四秒版が望みのショットになるまで長さに触れるな。あとはぜんぶ辛抱です。行う場所は Fellowi Video で、 動画プロンプトのガイド は私が無駄にした二本の圧縮版です。