実際に動画を生成してみた
動画生成の実力はいかがなものなのか。やはり実際に手を動かしてみないと実感できませんので、トライしてみました。生成の手順はこちらを参考に。
忠実にやってみる
実は1週間ほど前からトライしようとしていましたが、早速つまずいていました。理由は「コンテからつくってみよう」と考えたからです。「せっかくならクスッと笑えたり面白い映像をつくりたい」とハードルを上げてしまい、そこで挫折していました。笑
なので今回はmikimiki 先生のプロンプトと同じものでトライ。
まずはMidjourneyで画像生成
どんな人物がどんなことをしていたらいいか？などと考えだすと、また挫折しそうだったので、完全に同じプロンプトに。
/imagine T-pose of teenager of female from 2050, symmetrical, full body, spread arms, front view, historic action movie character, futuristic
だいたい同じようなものができました。
アップの女性を生成したら、続いて背景を生成。人物と背景を一緒に生成しようとすると、修正の際に相互に影響が出てしまうので、別々に生成した方が良いとのこと。
人物と背景を、これもまたMidjourneyを使って合成。Photoshopでマスクを切って合成することは今後なくなっていくのですね・・
Gen-2で動画化
この画像をそのままGen-2で動画化します。「動画化」って言葉がまだ不思議な感じもしますが、そのうち当たり前のように使うことになるんでしょうね。Gen-2では、最初は4秒しか生成されないので、8秒にまで延長しました。
Eleven Labsでセリフを生成
Eleven Labsでセリフをつくります。ここはめんどくさかったので自分で適当につくりました。笑 DeepLで翻訳して入力。あっという間に生成してくれます。
Wav2Lipでリップを合成
こちらはちょっと戸惑いました。まずUIが今までと違って親切じゃない。笑
何が起きてるのか分からず、2、3回は繰り返しました。その上、mikimiki 先生のYoutubeから3ヶ月経ち、仕様が変更に。動画を一旦Youtubeに上げ、そのリンクからWav2Lipへアップロードする方法で仕上げました。
ひとまず完成
基本的には mikimiki 先生の作られたものと同じようなものができたと思います。
色々と試行錯誤した結果、難易度としては
Midjourney ★★★
Gen-2 ★
Eleven Labs ★
Wav2Lip ★★★★
といったところでしょうか。私はMidjourneyをある程度使っていましたので、比較的スムーズでしたが、Midjourneyを触ったことがない方はもう少しハードルが高いかもしれません。
実際に手を動かしてみて
UIの変化のスピード
一番実感したのが「UIの変化」でした。3ヶ月で各生成サイトのUIやサービスがどんどん変わっていくので、過去のマニュアル動画を見ながらやっても、思い通りに進められませんでした。「自分でもやってみたい」と思う方はなるべく早く始めるか、なるべく新しい情報を元にトライすることをお勧めします。
クオリティの進化
CreativeEdgeさんのnoteやRunway TVなんかを見ると、度肝を抜かれると思います。クオリティはすでに私がつくったものの遥か先をいっています。AIを駆使する人と使えない人とでは、その差が幾何級数的に開いていくのではないかと感じました。
やっぱり企画が大事
今回はひとまず最後までやることを目標にAIで動画を作りましたが、きちんとアイデアや企画がないと当然 ”ただのリアルな映像” になってしまいます。
ずいぶん前の話ですが、Twitterが登場した時「Twitterとコラボする」という企画を出してきた方がいました。これは企画というより手法であって、AIも同じで「AIを使うからこそできる」アイデアや企画があってこそ、それが活きてきますよね。
まぁそれもAIに頼めば出してる未来がすぐにやってくるでしょうが・・