リアルなAIミュージックビデオをシーンごとに作るには？
Atlabsのミュージックビデオワークフローに楽曲をアップロードし、リアルスタイルと16:9を選んで、コンセプトを書き、主役をキャストに追加します。Atlabsが楽曲を歌詞に合わせてシーンに分割します。あとは、各スタートフレームをモーションプロンプトでアニメーション化するか、メディアライブラリのクリップを配置して、すべてのビートにぴったりのショットを用意していきます。
「Glass」は、すべてAtlabsで制作した67秒のワーシップ・ミュージックビデオです。海に突き出た細い断崖の先端でDJが日の出のセットを披露し、その背後に観客が集まってきます。曲が高まるにつれ、観客は目を閉じ、十字架のペンダントを握りしめ、ひざまずき、手を高く掲げます。やがて雲がゆっくりと、両腕を広げた光の人影を形づくります。映像は、夕暮れの島に立つ十字架で締めくくられます。楽曲「Holy Fire Breakthrough」に合わせて、25の短いシーンで構成されています。
このプロジェクトは、最初の構想のまま終わらなかった点が参考になります。物語は、雨の降るガラス温室で踊る3人の友人というコンセプトから始まりました。その後、制作者はシーンごとに映像を作り直し、新しいクリップを生成したり、メディアライブラリからクリップを取り入れたりして、現在ご覧いただける断崖の上のDJセットに仕上げました。このチュートリアルでは、両方の段階を紹介したうえで、すべてのシーンを順番に、歌詞、スタートフレーム、実行したプロンプトとともに解説します。
必要なもの
完成した楽曲が必要です。歌詞とビートがそのままシーンリストになるからです。舞台設定と表現したい雰囲気のおおまかなイメージを持っておき、主役の顔がすでに決まっているなら、そのポートレートをアップロードできるよう準備しておきましょう。このプロジェクトでは、楽曲「Holy Fire Breakthrough」、リアルなルック、そして風になびく長い髪のDJという主役1人を用意しました。
セットアップを手順ごとに解説
ステップ1：Musicで楽曲をアップロード
ミュージックビデオワークフロー を開き、Music ステップで楽曲をアップロードします。この動画では、スクリプトのソースを「アップロードした音声ストーリー」、言語を英語に設定したため、シーンのスクリプトは楽曲からそのまま作成されました。各シーンは、歌詞または楽器のビートに対応しています。
ステップ2：Set Styleでルックを選ぶ
Set Styleで、画像スタイル、アスペクト比、出力を選びます。このプロジェクトでは、リアルな画像、16:9のフレーム、出力モードは動画を使用しました。
ステップ3：Conceptsでコンセプトを書く
Conceptsで、動画の最初の方向性を指定します。ここでのコンセプトは「Glasshouse Rhythm」で、ストーリーに保存されたテキストは次のとおりです。
Three close friends move through an abandoned, overgrown glasshouse as a summer rainstorm passes, the wet foliage refracting the light into a thousand fragments, turning the space into a cathedral of dancing movement. The world is soft, green, and humid, grounded in the intimate reality of their shared exhaustion turning into euphoric release, landing on a shot of all three laughing as they collapse onto the mossy floor. The verse lives inside the quiet, held-back potential of the space; the chorus opens into a chaotic, joyful dance; the bridge captures the unspoken bond of a love that has changed them all.
最初のシーン群は、このコンセプトに忠実に作られました。こちらは、ガラス温室で休む3人の友人を描いた最初のシーンです。
温室の映像は、最終版には1つも残りませんでした。すべてのシーンが、のちに日の出の断崖の上のDJセットに差し替えられたのです。それでもコンセプトは意味を持っていました。ストーリーにキャストを与え、静かなヴァース、喜びに満ちたコーラス、全員を変える絆という流れは、最終的な動画が辿る流れと同じです。
最初のコンセプトに縛られる必要はありません。生成されたシーンが思い通りでなければ、1つずつ差し替えられます。各シーンは歌詞とタイミングを保持するため、編集しても楽曲との同期は崩れません。
ステップ4：Finaliseでキャストを追加
Finaliseでキャストを設定します。ここでは、Amara Sterling、Soren Vance、Matteo Rossiの3人のキャラクターを保存しました。キャラクターをキャストに入れておくと、シーンのプロンプトで@メンションで指定でき、Atlabsがショットごとに見た目を一貫させます。完成版は25シーンで、長さは66.6秒です。
ステップ5：各シーンにクリップを入れる
Atlabsは楽曲をシーンに分割します。各シーンには、その歌詞の行が割り当てられ、楽曲のその部分がインストゥルメンタルの場合は、無音の区間が割り当てられます。シーンごとに静止画のスタートフレームが作成され、動きとカメラワークを記述したモーションプロンプトでクリップにアニメーション化されます。
このプロジェクトでは、25シーンのうち9シーンが、保存したモーションプロンプトでこのように作られました。残りの16シーンはAtlabsのメディアライブラリから取り入れてシーンに配置したもので、そのうち4つはビートに合わせてトリミングしています。ライブラリのクリップにはプロンプトが保存されないため、以下では各クリップについて、映っている内容の短い説明を載せています。
保存されたプロンプトには2つの長さがあります。大きな見せ場であるシーン10と22には、場所、光、観客、カメラを指定した、長く詳細なプロンプトを使いました。それ以外は、1つの動作と1つのカメラワークだけの短いプロンプトです。
キャスト紹介
Amara Sterling (@AmaraSterling)
肩までの長さの黒いロックスヘアに、袖をまくったオリーブグリーンのリネンシャツ、裾がほつれた淡い色のデニムショーツ、茶色のレザーサンダルを身に着けた若い女性。キャラクターシートはAtlabs内で生成しました。
Soren Vance (@SorenVance)
後ろに流したダークブロンドの髪に、オーバーサイズのグレーのパーカー、細身の黒いジーンズ、白いスニーカーを合わせた若い男性。こちらのキャラクターシートもAtlabs内で生成しました。
Matteo Rossi (@MatteoRossi)
このポートレートは、説明文ではなく画像としてアップロードされました。キャストの名前はMatteo Rossiですが、ポートレートに写っているのは、風になびく長いオーバーン・ブラウンの髪に黒いトップスを着た若い女性で、最終的な動画のDJと同じルックです。
Amara SterlingとSoren Vanceは、ガラス温室のコンセプトに登場した3人の友人のうちの2人で、最終版には登場しません。最後まで引き継がれたのは、Matteo Rossiのポートレートです。思い描いている顔がすでにある場合は、説明文で表現するのではなく、キャラクターのポートレートとしてアップロードしましょう。そうすれば、すべてのシーンが同じ顔から始まります。
ロケーション：日の出の海に突き出た断崖
このストーリーのキャストには、ロケーションは保存されていません。もとのガラス温室はコンセプトの文章から生まれ、最終的な舞台はシーンのプロンプトに直接書き込まれました。シーン10のプロンプトが最もよく描写しています。黄金色の日の出の中、深い海に囲まれた孤立した細い断崖のプラットフォームです。動画では、この同じ場所を3つの見せ方で映しています。
空から見た断崖（シーン1～3）： 海に長く細く突き出た岬。側面には霧がかかり、平らな先端にDJテーブルが置かれています。
断崖の小道（シーン4～6）： DJがデッキの前に立ち、その周りに小道、乾いた草、岬が広がっています。
夕暮れの観客（シーン7～25）： 断崖の上で太陽に向かって立つ観客。その先には海と岩だらけの島があります。
同じ場所を多くのシーンで使いたい場合は、キャストにロケーションとして保存しましょう。毎回説明する代わりに、キャラクターと同じように@名前でプロンプトに指定できます。
シーンごとの解説：すべての歌詞、フレーム、プロンプト
シーン1（2.0秒）：インストゥルメンタルのイントロ
ライブラリのクリップ（トリミング済み）のため、プロンプトは保存されていません。海に伸びる細い断崖を高い位置から空撮したショットで始まり、側面には霧が立ち上り、その先端に小さなDJテーブルが見えます。広く遠いショットから入ることでDJは点のように小さく映り、誰がいるのかを見せる前に、このステージがどれほど人里離れた場所かを伝えられます。
シーン2（2.0秒）：インストゥルメンタル
序盤のショットで空間の配置を見せましょう。DJがどこに立ち、観客がどこに集まるのかがわかれば、以降のショットすべてが理解しやすくなります。
シーン3（2.0秒）：インストゥルメンタル
ライブラリのクリップのため、プロンプトは保存されていません。ドローンが断崖の平らな頂上を見下ろすと、縁にDJセットがあり、霧が立ち上り、はるか下で波が砕けています。
シーン4（2.0秒）：インストゥルメンタル
ライブラリのクリップ（トリミング済み）のため、プロンプトは保存されていません。カメラはDJの正面、断崖の小道に移ります。風になびく長い髪に黒いトップスの若い女性が、Pioneerのデッキの前に立ち、背後に海と岬が広がります。
シーン5（2.0秒）：インストゥルメンタル
ライブラリのクリップのため、プロンプトは保存されていません。太陽が海の上に低く浮かぶ中、観客が細い断崖の小道を歩いてDJテーブルへ向かいます。人々が集まってくる様子を見せると、最初の歌詞が入る前に期待感が高まります。
シーン6（2.0秒）：インストゥルメンタル
ライブラリのクリップ（トリミング済み）のため、プロンプトは保存されていません。ミキサーとジョグホイールを操作するDJの手のクローズアップで、背景の水面には太陽の反射が輝いています。
シーン7（2.0秒）：「I've been running through the dark」
ライブラリのクリップのため、プロンプトは保存されていません。夕焼けの空を背景に手が掲げられ、観客が金色の光の中でシルエットになります。
シーン8（2.0秒）：インストゥルメンタル
短いプロンプトでも大きな場面転換を表現できます。“The camera then dives”の一文で、雲海がカットへとつながります。
シーン9（4.0秒）：「Chasing something I can't name」
スタートフレームにすでにDJ、デッキ、光が入っている場合、モーションプロンプトに必要なのは感情だけです。
シーン10（2.0秒）：「Then I heard it in the silence」
これは最初の見せ場なので、最も長いプロンプトを使っています。“made purely of light and cloud shapes (not a solid figure)”という言葉によって、ここでは人影を控えめに抑え、完全な登場は後のシーンに取っておきます。
シーン11（2.0秒）：インストゥルメンタル
“Preserving exact spatial continuity”は、このクローズアップがワイドショットと同じ場所であることをモデルに思い出させます。
シーン12（2.0秒）：「Called me out and I was changed」
ライブラリのクリップのため、プロンプトは保存されていません。目を閉じた女性が自分を抱きしめ、背後の海に日が沈む中、穏やかにほほ笑みます。
シーン13（2.0秒）：インストゥルメンタル
“the crowd is moving synced to the beats”のように、クローズアップでも観客に触れておくと、背景が止まってしまいません。
シーン14（2.0秒）：「Every chain fell to the floor」
ライブラリのクリップ（トリミング済み）のため、プロンプトは保存されていません。DJが髪を躍らせながらデッキの前で踊り、その背後で観客が両手を挙げます。
シーン15（2.0秒）：インストゥルメンタル
ライブラリのクリップのため、プロンプトは保存されていません。低い太陽に照らされ、穏やかで感謝に満ちたほほ笑みを浮かべる、観客の中の若い男性のクローズアップです。
シーン16（2.0秒）：「Every wall came crashing in」
スタートフレームが十分に表現してくれるなら、2語でも機能します。ここでは、画像にすでに掲げられた手とサンバーストが入っています。
シーン17（2.0秒）：インストゥルメンタル
ライブラリのクリップのため、プロンプトは保存されていません。目を閉じた女性がネックレスの十字架のペンダントを握りしめ、背後には観客と夕日があります。
シーン18（4.0秒）：「Now I'm standing in the middle」
カメラを被写体と一緒に動かしましょう。“Camera slightly lowering with the subject”とすることで、ひざまずく動作が単なるポーズではなく、謙虚さを感じさせるものになります。
シーン19（4.0秒）：「Of a love that has no end」
ライブラリのクリップのため、プロンプトは保存されていません。断崖の縁で2人が抱き合い、一方の手がもう一方の背中に添えられ、背後には日に照らされた海が広がります。
シーン20（4.0秒）：「Feeling rising in my chest」
ライブラリのクリップのため、プロンプトは保存されていません。小さく光る十字架のペンダントを指の間に持つ女性のクローズアップです。
シーン21（4.0秒）：「Can't contain what he's released」
ライブラリのクリップのため、プロンプトは保存されていません。観客の背後からのワイドショットで、全員が夕日と海に浮かぶ岩だらけの島に向かって立っています。
シーン22（4.0秒）：「Every breath becomes a weapon」
シーン10と比べてみてください。そこでは光の人影はほのめかされただけでした。ここでは、曲が高まるにつれて、両腕を広げた人影が“gradually revealing”（徐々に姿を現す）ようプロンプトで指示しています。
シーン23（4.0秒）：「Every heartbeat finds its beat」
ライブラリのクリップのため、プロンプトは保存されていません。頬に涙を伝わせて空を見上げる若い女性のクローズアップで、背後には観客と太陽があります。
シーン24（4.0秒）：「Yeah we finally found our rhythm」
ライブラリのクリップのため、プロンプトは保存されていません。これは見せ場の最もワイドなバージョンで、両腕を広げた巨大な光の人影が、断崖のステージと観客の上空いっぱいに広がります。
シーン25（2.6秒）：アウトロ
ライブラリのクリップのため、プロンプトは保存されていません。観客の中の男性が、夕暮れの島に立つ十字架に向かって両腕を上げ、鳥たちが飛び去っていきます。顔ではなくシンボルで終えることで、物語を1枚の画で締めくくれます。
これらのプロンプトが効果的な理由
見せ場に言葉を使いましょう。 シーン10と22は物語を担っているため、プロンプトで場所、光、観客、カメラを細かく指定しています。それ以外のほとんどのプロンプトは1行です。
見せ場は段階的に作りましょう。 シーン10では、光と雲の形だけでできた控えめなシルエットを指示しています。続くシーン22では両腕を広げて徐々に姿を現すよう指示し、シーン24ではそれを最大の大きさで見せます。
背景を動かし続けましょう。 シーン13の“The crowd is moving synced to the beats”と、シーン18の“The crowd and DJ in the background are moving to the synced beats”が、クローズアップで観客が止まってしまうのを防ぎます。
場所を明示しましょう。 “Preserving exact spatial continuity”と“same location continuity”が、クローズアップをワイドショットと同じ場所に保ちます。
モチーフを繰り返しましょう。 十字架のペンダントはシーン13、17、20に登場し、シーン25で島に立つ大きな十字架として再び現れます。
生成と編集を組み合わせましょう。 生成したクリップ、ライブラリのクリップ、トリミングしたクリップを並べて使います。正しいビートに正しいショットを置けるなら、どんな方法でも構いません。
よくある質問
シーンを作成したあとでコンセプトを変更できますか？
はい。「Glass」はガラス温室の物語として始まり、のちにすべてのシーンが断崖の上のDJセットに差し替えられました。各シーンは歌詞とタイミングを保持するため、1つずつ入れ替えても楽曲との同期は保たれます。
すべてのシーンにプロンプトが必要ですか？
いいえ。「Glass」の25シーンのうち、保存されたモーションプロンプトがあるのは9シーンだけです。残りの16シーンはAtlabsのメディアライブラリのクリップで、そのうち4つはビートに合わせてトリミングしています。
主役の見た目をすべてのシーンで一貫させるには？
Finaliseでキャストに追加します。思い描いている顔がすでにある場合は、「Glass」のDJと同じように、キャラクターのポートレートとしてアップロードしましょう。
モーションプロンプトはどのくらいの長さにすべきですか？
ショットによります。シーン10や22のような大きな見せ場では、場所、光、観客、カメラを指定した長いプロンプトを使います。それ以外のほとんどのシーンでは、1つの動作と1つのカメラワークで十分で、シーン16はわずか2語です。
最終的な総評
「Glass」は、優れたAIミュージックビデオが最初の計画どおりである必要はないことを示しています。土台となったのは、Atlabsでの4つのセットアップ手順です。Musicで楽曲をアップロードし、Set Styleでリアルと16:9を選び、Conceptsでコンセプトを書き、Finaliseで主役をキャストに追加します。そこから制作者はすべてのシーンを作り直し、2つの大きな見せ場には長いプロンプトを使い、それ以外は1つの動作と1つのカメラワークにとどめ、16のビートをライブラリのクリップで埋めました。ここで紹介したプロンプトはテンプレートとして活用してください。大事な場面は長く詳細に、それ以外は短く。そして、動画が楽曲から感じ取るイメージと一致するまで、自由にシーンを差し替えましょう。
