スクリプトから動画を作成する、ステップバイステップ

よくある失敗

開始する前に

• 60〜90語の脚本。落ち着いたペースで話すと25〜35秒になり、4〜6ショットに相当します。
• 各ショットについて、場所、登場人物、アクション1つ、フレームサイズ（ワイド、ミディアム、クローズ）を1行で記述します。
• NOLGIAアカウント。新規アカウントには350の無料クレジットが付与され、Generateボタンを押す前に各ショットの価格が表示されます。
• アップロードは不要です。ここでのすべてのショットはText to videoで作成します。

At two in the morning the city belongs to the ones who are still awake. The dancer in the empty car park, rehearsing for nobody. The chef closing up, lit by the last blue flame. The two friends on a rooftop who missed the last train and did not mind. The taxi driver singing to an empty back seat. Nobody is watching. That is the point.

脚本をショットリストに変換する

スクリプトを読み上げ、映像が切り替わる場所に印を付けます。私たちの例では、人物に関する一文ごとに映像が切り替わるため、合計4回切り替わり、ショットリストには4行あります。冒頭の一文と最後の2行は、最初のショットと最後のショットに被せるナレーションであり、独立したショットではありません。

動画コンポーザーで各ショットを生成する

動画コンポーザーを開きます。開始の下で、テキストから動画のままにします。プロンプトの上にあるチップでモデルを選択します。ダンサー、シェフ、タクシーには、動く体を自然に見せるKling v3（メニューでは Kling 3.0）を、屋上シーンにはSeedance 2.5を使用しました。ショットのプロンプトを入力し、カメラワークの行でチップを1つ選び、強度を設定します。コンポーザーは、チップの下にプロンプトに追加される正確な文を表示し、入力した内容を再作成することはありません。

• 長さを 6 s に設定し、形状を 16:9 にします。Kling v3 は 3 から 15 秒、Seedance 2.5 は 4 から 30 秒までレンダリングでき、コンポーザーはモデルが作成できる長さのみを提供します。
• 料金は動画を生成ボタンに表示されます。これはこのモデル、長さ、品質に対するリアルタイムの見積もりであり、請求される金額です。
• 各ショットで Generate を1回押します。各クリップはライブラリと、フォーム下の「最近の生成」行に保存されます。

A multi-storey car park at night, empty, wet concrete floor reflecting a row of amber sodium lamps, thin haze. A young woman with cropped bleached hair wearing a black hooded tracksuit with a thin white stripe, the jacket zipped up to the chin, black cargo trousers and white trainers, dances alone in the center of the frame, a slow controlled groove, arms cutting through the haze. Wide shot. Cinematic, anamorphic flare on the lamps, fine film grain. No text, no logos.

SHOT 2 (Truck left, subtle): A small late-night restaurant kitchen, stainless steel, most lights off, one gas burner still lit with a blue flame. A young chef in his twenties with dark messy curls and a small gold hoop earring, a black apron over a white tee, wipes down the steel pass, then reaches over and turns the burner off; the blue flame throws cool light on his face against warm amber pendant lights behind him. Medium shot, shallow depth of field, thin haze, cinematic. No text, no logos.

SHOT 3 (Crane up, medium, on Seedance 2.5): A city rooftop at night, two friends in their twenties sit side by side on a low ledge with their backs to the camera, a man in a red puffer jacket and a woman in a long camel coat; beyond them an anonymous city of dark rooftops and plain distant towers with small warm window lights, no famous landmarks, a hazy sodium glow in the sky, wind in their hair; one laughs and leans against the other. Wide shot from behind, haze, cinematic. No signs, lettering or logos anywhere.

SHOT 4 (Handheld, subtle): Inside a taxi at night, seen from the empty back seat: the driver, a young man in his twenties with a buzz cut, a thin gold chain and a vintage navy track jacket, sings along to the radio and taps the wheel, rain on the windscreen, streaks of amber streetlights and red traffic lights sliding across the glass and his face. Shallow depth of field, cinematic, film grain. No text, no logos.

オーディオコンポーザーでナレーションを録音する

オーディオコンポーザーを開き、ナレーションを選択して、スクリプト全体をプロンプトとして貼り付け、音声を選びます。ここではElevenLabs v3を使用し、音声はRachel、速度は0.95に設定しました。テキスト読み上げはスクリプトの長さに応じて料金が決まるため、入力するとボタンの価格も変わります。66語のスクリプトは、25.2秒のオーディオとして生成されました。

音楽の場合、同じコンポーザーで説明からスコアを作成できます。Lyria 3.5に夜の都市の映像向けの緩やかなシンセパルスを依頼し、編集した映像の最初の30秒間を使用しました。説明は映像の内容ではなく、ムードやテンポについて記述してください。

A slow, moody synthwave pulse at 84 bpm for a night-time city film: warm analogue pads, a soft side-chained bass, distant reverb, no drums until the second half, no vocals, cinematic and intimate

Studioで編集する

タイムラインを開き、新しいタイムラインを押します。プロジェクトを先に作成する必要があるため、新しいプロジェクトに名前を付けます。左側のメディア列でライブラリを開き、各ショットを見つけて+を押すと、クリップが再生ヘッド位置にある新しいトラックに配置されます。次のショットを追加する前に、Endキーを押して再生ヘッドを既存コンテンツの末尾に移動させ、4つのショットが順番に並ぶようにします。次にHomeキーを押して、ナレーションとスコアも同じ方法で追加します。これらは映像の下にあるオーディオトラックに配置されます。

• Studioは自動的に保存されます。保存ボタンはありません。
• 2分のスコアはカットより長くなっています。再生ヘッドを映像の末尾に置き、何も選択されていない状態でCキーを押してその下のすべてのクリップを分割し、スコアの末尾をクリックして削除を押します。
• カットが意図した通りに再生されたら、ヘッダーの動画を書き出しを押します。MP4ファイルは無料でライブラリに保存されます。

完成した作品

25秒、4人の出演者、1つのナレーション。ショット間で顔の一致を必要とする要素は一つもありませんでした。だからこそ、この構成は最も速い方法なのです。

どの作業にどのツールを使うか

再生成が必要な場面

• 意図しない文字の表示。 屋上シーンのKling v3でのテストでは、スカイラインにある塔に光る看板の帯が表示されました。Seedance 2.5では、スカイラインを「暗い屋上と窓の明かり」と記述することで、きれいにレンダリングされました。ショット内に看板を入れたい場合は、その文字内容を正確に指定してください。文字が乱れて表示された場合は、そのショットを再生成してください。
• 最後にカメラへ歩み寄る。 3つのダンサーのテイクすべてが約4秒間踊った後、レンズに向かって歩み寄りました。プロンプトの末尾でアクションを繰り返したテイクも含まれます。歩き出す部分でカットするか、私たちのようにエンディングとして残してください。
• 時間内に収まらないアクション。 シェフが最後の1秒でノブに手を伸ばし、カットが終わった時点で火はまだついています。アクションをプロンプトの前半に置くか、カットを8秒に設定してください。
• サウンド。 Kling v3はコンポーザー内で独自のサウンドを生成しますが、これらのカットはサウンドなしで作成しました。ナレーションとスコアがサウンドトラック全体を構成しています。カットのサウンドがスコアと競合する場合は、Studioでそのトラックをミュートしてください。
• 長さ。 1つの動きでは収まらないビートは、2つのカットに分けるか、同じモデルの「Extend」オプションを使用してください。

コスト

各カットはモデル、長さ、品質によって価格が決まり、ナレーションはスクリプトの文字数、音楽は実行回数によって課金されます。編集とエクスポートは無料です。最新の料金は以下に記載しています。

チェックリスト

• スクリプトを読み上げて時間を計測し、映像が変わるごとに1カットずつ作成する。
• すべてのカットのプロンプトに、場所、光、1つのアクション、フレームサイズ、衣装を明記する。
• すべてのカットでカメラワークチップを選択し、強度を設定する。
• ナレーションは別録りし、音楽はムードとテンポで指定します。
• Studioでショットをトリミングし、ボイスを最初のショットに合わせ、スコアとぶつかる箇所では元の音声をミュートします。
• 一度書き出し、共有する前に最初から最後まで一度視聴します。

自分で試してみる

上記の4つのプロンプト、その横に記載されているカメラチップ、Kling v3（6秒、16:9）、屋上のショットにはSeedance 2.5、そしてスクリプトを音声コンポーザーに「ボイスオーバー」として貼り付け、ElevenLabs v3を使用することで、この作品を再現できます。モデルは毎回異なる結果を生成しますが、場所と衣装は言葉が保持する要素です。