インタラクティブストーリーの AI シーン生成

Pominis の物語では、各シーンに背景画像を付けられます。その画像には役目があり、誰かが話し出す前に、ここはどこか、誰がいるのか、どんな空気なのかをプレイヤーに伝えます。この記事では、そのための三つの道具を、使う順に紹介します。シーン画像の生成、言葉による画像編集、そして短い動画シーンです。

例として、架空の小さなミステリーの一場面を使います。夜明けの路面電車の車庫。夜勤の運転士が、その夜の最終電車がドアを開けたまま、誰も乗せずに停まっているのを見つけます。

シーン画像はどこから来るのか

エージェントは章の台詞シーンを書き終えると、シーンごとに画像プロンプトを用意し、プロジェクトの画像スタイルで画像を生成します。構図は選んだ画面ターゲットに合わせて、PC 横長なら 16:9、モバイル縦長なら 9:16 になります。シーンに登場するキャラクターの立ち絵や設定画は、人物の参照として画像モデルに渡されるため、場所が変わっても同じ顔と服装を保ちやすくなります。

生成の前にも後にも方向づけができます。前なら、繰り返し登場する場所の固定の特徴を最初のメッセージか「制作メモ」に書いておきます。「制作メモ」はエージェントが毎回読む常設の指示です。後なら、シーンカードから「シーン詳細」を開き、「シーン画面」で自分のプロンプトから新しい画像を作る、ビジュアルを更新する、別の場所で作った画像をアップロードする、といった操作ができます。プロンプトに @ と入力すると、プロジェクト内の既存画像を参照として使えます。

場所は一度だけ書き、変化を分けて書く

• 固定：レンガ造りの車庫、平行に並ぶ三本の線路、緑色に塗られた電車、出口の上の時計、まだ点いているナトリウム灯。
• 時間と光：高窓から差し込む最初の灰色の光。灯りはまだ消えていない。
• この場面だけ：ホームに一両の電車、両側のドアが開いて座席はすべて空。手前に運転士、カメラに背を向けている。

このように層を分けておくと、次の依頼がずっと楽になります。前の場面で真夜中の同じ車庫が必要になっても、説明全体ではなく一行を変えるだけで済みます。

言葉で画像を直す

画像があと少しというときは、最初から作り直さないでください。普段の言葉でエージェントに編集を頼みます。「車庫の場面で、電車のドアを開けて。」「同じ構図で、夜にして灯りを点けて。」「時計の下に立っている二人目の運転士を消して。」編集では現在の画像が依頼内容と一緒に画像モデルへ送られ、触れていない部分は保たれたまま、シーン画像が置き換わります。以前のバージョンはプロジェクトに残ります。

構図そのものが違うとき、たとえばカメラがホームの反対側にあるときは作り直しましょう。編集は細部のため、新しい画像は新しいカットのためのものです。シーン画像の編集にもキャラクターの参照が付くので、灯りを直したら運転士の顔まで変わっていた、ということは起きにくくなっています。

まずモーション、価値があるときに動画

多くの場面に必要なのは動画ではなく、少しの動きです。「画面モーション」は、プレイヤー内の静止画に効果を加えます。「ゆっくりズームイン」「左へドリフト」といったカメラの動き、「雨」「雪」「蛍の光」のようなパーティクル、「信号ノイズ」「回想の光」のようなアクセントです。どれも適用前にシーン画像の上でプレビューできます。車庫の章なら、線路に「霧」をかけるだけでほとんどの場面は足ります。

本物の動画は、プレイヤーの記憶に残すべき瞬間のために取っておきます。シーンエディターの「動画にする」でシーン画像から短いクリップを作れ、「電車のドアがひとりでにゆっくり閉まる」のように欲しい動きを書き添えられます。シーン動画の長さは 5、8、10、15 秒から選べ、既定は 5 秒、解像度は最大 768p です。動画そのものに音声はなく、参考画像からの動画生成や既存の動画の編集には対応していません。動画のあるシーンでは動画が再生され、モーション設定は静止画に戻ったときにだけ使われます。スマホのチャットシーンは動画の対象外です。

コストについて

画像の生成、画像の編集、シーン動画の生成はいずれもクレジットを使い、メディアがリッチになるほど、画像品質の設定が高いほど多くを消費します。エージェントを「完全自動」にしない限り、クレジットを使う手順の前には一時停止して承認を待ちます。台詞を書き終えてルートを通しでプレイしてからビジュアルを磨き、物語の転換点を担う数場面にクレジットを使うのがよい習慣です。

各シーンをプレイヤーで確かめる

• 各場所の最初の画像で、プレイヤーは自分がどこにいるか分かりますか。
• 場所が変わっても、繰り返し登場するキャラクターは同じ人物に見えますか。
• 画面の大事な部分がテキストボックスに隠れていませんか。
• 動画やモーションは画面の台詞を支えていますか、それとも注意を奪い合っていますか。
• 読者が実際に使う画面サイズで、画像は読み取れますか。