--- title: "AI アニメの絵コンテを「1 コマ 1 行」にしたら、2 日で 28 本作れた" description: "1 本作るのが楽になったら、時間は「何を作るか」に使われるようになりました。" author: "kidneyweakx" published: 2026-10-15T11:00:00.000Z updated: 2026-10-29T09:06:00.002Z lang: ja tags: ["ai", "ai動畫", "個人開發", "語音合成"] canonical: https://kidneyweakx.com/blog/ai-note-04-ikyo-speed?lang=ja alternate_zh_tw: https://kidneyweakx.com/blog/ai-note-04-ikyo-speed.md alternate_en: https://kidneyweakx.com/blog/ai-note-04-ikyo-speed.md?lang=en --- # AI アニメの絵コンテを「1 コマ 1 行」にしたら、2 日で 28 本作れた > 1 本作るのが楽になったら、時間は「何を作るか」に使われるようになりました。 10 月 8〜9 日の 2 日間で、7 シリーズ・各 4 話の短編アニメを作りました。合計 28 本、約 26 分です。絵コンテをプログラムで組むようにして、絵と声の作り方も変えたあとの制作記録です。 チャンネル名は「異境劇場｜IKYO STORIES」。1 本 30 秒〜1 分半くらいの縦型アニメを、YouTube Shorts に上げています。 https://www.youtube.com/@ikyostories 以前、最初に作った 6 本を全部捨てた話を書きました。そのあとやり方をさらに 2 回変えて、ようやく量を作れるようになってきました。ただ、28 本とも機械のチェックは通っていますが、**耳での確認はまだ全部終わっていません**。
## 以前は 1 カットずつ手作りだった 最初はカットごとに 1 枚ずつ絵を描いて、Canvas で動きをつけていました。剣を振るなら、振りかぶってから振り切るまでを何枚にも分けて、さらにスピード線を足す。見栄えはいいのですが、1 本作るのにものすごく時間がかかっていました。 そこで思い切って「**全部、漫画のページにしよう**」と決めました。コマが 1 つずつ飛び込んできて、吹き出しがそのまま字幕になる。コマの外から手が伸びてくる、ポーズが切り替わる、声に合わせて口がパクパクする。動きもこの数種類に絞りました。 ## 絵コンテは「1 コマ 1 行」 一番効いたのは、絵コンテをプログラムで組むようにしたことです。 脚本にはコマごとに「何が映っているか」「誰がしゃべっているか」「どう見せるか」を書きます。正体が明かされる場面なら、その見せ方を指定して、セリフと演技指示を添えます。「1 コマ 1 行」と呼んでいますが、本当に行数をそろえるわけではありません。1 コマ分の情報をひとまとまりで書いておけば、ページの割り方や吹き出しの位置は、あとからプログラムで変えられます。 残りはプログラムに任せます。ページ割りと、絵の大きさや吹き出しの位置決め。口パク、吹き出しのしっぽの向き、効果音、サムネイルも、同じデータから生成しています。 目標は「絵コンテを 2 時間から 30 分に」ですが、同じ条件でちゃんと測って比べたことはまだありません。それでも、脚本を書いているときに**レイアウトのことをまったく考えなくていい**のは、本当にかなり楽です。
## 新しい絵は API、部分描き直しは自分の PC 絵は 2 か所で描いています。 - 新しい絵は、API 経由で外部の画像生成サービス（Image 2.5）に投げる。1 枚およそ 16 秒で、4 枚同時に描ける。毎回キャラの参考画像を添えて、顔がブレないようにしている - 口の開閉や背景の差し替えのような部分的な描き直しは、自分の PC（RTX 4070）で動かしている画像モデルに任せる 最初は全部自分の PC で描いていたのですが、看板に変な文字が出たり、動きがうまく描けなかったりで、ボツ絵だらけでした。新しい絵を API に回してからは、1 本分の新規の絵がだいたい 2 分でそろいます。 絵柄も変えました。キラキラした厚塗り、背景ボケ、逆光。**これこそが「AI っぽさ」の正体です**。なので、2010 年代のテレビアニメのスクショのような、ベタ塗り＋硬い影に変えました。 ## GPU が空いていれば、1 文 4 秒 声は、日本語にすごく強い音声合成モデル Irodori を自分の PC で動かしています。GPU が空いていれば、1 文だいたい 4 秒で読み終わります。1 本あたり 11〜29 文なので、声入れだけなら数分で終わります。 まずキャラごとに声のサンプルを 1 つ作り、あとはすべてのセリフをその声で読ませます。1 文ずつ「小声で、早口で」のような演技指示もつけられます。 つまずいたところもあります。 - **低い男性の声が作れない。** 「寡黙、クール」と書いても、声は低くならない。最終的には大きいモデルでサンプルを作り、「声変わり後の低く太い男性の声」と指定して、ようやく狙った音程になった - 「体が小さい」神様と書いたら、子どもの声になった - 内気な女の子に「小さな声で」と書いたら、超高くて超細い声になった。「低めで落ち着いた声」に変えたら直った 声のサンプルを作るときは、音程も測っています。目標から 1.4 倍以上ずれていたら使わず、その場で止めます。
## 速く読ませすぎると、短いセリフが崩れる 最初のバージョンは、テンポがかなりゆっくりに見えました。セリフとセリフの間が 0.85〜1.45 秒空いていて、セリフが鳴っている時間は全体のだいたい 7 割しかありませんでした。 そこで間を半分に削り、話す速さも上げました。モデルにはもともと「読む長さ」の設定があり、0.8 にすると音程を変えずにおよそ 1.25 倍速になります。ある回は 58 秒から 44 秒になりました。 もっと速くできるか試したところ、0.7 が限界でした。0.66 以下にしてさらに速くすると、「……この人、誰。」のような短いセリフは、**どの声でも崩れてしまいます**。 聞き取れるかどうかは、全セリフを音声認識の Whisper にかけて、脚本と突き合わせて確認しています。人名は読み間違えられやすいので、名前だけはセリフの中でかな書きにしています。 ## 自動チェックを通っても、耳での確認からは逃げられない 毎回、同じチェックを通しています。 - 吹き出しがキャラの顔にかぶっていないか - 文字が画面からはみ出していないか - 各セリフの音量は足りているか - 音声認識の結果が脚本と合っているか - 動画全体の音量が規定の範囲に収まっているか - 動画に埋め込んだ見えない透かしを読み取れるか たとえば『24 時間で記憶を失う私へ』の第 1 話は、62.85 秒、セリフ 27 個。検出された 21 か所の顔のどれにも吹き出しはかぶっておらず、文字のはみ出しもありませんでした。 でも、音声認識が脚本と一致したのは 27 文中 21 文だけ。残りの 6 文は漢字の表記ゆれだけでなく、別の言葉として認識された箇所もあって、チェックログでは「要確認」になっています。 エラーがあるものは公開しません。でも、**チェックを通った＝完成、ではありません**。音量を測って文字を突き合わせるだけのプログラムでは、セリフの演技や BGM とのバランスまでは判断できないので、そこは自分で聴くしかありません。28 本の確認はまだ続いています。
1 本作るのが楽になったら、時間は「何を作るか」に使われるようになりました。次回は、AI に 155 本の企画を書かせて、8 人の AI 審査員に選ばせた話を書きます。