AIは“映像”を作れる。でも、“感性”はまだ人間の領域。- Klingで動画を作って見えてきた、“今のAI動画の現実” -
つい先日、
自作サイトの宣伝用動画を制作していた時に気付いたことを書きます。
万能に見えるAI動画生成ツールですが、
実はそうではないというお話し。
今回作った動画の内容はこんな感じ👇
カフェでスマホを見る女性。
女優のXやインスタをスクロール。
最後に、画面を指でスワイプすると、NX Galleryのロゴが広がり、
そのままサイトの世界へ吸い込まれていく。
動画のイメージ自体は、最初からかなりハッキリ頭の中にありました。
でも、実際に作業を始めてみると、
これがとんでもなく大変だったんです💦
AI動画制作には色々なスタイルがありますが、
僕の場合は、動画生成ツールで作った素材を、すべてFilmora上で繋ぎ合わせて動画を完成させています。
さて、本題
最初に起きた問題
動画の導入部分
プロンプト上では、スマホを横持ちに設定しました。
ところが、カメラが女性にズームしていって、
カットが切り替わってPOV視点になった瞬間、
なぜかスマホUIが縦画面になってしまったのです。
僕は確かに
「横持ちスマホ」と設定していました。
でもAI側は、
「スマホUI＝縦画面」という過去の映像パターンを優先したのです。
つまり、
こちらの“設定”より、AI側の“映像文法”が勝ってしったということです。
さらに意味不明なことが起きます。
最後の演出で、
彼女が指をスワイプすると、NX Galleryのロゴが画面いっぱいに広がる。
そんな演出を作ろうとしていました。
すると今度は、
動画に勝手に再生バーや時間表示が追加されたのです。
しかも、それを修正すると、
今度は画面の上下に黒い帯を追加して、“シネマ風”に仕上げてきました。
最初はFilmora側の問題かと思いました。
でも実際には、Kling側で既に焼き込まれていたのです。
つまりAIが、
指スワイプ
ロゴ
横画面
UIっぽい構図
これらを見て、
「これはYouTube動画っぽいな」
と勝手に解釈していた。
その結果、
再生バーや時間表示、音量UIまで追加されてしまったんです。
こちらは
「NX Galleryへ辿り着く世界遷移演出」
を作っているのに…
でもAIは
「動画プレイヤーUI」として処理
ここで、自分の中でかなり大きな気付きがありました。
AIは“意味”を理解していない。
今回、一番強く感じたのはここです。
人間は、
「何を伝えたいか」から逆算して動画を作りますが。
AIは違います。
AIは、「過去に大量に見た映像パターン」を元に、
“それっぽい映像”を補完しているだけなんです。
だから今回のように、
僕：「NX Galleryサイトへの導線演出」
AI：「動画プレイヤーUI」
というズレが起きる。
AIは、“映像”は作れる。
でも、
その映像が「何を意味しているのか」までは、まだ理解していないのです。
AIは便利になった。でも、その分“勝手に考える”ようになった🧠
今回かなり疲れたのは、
AIの暴走を制御する作業が増えたことです。
本来AIは、
「作業効率を上げる道具」のはず。
でも実際には、
UI出すな
黒帯出すな
縦画面にするな
勝手に映画化するな
指と画面を同期しろ
余計なことするな
と、
AIを監視し続ける必要が出てきたのです。
そして厄介なのが、
“意味”を理解していないAIに正解を出させる為には、現状の動画生成では
大量のトライアンドエラーが必要不可欠だということです。
少しプロンプトを変えるだけで、
別の部分が壊れる。
黒帯を直したら再生バー。
再生バーを消したら画角変更。
そんな修正の往復を繰り返しながら、少しずつ理想のイメージへ近付けていく。
今のAI動画制作は、「完成品を一発で出力する世界」ではありません。
人間側が、AIの出力を何度も調整し続ける工程そのものが、すでに制作の一部になっています。
だから作業していると、
まるで「AIの気分を読みながら、サイコロを振り続けている」ような感覚になるのです🎲
これはKlingが低能なのか？
途中、自分でもかなり考えました。
「Klingが悪いのか？」
「他のツールなら完璧なのか？」
「そもそも自分のやり方が悪いのか？」
でも色々調べてみると、
これはKling固有の問題というより、
“今のAI動画全体の限界”に近いことが分かってきました。
今のAI動画は、
K-pop風
MV風
シネマティックVlog風
Apple CM風
みたいな、
“既存の映像文法”を再構成するのは強い。
でも、
意味のある演出
UI制御
ロゴ演出
フレーム単位の同期
物語的な導線設計
みたいな、
「演出意図」を理解するのはまだ苦手です。
だから実際のAI動画制作は、
AI＝素材生成
人間＝演出・編集
になりやすい。
今回も結局、
最後のロゴ演出や画面遷移は、
人間側で細かく調整するしかありませんでした。
AIは、“素材生成AI”として見るとかなり強い。
今回かなりハッキリ分かったのは、
今のAI動画は
「完成編集ツール」ではなく、
「映像素材生成ツール」に近いということ。
空気感。
光。
雰囲気。
人物。
カメラ感。
この辺は本当に強い。
でも、
何を伝えたいのか
なぜその演出をするのか
どこへ視線を誘導したいのか
みたいな“意味”の部分は、
まだ人間側が握る必要がある。
AIに丸投げするか、AIを制御するか
今回作業していて感じたのは、
今のAI動画制作って、まだ２択に近いのかもしれないということ。
① AIに丸投げして、AIが出した“それっぽい答え”をそのまま作品として楽しむ。
あるいは、
➁ AIの暴走や誤解を細かく修正しながら、自分の理想のイメージへ近づけていくやり方。
AIは便利になった反面、「何を伝えたいのか」という部分までは、まだ理解していません。
だから、人間が作りたい「演出意図」と、AIが出力する「それっぽい映像」がズレることがある。
でも逆に言えば、
AIの偶然性や暴走を完全に否定するのではなく、その出力をどう扱い、どう制御し、どう作品として成立させるか。
そこに、これからのAIクリエイターの役割があるのかもしれません。
少なくとも今は、
AIが勝手に作った映像を眺めるだけではなく、“何を伝えたいのか”を最後まで握り続ける、人間側の意志がまだ必要だと感じました。
完成した動画は、こちらのページに掲載しています👇
最後まで読んでいただきありがとうございます。
この記事が面白いなと思った方は、スキ＆フォローよろしくお願いします。
AI動画生成系のnoteをまとめたマガジンです📚
