商品写真から15秒CMを組む——ローカル動画生成・採用区間・FFmpeg（動画処理ツール）検査

十五秒の枠へ、どの映像を入れるか

商品写真から五秒の映像を三本作れば、十五秒のCMが完成するでしょうか。動いている商品は魅力的でも、途中で縁の形が変わったり、最後に商品名を読む場所がなかったりすれば、そのまま採用できません。生成の成否と編集での採否を分ける必要があります。架空商品FOLDの制作デモでは、商品写真、開始画像、生成映像、台本、音、字幕を準備し、三つの採用区間を編集へ渡しました。実際の顧客広告や販売効果を測った事例ではありません。

商品が画面内でゆっくり動き、最後に商品名と短いコピーを示す十五秒の構成を追います。採用済み素材の条件を確認したうえで、輪郭が変わる候補やコピーの場所がない候補を受け取った場合の判断も考えます。読者が知りたいのは、何回生成したかだけでなく、どんな条件なら素材を使い、どんな修正なら生成へ戻らず編集で済ませるかです。

時間の長さ、商品の見え方、コピー、音は、それぞれ違う担当と確認方法を持ちます。一つが通過しても他が通過したことにはなりません。生成素材を受け付ける時点で、素材の現物と入力画像を結び付け、どの区間を使うかを残せば、後で問題が見つかった時に戻る場所を選べます。三本をただ一つにつないだ完成物だけを残す方法より、修正する対象が具体的になるのが、この制作記録から読み取れる設計上の利点です。

候補の違いを、入力画像から追えるようにする

同じ商品の三カットでも、動画の最初の一コマに使う画像は一律ではありません。今回の第一と第三カットは写真全体を使い、第二カットは中央を切り出しています。全体を使えば輪郭や背景の位置を伝えやすく、中央の切出しでは商品の一部を大きく見せられます。ただし、切出しで端の情報を失えば、映像に現れた形の違和感が入力に由来するのか、生成中の変化なのかを分けにくくなります。元写真と切出し後の開始画像を別に残す理由がここにあります。

例えば、二つの候補が同じ中央部分を見せる場面を考えます。一方は模様を保ったまま動き、もう一方はカメラの動きが大きく、商品の縁が別の形に見える。後者を勢いがあるという理由だけで採用すると、商品説明の正確さを損ねる可能性があります。先に決めるべき条件は、どの特徴を商品として守るかです。架空商品のデモだけでは実商品の細部保持まで保証されないため、実広告ではロゴ、輪郭、素材の見え方などを別に指定して評価する必要があります。

入力の切出しが原因なら開始画像を直し、生成中の変形なら動きの指示や候補を見直し、文字との重なりなら編集へ戻します。これらを全て「もう一度生成」とすると、問題がない商品映像まで変更してしまいます。採否の理由を「形が違う」「コピーの余白がない」「区間が足りない」のように分けると、素材担当と編集担当が異なる修正を引き受けられます。この分類を引継ぎに使うなら、各種類の不採用例を試し、原因と戻り先が対応するかを確かめます。

設定上の五秒と、現物の尺を区別する

今回の計画では、幅864、高さ480の画面で約五秒の素材を作り、高速化の設定を使う構成でした。保存された三本の実尺は、それぞれ約5.167秒です。採用したのは各素材の最初の五秒で、元の速度を保ち、足りない時間を静止画で補っていません。五秒という設定だけを足すのではなく、現物を確かめて採用区間を指定したことが重要です。三本の少し余った部分は、十五秒の完成尺へ無条件に加えられているわけではありません。

長い候補から五秒を選ぶ方法と、短い候補を引き延ばす方法では、見える動きが違います。例えば四秒しか使えない候補を遅くして五秒へ合わせると、カメラや商品の動きが鈍くなり、切替えの印象が変わるかもしれません。末尾を止めて一秒足すなら、止まる位置が商品を見せる意図に合うかを検査します。今回の自然な速度と静止補完なしという条件を変更する場合は、同じ受入結果を引き継がず、新しい編集条件として見直す必要があります。

動画生成は手元の環境で三回行い、外部の有料の動画生成サービスは使っていません。三回の処理時間は機械の計測値で、人の作業時間は含みません。この数字は機械が処理した時間であり、人が写真を選び、候補を確認し、文字や音を配置し、修正する時間を含みません。声には別の生成経路を使っています。したがって「十五秒のCMを約四分で制作した」「費用はゼロだった」と言い換える根拠にはなりません。見積もる時は、処理時間と制作全体の作業時間を分けて積み上げます。

コピーの位置は、商品を見る時間との交換になる

CMは五秒ずつの三区間で、最初の二つにはコピーを置かず、最後に「FOLD／毎日を、身軽に。」を編集で加えています。計画上の文字の保持時間は4.4秒です。文字を動画生成に任せず編集で載せることで、商品映像を変更しなくても表記や表示時間を調整できます。ただし文字を読ませる間は、視線が商品から移る可能性があります。十五秒へ全ての特徴を詰め込むのではなく、どこで商品を見せ、どこで名称を覚えてもらうかを選ぶ構成です。

別の構成として、第一カットからコピーを出す方法も考えられます。早く情報を伝えられますが、初めて見る商品の形と文字を同時に追う負担が増えます。最後だけに置く方法では、途中まで見た人が名称を知れないことが課題になります。どちらが伝わりやすいかは視聴条件によって変わり、このデモでは視聴者の反応までは測定していません。採用条件を決める時は、想定する視聴の場、名称の長さ、画面の大きさを確認し、その条件に対して文字の時間と位置を試します。

位置を選ぶ時にも、単に画面の下へ置けばよいわけではありません。重要な商品部分を覆う、背景の明るさに埋もれる、切替え直後に文字だけ残る、といった失敗が考えられます。同じ映像に下中央と余白側の二案を載せ、輪郭を隠さず読める方を比較できます。保持時間を伸ばす場合は、終端に映像の不自然な変化がないかも見ます。文字の修正から再生成へ飛ぶ前に、位置、背景との対比、開始と終了の時刻を変えられるかが判断点です。

音と字幕へ渡す時には、文章の版を固定する

広告だけを見せる版と、制作工程を解説する版では、必要な声が違います。今回の解説動画は約238.46秒で、先頭と末尾に各十五秒のCM区間があり、その区間にはナレーションを置いていません。解説の場面には、新しい図やアニメーションと説明を組み合わせています。短い広告と作り方の説明を別の成果として渡す構成です。CMの映像が同じだからといって、本編の声をそのまま全区間へ重ねることはしていません。

解説音声には、台本から声を作るサービスのElevenLabsを使い、十四場面、千百八十四文字の新しい台本を渡しています。字幕は七十四の表示区間へ分け、つなげた文章が台本と一致するかを確認しています。文章を後から一文変えた場合は、声、字幕、図の説明が同じ変更を反映しているかを確かめます。字幕だけを更新して古い声を残すと、見える説明と聞こえる説明が違ってしまいます。素材の新旧だけでなく、どの文章の版に対応するかを管理する工程です。

読める時間の確認は、文章の一致とは別です。字幕の中間時点の画面を見て文字が描かれることは確認できますが、長い一文を短い区間で読み切れるかは、それだけでは決まりません。実商品の長い注意書きへ差し替える場合は、表示区間を伸ばす、文を分ける、説明場面を追加する案を比較します。商品の細部へ注目する場面では、字幕帯が見る場所を隠さないかも確かめます。声を更新した時には、その間に合わせて字幕を再配置することになります。

完成物は、境界と全体の両方を検査する

完成CMは幅1920、高さ1080の画面で、毎秒三十枚、十五秒の四百五十枚です。元素材は幅864、高さ480なので、大きい出力画面は編集と拡大を経た寸法です。モデルが最初から細部まで大きい画面で生成した証拠にはなりません。技術検査では、全体を読み出して破損がないことを確認しています。完成物の一枚を見られることと、最後まで問題なく再生できることを分けて扱う検査です。

見た目の確認では、第一と第二、第二と第三のカットが切り替わる前後を含む十八点を抽出しています。境界の一枚前と一枚後を見ると、商品が急に別の形へ見える、コピーの開始が早過ぎるといった問題を探せます。作業者とは別の担当が、商品の見え方、コピー、開始と着地、字幕帯との干渉を確かめました。確認には、AIによる抽出画面の確認も含みます。本編では進行を示す線や音の波形と文字の位置も対象です。抽出点が良好でも全ての瞬間の主観的な品質を保証するわけではなく、確認した範囲を示す必要があります。

音のピークの時刻がずれなかった記録や、着地を一定時間保つ記録もあります。ただし人による主観的な聴取は未実施です。時刻が合うことは、音が心地よいことや声が自然であることと別です。今回の受入を実商品の広告へ広げるなら、耳での確認、商品仕様との照合、掲載先での見え方を加える必要があります。制作デモの技術検査を通ったという事実を、販売効果や全ての音の品質が確認されたという説明へ変えないことが、検査結果を使う際の限界です。

動画素材はComfyUIを使うローカル生成環境から受け取っています。ComfyUIは生成処理をノードで組む側で、採用区間やコピーの配置は後段の編集が担当します。完成物の破損検査にはFFmpegで全フレームをデコードする処理を使います。これは最後まで読み出せることの確認で、商品の形やコピーの読みやすさの評価は抽出画面のレビューへ分けます。

引継ぎで再現するのは、まず採用済みの編集

完成CMだけを渡すと、コピーを一文字直すために、どの三本を使ったかから調べ直すことになります。今回の再現用一式には、元写真、開始画像、三本の生成映像、音、採用条件、生成指示、編集方法、利用するソフトウェアの説明、完成CMなどが含まれています。独立検査は十八の同梱素材を一覧と照合しました。採用区間を指定した現物と条件を一緒に渡すことで、同じ素材を使う編集と、新しい素材を作る作業を切り分けられます。

保存済み素材をネット接続なしで組み直した検査では、受入済みCMと内容の照合値が一致しました。新しい動画生成を呼んでいないため、これは編集の再現性の確認です。同じ指示をモデルへもう一度渡し、全く同じ映像が作られるかを試したものではありません。商品の候補を差し替えれば、編集の条件が同じでも完成映像は変わります。どちらを再現したいのかを決めないまま「再現可能」とだけ伝えると、次の担当は不要な再生成を始めるかもしれません。

公開時には、各成果物を匿名で取得し、受入済みの現物と一致するかを別に確認しています。作れたことと渡せたことの証拠を分けるためです。この受入は当時の素材と配信状態を対象にした結果です。現在の生成環境や公開状態を使うなら再確認が必要であり、制作全体の工数削減も別途測る必要があります。引継ぎの説明には、何を再確認すべきかを残すことで、過去の検査を新しい制作へ誤って流用するのを避けます。

最初に決めるのは、採用できない条件

自分の商品で試すなら、生成の前に守る特徴と不採用条件を一つずつ決めます。輪郭が変わる、名称の余白がない、必要な五秒が取れない、といった条件です。次に、候補の入力画像と現物を対応させ、採用区間、速度、文字の位置と時間を固定します。この小さな一覧を素材担当から編集担当へ渡し、コピーだけを変える場合と商品の映像を変える場合で、戻る工程が違うかを確認します。初回は十五秒の全構成を拡張するより、一つの境界の採否判断を試す方が範囲を見通せます。

その後、台本、声、字幕を同じ版へそろえ、全体の再生と切替え前後の画面を確認します。主観的な聴取や商品仕様との一致が未確認なら、そのまま残します。今回のデモで持ち帰れるのは、生成の速さの宣伝文句ではなく、採用した素材から完成物までの対応を残す方法です。編集で直せる問題と入力へ戻る問題が分かれば、次の依頼を具体的にできます。販売への効果を判断するには、この制作の受入とは別に、実際の広告の条件と評価を設計する必要があります。