67秒のニセ・シットコムを、自宅の中国製動画モデルで作る

1990年代のシットコムの67秒のエピソードが、今月Redditに現れた。登場人物二人はJerryとGeorgeに見た目も声も似ていて、舞台は実在しなかった部屋を作り直したものだ。タイトルにはAIと明記されている。上位コメントで生成物かどうかを争う人はいない。争点はネタが面白いかどうかだった。
読むべきは制作メモだ。MandelDuckの名で投稿した作者は、ローカルのComfyUI環境でMiniMax H3を使い、エピソードを5秒から6秒のショットに分割し、各ショットの最初と最後のフレームを固定して人物をつなぎ止め、似顔をプロンプトで寄せ、音声は後からアフレコせず生成時に一緒に出したという。
方法はこれだけだ。ファインチューンも、キャラクターLoRAも、スタジオのパイプラインもない。ノードグラフが一つ、コンシューマー向けGPUが一枚、そしてかなりの根気。
一貫性はずっと壁だった
同じ人物で二つ目のショットを撮ろうとした人なら、こういう企画がどこで死ぬか知っている。一つ目は正しく見える。二つ目は鼻が少し違う。上着の色が変わる。生え際が2センチ動く。四つ目に至っては、同じ服を着た別人が立っている。
普通の対処はどれも高い。キャラクターLoRAを学習すれば狭いスタイルの中では一貫するが、照明とアングルの自由度を失う。毎回参照画像を渡せば、モデルはそれを指示ではなく提案として扱う。長く生成してズレを切れば、捨てるフレームに計算資源を使うことになる。
最初と最後のフレームを固定するのは、同じ発想の安価な版だ。これが効くのは、この種のモデルの条件付けの仕組みによる。ショットの両端を渡せば、補間の着地点ができる。人物は特定の瞬間に特定の顔へ到達しなければならないので、ズレが積み上がる余地が減る。ショットをつなげば、一つひとつをテキストプロンプトだけで始める場合のようには誤差が累積しない。
代償は継ぎ目の制御だ。カットは固定したフレームを前提に設計するしかなく、結果として技術に合わせて内容を書くことになる。67秒なら許容できる。7分ならおそらく無理で、ショットをかなり増やさない限り成り立たない。
音声を同じパスで出すと段取りが変わる
無音で生成して後からアフレコするのではなく、音声を生成に含めると、工程が一つ丸ごと消える。食い違いの種類も一つ消える。リップシンクは編集者の問題ではなく、モデルの問題になる。
引き換えに、セリフを一箇所直すとそのショットを再レンダリングすることになる。一つのネタで作るパロディなら問題ない。台本を直す余地があるものにとっては罠だ。
実際に起きるのは、アイデアと完成クリップの間の距離が縮むことだ。スレッドで最も高評価のコメントがまさにそれを言っている。この品質のミームは今やほぼリアルタイムで届く。一週間前なら、同じネタに脚本家一人、声優二人、編集者一人と一週間が必要だった。
規模を広げるコスト
一シーズンで計算すると景色が変わる。67秒に午後一つ分の試行錯誤と、5秒ショットの山がかかった。同じショット長で22分のエピソードは約260ショットになり、一ショットあたりの失敗率は慣れでは下がらない。カメラアングルが変わるたびに一貫性の問題がリセットされるからだ。
15ショットで午後一つなら、1エピソードで丸二週間のフルタイム労働になる。脚本の前、モデルが内包する音響以外の音響設計の前、ネタが刺さるか誰かが確認する前の数字だ。シーズンは同じ企画の大型版ではなく別の種類の企画であり、パロディを可能にした技術がそのまま上限を作っている。
今のツールはそこにいる。一つのシーンは解決済みで、シリーズには遠い。
品質管理は観客がやった
スレッドの批判は具体的で、これは良い兆候だ。Georgeの声はまだ要調整で、Jerryは近い。髪が気になる。アクセントが少しキツいと書いた上で8点をつける人もいる。あるセリフがトランス女性を嘲っているのか、Georgeの期待を嘲っているのかで二人が言い争っている。
これは普通のテレビエピソードが受ける扱いだ。存在するかどうかの議論ではなく、面白いかどうかの議論になっている。基準は機械にできるかから、これは笑えるかに移った。ずっと厳しくて、デモとしてはずっと面白くない基準だ。
コストを追う人向けの小さな点が二つある。レンダリングが消費した水とメモリをネタにしたギャグがスレッドにあり、これは請求額が現実だが笑える程度のときに人は言う種類の冗談だ。もう一つはAMDのオチで、作者が最も素直な構成のハードで回していなかったことをうかがわせる。
シットコムを作る人にとって
短期的にはほとんど影響はない。67秒のパロディはシーズンではない。難しいのは書くことで、ネタはモデルが書いたわけではない。
中期的に面白いのは、説得力のある複数ショットの現場の技術的な下限が、中位のカードを持つ一人まで下がったことだ。その下限は以前、クルーだった。下限より上のもの、センス、間合い、配役、見る理由は今も人の労働で、いまやそれが成果物を分ける唯一のものになっている。
スレッドが突きつける居心地の悪い問いは、量についてだ。肖像権も著作権も現実の争点だが、このパロディは明らかに冗談であることでどちらも回避している。まともなニセのエピソードが午後一つでできるなら、まともなニセのエピソードの数は桁違いに増え、希少な資源は生産能力ではなく注意力になる。
67秒は小さな話だ。それでも、この手順が公の場に、Redditのコメントに、教える気のない人によって書かれたのは初めてのことだ。技術がデモをやめて既定になるのは、たいていそういう瞬間だ。
関連記事
Pinky は agent に自分のスマホを操作させる。送信ボタンは、あなたが許可を押すまで押さえたまま
Pinky はどんな MCP agent でも本物の iPhone や Android につなぎ、承認をプロンプトではなく自前のゲートウェイで強制する。銀行アプリは見えず、パスワード欄は通行止め、Android 13 では agent に隠れた2枚目の画面が渡される。
サーバー1台、AI配信者1人:夜のライブ配信を動かすコードの中身
open-yoki は、毎晩 Binance Square で配信する AI ホストの本番コードで、人格・声・お金に関わる機能は取り除かれています。headless Chrome がフレームを描き、ffmpeg が RTMP を押し、Markdown フォルダが彼女の気分と投稿内容を決めます。
SoduWork の依頼は、チャットが止まったときではなく、依頼した人が承認したときに終わる
SoduWork はセルフホストのワークベンチだ。依頼には着手前に受け入れ基準が書かれ、納品は別の harness がレビューし、最後は人が承認する。うまくいった進め方はプラグインとして保存され、チームの他の人がそのまま実行できる。
世界の法律を git に入れた人がいる。だから法令も blame できる
global-law は各国の法令を git リポジトリとして持ち、1 つの commit が既知の日に効力を持った 1 つの法律にあたる。条文に対して log、blame、show、diff を実行でき、ある日の各国の施行状況を調べ、コーパス全体を MCP 経由でアシスタントに渡せる。