Gensparkは撮影クルーをメニューに変えた

Gensparkの新しいMedia Studioで最も面白いのは、動画が作れることではない。今や動画を作るものはいくらでもある。使うときにモデルを選んでいないということだ。監督を選んでいて、監督がモデルを選ぶ。

それが製品の実体だ。インターフェースは企画役として3つの言語モデルを用意する。DeepSeek V4.1 Flash、Claude Opus 5.5、Claude Fable 5.1。その背後に20社以上、70以上のモデル版の名簿がある。Seedance 2.5、Kling、Veoが動画。GPT ImageとNano Bananaが静止画。ElevenLabsとMiniMaxが音声と音楽。3Dもある。

売り文句は「オールインワン、誰でも使える」。たいていこういう言葉は「6つのツールを1タブにボルトで留めました」という意味になる。これが違うのは1点で、中間生成物が同じキャンバスに残る。エージェントは前工程の出力を拾って続けられ、あなたが何かを再アップロードする必要はない。

使ってみるとどう感じるか

中国のテックメディアQbitAIが公開当日に実機レビューを出していて、細部がマーケティングより役に立つ。レビュアーはトップページの「Magic」からラップのテンプレートを選び、Sam AltmanとDario Amodeiの写真をアップロードしてデュエットを頼んだ。

注目すべきことが2つ起きた。第一に、動画モデルは実在人物の画像をはっきり拒否し、システムはセミリアル調かカートゥーン調かを選ばせた。これはコンテンツポリシーがUXの判断として表に出た形だ。拒否ではなく、分岐点が返ってくる。第二に、見積もりは8〜14分だったが、レンダリングは2〜3分で終わった。生成はSeedance 2.5。

最初の出力に音楽はなかった。レビュアーは伴奏を頼み、キャンバス上に3つの候補が並べて出され、歌詞がないとして全部却下し、オリジナルのラップビートを依頼、ElevenLabsがそれを出した。次にリップシンクをかけ、2人が一緒に演じられるようにした。

生成し、足りないものに気づき、頼み、選択肢を受け取り、選び、調整する。この流れが製品の中心にある。プロンプトを打って映画が出る、ではない。スタジオにアクセスできる制作アシスタントとの会話だ。

480pの下書きという判断

最初のパスはすべて480pで出る。480pで反復する。カットを承認して初めて1080pに上がる。

これが製品中でもっとも理にかなったエンジニアリング判断で、人が金を燃やすのを見ないと分からない類のものだ。動画生成は秒単位で高く、コストの大半は切られるカットに費やされる。下書き解像度で反復すれば、高いレンダリングは生き残ったカットに対して一度だけ行われる。

同じ論理がストーリーモードにもある。映像モデルを呼ぶ前に、シーンの3Dホワイトモデルのプリビズ——人物がどこに立ち、カメラがどこに座るか——を組む。ブロッキングは安い。レンダリングは安くない。

承認キューが製品になった

ここからが本当に面白く、実機レポートが最も価値を持つ部分だ。

レビュアーは「Story Bible」機能を使った。タイトルを入れると、登場人物、衣装、小道具、セット、ショットリストまで含む制作一式に展開される。システムはレンダリング前に35項目の承認を求めた。次に5つのシーンを84ショットに分解し、12の動画ユニットにまとめ、各ショットのプロンプトを書き、生成し、確立済みのデザインと矛盾するものを再実行としてフラグした。

承認35回。それが今の仕事だ。プロンプトを書くことでも、カメラを回すことでもない。承認すること。そしてレポートは実際の使い勝手の問題も指摘している。承認項目のいくつかは見つけにくく、編集すると承認済みの項目が保留に戻るため、キューをもう一度クリックして回る必要があった。

2026年の「AI映画制作」はこういうものだ。創造的な仕事は消えない。一貫性に関する長いイエス・ノーの連続に圧縮され、ツールの質はその判断をどれだけ上手く提示できるかで測られる。良い承認キューは製品の堀になる。悪い承認キューは、人が手作業に戻る理由になる。

同じ名前をかぶった2つの技術

私が最も驚いたのは、「知識解説」モードが動画モデルをまったく使わないこと。少なくとも実行時間の大半では。使うのはコードtoビデオで、モデルがテキスト、グラフ、アニメーションを配置するコードを書き、その結果をレンダリングする。Gensparkによれば、コードのレンダリング自体はクレジットを消費せず、ナレーションと雰囲気カット数点が別課金になる。

これは意味のあるアーキテクチャ選択だ。ブラックホールとは何かを説明するのに、60秒分の生成ピクセルは要らない。要るのはタイポグラフィと図と動きだ。それをコードとしてレンダリングするほうが、拡散モデルにキャプションを描かせるより速く、安く、はるかに読みやすい。

実機レビューは初回の試みについて正直だ。台本は平坦で、ビジュアルはスライドのようだった。フックとサスペンスを加える指示で2回目を通し、6セグメントのオリジナルスコアを付けた結果、レビュアーが「許容範囲」と呼ぶものができた。まだスライド的だが、筋は通っている。

ここでこのカテゴリの本当の問いが出てくる。解説動画のボトルネックはレンダリングではなかった。台本だ。Gensparkの答えは、同じ言語モデルに台本とコードを書かせること。安く速い。あとはビジュアルデザインが追いつくことを願う。追いつくこともある。

経済性

レビュアーは最初の50,000クレジットのうち約45,000を3つのプロジェクトに使った。ラップ動画、解説動画、そして1つのプロンプトから数百クレジットでシステムが作ったスーパーマリオ風のピクセルゲームだ。

ざっくり短編1本あたり15,000クレジット。Gensparkは10月27日から11月4日までPlusとProの購読者向けに50%のクレジット割引をやっていた。これは2つのことを示す。今月は収益より利用データが欲しいということ、そしてユニットエコノミクスがまだ固まっていないということ。

比較するなら、モーションデザイナーを1週間雇うほうが、これらのサブスクのどれよりも高い。これも正しい比較ではない。ここで得られるのはモーションデザイナーの成果物ではない。ゼロからではなく1時間で直せる初稿だ。

正直な留保

完成した短編には、レビューが隠さなかった問題があった。後半で音声がずれ、ときどきフレームが落ち、ある人物の眼鏡がショット間で消えた。リップシンクはかけられ、字幕は頼まずに中国語と英語で生成され、全体の一貫性は予想以上だった——が、「予想以上」は「出荷可能」ではない。

書き出し経路もある。PSD、Premiereプロジェクト、CapCutのドラフトとして出せる。現実への正しい譲歩だ。生成したツールの中で動画を仕上げる人はいない。

これが意味すること

オーケストレーター層が製品になり、モデルが部品になりつつある。GensparkはSeedanceやVeoと競っているのではない。編集ソフトのタイムライン、ストック素材のフォルダ、カットを組む間に開きっぱなしにしている5つのブラウザタブと競っている。

勝つかどうかは地味な点にかかっている。承認キューが良くなるかどうかだ。今は分かりにくいUIでの35の判断。良いUIでの35の判断になれば、それは本物のツールだ。分かりにくいままなら、人はテンプレート目的で使い続け、肝心なところはPremiereに戻る。