デザイナーのAI活用事例

撮影のたびにカメラの位置や画角を人に見てもらう必要があった。

画面読み上げの音が録音に入ることもあり、編集も一人では進めにくかった。

1. ChatGPTに全盲の事情を伝え使えるサービスを探してもらった
2. HeyGenで自分の姿のアバターを作った
3. 書いた台本を入れて動画にする形に切り替えた
4. 画面読み上げで分かりにくい操作の案内もChatGPTに頼んだ
5. 出来た動画をChatGPTに説明させ見え方を言葉で確かめた

台本から動画を作って公開できるようになり、撮影の手伝いを毎回頼まずに済むようになった。

人の目が必要な場面は残るが以前より大きく減り、他の人や団体への動画制作の提供も始めた。

出演してもらう医師は忙しく、撮影の日を押さえるだけで土曜の夜まで使うことがあった。

本業と並行してチャンネルを回すのに週45時間も取られ、続けるのが苦しくなっていた。

1. 自分で調べた台本を医師に医学的な正しさを確かめてもらう
2. 通った台本をHeyGenに読ませAIプレゼンターが話す動画を作る
3. 台本を解析してアニメーションの案と入れる場所を決める
4. DaVinci Resolve用のXMLに書き出す
5. 医師の撮影は必要なときだけ1回で10本分まとめて録る

中心となる作業は週45時間から約8時間に減った。

公開前の90%までが自動でそろうので、急ぎの話題でも数時間で仕上げられるようになった。

1枚のイラストを作るのは手軽にできる一方で、同じキャラクターで場面を続けて描くと構図や色が似てしまい、ばらばらの絵の寄せ集めになってしまう。

1. 白うさぎを追う最初の1枚を作り次の場面を自分で考える
2. うさぎ穴から巨大化やキノコの森へと場面を順に足す
3. チェシャ猫やお茶会や女王やカードの嵐や夕暮れまで生成する
4. 毎回アングルと配色を変え巨大化は見上げる構図にする
5. 全場面を1枚にまとめたタイトル画像を作る

9枚のイラストが同じ世界の続きとして見えるようになり、最後に9場面を1枚にまとめたタイトル画像を作ったことで、絵の集まりではなく一つの物語として並んだ。

ブログ記事に添える画像で自分らしさを出しにくく、似た雰囲気のイラストばかりになりがちだった。

1. 他の人が公開する文字合成プロンプトをChatGPTに読み込ませる
2. 自分のアバターから派生したイラストを渡す
3. 文字数を減らして顔を大きくするよう指示する
4. 5文字までは1文字に1人、超えると1枚絵になると確かめる
5. できた静止画をPollo AIのSeedance 2.0 Miniで動画にする

「スキ」という飾り文字が短時間ででき、記事の最後に置く画像として使えた。

動画にすると文字で切れていた部分が補われ、髪型や背景が変わって秋らしい別のキャラになった。

自分で書いた記事は誤字や言い回しのぶれに気づきにくく、事実の裏取りにも手間がかかっていた。

生成AIに文章そのものを作らせる方法は精度に限界を感じてやめていた。

1. 自作の1000字ほどのエッセイを本文ごと貼る
2. 誤字脱字と語法と表現のぶれだけを抜き出し修正案を求める
3. 事実確認も指示し根拠のURLも示させる
4. 同じ文章をChatGPTとCopilotに渡し指摘を見比べる
5. 採用した数点だけ直し却下分は理由を書いて返す

ChatGPTからの8点ほどの指摘のうち採用したのは3点で、残りはエッセイの持ち味を優先して見送った。

事実確認ではB級グルメの由来の誤りと輸入うどんという断定の危うさが見つかった。

チェコ語を話す人は約1,000万人しかおらず自社で作った番組は国内向けで止まっていた。

撮影は費用も時間もかかり字幕以上の多言語化は多くの顧客にとって手が届かなかった。

1. 制作は必ず台本から始めて即興では撮らない。
2. HeyGenのアバターに声のクローンを合わせ各言語の話し手を作る。
3. スポーツニュースの案件では各国向けの顔をアバターで用意した。
4. 実写の映像とアバターを混ぜて1本の番組に仕立てる。
5. アバタースタジオの枠を約50用意し顧客にも作り方を教える。

チェコ語で作った番組を7つの言語に広げた。

バレーボールの指導者のアバターを使ったYouTubeシリーズは英語・スペイン語・ドイツ語で3年続いている。

顧客の金融会社は動画を増やしたかったが制作費が高く、年に1〜2本で打ち止めになっていた。

大がかりな撮影チームがないと本数を増やせなかった。

1. 顧客の調査レポートやPDFや社内メールを台本のもとにする。
2. HeyGenで自分の姿をうつしたアバターを作る。
3. その台本をアバターに読ませて動画にした。
4. 翻訳機能で同じ台本を別の言語に置き換え地域ごとの版を出す。
5. 声や話し方は最後に本人が確かめて整える。

顧客が出せる動画は年1〜2本から1日50〜60本になった。

1本の台本から複数の地域向けの版を作れるようになり、録り直しや手作業の翻訳が要らなくなった。

After EffectsやCamtasiaで作るやり方では撮影と編集に時間も費用もかかっていた。

言語を増やすたびに工程の大部分をやり直す必要があった。

1. 研修教材の台本をHeyGenに入れる。
2. アバターに台本を読ませて動画にする。
3. 撮影とナレーション収録の工程をなくす。
4. 直しが出たら台本を書き換えて生成し直す。
5. 多言語の版も同じ台本から作る。

200時間以上かかると見ていたマイクロラーニングの案件を約70時間で仕上げ、工数を65〜75%減らした。

短い納期を提案できるようになり、数百本のマイクロ講座を作る契約も取れた。

製品の更新が速く、台本づくりから撮影と編集まで通す作り方では教材動画が追いつかなかった。

画面や文言が途中で変わると撮り直しになり、外注すると費用も納期もかさんだ。

1. 教材の台本をHeyGenに入れる。
2. アバターに読ませて動画にする。
3. 変更が出たら台本だけ差し替えて作り直す。
4. 翻訳機能で7言語の版を作る。
5. 声の調子は担当者が直して仕上げる。

動画を作る速さは10倍、作れる量は5倍になった。

人を増やさずに7言語の教材を出せるようになり、台本を書く担当者が自分で動画の下書きまで作れるようになった。

NaturalSlimの動画はスペイン語ばかりで英語圏やヨーロッパへ広げられなかった。

字幕やGoogle翻訳では訳のばらつきが大きく校正に手間がかかり8分の動画1本に3日かかっていた。

1. 訳したい動画をHeyGenに上げる。
2. 出したい言語を選んで音声を別の言語に差し替える。
3. 話し手の声と見た目はそのまま残す。
4. 出来上がりを担当者が見て言い回しを直す。
5. 同じ仕組みでアバターが話す短い広告動画を作りSNSに流す。

動画をロシア語やポルトガル語など10言語以上へ広げた。

1本にかかる時間は3日から数時間に縮み外部の翻訳者に頼らずに出せるようになった。

AIのアバターは場面ごとに顔つきが変わり、同じ人物として使い続けるのが難しかった。

どのツールなら狙った映像になるかも分からなかった。

1. 熱心な利用者を1人選びデジタルクローンを作る。
2. 台本に合わせてアバターに話させる。
3. 背景はFluxで用意し画質はTopazで引き上げる。
4. 素材はComfyUIでまとめ色味と光を調整する。
5. 出力をRunwayに通してAIらしい見え方に戻す。

場面が変わってもLizらしさを保ったまま、宇宙飛行士やニュースキャスターなど好きな姿に変身させられた。

Skinny側もこの取り組みを強く推し、AIを隠さず前面に出したことが話題づくりにつながった。

医療の動画は台本作りから撮影や編集まで多くの担当者が関わり、1本に数週間かかっていた。

小さな直しでも録り直しが要るため多言語の版を増やしにくかった。

1. スタジオでの撮影と声の収録をやめる
2. 台本やプレゼン資料をHeyGenに読み込ませる
3. AIのアバターが説明役になる動画を作る
4. 医師向けと患者向けで言い回しを変える
5. 多言語版は撮り直さずHeyGen上で作り直す

1本あたり6〜8週間かかっていた制作が5〜10日で終わるようになり、関わる人数は5〜8人から1〜2人に減った。

制作費は50〜60%下がり、多言語版の制作は5〜10倍速くなった。

ロサンゼルスを見下ろす場所やタイムズスクエアのような撮影のできない舞台で解説を届けたかった。

従来の制作ではクルーの派遣や渡航や撮影許可や長い後処理が必要で対戦相手が直前まで決まらない大会の進行に間に合わなかった。

1. 収録した解説者の映像を読み込ませてデジタルの分身を作る
2. Voice NとVideo TTSで台本どおりに話させ動きを付ける
3. 制作チームが背景を合成して放送用の素材に仕上げる
4. 母語のプロデューサーが発音や間を何度も聞き直して直す
5. 出演者が同意のうえで見せ方と話す内容を決める

20〜30秒のセグメント4本を準々決勝から決勝までの試合前番組で流した。

1回の生成は5〜10分で終わり台詞の差し替えも15分ほどでできた。

Pray.comの提携先は英語が通じない地域で学校や教会を運営していた。

何千本もの動画を各言語に訳す費用も手段も無く創設者は現地の人へ直接語りかけられなかった。

1. すでに撮ってある説教や活動の動画をHeyGenに読み込ませる
2. 話し手の声や話す速さを保ったまま別の言語に置き換える
3. アバターの口の動きも音に合わせる
4. 開発合宿で75歳の男性がスペイン語で語る動画を作る
5. 出来上がった版を提携先がコミュニティへ配る

何千本もの動画を8〜30言語へ数分で訳せるようになった。

数週間かかっていた制作も数時間で終わり外注の費用を増やさずに済んだ。

Ratavaは顧客の経営者を撮るたびに日程を合わせて何度も撮り直す必要があった。

カメラの前で固まる人も多く撮影できる日が限られるため動画の本数を増やせなかった。

1. 経営者を一度だけ撮影してアバターを作る。
2. 1社あたり15〜30体のアバターをためる。
3. 台本を打ち込んで新しい動画を出力する。
4. スペイン語やフランス語の版も用意する。
5. CRMとつないで相手ごとの動画を自動で送る。

取材形式の動画は数週間かかっていたものが1日で仕上がるようになった。

営業の動画の開封率は10%から30〜40%へ上がり今は納品する動画の98%にアバターが入っている。

会社勤めをしながら一人で撮影も編集もこなしていて動画を出す間隔が空いていた。

照明や部屋の片付けに時間を取られ体調や気分で撮影を先送りしていた。

1. 自分の姿と声から分身アバターを作った
2. 話す内容を自分で調べて台本に書いた
3. 台本をアバターに読ませて動画にした
4. 物語の人物ごとに別のアバターを用意した
5. 切り替えの演出と音楽を足して公開した

動画1本を2時間かからずに作れるようになった。

YouTubeの表示回数は43.8%増え長い動画の反応は70%伸びて登録者は毎月10,000人を超えて増えている。

以前は台本書きから撮影と編集まで全部手作業で、出せるのは週に数本が限界だった。

毎日出さないと伸びない一方で、その頻度を保つと疲れ切ってしまう状態だった。

1. 視聴者の悩みと昔から変わらないテーマの重なりで題材を決める。
2. 台本は一つの考えに絞り、無いときはHeyGenの台本作成機能に書かせる。
3. その台本をアバターに読ませ、声と話し方だけの構成にする。
4. 派手な図や重ねた編集は入れない。
5. 1回の作業でまとめて何本も作り、一週間分を分けて投稿する。

週に数本だった投稿を毎日に変え、Instagramのフォロワーは250万人を超えた。

AIで作った動画の伸びは今までの作り方と同じか、それ以上になった。

バナー広告は多くのパターンを試す必要があるが、Codexだけで画像生成から入稿までをまとめようとすると1枚で残り使用量の10%ほどを消費してしまい枚数を増やせなかった。

ChatGPTとCodexを分ける運用にしても、毎回プロンプトと参照画像を渡し直す手間が残った。

1. Codexに生成から登録まで任せたが重く断念した
2. 画像生成はChatGPT、登録と分析はCodexに分担した
3. CodexからComputer UseでChatGPTを操作する方法も試した
4. OpenAIのAPIから直接画像を生成する形に変えた
5. 生成用スキルに品質や判断の基準を細かく書き込んだ

ChatGPTのライセンスが不要になり、もとから使っていたClaudeだけを入口にして生成から登録までの流れを回せるようになった。

配信している自作曲のミュージックビデオを作りたいが、映像制作は費用も手間も大きく、個人では手が出しにくかった。

1. 自作曲2分43秒を題材に決める
2. AIディレクターと対話し世界観と主人公を決める
3. キャラと背景を画像生成し曲の構成にショットを割り付ける
4. 1080pで初回60ショットを生成し1つずつ人が検品する
5. Filmoraで破綻した映像を差し替え冒頭の演出を足す

フル尺のMVを完成させた。

1本組み上げるだけなら約2万クレジットだが、実用に足る品質に詰める工程まで含めると約4.5万クレジットかかり、総消費は約44,000〜47,000クレジットだった。

LINEスタンプを作るには背景を透過し、サイズを変え、1枚ずつ分割する作業が必要で手間がかかっていた。

1. 自作キャラクター2体を3Dイラストに変換した
2. 公開されていたプロンプトを借りてCodexに生成を指示した
3. スタンプは16個と16個と8個の3回に分けて出した
4. 絵文字40個は1回でまとめて出しメイン画像とタブ画像はサイズ指定で作らせた
5. 背景透過とZipまとめを任せ人は画像を確認して登録した

40個のスタンプが約30分ほどでそろい、そのまま申請まで終えて販売開始になった。

3回に分けても表情やポーズが違うだけでキャラクターの雰囲気はそろっていた。

月に3〜5本の取材記事を書いていたが、取材後の原稿づくりに1本あたり8時間かかっていた。

提出後に方向性の違いを指摘され、大幅に書き直すこともあった。

1. 取材をNottaで録音し固有名詞を単語登録で補う
2. 終了直後にインタビュー用テンプレートのAI要約で構造化する
3. 同席したクライアントとその場で内容をすり合わせる
4. 媒体条件のmdと要約をClaude Codeへ渡し構成案を複数出す
5. 執筆ルールのmdで初稿を書かせ1時間かけて表現を整える

記事1本にかかる時間が8時間から2時間になり、提出後に大幅な書き直しをすることがほぼなくなった。

受けられる案件が増え、単価も上げられた。

モバイルゲームの広告はどれが当たるか事前に読めないので数多く試すしかない。

ただプレイアブル広告は手で作ると1本に1か月以上かかり、必要な数をそろえられなかった。

1. Opus 4.5を制作の中心に置き企画とコードづくりを任せた
2. Claudeが進行役になり細かい作業を画像モデルへ振り分ける
3. 人は出来上がったものを確認して仕上げる部分だけを持つ
4. 導入前に他社のモデルと比べ人の手直し量を測った
5. 制作工程を細かく分け段階ごとに出来を採点する仕組みを作った

広告1本あたりの仕上げ作業は1週間から75分になった。

仕組みの中の手直しも50%減り、あるゲームスタジオでは広告費の90%がこの仕組みで作った広告に回っている。

クライアントから求められる納期が短くなり、提案書づくりや調べ物にクリエイターの時間が取られていた。

社内でAIを試してはいたが会社全体としての進め方が決まっていなかった。

1. Claude Enterpriseを全社に入れた
2. 戦略づくりから開発まで50を超える使い方を用意する
3. 企画ではブリーフの練り直しや市場と競合の調べ物をさせた
4. 提案書は下書きを書かせてから人が仕上げる
5. 打ち合わせの要約とやることの洗い出しも任せた

決まりきった作業にかける時間が30%減り、提案書づくりは40%速くなった。

数日かかっていた調べ物が数時間で終わり、下書きの質も上がって直しが減った。

スプレッドシートやCSVの扱いが苦手で、列がずれたり並びが変わったりして数字の管理が続かなかった。

記事の本数が増えても、成果を振り返る土台が作れずにいた。

1. 新しい日付のシートを作る
2. noteのダッシュボードの表示をA1へそのまま貼る
3. ChatGPTに頼みCSVの形に整えてもらう
4. 違う出力はその場で止め消す場所と入れる位置を伝えて直させる
5. 何をどこまでやるかの最後の判断は自分で持つ

苦手な工程そのものがなくなり、数字を見ながら次の記事を相談できるようになった。

検証用のアカウントと手順書も残り、7100文字あった討論会の記事は見どころを先に出す構成へ組み替えて3600文字まで縮めた。

チラシは独学で作っていた。

最初はPowerPointで作り途中からCanvaに移したが、デザインを考えるだけで1時間ほどかかっていた。

1. ChatGPTにはデザインの大枠だけを作らせる。
2. プロのデザイナーという立場で答えるよう伝える。
3. 体験レッスン募集バナーという想定で条件を並べる。
4. 目線の流れや文字の大小のメリハリも条件に入れる。
5. 写真や文言は自分で入れ仕上げはCanvaでおこなう。

デザインを考える時間が1時間程度から10分程度になった。

全体でも4時間程度かかっていた作業が2〜3時間で終わるようになった。

年に120本の撮影を回すなかで素材と契約と予算の管理がSlackと表計算に散らばっていた。

進み具合が追えず意見もばらばらに届くため遅れが出ていた。

1. 依頼の受付から進行管理までをAirtableの台帳にまとめた
2. 法務の承認と素材の確認も同じ台帳に入れた
3. 案件の条件をAirtableに入れてAIに候補を推薦させる
4. 出てきた候補の中から起用する人を決める
5. 契約と承認のやりとりを自動で回る流れにした

数日かかっていたインフルエンサー選びが数分で終わるようになった。

契約や承認の手作業も減り、年120本以上の撮影と30を超える拠点の仕事を一つの仕組みで回せるようになった。

ユーザーインタビューそのものに集中したい一方で、終わったあとの文字起こし整理や要約づくりに時間を取られていた。

分析を早く終えて、解決案のプロトタイプ作りへ進みたかった。

1. Google Meetの文字起こしを決まったDriveフォルダに入れる
2. GASが検知しGitHubにPull Requestを自動で立てる
3. PR作成をきっかけにClaudeが文字起こしと文脈資料を読む
4. 発話録・要約・示唆・分析の種の4つのMarkdownを作らせる
5. HTMLの図解レポートまで生成しSlackへ通知する

インタビュー終了から20〜30分で、要約5行・主な示唆5点・アイデアの種5点とHTMLの図解レポートがそろうようになった。

手作業でやっていた振り返り準備がなくなり、2人の記憶だけに頼らない振り返りができるようになった。

感覚で決めた配色や配置の理由を後から筋の通った文章にするのに苦労していた。

デザインの言葉が出てこず提案書を書くのに何時間もかかっていた。

1. 仕上がったデザインのキャプチャ画像をClaudeへ上げる
2. ターゲットの属性とキャンペーンの狙いを文章で渡す
3. 人間工学と色彩心理学の面から説明文を3パターン作らせる
4. 細かく触れてほしい所は拡大した画像も一緒に渡す
5. 出てきた文章から選んで提案書に仕上げる

デザインの意図を他部署へ説明する資料の作成が1件150分から30分になった。

社内で合意が取りやすくなり修正や手戻りも減った。

写真のいらない部分はコピースタンプツールで1つずつ手作業で消していた。

足りない絵柄もブラシで描き足すため倍の時間がかかっていた。

1. 届いた依頼の中身を見てAIで終わる修正か判断する
2. 当てはまれば削除ツールや生成塗りつぶしを使う
3. 消したい部分を囲うだけで処理する
4. たち落としで足りない絵柄も指示文なしで埋める
5. きれいに仕上がらないときは手作業へ切り替える

30分以上かかっていた修正箇所が5分程度で終わるようになった。

指示文を考える時間も要らない。

クライアントへ見せる画像づくりは週をまたぐやり取りになり、案件の進みが遅れていた。

最大6,000万ポリゴンのシーンを手で集めて描画しており、40年分の3Dモデルと画像を社外へ出せない事情もあった。

1. 最大4基のRTX 6000を積んだワークステーションを社内に置いた
2. 設計にStable DiffusionやDALL-E 2を組み合わせる
3. 40年分の自社画像を大規模言語モデルでタグ付けして検索させた
4. Omniverseに対応した拡張機能を10本以上作る
5. 作った道具を共通の画面にまとめてデータを行き来させる

モデルのレビューは週をまたぐやり取りからほぼリアルタイムの受け答えに変わった。

データを社外へ出さないまま試作を何度も回せるようになった。

構成案も入れる文章も自分で全部書いていた。

経営者の方針がまとまっていなかったり原稿が無いときは進めるのに手間がかかっていた。

1. 学習がオフかを確かめ企業名は伏せて渡す
2. プロのウェブディレクター兼セールスライターの役割を与える
3. 公式サイトの中身と企業概要のPDFを渡す
4. 企業の特徴や強みとこだわりを伝えて構成案に盛り込ませる
5. 出てきた案を手直しし言い回しを何度かやりとりする

1件あたり60分かかっていた作業が10分になった。

言い回しのバリエーション出しも任せられるようになった。

商品を出す予定に合わせてモデルを手配し全商品を着用して撮影していた。

撮影の都合で入荷からサイト掲載までに時間が空いてしまう問題もあった。

1. 商品が入ったら置き撮りとディテールの撮影をする。
2. その画像と自社モデルの過去の写真をChatGPTへ渡す。
3. 2枚目の人物に1枚目のTシャツを着せてと指示する。
4. 柄が見えるように体の向きや顔の角度も指定する。
5. 出てきた画像をPhotoshopで整えて商品ページへ組み込む。

週に出せる新商品が5型から8〜10型に増えた。

モデル撮影も7時間から3時間程度になりカメラマンの負担とモデルの費用が減った。

11人のプロサッカー選手の日程を合わせてマドリードやロンドンで撮るのはNGOの予算では無理だった。

難民として育ったため幼少期の写真が1枚も残っていない選手もいた。

1. 古い写真やウェブの記録から選手の子どもの頃の姿を調べた。
2. 調整したLLMと画像生成モデルをつなぐ自前の道具を作った。
3. 映像の生成はすべてRunwayで行った。
4. AIアーティスト2人がユニフォームの色や顔の似せ方を1カットずつ確かめた。
5. 仕上げた映像を16mmフィルムに焼いて読み取り直し粒子を足した。

公開から24時間で120万回の自然な再生がついた。

国連総会で上映され、いまはニューヨークの国連本部に常設で展示されている。

Web制作ではデザインカンプを受け取ってからコーディングするまでに数時間から数日かかっていた。

ツールを入れても現場の担当者が自分の仕事に結びつけられない状態も課題だった。

1. Claude Codeで作ったWebサイトをFigmaに取り込めるか確かめる
2. Figmaのデザインカンプを渡しClaude Codeにサイトを組ませる
3. 出来上がったものを担当者が確認する
4. 制作の流れ全体に組み込めるかを検証する
5. 社内の生成AI活用共有会で発表し資料にまとめて共有する

デザインカンプからWebサイトを数分で生成できることを確かめた。

従来は数時間から数日かかっていたコーディング工程が大きく短くなった。

3つの都市に分かれた最大25人が自分のやり方で商品を撮っていたため、背景も写す範囲もそろわなかった。

中古品の傷や大きさを買う人が比べにくく、出品への信頼が下がりかねない状態だった。

1. PhotoroomのAPIを自社の出品の仕組みにつないだ
2. 担当者は商品の安全と状態を確かめてから写真を撮る
3. 撮った写真をAPIに渡して背景を白地に置き換える
4. 切り抜きと商品の位置も同じ基準で自動でそろえた
5. 仕上がった画像をそのままサイトに載せる

購入率が23%上がり、3つの都市で撮った写真が同じ見た目にそろった。

背景を手で直す作業がなくなって出品も早くなり、本職が撮った写真かと客に聞かれるほどになった。

商品写真の背景を1枚ずつ手で切り抜いていた。

店舗と国が増えるほど編集が追いつかず、27か国で写真の見た目がそろわなかった。

1. PhotoroomのAPIを自社の画像処理の流れに組み込んだ
2. 大量の写真は1回のまとめ処理で数万枚単位にかけた
3. 背景の切り抜きや影付け・背景色の追加を任せた
4. 各国の担当者はWeb版で直したい写真だけを編集する
5. 国ごとの使われ方をデータで見て編集のやり方を見直した

手作業の切り抜きがカタログ全体で自動処理に置き換わり、140,000を超える店舗の商品画像が27か国で同じ品質になった。

1回のまとめ処理で数万枚をさばけるようになり、配送という本業に時間を回せるようになった。

予算が決まった世界規模の広告でCGや実写だけの作り方では期間も人手も足りなかった。

提案の段階で仕上がりを言葉でしか伝えられないことも困りごとだった。

1. Runwayで30カット分の絵コンテを作り角度と画角まで固めた
2. 絵コンテを提案に使い依頼主と代理店へ先に共有する
3. 主役の人物はパリ近郊で2日間グリーンバックで撮影した
4. 背景はAIで作りAlephで映像の中の物や環境を差し替える
5. 現場でも絵コンテを重ねて構図をその場で試した

映像はミラノ五輪の開会に合わせて公開され世界各国へ広がった。

同じものをCGや実写だけで作ると期間は2倍になり10〜15人のCGチームも必要だった。

Margielaの短編を仕上げるとき撮影済みの素材だけでは話の流れがつながらなかった。

撮っていない場面や記録に残っていない瞬間がいくつも抜けていた。

1. 撮影済みの映像に近づけたリファレンス画像を用意する
2. 絵画のような質感や夜の白黒映像など作品に合う絵柄をそろえる
3. リファレンス画像をRunwayのimage-to-videoで動かす
4. できた映像を本編の足りない場面へ差し込む
5. 照明やポーズが決まった一枚で止めて編集に回す

仕上がった映像ではAIで作った部分の見分けがつかずクライアントからは文脈に合っているという反応が返ってきた。

納期の短かったSam Smithのツアー映像でも複雑なグラデーションの動きを短い時間で作れた。

ロンドンの ATN Summit で、ニューヨークの防潮堤が嵐のときに閉まって水を止める仕組みを見せたかった。

しかし手元にあるのは開いた状態のスキャンデータと3Dモデルと写真だけで、動いている映像がほとんど無かった。

1. 設計チームの建築画像をRunwayに入れて動かした
2. 防潮堤のスキャンデータをUnreal Engineに読み込んだ
3. 街並みはGoogle 3D Tilesで足した
4. 最初と最後のコマを指定して門が閉まる場面と嵐の場面をつないだ
5. 水が派手すぎると言われ浮遊物だけ消して作り直した

来場者の反応が大きく、終わったあとに新しいつながりや提携の話が多く入ってきた。

次はベルリンでの展示を準備している。

クラシック音楽は関心のある年配の層にしか届いていなかった。

1888年から続く楽団は次の世代の聴き手をどう増やすか悩んでいた。

1. 11歳から17歳向けのロールプレイングゲームをRoblox上に作った
2. ゲームの2D画像をMidjourneyとAdobe Fireflyで出した
3. 物語の下書きは自社向けに仕立てたChatGPTでも出した
4. ユーザーストーリーの文章をMicrosoft 365 Copilotに書かせた
5. 開発の各段階で50人以上の子どもに試遊させて意見を反映した

公開後のRobloxでの評価は90%になり訪問は20万回を超えた。

音楽に詳しくない子どももクラシックに興味を持つようになった。