メインコンテンツへスキップ

12.3.1 動画と音声ロードマップ：台本、タイムライン、同期

動画と音声生成では、時間という要素が増えます。1 枚の画像を作るのではなく、台本、ショット、ナレーション、字幕、動き、レビューをタイムライン上で整理します。

まずタイムラインを見る​

動画、音声、デジタルヒューマン章の学習フロー

TTS テキスト音声変換パイプライン

デジタルヒューマン同期パイプライン

最初の習慣は、すべての生成素材がタイムラインのどこに置かれるかを説明することです。

30 秒の素材計画を作る​

shots = [
    {"seconds": 8, "visual": "problem screenshot", "voice": "Many course questions repeat."},
    {"seconds": 12, "visual": "RAG pipeline diagram", "voice": "Retrieval adds sources before the model answers."},
    {"seconds": 10, "visual": "final assistant screen", "voice": "The answer is clearer and easier to verify."},
]

for index, shot in enumerate(shots, start=1):
    print(f"shot_{index}: {shot['seconds']}s | {shot['visual']} | voice: {shot['voice']}")
print("total_seconds:", sum(shot["seconds"] for shot in shots))

期待される出力：

shot_1: 8s | problem screenshot | voice: Many course questions repeat.
shot_2: 12s | RAG pipeline diagram | voice: Retrieval adds sources before the model answers.
shot_3: 10s | final assistant screen | voice: The answer is clearer and easier to verify.
total_seconds: 30

動画 shot plan タイムライン実行結果図

実際の動画モデルを呼ぶ前でも、これは使える動画生成 brief になります。

この順番で学ぶ​

ステップ読む内容練習の成果
1動画生成台本をショットと視覚プロンプトに分ける
2TTSナレーションを音声設定と字幕テキストに変える
3デジタルヒューマン顔、声、口形同期、許諾、安全境界を記録する

通過条件​

1 つのテーマを、ショット、ナレーション、尺、字幕、リスクメモ、出力要件を含むタイムラインに分解できれば、この章は通過です。