フルAIのミュージックビデオ「休肝日」公開🚀〜まんぷくビールオーケストラの新曲

こんにちは！まんぷくビールの音楽部門を担当している山本ホップです。
まんぷくビールオーケストラ第12弾の曲が完成しました✨

まんぷくビールオーケストラ新曲！「休肝日」

忘年会シーズン、みなさん飲みすぎていませんか？
「今日は休肝日だ！」って朝に宣言して、夜にはついつい「一杯なら…」って飲んでませんか？

私は、飲んでます！！！！

特に今は忘年会シーズン。そして師走の忙しさ（めっちゃ忙しい…）。
この季節は飲まずにはいられない！飲む理由がありすぎて、休肝日がなかなかできない。

そんな飲兵衛たちの心の葛藤を歌にしました。「休肝日」という曲ですが、歌詞は全然休肝日できていません笑。
ぜひ、お酒好きには共感必須な「休肝日」、聴いてみてくださいね。

🍺　　🍺　　🍺

そして、このミュージックビデオはすべてAIで作っています（編集は手作業ですが）。少しだけ制作のお話を。

今までも画像と動画の生成AIを駆使してミュージックビデオを作っていたのですが、今回は力作です！

生成AIで動画作ると、思う通りに動いてくれなかったり、生成の度に登場人物の顔が変わったり、細かい部分（例えば指先とか）がブレブレできれいにならなかったりと、なかなか狙い通りに作れない。

プロンプトを書いては生成を待ち、修正しては生成を待ち、修正しては生成を待ち…。ひたすら試しては生成を待つエンドレス。

これは修行なのか？もしくは新たな禅なのか？

そんな修行のような制作過程を経て、このミュージックビデオはできています。

今回のミュージックビデオ制作に関して次の2つを達成することを目標にしました。

• 同一人物（と認識できる演者）で３分の曲を演じてもらう

• 一定以上の動画の質を持ったミュージックビデオにする

実写で動画制作をやっている方々からすれば、「そんなの当たり前じゃん」ということですが、それが生成AIではひと手間もふた手間もかかるのです。しかしその手間をかければ必ず良いものは出来ます！

この2点は生成AIにおける動画づくりベースとなる「静止画」の作成とその静止画を動かす「動画」の作成のそれぞれのポイントになります。

同一人物でどれだけバリエーションのある静止画を作り出せるか、そしてその静止画をどれだけきれいに動かすか、ということですね。

また改めて、実際の制作手順などを細かく解説するnoteも公開する予定ですが、まずはこの2点をどう実現したか、そのあたり同じ問題にぶちあたっている生成動画を作っている人の参考になるべく説明します。

🎤　　🎥　　🎤

同一人物（と認識できる演者）で３分の曲を演じてもらう

今回のストーリーは、「１人の女性が休肝日だけどやっぱり飲んじゃう！」という内容ですので、この歌の世界観を表現するにはどうしても同一人物が1曲まるまる演じきる必要がありました。

過去に制作した「ねぇ、まだ？」のミュージックビデオも１人の女性が歌う動画をつくりましたが、よくよくみると顔や衣装が少しづつ変わっています。

最近の画像生成系のAIでは「キャラクターの一貫性保持」を売りにしています。それほど同じ人を生成し続けるのは大変だし、ここがみんな苦労して創りあげているところだと思います。

雰囲気似てるなー、ぐらいだと確実に別人だし、人間の顔ってどこか違和感があると同一人物に見えないですからね。

同一人物で髪型や衣装を変えて、また複数のシーンで演じる場面展開もあるミュージックビデオにすべく試行錯誤しました。

💡 　解決のためのヒント　💡

静止画の作成には、Discord版のMidjourneyを使用して元となる人物の作成を行います。※以下Midjourneyの操作などはDiscord版です。

物語を作り上げるのと同じように、人物設定、場面設定、歌詞を元にしたストーリー設定を作り上げ、その人物をMidjourneyで生成します。

曲の前半部分の場所の設定は「舞台上のセットに組まれた一人暮らしの女性の家」。休日に「今日は休肝日」と決めたけど…という設定です。

ですので、背景は同一で衣装と髪型を変更します。休日の普段着、もしくは休日に外出から帰ってきて部屋着に着替える。そんな感じです。

ここから同一人物でシーンのバリエーションを作っていきます。
Midjourneyの「Vary(Region）」で変更したいところを選択します。要は顔だけ残して髪型と衣装、ポーズなどを変えます。
簡単に言うとそりゃそうだろ、という生成方法ですが、これが今のところ変えたくない（顔や衣装など）ポイントを変えない唯一の方法です。

そしてポイントは一気に全部変えようとしないこと。
まずは髪型を変えて、それが問題なければ次に衣装を変えて、それが決まればポーズを変えて、と段階を追って変更を行うことで出来るだけ意図しない変更を抑えます。

どうしてもMidjourneyで変更出来ないところは、後の工程の動画生成AIに任せます。

1枚の同じ静止画から動画生成を行うと、すべてその同じ静止画から動画が始まりますが、その先の表情や行動をプロンプトとして適切に指示し、Midjourneyで生成出来なかった細かなバリエーションを、動画AI上で実現するということです。

ただしこの場合、5秒の動画が欲しい場合でも少し余裕を持って長めに生成する必要があるためクレジットは多めに消費することになります。

曲の後半は、場面がオフィスと居酒屋に変わるのですが、場面が変わると光の加減が変わります。元の女性の光とつくりたい場面の光が違うため、少し違和感が出てしまいます。

今回は生成後のシーンをPhotoshopを使って背景と人物の光の具合を調整してから動画生成AIで使用するなど、ひと手間加えています。

この場合も、もちろん、顔以外の変更を
髪型 → 衣装 → ポーズ → 背景
と4回 Vary(Region）で対応しました。
※実際はひとつの変更に数十回生成し直すこともありましたので、すんなりと出来た訳ではないですが…。

Midjourney V7版の「Omni reference」機能やNano Banana Pro、ChatGPT Images（GPT-Image-1.5）でも「キャラクターの一貫性」を保てるようになったようですが、今回の「休肝日」のミュージックビデオではMidjourneyの「Vary(Region）」で対応するほうが確実に対応できました。

🎤　　🎥　　🎤

一定以上の動画の質を持ったミュージックビデオにする

画像を生成して、そのまま動画をAIで作ろうとすると、なんだか解像度が粗かったり、指先など細かい部分が表現しきれなかったり、早い動きがブレたり、きれいに動画が生成されないなぁと思っていました。
「忘年会GALAXY」のミュージックビデオも生成AIで作ってますが、こちらはある意味チープさが味なところがあるので問題ないのですが、今回はリアルな現実世界を表現したいので、ディティールまでこだわりたい。

💡 　解決のためのヒント　💡

解決策のひとつは、
動画にする元の静止画をできるだけ繊細に、できるだけ高解像度にする
です。

元の静止画がボケたりぶれたり解像度が低かったりすると出来上がった生成動画は確実にクオリティが低くなります。
それは動画内での背景や人物の精度が低かったり、動きも指先や脚などが意図しない形と動きで動画として生成されることになります。

今回の動画の生成では、歌うシーンはDomoAIでリップシンク動画を作成し、それ以外はKlingAIを使用しました。

これらの動画生成AIに投入する静止画の画像をPhotoshopの機能で高精細、高解像度のものに作り直しています。

Photoshopでは生成アップスケールや生成シャープなどの機能を利用することでシャープでかつ高品質な引き伸ばし（という言い方がいいかはあれですが）が出来ます。

今回KlingAIなどでは、元にできる静止画の容量が10MBでしたので、1枚の静止画をその容量に収まるギリギリにサイズを設定し作成しました。

🍺　　🍺　　🍺

ちなみに、今回のミュージックビデオは約3分なのですが、生成した静止画、生成した動画は…ものすごく多く、ものすごく長いです。

ということで、かなりこだわって制作した「休肝日」のミュージックビデオ。ぜひ見てみてくださいね！

さらに、現在新曲発表に向けて、ミュージックビデオを鋭意制作中！そして、今までYouTubeをメインに楽曲を発表してきましたが、来年からは音楽ストリーミングサービスでの配信も始めようと思っています！

まんぷくビールオーケストラは、2026年もビールをテーマにいっぱい曲をつくっていきます。お楽しみに✨