Runway Gen-3で動画生成に挑戦｜GPTs研究会朝LIVE

家事と子育てのスキマで経営する三方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

いやー、7月4日木曜あさのGPTs研究会モーニングライブ、今日はちょっと特別でした。進行はただっち、そして私、ひろくん。この日メインで取り上げたのは、動画生成AI「Runway Gen-3 Alpha」。私、配信の直前に思わず課金してしまってたんですよ。何でも作れる、っていう自由を手にした瞬間、逆に「じゃあ何を作るんだ」って自分に聞かれる感じがあって……ホームランを打つ女の子から、分身AIが喋る講座の話まで、行ったり来たりの1時間、そのままお届けします。

サイト構造が一目でわかる「VisualSitemaps」で朝LIVEが始まった

▶ この話題を動画で見る（8:10〜）

この日のオープニングは、メンバーの関さんが教えてくれたというツールの話から。「ビジュアルサイトマップ」っていう名前で、URLをひとつ入れるだけで、サイトの構造をグラフィカルに整理してくれるらしい。私は前にも軽く触ったことがあったんですけど、あらためて見ると、やっぱり便利だなあ、と。

実際にAI氣道のサイトで試しながら画面共有していたんですが、見ながら整理したりアクセスしたりできるので、自分たちのサイトを俯瞰して見て、構造を考えるときにめちゃくちゃ便利。SEO対策のミーティングでこれを見ながら話すだけでも、話がかなり進みそうだなって、普通に思いました。偏り。薄さ。バランス。全部、一枚の絵で見える。

ただっちも、1個1個のページを見てるだけじゃ気づけない穴が、構造で見ると急に浮かび上がってくる感じに反応してくれて。

ただっち（8:10〜）

「1個1個見てると、なんかそれで見えなくなっちゃうものが、客観的に見ると穴があったりとか、もうちょっと改善点も見えてくるのかなあと。構造がやっぱり」

そうそう、それなんですよ。1ページずつ眺めていると「まあこんなもんか」で終わっちゃうところが、全体構造として並べられると、急に粗が見える。

ひろくん（8:24〜）

「視覚化できるので、明らかにこのカテゴリーだけすげー偏ってるとか、このカテゴリーだけ記事がめちゃくちゃ薄いからとか、そういった構造の部分のネタのボリューム感とかバランスとかを視覚的に見れるってのがいいなっていうのがありますね」

まさにこれなんですよね。カテゴリーごとの偏り、記事のボリューム差——数字で言われるよりも、絵で見せられるほうが一発で刺さる。料理で言うと、レシピを1品ずつ味見するんじゃなくて、コース表をまるごと並べて「あ、前菜ばっかり多いな」って気づく感じ、かなあ。

ひろくん（9:03〜）

「スクレーピングでアクセスしてるから、すごい、ネットに公開されてるやつは全部できちゃうっていう感じがね。例えば参考にそのサイトがあった時に、それもさっきみたいな構造を見て、その構造を真似てサイト設計っていうのはできると思うので、本当にロールモデルになるところをリサーチでいかに見つけるかっていうのは結構大事になるかなと」

0から自分ひとりで悩むより、うまくいってる人の構造をお手本にする。これ、サイトに限った話じゃなくて、AIとの付き合い方全般に効く考え方だな、と話しながら思ってました。ミーティングで数字の表をただ見せられるより、この一枚の地図を見せられるほうが、みんなの反応が早い気がします。マーケティングでもコンテンツでも、まず全体の形を見せてから中身の話をする——そんな順番の大事さを、朝イチから思い知らされました。で、ここからが今日の本番。テーマは「Runway Gen-3」でした。

Runway Gen-3 Alphaに課金して挑戦、「もう驚かなくなってる自分」に気づく

▶ この話題を動画で見る（9:58〜）

さて、本題。今日のメインは動画生成AI「Runway Gen-3 Alpha」でした。XやTwitterではみんな試してる投稿をたくさん見かけるのに、Facebookではあんまり見かけない……そのギャップが、なんだか面白いなと思いつつ。私は本当にこれ、配信の直前に、勢いで課金してしまってたんですよ。

ひろくん（9:58〜）

「ぜひ皆さんも試してほしいんですけども、本当にこれ、僕も早速課金してしまったんですが、シフトAIさんの樋口さんが、こんな、どんなやつができるのかみたいなのを見せてくれて、こういうのが、なんかもう最近見慣れてきちゃったんで、それで驚かなくなってきたっていうのがちょっとヤバいなって。空を見たら、ほんとびっくりしたはずだったんですよ」

これ、我ながらちょっとゾッとした瞬間で。数ヶ月前だったら「空が生成できるの！？」って絶叫してたはずのクオリティに、もう驚かなくなってる。進化のスピードに、自分の感覚のほうが追いついてきちゃってるというか……慣れって怖いなあ、と思いながら話してました。ぶっちゃけ、この「驚けなくなる」って、便利さの裏でいちばん怖いことかもしれない。感動できる感度って、たぶん一種の資産なんですよ。それがすり減ってく感覚に、朝からちょっと背筋が伸びました。

で、じゃあどうやって指示を出すのか。英語のプロンプトなんて書けないよ、っていう人のために、Runway公式のプロンプトガイドと、それを学習させたGPTsが用意されていて。ローアングル、ハイアングル、オーバーヘッド……そういう呪文みたいな言葉を組み合わせていくと、狙った映像に近づけていけるらしい。

ひろくん（12:17〜）

「そうするとこう、いろいろテーマ、ターゲットオーディエンス、ビジュアルスタイルに基づいて、このプロンプト、ランウェイのGen3用のプロンプトを作ってくれる。ループまでもオッケーだよって書いてあって」

テーマとターゲットとビジュアルスタイル、この3つを伝えるだけで、英語のプロンプトを勝手に組み立ててくれる。これ、地味だけどありがたい仕組みで。英語が苦手な私みたいな人間でも、映像制作の専門知識がなくても、それっぽい指示が出せるようになる。

生成スピードにも驚かされました。貼り付けて、待つこと数十秒。

何十分も、何時間も待つのが当たり前だったのが、いまはもう数十秒。数十秒待つ間、ついコーヒーを一口飲むくらいの余裕しかない。それくらいのテンポで試行錯誤を回せるようになると、頭の中の「こうかな」をすぐ形にして、違ったらすぐ直す、っていう料理の味見みたいな作り方ができる。地味だけど、制作のリズムそのものを変える話だなと思いました。これが進化してくると、そのうちリアルタイムで映像生成できる時代が来て、VRのメガネをかけたら視界そのものがその場で生成されていく……なんて話も飛び出しました。ちょっとマトリックスみたいで、正直、ワクワクと怖さが半々でした。

ホームランを打つ女の子、寿司を握る大家族――何を作るかが試される

▶ この話題を動画で見る（10:29〜）

プロンプトの仕組みはわかった。じゃあ、何を作ろう。ここで、私は手が止まりました。「何でも作れる」って、実はいちばん難しい注文なんですよね。

ひろくん（10:29〜）

「でもこのイマジネーションっていうか、クリエイティビティが本当に試されるなと思って、これを使って何の動画作るの、何でも作れるけど何作るんだろう、その表現をした結果何するんだっけみたいな」

ただっちも「作っては楽しいじゃなくて、その先」だよね、って言ってくれて。自分の思いを伝えられるかどうか、そこだよなあ、と。それで、私、まず思いついたのが、GPTs研究会のオープニング映像とか、合気道のプロモーション動画とか。せっかくだから、実生活にも使えるものを作ってみたい。

とはいえ、いきなり実務向けだと固くなるので、まずは遊びから。ただっちに「なんか作りたいやつある？」って聞いたら、出てきたのが完全に無茶振りな一言でした。女の子がホームランを打つ動画。しかもテーマは「ありえないシチュエーション」。私も思わず笑いながら、その場でGPTsにプロンプトを組んでもらって、生成ボタンを押しました。

結果は……正直、微妙でした。打席に立ってるはずが、なんだか輪郭が崩れていて、バットにも当たっていない。無茶振り。でも、楽しい。

でね。この「無茶振り」って、遊んでるようで実はけっこう大事だな、と途中で気づいたんですよ。ありえないシチュエーションをわざとぶつけると、AIがどこで崩れるのか、どこまでなら踏ん張れるのか、その境界線がはっきり見える。優等生な指示ばっかり出してると、その子の得意も苦手も見えないままなんですよね。だから無茶振りは、AIの実力を測る味見でもあるんだなあ、と。

それでも、大家族が寿司を握るシーン、雪が降る東京の街、懐中電灯を持ってお城を歩くシーン……次々に試していくうちに、明らかにクオリティの波があることに気づきます。うまくハマる題材と、ぐにゃっと溶ける題材が、はっきり分かれる。寿司の大家族なんて、パッと見はもう「映画のワンシーンかよ」ってくらい良かったんですよ。良かったんですけど——

ひろくん（18:41〜）

「すごいクオリティがすごいね、これは。でもこの辺のなんだろう、若干ハルシネイション起こすとか、そういうのが多分これからいろいろあるんだろうね。これさ、自分でなんだろう、作れるっていうのがすごくいいよね」

お米がちょっとインディカ米っぽかったり、手の指の数がおかしかったり——そういう細かいハルシネーションは、まだしっかり残ってる。日本の寿司のはずが、なんか東南アジアの屋台っぽい米粒になってて、そこで一気に「あ、AIだ」って我に返る。この「あと一歩」の詰めが、まだ人間の目を必要としてるんだなあ、って妙に安心もしました。でも、それを差し引いても、自分の頭の中の光景を、数十秒でかたちにできてしまう体験は、単純に楽しい。リップシンクまで使えるので、生成したキャラクターに自分の声を喋らせることもできて、これはこれで別の遊び方が広がりそうでした。

何度も生成ボタンを押しながら、私自身、だんだん「うまく撮れたか」より「これは誰に見せたいか」のほうが気になってくる自分に気づきました。技術のハードルが下がった分、次に立ちはだかるのは、自分のセンスと、伝えたい相手への解像度なんだな、と。いくらボタンを連打しても、頭の中に「見せたい誰か」の顔が浮かんでないと、ただの試し撮りで終わっちゃう。逆にその顔が1人でも浮かんでると、同じ数十秒がまるで違う意味を持ってくる。結局、AIが賢くなればなるほど、問われるのは腕前じゃなくて「何を作りたいのか」。ここが空っぽだと、どんなに高性能な道具を渡されても、一枚も生まれないんだな、って痛感した時間でした。

共感ストーリーが接着剤になる――PASONAの進化形と、これからの発信

▶ この話題を動画で見る（19:17〜）

ここで話は、ぐっとマーケティングの話に寄っていきます。きっかけは、前日に神田昌典さんからいただいたコメント。共感ストーリーを軸にした発信の話でした。

ひろくん（19:17〜）

「この共感ストーリーで伝えてた内容が、やっぱり誰に何を提供してどうなってほしいのかだけじゃなくて、なぜそう思って会社を作って、こういう商品やサービスを作って、どんな世界を目指してるんですか、なんでその背景にどんなコンテキスト、文脈、過去、歴史があってこうなってるんですか、っていう物語を伝えていく時代だよねって」

「誰に、何を」だけじゃ、もう足りない。「なぜ、それを」まで語る時代。神田さんいわく、マーケティングの定番フレームワーク「PASONAの法則」も、この共感を軸にした形へ進化しているそうで。あ、そうだ。PASONAって、問題を提示して、あぶり出して、解決策を出して……っていう、あの王道の型のことなんですけど、そこに「共感」がガッチリ差し込まれてきてるっていうのが、今回いちばん腹落ちしたところで。

私自身、実家がお惣菜屋さんで、父の背中を見て育った、っていう自分の物語をコンテンツにしてきた身としては、これ、めちゃくちゃ刺さる話でした。ぶっちゃけ、昔は「自分の生い立ちなんて発信して意味あるの？」って思ってたんですよ。でも、商品のスペックだけ並べても人は動かない。「なんでこの人がこれをやってるのか」——そこに触れた瞬間、はじめて相手が前のめりになる。あの惣菜屋の店先で見てきた景色が、いま全部つながってきてる感じがして、なんかグッときました。

問題があって、そこに共感が生まれて、解決策があって……この流れを、動画生成AIでそのまま映像化できたら、それはもうセールス動画そのものになる。テキストで語られていたストーリーが、Runway Gen-3のようなツールで、画像・映像として一気に立ち上がってくる。今日いろいろ試してきた技術が、ここで一本の線につながった感覚がありました。バラバラに触ってた道具たちが、「共感ストーリーを届ける」っていう1つの目的でスッと束になった瞬間。これは気持ちよかった。

ひろくん（34:11〜）

「これ結局、誰がっていう、AIは誰がってところになってくると思うんですけど、その時に、自分のキャラクターとか価値観とかを言語化して、それを言語化したものを今度映像化するっていう。掛け算がどんどんできる、レバレッジができる反面、自分の伝えたい言語ができてないとブレブレになっちゃうし、軸がないと、本当、判断というか、メッセージに一貫性が出てこないっていうことになってくる」

テキストも、画像も、音楽も、映像も、もう全部AIで作れる時代になった。だからこそ最後に問われるのは、道具の使い方じゃなくて「自分は何を伝えたいのか」。ここの言語化をサボると、どれだけ便利な道具を持っていても、軸のないブレブレの発信になってしまう。掛け算って、元の数字がゼロだと、何をかけてもゼロなんですよね。どんなに高性能な映像ツールをかけ算しても、伝えたい言葉が空っぽなら、出てくるのは中身のないキラキラした空箱。これ、ちょっと怖い話でしょ。この日、ツールの話から始まって、最後にたどり着いたのが「言葉にできてるか」という、いちばん人間くさい問いだったのが面白いところで。AIがどれだけ賢くなっても、結局スタート地点は、自分が何を大事にしているかを、自分の言葉で言えるかどうか、なんだなと改めて思いました。便利になるほど、逆に試される。人間側の解像度が。そんな1時間でした。

分身AIが喋る、動く――HeyGen講座と「誰が語るか」という問い

▶ この話題を動画で見る（29:44〜）

共感ストーリーの話で盛り上がったあと、話は「分身AI」に移っていきました。ただっちが主宰する分身AIの作り方講座、教材はHeyGen。テキストを打ち込むだけで、自分の分身が喋る動画になる、っていう仕組みです。

ただっち（29:44〜）

「そうだね。だからお客さんの、このなんか、なんていうんだろう、理想像みたいのをビジュアル化してあげるっていうところが、普通の説明。このHeyGenとかで、自分の説明、商品の説明をしながら、あとこういうふうになれるんですよっていうのを、なんか映像で見せてあげると、こう」

お客さんの理想像を、そのまま映像で見せてあげる。言葉で「こうなれますよ」と言うより、動く映像で見せたほうが、伝わり方がまるで違う。ただっちの説明を聞きながら、これは接客・提案の場面でかなり強い武器になるな、と思いました。

実際に画面には、英語で喋る分身と、テキストだけで喋らせた分身、両方のデモが映っていて。撮影は一切していない、って聞いて、ちょっとゾッとしました。

ひろくん（31:51〜）

「この英語喋ってるやつもテキスト喋ってるやつも、僕の分身をコピーしてるけど、僕のこの動画撮影も改めてしたわけじゃなくて、生成されてる動画なんです。分身が自分で作れて、好きなことを喋る。この分身の動画と、さっきのランウェイのGen3で作ったやつを合成したりとかしたら、すごい映像作品は確かに作れると思うけど、こっちの方は何がいいかって、自分の分身の見た目、そして声、そして他言語ができる。これはやっぱりインパクト大きいですよね」

見た目、声、そして言語の壁まで超えられる。これ、単なる時短ツールじゃなくて、自分という存在そのものを拡張する道具なんだな、って改めて感じた瞬間でした。ただっちの講座には、すでに100人以上が参加していると聞いて、地味に驚きました。100人。地味にすごい数字です。しかもみんな、撮影スタジオも高い機材も持ってない普通の人たち。それでも自分の分身を持てる時代になった、っていう事実に、なんだか胸がざわつきました。

ただっち（32:36〜）

「本当にAIやってますっていうところが分かりやすく表現できたりとか、本当に言語の壁なく発信できたりとか、AIを活用してブランディングっていうところができたり、新しいAIの力が手に入れたり、時間と場所を選ばずに自分の音声吹き込みで動画配信ができていくので、これはめちゃくちゃ楽しくて、そして価値あるなと思っております」

時間も場所も選ばずに、自分の声で発信できる。子育てや家事の隙間でAI活用コンサルをしている私からすると、この「場所を選ばない」ってところに、正直めちゃくちゃ共感してしまいました。自分の分身が代わりに語ってくれる。そう考えると、これはもう単なる便利機能じゃなくて、働き方そのものを組み替える道具に見えてきます。声と言葉を一度きちんと言語化しておけば、あとは分身がどんどん広げてくれる。分身が働いてくれるなら、その分、自分は目の前の家族との時間に使える。そんな未来を、ちょっと本気で夢見てます。

よくある質問

Q. Runway Gen-3 Alphaのプロンプトはどうやって作った？

LIVEでは、GPTsで作った専用プロンプト生成ツールを使う様子が紹介されました。テーマ・ターゲットオーディエンス・ビジュアルスタイルを伝えるだけで、Runway Gen-3用のプロンプトを組み立ててくれて、ループ生成にも対応していると話されています。

Q. 分身AIが喋る動画はどうやって作るんですか？

LIVEでは、HeyGenを使った分身AI講座が紹介されました。テキストを打ち込むだけで自分の分身が喋る動画が作れて、撮影をし直さなくても、見た目・声・多言語で発信できる点がインパクトだと語られています。

Q. 共感ストーリーって何ですか？

LIVEでは、神田昌典さんが提唱するマーケティングフレームワーク「PASONAの法則」の進化形として紹介されました。誰に何を提供するかだけでなく、なぜそれをやっているのかという背景や物語まで伝えることが、これからの発信に効くという話でした。

関連記事

• ChatGPTの音声インタビューが本音を引き出した話｜GPTs研究会朝LIVE
• 完璧すぎるAI画像が伝わらない理由｜ともみん×ただっちのAIデザイン実演
• ChatGPT×NotebookLM使い分けを実演｜まっちんぐー朝LIVE