親友のマイクの誕生日だったので、ちょっとしたお祝いビデオを作ってやろうと思った。最初は彼と2匹の犬を、俺みたいなドライバー風の「Pfadseckerスタイル」でポートレートにし、AI生成画像を使って小さな物語を組み立てることから始まった。
だが、それだけでは満足できず、全体にテキストを添えてTTS(音声合成)出力を出し、スライドショーというかビデオのような形にした。そして、ここから狂気が始まった。「おい、これ最高じゃねえか。自動化できるぞ!」と思いついたんだ。それがまさに、この「Short Stories Factory」の始まりだ。
仕組みとしては、番号付きの画像とテキストファイルを投入すると、パイプラインがすべて処理してくれる。画像の正規化、調整、アスペクト比の修正を行い、生成方法に応じて背景をぼかしたりして整える。テキストボックスや吹き出しを挿入し、声、効果音、BGM、環境音を定義する。その後、校正と翻訳が行われ、TTS出力を経て、最終的に10の異なる言語で10本のビデオが合成され、さらには俺のYouTubeチャンネルに自動でアップロードされる。
まあ、「怠惰な人間こそが本当に賢い」なんて言うしな。この言い草で俺をどう叩こうが構わないが、その「怠惰さ」があったからこそ、こんなツールを構築することになったわけだ。
Gallery




