minimax H3＋refMODでキャラが勝手にしゃべる問題

　refMODでMinimax H3のT2Vが俄然使いやすくなった。というか、かなり「望んだ通り、意図した通り」に動いてくれるようになったので嬉しい。

　もちろん、「完成動画がイマイチ ≒ 自分の書いたプロンプトがイマイチ」という現実はなかなかシビアだ。しかし、動画作成ツールとしての不確定要素が格段に減ったのは大きい。そもそもローカル環境でのAI動画生成なんて、実験95％、完成品5％でも上出来だからねぇ。

　さて、タイトルの件だが、原因はいろいろあるようだ。ただ、Minimax H3＋refMOD環境では、一般的に言われている以下の対策はほとんど効果がない。

• overall_soundscape で speaking no dialogue を使う
• Shotごとに no spoken dialogue を使う

ちなみに意図しないキャラの発話は、私の耳では朝鮮語と北京語の要素が混じった謎言語に聞こえることが多い。加えて、動画の冒頭にrefMOD内のカットがごく短時間だけ表示される場合もある。

　経験的に言うと、こうした問題への対策は、プロンプト冒頭の subject_definitions をとにかくきれいに書くことだ。文章の内容ではなく、本当に見た目レベルの話である。例えば、

subject_definitions:
<Subject 1> is the man whose visual identity, hairstyle, clothing, and accessories.
<Subject 2> is a modern office.

こういう書き方なら問題ない。しかし場所である<Subject 2>の内容を変更しようとして、

subject_definitions:
<Subject 1> is the man whose visual identity, hairstyle, clothing, and accessories.
//<Subject 2> is a modern office.
<Subject 2> is a classroom in a senior high school.

このように // を使ったコメント行として元の行を残してしまうと、私の現在の環境ではほぼ確実に出力がグダる。

　そういう意味では、ネット上に転がっているサンプルプロンプトは非常にきれいに書かれているので、そのまま使えばローカル環境でもちゃんとした出力がほぼ確実に得られる。一方で、「ちょっと手直しするだけだから」と気軽に // コメントを入れた途端、一瞬で「あれ？」となる場合が少なくない。

　まあ、常に開発中であるAI動画作成ツールの不具合ってのは論理だけで解決まで一直線というものとはなりえないので、「開発者のテスト時の環境はどうだったか」を想像しながら原因を探るしかない、という話でもある。大昔のLinuxみたいにね。

　なお、著作権やら公序良俗やらの観点から私のサンプル動画は見せられないねぇ・・・見せられないよ。