
こんにちは!レイです。AIを使ってWASHABIというバーチャルバンドのプロデュースをしています。
WASHABIの原点である1曲目を英語詞でリアレンジした「Singularity (English Ver.)」(59.6秒)のMVでは、「無数のビルが立ち並ぶ夜の巨大都市から、何千もの光が夜空のクジラへ向かって舞い上がる」というスケールの大きな映像に挑戦しました。
最初は動画生成AI(fal.ai の H3 MAX など)だけで街と光を動かそうとしたのですが、カメラが動くたびにビルの形や並びが入れ替わったり、無数の光の動きや速さをイメージ通りに調整するのが難しかったりしました。
そこで今回は、街のビル「615棟」と舞い上がる和紙の灯籠「最大5,246個」をすべて3D(Blender)で作り、背景の塗りは画像生成AI、キャラクター(ロク)の動きだけを動画生成AI(H3 MAX / H3 MAX Turbo)に任せて重ねる方法を作りました!
しかも、この膨大なオブジェクトを動かした3Dレンダリングと動画合成は、デスクトップのワークステーションではなく、ファンレスのノートPC MacBook Air(15インチ、M4、2025年モデル/メモリ24GB)1台だけで回し切っています(※背景イラストの塗りと、ロクの動画生成はクラウド上のAIサービスを使っています)。
この記事には「615棟のビルを配置する」「数式で窓を点滅させる」「5,246個の灯籠を波状に動かす」といった工程が出てきますが、僕(レイ)がBlenderの画面を開いて手作業でモデリングしたわけではありません。
BlenderのGUIは一度も開かず、AIエージェント(Claude Code・Codex・Antigravityなど)にイメージを伝え、出てきた確認動画を見て「もっと角をマイルドに」「クジラに渦を巻いて集まるように」とやり取りを重ねながら、すべてPythonスクリプトで組み立てました。
記事の最後に、同じ仕組みをAIエージェントと組むためのプロンプトのたたき台も載せています(そのまま渡せば完成するものではなく、途中の確認と調整は必要です)。
1. この3ステップ(+Step 0)で何ができるのか?
まずは、この手法で完成した「Singularity (English Ver.)」の本編MV(59.6秒)をご覧ください!
路地裏の非常階段から、高さ250mの最高層ビルの屋上、そして夜空を泳ぐ巨大なクジラへとカメラが大きく飛び回っても、615棟の街並みが一貫してつながり、無数の和紙の灯籠が1つずつ違うリズムで夜空へ昇っていきます。
そして、この記事のために同じ3D都市モデル(ビル615棟+灯籠5,246個)を上空から270度旋回しながら撮影した14秒の空撮比較映像がこちらです。「塗装前のシンプルな3Dの箱」が、本番と同じ処理でどう化けるかを見比べてみてください!
直方体を615個並べ、マテリアルの計算だけで窓の格子を出した塗装前の3D都市です(M4 MacBook Airでの描画時間:2分47秒)。
同じカメラ軌道に、画像生成AIで塗った7視点の背景画・窓ごとの明滅・中央ビルから波のように広がって昇る5,246個の和紙灯籠を重ねた映像です(街11分+灯籠6分+合成3分半)。
この記事で紹介する「Step 0 + 3ステップ」を使うと、重くなりがちな巨大都市と数千個の光のアニメーションを、ノートPC 1台でも破綻なく軽快に動かすことができます。

- まず Step 0(軽量な3D都市&シェーダー窓の設計)では:東西約520m×南北約1,020mの敷地に「ただの直方体(箱)」を615棟並べ、窓のポリゴンを1つも作らずマテリアルの数式だけで数万個の窓と明滅を作ります。
- Step 1(複数視点のAIイラスト塗装・カメラマップ)では:3Dの箱の輪郭線画を画像生成AIで青基調のリソグラフ(版画)調に塗り、複数視点から3D都市へ貼り戻して「どこから撮っても崩れない手描き風の街」にします。
- Step 2(最大5,246個の和紙灯籠の個別制御)では:角を丸めた和紙の灯籠をBlenderで配置し、「中央ビルから波のように広がる発進時刻・上昇速度・渦・色味・またたき・回転」を1個ずつ別々に計算して動かします。
- Step 3(層分けレンダリング&H3キャラクター合成)では:「街・窓・灯籠・空のクジラ・動画生成AI(H3)で生成したロク」を別々の層(レイヤー)に分けて描き、直すカットだけを差し替えることでノートPC 1台で全編を仕上げます。
2. Step 0(3D都市の骨格):ビル615棟は「ただの箱」、数万個の窓はポリゴンゼロの数式で作る
ノートPC 1台で600棟規模の街を動かすうえで一番効いた工夫は、「ビルの形を徹底的に単純な箱にし、一番ポリゴンを食う『窓』の形を一切作らないこと」です。
今回組んだ3D都市セットの規模は次のようになっています。
| 項目 | 数値・仕様 | 役割と工夫 |
|---|---|---|
| ビルの総数 | 615棟(中心街512+周囲の高層ビル56+中央最高層ビル1+ロクの建物1+低層街区45) | すべて地面から伸びるシンプルな直方体(箱)だけで構成。 |
| 都市の広さ・高さ | 東西 約520m × 南北 約1,020m / 高さ 2.8m〜250.0m(100m以上が151棟) | サビの舞台になる中央ビル(36m四方・高さ250m)の周囲に154〜225mのビルを56棟配し、屋上から見下ろしたときに街の奥行きが見えるように設計。外周には暗い海面と対岸の森も配置。 |
| 数万個の窓の表現 | 追加ポリゴン 0(シェーダーの数式で生成) | メッシュに窓枠を彫るのではなく、ビルの通し番号と壁面座標から窓の格子模様を計算。窓ごとに3〜12秒の周期(点灯率55%・±18%のゆらぎ)で明かりが点いたり消えたりする。 |
| 屋上の構造物 | 手すり・機械室・アンテナ・室外機10台・給水タンク・ネオン看板骨組み | ロクのすぐ近くに映る屋上セットだけを箱と円柱で作り、カットをまたいでも手すりや看板の位置が変わらないように固定。 |

窓をポリゴンで作ると615棟で数百万ポリゴンに膨れ上がりますが、数式(プロシージャル・シェーダー)で描けば建物1棟あたりわずか6面の箱のままで済みます。そのため、M4 MacBook Airでも615棟すべての下描き確認が約1分、336フレームの空撮動画でも2分47秒でサクッと書き出せます。
3. Step 1(街の塗装):3Dの輪郭線画を画像生成AIで塗り、複数視点から街に貼り戻す
Step 0 のままだと「窓が光るシンプルなCGの箱」に見えるので、ここに画像生成AI(Codexの画像生成ツール)を使って、今回のMVのテーマカラーである「青基調のリソグラフ(版画)調のイラスト質感」を着せていきます。
手順はシンプルで、次の3段階で進めます。

1. ① カメラの通り道から「灰色の面+輪郭線」の下絵を書き出す:
- カメラが動くルートに沿って複数視点(屋上カットなら6視点、上空270度旋回の空撮なら7視点)を選び、窓の明かりを消した状態の3D都市から輪郭線入りの下絵を書き出します。
- 工夫:Blender標準の線画機能(Freestyle)を使うと、屋上から見下ろしたときに下のビルの線が屋上の床を透けて出てしまったため、「建物や面ごとに色分けしたID画像」を書き出し、その色の境目から綺麗な輪郭線だけを抽出しました。
2. ② 画像生成AIで「イラストの壁面質感」を塗らせる(追加API費用 0円):
- 書き出した下絵とスタイル見本を Codex(ChatGPT Pro枠の画像生成)に渡し、リソグラフ特有の粒状感やネオンの照り返しを塗らせます。下絵の輪郭線をなぞらせるため、3Dモデルとの位置ズレは中央値でわずか 1.0〜1.4px に収まります。
3. ③ 複数視点から3Dの箱に貼り戻し、「点滅する窓の層」を重ねる:
- 塗った複数枚の背景画を、それぞれのカメラ位置から3Dのビル群へ投影(カメラマップ)します。ビルの各面は「その場所が見えている視点のうち、一番距離が近い視点の絵」を自動で選ぶ仕組みにしているため、カメラが動いても途中で絵がパカパカ切り替わりません(7視点あれば、上空を270度ぐるっと回っても絵が貼られない死角は画面の 1.2〜3.0% だけです)。
- 最後に、その上から Step 0 で作った「個別に点いたり消えたりする窓の明かりレイヤー」と「遠くの街の霞(ヘイズ)」を合成することで、手描きイラストの質感なのに街じゅうの窓が生きている3D背景が完成します!
4. Step 2(5,246個の灯籠):光の動きをイメージ通りに作るため、Blenderで和紙の灯籠を1つずつ制御する
続いて、このMVのクライマックスである「街じゅうのビルの窓から無数の光が舞い上がり、夜空の巨大なクジラへ向かって渦を巻きながら集まっていくシーン(カット16〜アウトロ)」です。
最初は「開始フレームと終了フレームの絵に光を描き込んで、動画生成AI(H3)に動かせばきれいにつながるのでは?」と思って試してみたのですが、出てきた試作映像を見ると2つの課題がありました。
カメラが上へ振れる途中でビルの形やクジラの大きさが変わってしまい、この試作では無数の光もほぼ同じ速度で上へ流れる単調な動きになってしまいました。
街とクジラの一貫性が保たれたまま、5,246個の和紙の灯籠が窓から時間差でふわりと離れ、速度や揺れ幅を変えながらクジラのお腹へ大きな渦を巻いて吸い込まれていきます。
「光はAI任せにせず、Blenderで1つずつ作って制御した方が絶対に良い!」と判断し、角を丸めた和紙の灯籠モデル(1個あたり96頂点・98面)を最大5,246個(合計約50万頂点)生成して、1個ずつ別々の物理・演出パラメータを与えました。
自然で幻想的な群衆の動きに見せるために組み込んだ工夫は以下の5つです。
1. 中央のビルから「波」のように広がる発進タイミング:
- 5,246個が一斉に出発するのではなく、ロクが立つ中央ビルから外側へ向かって広がる波(カット16では秒速260m、上空の空撮動画では秒速110m)を計算し、波が届いたビルの窓から平均0.6秒のばらつきを持ってふわりと外へ離れるようにしました(最初から渦ができているよう、全体の12〜30%はカット開始前から昇らせています)。
2. 上昇スピード・横揺れ・回転・渦の個体差:
- 昇る速さ(秒速9〜46m)、左右の揺れ幅(0.4〜3.2m)、箱自体のゆっくりした自転(毎秒0.25〜0.85ラジアン、回転軸もランダム)を1個ずつ変えています。さらに目的地に近づくにつれて全員が同じ回転方向へ63〜138度回り込むことで、空全体が1つの大きな渦になります。
3. 「昔のCGっぽさ」を消す和紙の質感と色のゆらぎ:
- 単色で光る立方体を飛ばすと一気にレトロゲームのようなチープさが出てしまったため、ガラスやすりガラスと比較テストしたうえで「面の中央が温かいクリーム色、縁が濃い橙色で、微細な繊維の筋が入った角丸の和紙灯籠」のシェーダーを作りました。
- さらに一色だけだと単調になるため、基本の暖色をベースにしつつ、約2割をほんのり緑寄り、約2割をほんのり赤寄り(カット16では淡いピンク・黄緑・水色の和紙も数%ずつ混在)に振っています。明かりのまたたきも2つの正弦波を合成し、1個ずつ違うリズムで呼吸させています。
4. 300m先の光も消えない「遠距離サイズ補正」:
- 灯籠の実寸(一辺0.4〜1.25m)のままだと、300m離れた街から昇る灯籠は画面上で1〜2ピクセルに潰れて見えなくなってしまいます。そこでカメラからの距離に応じてサイズを少しずつ大きく描く補正を入れ、遠くの街区から湧き上がる光の粒もしっかり見えるようにしました。
5. ビルの裏側へ自然に隠れる遮蔽マスク:
- 灯籠のレイヤーを書き出す際、615棟のビル群を「真っ黒な遮蔽マスク(抜き)」として置いておくことで、ビルの向こう側を昇る灯籠がちゃんと建物の陰に隠れ、屋上の縁からひょっこり顔を出す立体感が生まれます。
5. Step 3(層分けとキャラ合成):MacBook Air 1台で59.6秒のMVを回し切るパイプライン
「ビル615棟+数千個の灯籠+全長360mの3Dクジラ+2Dアニメのロク」を1つの重いプロジェクトに全部詰め込んでいたら、ファンレスのノートPCではとても修正を回せません。
今回の制作を MacBook Air(15インチ、M4、メモリ24GB)1台で軽快に回せた最大の理由は、「要素ごとに層(レイヤー)を完全に分離し、カメラに映る範囲に合わせて灯籠の数を最適化し、直しが入ったカットの層だけを再描画する設計」にしたことです。
| レイヤー(層) | 処理する場所・ツール | 中身とMacBook Airでの描画スピード目安 |
|---|---|---|
| ① 街・窓・奥行きの層 | ローカル(Blender 5.2 EEVEE) | 615棟の3D都市+AIカメラマップ背景画+点滅する窓+カメラからの距離画像(336コマの空撮で 11分23秒)。 |
| ② 和紙の灯籠の層 | ローカル(Blender 5.2) | 街の黒い遮蔽マスクつきで灯籠だけを描画。街全体の空撮やカット16検証では 5,246個(336コマで 6分9秒)、本編MVの冒頭(カット02〜04)では 760個、サビ後半〜アウトロ(カット16〜21)では 1,800個(1コマ約2秒)と映る範囲に合わせて最適化。①の街レイヤーと並列実行も可能。 |
| ③ 空のクジラ・相棒の層 | ローカル(Blender 5.2) | 暗い街のかけらに無数の小さな光を散らした全長360mの3Dクジラと、光の相棒(キュー)を別レイヤーで出力。 |
| ④ ロクのアニメ層 | クラウド(fal.ai H3 MAX / H3 MAX Turbo) | 青い市松模様の3Dカメラガイド(または開始・終了フレーム)とロクの設定画・歌声を渡して2Dアニメ動画を生成し、青抜き(クロマキー)で切り出して同じ3Dカメラ位置へ配置。 |
| ⑤ 最終コンポジット層 | ローカル(Python / OpenCV / FFmpeg) | ①〜④を重ね、距離画像を使ったピントぼけ(寄りカットで背景を最大9pxぼかす)・灯籠の3段階の光のにじみ(3・10・30px)・ビルの壁や夜空の3D座標に貼り付く手書きネオン歌詞を合成(336コマの空撮で 3分30秒、サビ〜アウトロ10カットの一括再ビルドで約 30分)。 |
このように層とカットを分けておけば、「灯籠の角の丸みと色味だけをもう少しマイルドにしたい」「この1カットだけロクの表情を撮り直したい」と思ったときも、重たい615棟の街の3Dレンダリングや他のカットは一切やり直さず、直したいカットの変更した層だけを1〜2分で差し替えて何度でもブラッシュアップできます!
6. AIエージェント用「大規模3D都市×個別制御灯籠×H3合成MVプロンプト」(たたき台)
以下のプロンプトは、今回のような「ポリゴンを増やさない大規模3D都市+AIカメラマップ塗装+数千個の個別制御オブジェクト+H3キャラクター合成」のパイプラインを、AIエージェント(Claude Code・Codex・Antigravityなど)と一緒に組むためのたたき台です。作りたい世界観やPC環境に合わせて調整し、各ステップの確認動画を見ながら進めてください。
# AIエージェント用:軽量3D巨大都市×AIカメラマップ塗装×数千個の3D発光体制御×H3キャラ合成MV仕様書
あなた(AIエージェント)は、Blenderヘッドレス実行(Python `bpy`)・画像生成AI・動画生成AI(fal.ai `H3 MAX` / `H3 MAX Turbo`)・Pythonコンポジット(OpenCV/NumPy/FFmpeg)を組み合わせ、一般的なノートPC 1台でも数百棟の都市と数千個の発光オブジェクトを破綻なく動かせる2Dイラスト調MVパイプラインを構築します。
## Step 0:ポリゴンを増やさない軽量3D都市とシェーダー窓の設計
1. 街の建物(数百棟規模)はすべてシンプルな直方体(箱)メッシュとして配置し、メイン舞台となる屋上の手すり・設備など近景オブジェクトのみ形状を作る。
2. 窓のポリゴンは一切作らず、シェーダー内で「建物ID(浮動小数点精度が潰れない範囲の整数)+壁面UV座標」から窓格子と点灯パターンをプロシージャル計算する。窓ごとに数秒周期のON/OFFと微細な明るさゆらぎを入れる。
3. 動画生成AIを回す前に、簡易マネキンと音源を合わせたプリビズ(下書き動画)を出力してカメラ軌道とカット割りの確認を取る。
## Step 1:ID境界線画からのAI塗装とマルチ視点カメラマップ
1. カメラ軌道上の代表視点(6〜7視点)から、窓発光を消した「灰色シェーディング+IDマップ色境界の輪郭線」の下絵を出力する(Freestyleの隠線透けを避けるためID境界を使う)。
2. 画像生成AIで下絵の輪郭を保ったまま壁面テクスチャを塗らせ、輪郭ズレ(中央値1〜2px目安)を検査する。
3. EEVEEのテクスチャスロット上限を超えないよう「RGB=塗装画像、Alpha=視点からの距離(16bit PNG)」にパッキングして3D都市へカメラマップ投影する。各面では可視視点のうち最近傍の視点を参照させ、上からStep 0の窓発光レイヤーと距離フォグを合成する。
## Step 2:数千個の3D発光オブジェクト(灯籠等)の個別パラメータ制御
1. 光の動きや速さをイメージ通りに個別制御するため、Blender上で角丸ボックス等の3Dオブジェクト(例:1,000〜5,000個)を生成する。
2. 各個体に固有の乱数シードを与え、①中心から外側へ伝播する波に応じた発進時刻+ランダム遅延、②上昇速度と横揺れの個体差、③目標地点へ向かう渦回転と個別の自転、④複数正弦波による明滅とわずかな色相バリエーション(暖色ベース+数割の寒色/アクセント色)、⑤遠距離で1px以下に潰れない距離スケール補正(`FAR_GROW`)を設定する。
3. 都市メッシュを黒のホールドアウト(遮蔽マスク)にして発光体レイヤーのみを書き出し、建物の裏側の前後関係を正確に保つ(消滅時は輝度低下ではなくスケール縮小で消す)。
## Step 3:レイヤー分離レンダリングとH3キャラクター合成
1. 「①都市・窓・距離層」「②発光体層」「③遠景巨大オブジェクト層」「④青い市松ガイドで生成したH3キャラクター層」を分離して出力し、修正時は該当カット・該当レイヤーのみを再描画する。
2. Python合成で青抜きしたキャラクターを重ね、距離画像による被写界深度ブラー(寄りカットでの背景ボケ)、発光体の多段ブルーム(例:3px / 10px / 30px)、3D空間座標に追従する歌詞タイポグラフィを統合し、光過敏フラッシュ検査(3Hz未満)を通過させて書き出す。7. 関連ガイド & 本編MVのご案内
この記事でメイキングを紹介した 「Singularity (English Ver.)」 は、公式サイトの MUSIC / MV ページ や YouTube・TikTok・X で公開しています(MP3音源やMV動画の無料ダウンロードもできます)。615棟の街と和紙の灯籠、そしてロクと小さな光の相棒の物語を、ぜひ音楽とあわせて楽しんでみてください!
また、Blenderや動画生成AI(H3)の基本的な使い方や、室内ワンカットMVの作り方は以下の記事でも詳しく解説しています。



