Opus5.5お任せで動画をゲームに：45秒のピクセル動画が約23分で遊べるゲームになった ── 黒猫スミの京都旅【ゲーム編】

【動画編】で作った45秒のピクセル動画を、Claude Code（Opus 5.5）に渡して、ブラウザで遊べる謎解きゲーム『黒猫スミの京都旅』にしました。「ゲームにして」と頼んでから、動作確認まで終わったゲームが出てくるまで約23分。追加でかかったAPI代は約1.5〜2ドルです。ゲームは公開したので、スマホやPCのブラウザからそのまま遊べます。この記事では、動画1本がどうやってゲームになるのか、使ったAPIと費用と時間、そしてOpus 5.5が自分で見つけて直した不具合を、実際の画面つきでまとめます。

▶ ゲームはこちらで実際遊べますよ（公開済み）：黒猫スミの京都旅

1. 【動画編】の続き：あの動画を、今度は「遊べる」ものにする

【動画編】では、黒猫のスミがおばあちゃんの手紙を「大文字の見える橋で待つ人」に届けるために京都を1日旅する、12カット・45秒の動画を作りました。自分は作りたいものを伝えただけで、下調べから映像、セリフ、音まで Opus 5.5 にお任せ。約8.5ドル、1時間15分ほどで完成した、という話です。ありがたいことに、この記事は note のおすすめにも選んでいただきました。

その最後で「次回はこの動画をゲームにする」と予告していました。今回はその続きです。

もともとの動機は、実はこちらでした。X（旧Twitter）で見た『像素上海』は、ピクセルアートの短編動画が、そのままクリックして遊べるゲームにもなっている作品です。自分も同じことがやりたかった。ただ、材料になる動画がなかったので、先に動画から作った、というのが【動画編】までの流れです。

ゲーム化で気になっていたのは次の3つでした。

• 動画を渡すだけで、本当にゲームになるのか

• 京都らしさ（名物、人、ことば）がゲームの中にもちゃんと出るのか

• 動画に比べて、ゲーム化はいくらかかって、どれくらい時間がかかるのか

2. 下準備：元ネタのゲームをOpus 5.5に調べさせて、ツールにした

いきなり京都のゲームを作ったわけではありません。その前に、『像素上海』のゲームがどう作られているかを、Opus 5.5 に調べてもらいました。

自分が渡したのは、元のX投稿のURLと「原動画とゲームを探して、同じようなゲームを動画から作る方法を研究して。まずは小さく」という指示だけです。Opus 5.5 は投稿と返信から原動画とゲームのサイトを見つけ、サイトのソースコードを読んで仕組みを整理しました。分かったのはこういう作りです。

• 動画の1カットが、ゲームの1シーンになる。背景は動画そのもの

• シーンの中の人や物をクリックすると、会話が始まり、思い出のカードがもらえる

• カードを集めるとシーンクリア。途中で手に入るアイテムで「隠れたカード」が見えるようになる

• 立ち絵や地図は画像生成で描き、音楽はブラウザの中で音を合成して鳴らしている

Opus 5.5 はこれを再現して、動画1本からゲームを作るツール（v2g）を組み上げ、上海の動画で試しに1本作りました。パッケージにまとめるところまでで約70分。自分がこの間に送ったメッセージは3通です。今回の京都のゲームは、このツールに【動画編】の動画を流したものです。

3. 動画1本からゲームができるまでの流れ

ツールの中身は、ざっくり言うと「動画を切る → 見る → 設計する → 台本を書く → 絵と声を作る → 組み立てる → 遊んで確かめる」の順です。

役割分担は【動画編】と同じで、Opus 5.5 が進行役、画像・動画・声などの生成は Gemini API です。今回はそれに加えて、ツールの中で Gemini のテキストモデルが「設計」と「台本」を担当しています。Opus 5.5 がゲームの設計メモ（主人公、目的、寄り道、語り口）を書き、それを受けて Gemini がシーンや会話を組み立てる、という形です。

APIキーは【動画編】と同じ、Gemini APIの有料プラン1本だけです。

各シーンでGeminiが見つけた人や物の枠。この中からクリックできる相手が選ばれる

面白いと思ったのは、ストーリーを書く Gemini に座標を書かせていないことです。台本には「舞妓さん」「串焼き」のような名前だけを書かせ、画面のどこにいるかは別の工程で画像から測る。こうしておくと、台本を書き直しても、クリックする位置がずれません。これは Opus 5.5 が元のゲームを調べたうえで決めた設計です。

4. 出来上がったのは、5シーン・18枚のカードを集める京都の旅

12カットの動画から選ばれたのは5シーンでした。京都駅、錦市場、伏見稲荷、祇園白川、そして大文字の見える橋。【動画編】でスミが寄り道した場所を、今度はプレイヤーがクリックしながらたどります。人や物をクリックして話を聞き、思い出のカードを集めていく。カードは全部で18枚、うち4枚は隠しカードです。

伏見稲荷では、狐の像（お稲荷さん）から金の鈴の秘密を聞く

仕掛けも一つ入っていました。スミの首輪の金の鈴は、最初は鳴りません。伏見稲荷でお稲荷さんと話すと鈴が目を覚まし、そこから「探知モード」が使えるようになる。前のシーンに戻ると、それまで見えなかった場所に記憶のカードが隠れている、という作りです。

この鈴は、【動画編】で Opus 5.5 がスミの見た目として決めたものでした。動画のために描いた小物が、ゲームでは物語の鍵になっている。自分では思いつかなかったと思います。

5. 舞妓さんは京都弁で、キャラごとに違う声で話した

ゲームでは、セリフの声が登場人物ごとに別々に生成されます。スミ、串焼き屋の店主、お稲荷さん、舞妓さん、そして隠しカードに出てくるおばあちゃんで、声がそれぞれ違う。

祇園白川の舞妓さん。「あら、かわいらしい黒猫さん。お使いどすか？」

しかも舞妓さんは、「お使いどすか？」「きっと見つかりますえ。おきばりやす」と京都弁で話します。隠しカードでは、手紙を託したおばあちゃんの記憶が「ここから色んな人が旅立っていかはったんやねぇ」と京都弁で語られます。カードには「京ことば小辞典」として、「おきばりやす（頑張ってください）」「〜しはる（尊敬語）」「べべ（着物）」のような言葉と意味もついていました。

自分は京都弁で話してほしいとは、一言も頼んでいません。仕込んだのは Opus 5.5 でした。ゲームの設計メモに「カードに京ことばを一語添えてよい」と自分で書き入れていて、それを受けた Gemini が、舞妓さんやおばあちゃんのセリフを京都弁で書き、登場人物ごとの声の雰囲気（スミは乾いた感じ、店主は威勢よく、お稲荷さんは古くて威厳のある感じ、舞妓さんは柔らかい京都弁、おばあちゃんは温かく懐かしい感じ）を決めています。自分で聞いてみて、ここはかなりいい感じでした。

音楽は、音声ファイルを1つも使っていません。Gemini が曲ごとに「どの高さの音を、どの長さで」という楽譜を書き、ブラウザがその場で8bit風の音を合成して鳴らしています。タイトル用、にぎやかなシーン用など、全部で5曲です。

6. Opus 5.5が自分で見つけて直した3つの不具合

【動画編】と同じく、自分から見れば「頼んだらできた」です。ただ裏では、Opus 5.5 が3つの不具合を見つけて、自分で直してから完成版を出していました。

一つ目は、動画全体が1カットだと判定されたことです。【動画編】の動画は、カットのつなぎ目を0.3秒のクロスフェードでなめらかにしています。これが原因で、ツールがカットの切れ目を見つけられませんでした。Opus 5.5 は、動画を作ったときのつなぎ目の時刻をそのまま設定に書けるようにして解決しています。

二つ目は、【動画編】の予告で触れた「字幕が背景に写り込む」問題です。完成版の動画には字幕とセリフの吹き出しが焼き込まれているので、そのままゲームの背景にすると、シーンの中に字幕が出てしまう。これは、字幕なしの版を同じタイミングで書き出して、それをゲームの入力にしました。

三つ目が一番面白かった。最後のシーンで、橋の上の男性を先にクリックすると、その場でエンディングになってしまい、残りのカード（大文字）が二度と取れなくなる、という不具合です。

ツールには、ボットが全部のカードを取れるか確かめる検査がありました。ところがその検査は、エンディングの後もカードを集め続ける作りだったので、「18枚全部取れる」と判定して見逃していた。Opus 5.5 はこれに気づき、台本のルール、検査の方法、自動プレイのボットの3か所を直しています。

公開版のエンディング。【動画編】の最後のカットと同じ、大文字を見上げる橋の上で終わる

最後に、ブラウザの中でボットが実際に最初から最後まで遊び、18枚すべてを集めてエンディングまで行けることを確かめてから、完成の報告が来ました。自動プレイだと約1分で終わります。

完成後、ゲームを別のPCのブラウザで開いて自分でも遊んでみましたが、問題なく動きました。いまは冒頭のリンクから誰でも遊べます。

7. いくらかかって、何分かかったのか

まず時間です。

【動画編】の動画づくりは、台本を頼んでから約1時間15分でした。それに比べると、ゲーム化はずっと速い。生成するのが画像8枚と音声55本で、動画のように重い生成がないからだと思います。

次にお金です。ゲーム化では、立ち絵・アイコン・地図の画像8枚、台本などのテキスト生成、音声55本を生成しています。これで約1.5〜2ドルでした。この金額は呼び出し回数と単価からの見積もりで、動画のときのように1回ずつの実費は記録していません。

動画とゲームを合わせて、約10ドル（約1,500円）、1時間40分ほどです。どちらもGemini APIに払った分だけで、Claude Codeの利用料は含めていません。

8. 動画を渡すだけで、ゲームになった

始める前は、動画からゲームを作るなら、少なくともシーンの選択やクリックする場所の調整は人がやることになるだろう、と思っていました。

実際には、Opus 5.5 が設計メモを書いてツールを回し、Gemini がシーンや会話や声を組み立て、出来上がりを Opus 5.5 が確かめて直していました。自分がやったのは、動画を渡して「ゲームにして」と頼むことと、できたゲームを遊ぶこと、そして公開用にタイトルを決めたことだけです。

最初の3つの疑問にも答えが出ました。動画を渡すだけでゲームになった。京都らしさは、名物のカード、京都弁の舞妓さん、京ことば小辞典という形で、頼まなくても出てきた。費用は動画の4分の1以下、時間は3分の1以下だった。

一つ補足すると、これがうまくいったのは、ゲームの作り方を先に『像素上海』から学ばせてツールにしていたからです。一から「京都のゲームを作って」と頼んでいたら、たぶん同じ時間では終わっていません。うまくいった作り方を一度ツールにしてしまえば、次からは材料を入れ替えるだけで回る。今回いちばん実感したのはそこでした。

【動画編】とあわせて、これで「作りたいものを伝える → 動画ができる → ゲームになる → 公開する」まで一通りつながりました。ゲームのエンディングからは【動画編】に戻れるようにしてあるので、遊んでから制作の裏側を読む、という順番でも楽しんでもらえるとうれしいです。

▶ 黒猫スミの京都旅（ブラウザで遊べます）
▶ 【動画編】Opus5.5にお任せで45秒のピクセル動画、約1,300円・1時間ちょっとで完成した