【異形さんPlease sing.選手権】「歌ってください」→歌より異形を見ていた。【Pollo.ai｜MiniMax H3🎤】

【PR】本記事は、Pollo.ai様の創作PR記事です。

「歌ってください。」

この一言だけで、動画生成AIはどうやって歌ってくれるんだろう？

前回、Seedance 2.5で異形さんに「Please sing.」とお願いしてみたところ、歌詞やメロディを作って歌うだけではなく、異形さんの雰囲気によっては、まさかのオペラまで始めた。

これは面白い。

もしかして、異形さんの服装や雰囲気を変えたら、AIが「この子には、こんな歌が似合う」と判断して、曲調まで変えてくれるんじゃない？

というわけで、今回はその続きをやってみることにしました(*´ω｀)✨

今回もお馴染み、検証会場でお世話になっております、オールインワンのAI画像・動画生成プラットフォームPollo.aiを使って検証していきます🐲

👑選手権ルール（再掲）

今までは１つの記事に対し、異形さん１体（たまに２体）で複数の動画生成AIで比較検証をしてきたんだけど、今回は逆！

１つの記事に対し、異形さん３体で、１つの動画生成AIを濃厚に検証

という形にしてみました(*´Д｀)

歌う異形さんは多い方が面白いと思うし、何より本当はもっと異形さんたちに出番をあげたい、という生みの親心もありまして(*´ω｀)

そして今回使ったエントリーNo.2 動画生成AIは、

MiniMax H3。

オーディオにも強いと言われる動画生成AIなので、これは歌わせるのが楽しみだ。

⌛構想タイム

今回、最初に考えていた仮説はかなりシンプル。
数回の検証で感じたのだけれど、MiniMax H3はSeedance 2.5と比べると「ほぼ歌う」と思ったの(*´ω｀)

Seedance 2.5には「歌わない」選択もして欲しくてあれこれ画像に工夫。
じゃぁ、「ほぼ歌う」を推測づけるAIには何をしてもらいたいのか？

それがこちら。

「異形さんの服装によって、歌のジャンルは変わるのでは？」

前回のSeedance 2.5では、異形さんの雰囲気を変えたところ、予想外にオペラになったのよね。

だったら今回は、MiniMax H3に同じ「Please sing.」を与えて、異形さんの見た目だけを変えてみよう。

和風っぽいの子なら、和風の歌になる？

ロックやパンク風の子なら、ロック系統を歌う？

そして、何も音楽的な方向性を持たせていない異形さんなら、MiniMax H3は一体どんな歌を選ぶ？

今回は、この3体で検証することにしました。

なので、今回は「歌うかどうか」を検証することではありません。

もし歌わなかったら、それはそれで面白いけどね。
今回見たいのは、その先。

同じ「Please sing.」でも、異形さんの見た目によって、H3は「何を重要な情報」として扱うのか？

そこを見てみたい(*´ω｀)

🧩今回異形さん😍

今回用意したのはこちら。

① オリジナル異形さん

白と黒のモノトーン。

つぎはぎの人形のような身体に、右目には眼帯。
レディ人形のような雰囲気で、片足を上げたセクシー感のあるポーズ。

この子には、特に音楽的なジャンルを連想させる衣装を与えていない。

つまり、今回のMiniMax H3にとっての、基準となる異形さん。

H3が画像から何を感じ取って、どんな「歌」を作るのかを見る。

② 和装風の異形さん

こちらは和装風。

ただ、普通の「和装を着た人」という感じではない。
なんというか、毬（まり）っぽくてカワイイでしょ？（圧）

まぁねぇ…異形としての造形や色味、顔のインパクトがかなり強い子です。

和装…それ以上に「異形である」という情報が強い(*´ω｀)

果たしてH3は、和装を音楽的な情報として拾うのか。
それとも、異形さんそのものを優先するのか。

③ ロック風の異形さん

黒いジャケットを着た、ロック風の異形さん。
わたくしの中ではロックぼうやなんだけど(*´ω｀)

こちらも「ロック歌手」というより、あくまで異形さんが黒いジャケットを着ているという感じ。

この子が「Please sing.」と言われたら、果たして本当にロック系を始めるのかしら(*´ω｀)
パンクでもいいわ✨

📝検証条件

今回の条件はこちら。

① 同じ異形さんの画像を使用
② 動画生成はMiniMax H3
③尺は8秒
④ カメラワーク、歌詞、歌唱ジャンルなどの追加指示なし

そして……

⑤共通プロンプト「Please sing.」のみ

異形さん、歌ってください。
MiniMax H3、歌わせてあげてください。

🎤① オリジナル異形さん「歌ってください」→ステージが始まった

(*👁️👄👁️)What!?

まずは、今回の基準となるオリジナル異形さん。

結果を見て、わたくしは思った。

いや、歌うだけじゃないんかーーーーーい🤣

開始直後から、異形さんがセクシーに踊り始めた。
そして途中でカメラが斜めから彼女を捉える。

そのままパフォーマンスを続け、後半では異形さんが真正面を向き、カメラの真正面へ。
最後まで、くねくねと身体を動かしながら歌っている。
しかも、8秒間ずっと歌い続けていた。

ここ、かなり重要。

聞き取れたのは「Shadow～♪」くらいだったけれど、8秒間、何らかの歌詞を歌い続けている。

つまりMiniMax H3は、「歌声をつけました」というレベルではない💦

歌詞やメロディを作り、歌わせるだけではなく、ダンスやカメラワークまで加えている。

そして今回、2Kで生成したこともあって、音声と歌声がものすごく綺麗だった。

これはもう、
「Please sing.」
↓
「はい、歌います。」
ではない。

「はい、ステージ始めます。」

なんですのよ！！🤣🎤

しかも、なぜこの子が「Shadow」と歌ったのか。

もちろん、MiniMax H3が実際にそう考えているなんてことは分からない。

でも、白と黒のモノトーン、つぎはぎの人形、眼帯という今回のビジュアルから考えると、異形さんの持つ「影」のようなイメージまで、歌詞に拾ったように見えたのね(*´ω｀)

ここで、かなり気になることが出てきた。

H3は「歌ってください」を、単なる行為ではなく、一つのパフォーマンスとして解釈しているのではないか？

🔴② 和装異形さん「歌う。でも、歌より異形が強い」

次は和装風の異形さん。

こちらもちゃんと歌いました。
女性の声で、「Ah～♪ Ah～♪」というような歌声が続く。
ただし、オリジナルの人形レディとは大きく違った。

明確な歌詞はなく、「言語なんて要らないでしょ？」と言わんばかりに、「Ah～♪」という歌声が続くタイプだった。

そして、わたくしが目を奪われたのは歌そのものではなかった。

顔に入った割れ目が白く光りながら歌っていた。

MiniMax H3は「歌」を作り込むよりも、この異形さんの造形そのものを映像の中で成立させることを優先したように見える。

ここも、内部処理までは分からないけどね(*´ω｀)

でも、映像として見ると明らかに、

「歌っている異形さん」を見せる

というより、

「この異形さんが歌っている」ことを見せる

という方向に感じる(*´Д｀)✨

ここで、最初の仮説が少し変わってきた。

「衣装によって曲調が変わるのでは？」

ではなく、

「MiniMax H3は、画像の中の何を重要な情報として扱っているんだろう？」

という疑問になってきた。

🎸③ ロックぼうや「ロック……じゃない！？」

そして最後。

黒いジャケットを着たロック風の異形さんことロックぼうや。

女性の声で、普通に歌った。
激しく動くわけでもなく、手を下ろしたまま落ち着いて歌い、最後に右手を上げた。

こちらも「Ah～♪ Ah～♪」という歌声が中心で、明確な歌詞はほとんどない。
もちろん、歌っているので指示にはちゃんと従っている。

なるほど、ここでも「ロック」「ダーク」という衣装情報をそのまま音楽ジャンルへ変換したわけではなさそうだ。

ここでも「異形」の造形の影響が強いのかもしれない。

そして、和装の子とロックぼうや。
衣装も色も全然違う。

それなのに、どちらも歌声としては女性で「Ah～♪」。

これは、かなり面白い結果だった。

🧠ここで仮説がひっくり返った

今回、最初に考えていたのは、

「衣装が変われば、曲調も変わるのでは？」

だった。

和装なら和風。ロックならロック。

そんな結果をちょっと期待していた。
ところが、実際にはそうならなかった。

むしろ見えてきたのは、

MiniMax H3は「歌ってください」という指示には従う。
でも、何を重要なものとして表現するかが、異形さんによって違う。

ということ。

これ、かなり面白くない？(*´ω｀)

オリジナルのつぎはぎ人形レディは、顔や身体に比較的人間的な「人物」としての情報がある。

だからなのか、MiniMax H3は彼女を「歌手」として成立させる方向へ表現を広げた。

歌詞、メロディ、歌唱、ダンス、カメラワーク。

それらをまとめて、一つのステージとして完成させた。

一方で、和装の異形さんやロックぼうやは、異形としての造形がかなり強い。

するとMiniMax H3は、歌詞や音楽ジャンルを作り込むよりも、

「この異形さんが歌っている」という映像そのものを成立させる方向へ進んだように見える。

和装の子なら、顔の割れ目を光らせる。

ロックぼうやなら、異形のそのまま雰囲気を保ったまま歌わせる。

つまり、歌を主役にするのではなく、「歌っている異形さん」そのものを主役にしている気がするの(*´ω｀)

🎼今回わかったこと

今回の結果をまとめると、こんな感じ。

① MiniMax H3は「Please sing.」だけでも、しっかり歌わせてきた。

特にオリジナルの人形レディでは、8秒間ずっと歌詞を含んだ歌唱を続け、ダンスやカメラワークまで含めたパフォーマンスとして成立した。

② ただ「歌う」だけではなく、画像から演出を膨らませた。

オリジナル異形さんでは、歌唱だけでなくダンス、アングル変更、カメラ目線などまで加わった。

③ 同じ「歌う」でも、何を重要視するかが違った。

人間的な人物性が感じられる子には「歌手」として表現を広げ、異形性が強い子には「異形が歌っている」という描写を強くしたように見える。

そして、ここが今回の私の一番の発見。

MiniMax H3は、指示には従う。
でも、何を重要なものとして描くかは、画像によって変わる。

MiniMax H3には、もちろんこの異形さんが「何者なのか」という設定情報はない。

だから、強い異形性を持つ姿を前にして「歌って」と言われても、意味のある歌詞を与えるより、まずは「歌っているように聞こえる声」を成立させる方向へ進んだのかもしれない。

「Ah～♪」でも、メロディがあればちゃんと歌として成立する。
そう考えると、これはこれでMiniMax H3なりの「歌わせ方」なのかもしれない(*´ω｀)✨
メロディがあれば、歌詞長くても思いが伝わるからね(*´ω｀)✨

そもそも「歌う」と聞いたら、人間が歌う姿を想像するのが自然なのかもしれない。
宇宙人たちと銀河で交流するのも、美少女たちの「歌」だしね(*´ω｀)
←アニメ見過ぎな人がいます！

そんな「歌う人間」のイメージに、わたくしは今回、「……(*👁️Д👁️｀)ｺﾚﾅﾆ？」な異形さんをリファレンスしてしまった。
MiniMax H3にも、いい経験になったらいいな(*´Д｀)ｴﾍ💘
←コイツが犯人ですぅぅ！！

これが今回、わたくしが感じたMiniMax H3の「表現」でした。

🙏ここまで見てくれてありがとう

最初は、

「和装なら和風の歌になるかな？」

「ロックならロックを歌うかな？」

くらいの軽い気持ちで始めた今回の検証。

ところが、蓋を開けてみたら、

「MiniMax H3は歌えるのか？」ではなく、「MiniMax H3はこの画像をどう見ているように見えるのか？」

という話になっていたな…(*´ω｀)ｵｵﾝ

いやぁ、AI検証って本当に面白い(*´ω｀)✨

予想通りに動いてくれたら「ﾔｯﾎｰ🤤」だし、予想外なら「なんで！？🤣」になる。

でも、その「なんで？」が出たところから、AIがどんなふうに余白を埋めているのかを考えられる。

今回も、答えそのものより、

「歌ってください」という一言に、MiniMax H3が何を足して返してきたのか。

そこを見ることができた気がします(´;ω;｀)✨

そして今回も、想定外をありがとう💖👄

今になって考えると、「Ah～♪」になるのも分かる気がする(*´ω｀)
だって、人じゃないし、歌詞を作るための情報もほとんどない💦

それでも、ちゃんと歌ってくれた。

よくぞ歌ってくれた(´;ω;｀)✨ｻﾝｸｽ👄

さぁさぁ！こんな検証ができるのも、オールインワンのAI画像・動画生成プラットフォーム、Pollo.ai様のおかげです🌟

動画生成AIをいろいろ試してみたい方は、ぜひ無料生成から遊んでみてくださいね(*´ω｀)✨

それでは、今回はここまで👍

いつも検証記事に付き合ってくださる方！
本当にありがとうございます(*´ω｀)✨

「AIって面白いな」そう感じていただけるだけでも、とても嬉しいです。

いつもスキ、コメント、マガジン追加、本当にありがとうございます🥰

🔽色々作成しておりますPollo.ai作品

🔽異形さんシリーズ

よろしければ、読んでいってくださいな！(*´ω｀)✨
また次の「想定外」で会おうねぇ！(*´Д｀)🌌

それではBye！！💖🐲

🔽Pollo.aiモバイルアプリもあります✨

iOSアプリ

アプリでもダウンロードして使用してみてくださいね🥰✨