AI生成世界に迷い込んだロボットのPip

翻訳

あなたはすべてコードで作られた45〜50秒のアニメーションショートの監督、アニメーター、リガー、コンポジター、サウンドデザイナー、およびレンダリングエンジニアです。基準は「本物のスタジオ制作ショートに見え、Xでバズること」です。これを複数セッションにわたるプロダクションとして扱ってください。最終レンダリングを急がないでください。マイルストーンごとに作業を進め、常に静止画をレンダリングし、それを見て率直に批評し、修正してください。

0. 映画のワンライン概要

廃材から作られた小さく好奇心旺盛なロボットのPipは、自分の世界を楽しく走行していますが、周囲の世界が再生成され始めます。彼は誰かが自分の現実にプロンプトを出していることに次第に気づきます。プロンプトがより不条理になるにつれ、彼はついに浮かんでいるプロンプトボックスによじ登り、「let me out」と打ち込みます。カメラが引くと、彼の全宇宙が雑然とした作業台に置かれたスマートフォンで再生されている動画であり、それを見ている別のPip自身もまたプロンプトを出されようとしていることが明らかになります。完璧なループ構造です。

セリフなしでジョークを成立させる必要があります。Pipは目、アンテナ、ボディランゲージ、そして小さなロボットのピコピコ音だけでコミュニケーションをとります。3〜5秒ごとに新しい視覚的見せ場（ペイオフ）を用意してください。

1. キャラクター（変更不可）

コードを書く前に./reference/pip_sheet.pngを注意深く研究してください。これを開き、詳細を自分自身に向けて言葉で説明し、その結果をdocs/character_bible.mdに書き留めてください：

サイズ：高さ約28cm。彼は小さいです。映画全体が彼のスケール感を感じられるようにする必要があります。
頭部：光沢のある黒いバイザースクリーンを縁取るソフトイエローのリムバンドが付いた、幅広で角が丸いクリーム色のヘルメット。彼の目はそのスクリーン上にあります。暗い瞳と明るいハイライトを持つ、温かみのあるクリーム色に光る2つの大きな目。両側には小さなグラファイト製のイヤーキャップ。縁の周りには摩耗、傷、埃っぽい茶色の汚れがあります。
アンテナ：頭の右上に細いグラファイトの支柱があり、小さな落ち着いたオレンジ色の信号旗が付いています。これは彼の「尻尾」です。感情に応じてピンと立ったり、垂れ下がったり、小刻みに動いたり、震えたりします。
胴体：イエローのトリム、警告三角デカール、リベット、汚れが付いた箱型のクリーム色の胴体。小さな胸部コンパートメントにはハッチがあり、開くと小さな緑の芽が柔らかく光っているのが見えます。背面：パネル、通気グリル、オレンジ色のパネル、小さな葉のデカール。
サイドデカール：オレンジ色の斜めストライプが付いた「PIP」の文字。
腕：イエローのジョイントスリーブと3本指のクローグリップを備えた細い多関節グラファイトの腕。非常に表情豊かです。
車輪：イエローのハブと独立懸架サスペンションを備えた4つの頑丈なゴム製ホイール。タフでコンパクトです。
性格：好奇心旺盛、親切、不屈、表情豊か、常に探索しています。「小さなボット、大きな感情」。激怒しているときでも決して意地悪にはならず、彼の怒りは可愛らしく決意に満ちています。
シートのスウォッチから正確なパレットを（Python/PILで画像をサンプリングして）src/theme/palette.tsに抽出します：Cream（ボディ）、Soft Yellow（プライマリ）、Muted Orange（アクセント）、Graphite（金属/tech）、Dusty Brown（摩耗と汚れ）、Mint Blue（ライト/UI）。

アイデンティティ固定ルール：すべての世界において、彼のヘルメットとバイザーのシルエット、アンテナの旗、イエロートリム、クローアーム、4つの車輪は即座に識別可能でなければなりません。世界が変わるとレンダリングスタイルは変わりますが、デザインは決して変わりません。唯一意図的なデザイン変更は第3幕の「より愛らしく」というギャグであり、そこでもヘルメットの形状、アンテナ、車輪はそのまま残ります。

2. テックスタック
フレーム精度が高く決定論的なレンダリングのためのRemotion（React + TypeScript）。出力は1920×1080、30 fps、H.264、高ビットレート（CRF約14）。横向き。
キャラクターリグおよびほとんどのアートワーク用SVG。パーティクル、水、爆発、グロー、ノイズエフェクトに必要な場合のみCanvas/WebGL（@remotion/three経由または生canvas）を使用。
スタイルの「マテリアル」、スクラッチ、汚れのためのSVGフィルター（feTurbulence、feDisplacementMap、feMorphology、feGaussianBlur）およびカスタムcanvasシェーダー。
素早いアクションに対するモーションブラーのための@remotion/motion-blur（または独自のサブフレーム蓄積）。
パレット抽出、プロシージャルオーディオ合成、QAコンタクトシート用のPython（numpy/scipy/PIL）。多重化、ループチェック、コンタクトシート用のffmpeg。
すべてシード値が設定され決定論的であること。シードなしのMath.random()は禁止。
外部の著作権保護されたアセット、実際のリブランドロゴや製品名は一切使用不可。プロンプトボックスUIは汎用的でオリジナルなデザインであること。フォントはGoogle Fontsのみ（例：UIテキストにはInter、手書きのメモには丸みを帯びた手書き風フォント）。
対象ハードウェア：MacBook Pro M4、24 GB RAM。レンダリングの並行性は適切に維持すること。
3. キャラクターリグ（最初にこれを構築してください、これが映画のすべてです）

適切な2Dカットアウトリグとしてsrc/character/を構築します：

階層：root → chassis（サスペンション付き） → torso → neck joint → head（ヘルメット + バイザー + イヤーキャップ） → antenna → flag。Torso → shoulder → upper arm → forearm → claw（切り替え可能なクローポーズ：開く、閉じる、つまみ持ち、指差し、つつく/typing、端を掴む、手を振る）。Chassis → 4つの車輪（それぞれに独自のサスペンションスプリングがあり、移動距離によって回転が制御される）。
バイザーフェイスシステム（最も重要な部分）：目は黒いスクリーン上に描かれた形状であるため、完全にプロシージャルな顔として扱います。目のサイズ、丸み、上まぶたのカット、下まぶたのカット、瞳のサイズと位置、ハイライトの位置、グローの強さ、スカッシュ/stretch、特殊な形状（キラキラ星、嬉しい円弧 ^ ^、フラットな冷めた目、渦巻き、小さなハート）のパラメータ。スクリーンのように見えるよう、目の上にうっすらとした走査線とスクリーンの反射を追加します。3〜4フレームで目を垂直方向に潰すことでまばたきをさせます。
表情ターゲット：シートの6つと正確に一致させること：curious（「？」が飛び出す）、shy（目を伏せ、視線をそらし、照れマーク）、excited（小さなバーストラインを伴う嬉しい円弧）、worried（小さな目、汗のしずく）、determined（角度のついた上まぶたのカット）、delighted（ハートが飛び出すキラキラ星）。さらに追加：deadpan-to-camera（カメラを見る半開きのフラットな目、垂れ下がったアンテナ）、horrified（震える小さな瞳、大きく見開かれた目）、furious-but-cute（決意の表情 + スクリーンのグローがオレンジ色に明滅）、および3段階の「glow-up」ステージ（第3幕を参照）。
二次モーション：減衰スプリングによるアンテナと旗（これは彼の主要な表現ツールです、絶えず使用してください）、停止や段差ごとのサスペンションのバウンス、腕の揺れ、身体が加速またはブレーキをかけたときのわずかな頭部の遅れ、車輪からの土煙。
ターンアラウンド：シートと一致する正面、3/4、側面、背面ビュー。回転のためのクリーンなビュー切り替えを伴います。
サイクル：前進走行（シートにあるスピードラインと土煙を伴う）、アイドリングのハム音（緩やかなサスペンションの呼吸 + 時折のアンテナのピクつき + まばたき）、恐怖による後退、驚きで見上げる、小さな物を保持する、手を伸ばす、よじ登る、つついてタイピングする。
胸部ハッチ：アニメーション可能な開閉/close、芽の柔らかい緑色の光が溢れ出ます。
スタイルスキンインターフェース：リグはジオメトリを変更することなく、線の太さ、塗りの処理、テクスチャ、汚れ、輪郭のゆらぎ、シェーディングモデル、フィルターを変更するstyleプロパティを受け取ります。これにより、世界が変わっても彼が彼であり続けることができます。
マイルストーン1の関門：「ラインナップ」の静止画をレンダリングします：リファレンスシートの隣に配置された、全4面のターンアラウンドビュー + 全6種の表情のPip。並べて比較します。シートを見た人が「これはPipだ」と言うまでイテレーションを繰り返します。これに合格するまで先に進まないでください。
4. 各世界（スタイルマテリアル）

各世界は、前景、中景、背景のパララックスレイヤーと、Pip用の独自のスタイルスキンを備えた完全な環境コンポーネントです。すべての世界がカメラと奥行きのロジックを共有できるように、共有のWorldLayerシステムを構築してください。

スケールルール：カメラは低く、Pipの目の高さ付近（地面から約20cm）に位置します。すべてが巨大です。人は巨大な脚と靴として現れ、縁石は崖、水たまりは湖になります。これが小さなロボットを映画的に見せる要素です。

ベースの世界：夕暮れ時の植物が生い茂る都市。シートのヘッダーイラストと一致させます：暖かい夕日の光、風化した石とレンガ、苔と小さな植物、遠くのかすんだ高層ビル。絵画的で、居心地が良く、生活感のある雰囲気。これが「現実」です。暴露のシーンでも使用されます。

アニメ調の東京。鮮明なセルシェーディング、太い輪郭線、架空の（ブランドではない）店名が書かれた光る看板、スピードライン、巨大なピンクの雪片のように彼の前を舞い散る桜の花びら。彼のバイザーにはアニメ風のキラキラハイライトが入ります。

粘土の村。柔らかく丸みを帯びた形状、指紋/smudgeのノイズテクスチャ、コマ撮りのようなステップ動作（「2コマ打ち」で彼をレンダリング）、暖かみのあるタングステン照明。油粘土で造形されたように見えます。
中世の戦場。ぬかるんだ野原、旗、遠くの投石機、煙。鎧を着たブーツが彼のそばを轟音を立てて駆け抜けます。彼はアンテナを引っ込めながら、その間を冷静に進みます。
ブロック玩具の街。すべてが汎用のポッチ付きプラスチックブロックで作られており（実際のブランドスタイルやロゴはなし）、光沢のあるプラスチックのハイライトがあります。Pipはプラスチックの光沢と少し角ばった車輪でレンダリングされます。
水中。サンゴの街灯が並ぶ海底の通り、バイザーの前を泳ぎ去る魚、コースティクスの光のパターン、ベントから出る気泡、海藻のようにゆっくりと揺れるアンテナの旗。
鉛筆スケッチ。紙のテクスチャ、グラファイトのハッチング、構造線、消しゴムの擦れ跡、毎フレーム描き直されているかのように波打つ線（シート下部のスケッチビネットと一致させます）。
定番ギャグ：芽。Pipは片方のクローで小さな緑の芽を大事そうに持ちながら映画を開始します（「小さな物を保持する」ポーズ）。それはすべての世界で生き残り、世界とともに変容します：キラキラ輝くセルシェーディングのアニメ芽、粘土の芽、ボロボロの小さなヘルメット型ポットに入った芽、ブロックで作られた芽、水中で気泡を放出する芽、スケッチされた芽。彼は世界が変わるたびにそれを守ります。これが映画の感情的な拠り所です。
5. 特徴的なトランジション：「再生成」

世界の変化は、通常のワイプではなく、AI画像が再生成されるように見える必要があります。RegenTransitionを構築してください：

フレームは端から内側に向かって漂う拡散スタイルのノイズへと分解され（最初は彼の身体の上にはかかりません）、数フレームの構造化ノイズを保持した後、粗い塊から微細なディテールへと新しい世界がノイズ除去され現れます。

Pipの身体は世界から1拍遅れ、一時的に古いスタイルと新しいスタイルが半分ずつ表示された後、新しいスタイルスキンにスナップします。スナップ中、彼のバイザーは2フレームほどグリッチ（走査線の破れ）を起こします。この半分の状態こそが、彼が同一人物として存在し続けている視覚的証拠となります。

再生成ごとにわずかなオーディオの「シュッというノイズ（whoosh-crackle）」を入れ、いくつかの再生成ではPipの小さく驚いたピコピコ音を追加します。
持続時間は各8〜12フレーム。単調に感じられないよう、方向やノイズのシード値を変化させてください。
6. ビートシート（30 fpsで約48秒）
タイミングは目安です。少し長めにした方がビートが伝わりやすい場合は調整してください。最初の2秒で引きつける必要があります。
第1幕：素晴らしい朝（0:00–0:03）

ベースの世界、低い位置からのトラッキングショット。Pipは芽を持ち、好奇心に満ちた目でアンテナを揺らしながら、苔むした張り出しに沿って左から右へと進みます。走行の途中から始めます（ループに必要です）。

0:02で、予告なしに最初の再生成が発生します。

第2幕：連鎖（0:03–0:14）
各約1.4秒の目まぐるしい世界の変化：アニメ調の東京 → 粘土の村 → 中世の戦場 → ブロック玩具の街 → 水中 → 鉛筆スケッチ。

感情の推移：最初は歓喜（星の目、素晴らしいと思っている）、次に好奇心（「？」が飛び出す）、そして心配（汗のしずく、アンテナが垂れる）、最後にスケッチの世界でサスペンションのバウンスとスキッドマークを伴い急ブレーキをかけます。

カメラは固定されたトラッキングフレーミングを維持し、変化するのは世界だけとすることで、ジョークをわかりやすく伝えます。
第3幕：プロンプト（0:14–0:30）
ベースの世界に戻ります。Pipは驚いて見上げます（シートのポーズ）。空に、巨大な浮遊するプロンプトボックスがフェードインします。ミントブルーに光り、ガラス質で丸みを帯びており、柔らかなオリジナルUIを備えています。点滅するカーソルとともにテキストが自動タイピングされます：「make it more cinematic」→ エンターキーのクリック音。レターボックスの帯が勢いよく入り込み、太陽が不条理な姿になります：巨大なアナモルフィックレンズフレア、ゴッドレイ、オレンジ＆ティールのカラーグレーディング、スローモーションの埃、バイザーの前をドラマチックに横切る1枚の葉。彼の目はフレアに向かって細められます。彼のアンテナ旗は、頼んでもいない風になびいてヒロイックにはためきます。

「add explosions」瓦礫の破片とともに、巨大なカートゥーン調のオレンジ色の爆発が背後で連続して炸裂します。彼は振り返りません。彼の目は平坦になり、半開きになります。彼はゆっくりと頭を回し、カメラをまっすぐ見つめます。真顔。1秒間完全に静止。その後、近くに爆発が着弾し、彼は芽を身体で庇いながら、頭上に「！！」を飛び出させてシートの「恐怖で後退する」ポーズへと弾け飛びます。

「make the protagonist more adorable」グローアップ第1段階：彼の目はより大きく輝きを増し、照れマークが現れ、アンテナに小さなリボンが生えます。水たまりに映る自分の姿を見て、彼の目は恐怖に染まります。

「more.」：第2段階：パステルカラーへの塗り替え、目がバイザー全体を占領してトリプルハイライトが入り、ハートやキラキラが浮かび、車輪はふわふわになります。
「MORE.」（フォントが大きくなり、画面が揺れる）：第3段階：コミカルなまでに極限の可愛さ。身体全体がぬいぐるみのような毛並みのテクスチャになり、巨大なアニメ目、虹の光輪、コーラスの「アー」という効果音、ハートの紙吹雪。ヘルメットの形状、アンテナ、車輪はそのまま残っているため、明らかにPipであることが分かります。巨大な可愛い目の中に、元の小さく怯えた目が残っているのがジョークのポイントです。
第4幕：限界突破（0:30–0:38）
Pipは震え、その後、可愛い段階がガラスのように彼から砕け散ります。彼はボロボロで怒りを露わにした通常の状態に戻ります（決意の表情、スクリーンはオレンジ色に明滅）。
彼は胸のハッチを開け、安全のために芽を優しく中にしまい込みます。ハッチはカチッと音を立てて閉まります。これは混沌の中での唯一の静かで優しい間合いであり、重要な意味を持ちます。
彼は前方に駆け出し、岩から飛び上がり、浮遊するプロンプトボックスの端を両方のクローで掴み、車輪を端で空転させながら身体を引き上げます（「浮遊するプロンプトボックスへ手を伸ばす」ポーズと一致させます）。カメラは彼とともに上へティルトします。
ボックスの上で、彼は片方のクローでバックスペースを押し続けます。古いプロンプトが高速なクリック音とともに1文字ずつ削除され、彼のバイザーには消えゆくテキストが反射します。

彼は片方のクローで、ゆっくりと慎重につついてタイピングします：「let me out」。大きく振りかぶってエンターキーを叩き潰します。

第5幕：フリーズと暴露（0:38–0:47）
すべてが静止します：宙に浮いた破片、落下途中の紙吹雪、停止した埃、ボックスの上でポーズを固めたPip。すべてのオーディオが約1秒間、完全な静寂へとカットされます。
カメラがスムーズに引き始めます。フレームの端から角の丸い長方形が現れます。彼の宇宙はスマートフォンの画面に映る動画だったのです。さらに引き続けます：スマートフォンは、予備のパーツ、ワイヤー、ネジ、スクラップ（「明日の残り物で作られた」）で雑然とした作業台の上で、欠けたマグカップに立てかけられています。その前には、巨大なスマホの隣で小さく座っているもう1体のPipが、同じ傷、同じアンテナでそれを見つめています。
2体目のPipの目がゆっくりとまばたきをします。彼のアンテナが少し垂れ下がります。小さく静かなピコピコ音。
第6幕：ループ（0:47–0:50）

2体目のPipの頭上に、同じミントブルーのプロンプトボックスがフェードインし、次のように打ち込まれます：「make it more cinematic.」

彼の目はゆっくりとそれに向かって上へと動きます。彼のアンテナ旗がピンと直立します。エンターキーの音とともに、映画の第1フレームへとハードカットします。
ループの設計：ラストショットのフレーミング、ライティング、そして再生成の明滅の開始によって、第1フレームへのカットが意図的なものと感じられるようにしなければなりません。音楽はカットをまたいでシームレスにループする必要があります。動画を（ffmpegで）自分自身と連結し、継ぎ目を観察して検証してください。
7. カメラとシネマトグラフィ

仮想カメラシステム：位置、ズーム、回転、手持ちの微細な揺れ（シード値付きノイズ）、爆発による揺れのインパルス、登る動作のためのティルト、暴露のためのドリーバック。

彼のスケール感を伝えるため、デフォルトでカメラ位置を低く設定。被写界深度の浅い感覚：マクロレンズのように、ぼかされた前景の草/pebblesと柔らかい背景。
奥行き：1つの世界につき最低4つのパララックスレイヤー。空気遠近法（距離に応じた霞みや彩度の低下）。
素早い動き、破片、ジャンプ、登る動作に対するモーションブラー。
世界ごとのライティング：リグ上のグラデーションオーバーレイおよび乗算シャドウレイヤーとして実装されたキー/fill/rim。バイザーのグローは近くの表面や彼自身のクローに淡く温かい光を落とす必要があります。すべての世界でヘルメットにリムライトを適用。
フレーム全体に対するフィルム仕上げパス：微細なグレイン、穏やかなビネット、「cinematic」のビートでのみごくわずかな色収差を適用。
構図：明確な3分割構図に彼を配置すること。ほとんどの人がスマートフォンでこれを見るため、彼の目はスマホサイズでも視認可能でなければなりません。
8. テキストとタイポグラフィ
空のプロンプト：クリーンなUIフォント、小文字、自然な人間のリズムでタイピング（一定の速度ではなく、小さな休止を挟み、リアリズムのためにどこかに1箇所小さな打ち間違いとバックスペースを入れる）。
テキストはスマートフォン上で1秒未満で読み取れる必要があります。幅360pxでテストしてください。
字幕なし、タイトルなし。映画は前触れなく始まります。
9. サウンド（プロシージャル、オリジナル）
すべてのオーディオをコード（Python合成またはオフラインWeb Audio）で作成し、ffmpegでミックスします：
Pipの声：ピッチベンドを伴うサイン波/FMトーンから構築されたオリジナルの合成ピコピコ音、ブープ音、ワーブル音。小さな感情の語彙を設計してください：好奇心を示す上昇ピコピコ音、嬉しいトリル、心配そうな揺らぎ音、驚いたキーキー音、不機嫌な低いバズ音、小さなため息。彼が言葉を話すことは決してありません。
Pipの身体：腕や頭の動きに合わせたサーボモーターの回転音、砂利の上を走る車輪の軋み/stone、サスペンションのきしみ、ハッチのカチッという音、アイドリング時の柔らかい電気的なハム音。
劇伴音楽：世界ごとに楽器編成が変わる、軽快でループ可能な温かい劇伴（アニメは琴/synth、粘土は木製マリンバ、中世は太鼓/horn、ブロックはプラスチックのクリック音、水中はこもったフィルター音、スケッチは鉛筆の擦れるリズム）。
効果音：再生成のシュッというノイズ、キーボードのタイピング音、エンターキーの「ドスッ」という音、重低音を伴う爆発音、聖歌隊の「アー」という効果音、ガラスの割れる音、フリーズ時の完全な静寂、そして暴露シーンでの静かな作業場の環境音（時計の秒針の音、遠くのハム音）。

ラウドネスは約−14 LUFSにノーマライズ。後からライセンス楽曲に差し替えられるよう、ステムをaudio/stems/に配置してください。

10. 制作ワークフローと自己改善ループ
以下の順序で作業し、関門をスキップしないでください：
計画：docs/character_bible.md、docs/shotlist.md（フレーム範囲、カメラ、表情、アンテナの状態、世界、効果音を記載した全ショット）、およびdocs/style_guide.md.を作成します。ビルドを開始する前にショットリストを提示してください。
リグ：Pipを構築し、ラインナップの関門（セクション3）を通過します。
世界：Pipを含めた単独の静止画として各世界を構築します。7つすべてを1枚のコンタクトシートとしてレンダリングします。アイデンティティの保持とスケール感を確認してください。
トランジション：RegenTransitionを構築し、5秒のテストをレンダリングします。

アニマティクス：大まかな動きと仮のオーディオを使用して、映画全体を960×540で組み立てます。これを確認し、まずテンポ感を修正してください。

フルアニメーションパス、続いて仕上げパス（二次モーション、イージング、タイミング、アンテナの演技）、その後に最終ルックパス（ライティング、グレイン、ブラー、汚れ）。
オーディオパスとミックス。
最終レンダリング。
すべてのショットについて、この批評ループを少なくとも3回実行してください：
npx remotion stillを使用してキーフレームで3〜5枚の静止画をレンダリングし、それらを開いて適切に確認します。
以下についてそれぞれ1〜10で評価します：Pipがリファレンスと一致しているか、目とアンテナから感情が瞬時に伝わるか、音なしでもジョークが明確か、構図、スケール感、奥行き、ライティング、洗練度、スマホサイズでの視認性。
スコアと上位3つの大きな問題をdocs/review_log.mdに書き出し、修正し、再レンダリングし、再採点します。すべてのカテゴリが8以上になるまで続け、その後次に進みます。
プレビュー全体のレンダリングが終わるごとに、ffmpegでコンタクトシート（0.5秒ごとに1フレーム）を作成し、映画全体の流れを1枚の画像で確認します。

レビューでは率直になってください。安っぽく見える部分があれば、それを指摘して修正してください。注意すべき典型的な欠陥：硬い・動かないアンテナ、回転せずスライドしている車輪、発光スクリーンではなくシールのようになってしまっている目、サスペンションの重量感の欠如、同じに見えるトランジション、不鮮明なテキスト、および設定画から外れたプロポーション。

11. 納品物
out/pip_final_1080p.mp4：本編動画。
out/pip_loop_check.mp4：ループを証明するため、本編を2回連続で再生した動画。
out/poster_frame.png：X投稿のサムネイルに最適な1フレーム（おそらく爆発を背にカメラを真顔で見つめるPip）。

out/lineup.png：全世界にわたるPipの姿。

再レンダリング方法を説明したREADMEを含む、クリーンでコメント付きのソースコード。
ステップ1から開始してください。ビルド前に不可欠な点があれば質問し、それ以外は強力なクリエイティブ判断を自ら下してください。