# 動画分解レポート：qing_hiphop_full.mp4
> これは rea-video がこの動画に対して生成した Markdown レポート [report.md](report.md) の日本語訳です。セクションの順序と内容はツールの出力に従います。画面上で認識されたテキスト（「テキストトラック」の行）と音声から聞き取った歌詞は、フレームや音声に現れるままの中国語で残しています。
**結論**：混合制作：AI 生成動画 52% + 静止画 + ズーム・パン効果 17% + デジタルヒューマン 17% + 3D レンダリング 15%；オーバーレイ：テキスト注記、グラフィック貼り付け、字幕（コード／編集ソフトで合成）；使用した実素材：実写の写真（3.0s）、商品の実写画像（0.7s）；再現に用意する参考：人物／シーン参考画像（1 ショット）、商品参考画像（1 ショット）；音声：ボーカル + BGM 178.2BPM（AI 生成音楽） + 効果音 56 箇所
- 尺 164.958s · 1080×1920 · 24.0fps · 9:16
- ショット 86 個、平均 1.92s；トランジション：cut×85、start×1
- 判定の確信度（尺で加重）：71%；判定方法：決定論的フォレンジクス + VLM との統合
- VLM は部分的に有効（gemini-3.1-pro-preview,gemini-3.1-pro-preview-pc,gcp-gemini-3-pro-preview：60/60 ショットで結果あり、全編分析は失敗）；claude が 9/86 ショットを画像で再確認し、結論に統合済み
## 制作方法の割合
| ベース画面 | 尺 | 割合 |
|---|---|---|
| AI 生成動画 | 86.04s | 52% |
| 静止画 + ズーム・パン効果 | 27.46s | 17% |
| デジタルヒューマン | 27.25s | 16% |
| 3D レンダリング | 24.21s | 15% |
## 再現プラン
**3D レンダリング 10 ショット + AI 動画 45 ショット → 34 個の生成ユニット、Seedance 2.5 を 34 回呼び出し；静止画ズーム・パン／静止フレーム 19 ショット → ローカルで再構築；デジタルヒューマン 12 ショット → TTS + デジタルヒューマン駆動**
- デフォルトエンジンの Seedance 2.0（Mini / Fast を含む）は 1 回で複数ショットを出せないため、これを使う場合はショットごとに 55 回生成することになります。ここでは Seedance 2.5（1 回 ≤30s、1 回で複数ショット可）を前提に計画し、合計 34 回
- グループ化ルール：同じシーンでハードカットでつながる AI ショットは 1 回の生成にまとめる（S01）；1 回 ≤30s；ユニット内の連続ハードカットはなるべく ≤8s、最大 10s（S06）；ディゾルブ／フェードイン・アウトとシーン切り替えの箇所で分割する（S03）
- 音声：モデルは動作の効果音と環境音を同時に生成できます。語りは別途 TTS で作ってからミックスすることを推奨します。コピーの修正やタイミング合わせがしやすくなります
### 生成ユニット
| ユニット | ショット | 時間 | 尺 | 方式 | つなぎ |
|---|---|---|---|---|---|
| G1 | #1 | 0.0–7.2s | 7.2s | 単一ショット | 先頭フレーム：元動画の第 1 ショット先頭フレーム（shots/shot_001_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G2 | #4 | 18.1–19.5s | 1.4s | 単一ショット | 先頭フレーム：元動画の第 4 ショット先頭フレーム（shots/shot_004_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G3 | #7 | 20.8–21.5s | 0.7s | 単一ショット | 先頭フレーム：元動画の第 7 ショット先頭フレーム（shots/shot_007_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G4 | #8 | 21.5–22.2s | 0.7s | 単一ショット | 先頭フレーム：元動画の第 8 ショット先頭フレーム（shots/shot_008_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G5 | #9、#13、#14 | 22.2–22.9s、24.9–26.2s | 2.0s | 1 回で複数ショット | 先頭フレーム：元動画の第 9 ショット先頭フレーム（shots/shot_009_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G6 | #19、#21 | 28.3–28.6s、29.0–31.6s | 3.0s | 1 回で複数ショット | 先頭フレーム：元動画の第 19 ショット先頭フレーム（shots/shot_019_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G7 | #22–#23 | 31.6–34.6s | 3.0s | 1 回で複数ショット | 先頭フレーム：元動画の第 22 ショット先頭フレーム（shots/shot_022_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G8 | #24–#27 | 34.6–42.9s | 8.2s | 1 回で複数ショット | 先頭フレーム：元動画の第 24 ショット先頭フレーム（shots/shot_024_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G9 | #29 | 43.6–44.8s | 1.2s | 単一ショット | 先頭フレーム：元動画の第 29 ショット先頭フレーム（shots/shot_029_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G10 | #30–#32 | 44.8–47.6s | 2.8s | 1 回で複数ショット | 先頭フレーム：元動画の第 30 ショット先頭フレーム（shots/shot_030_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G11 | #36–#37 | 50.4–54.2s | 3.8s | 1 回で複数ショット | 先頭フレーム：元動画の第 36 ショット先頭フレーム（shots/shot_036_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G12 | #38 | 54.2–56.2s | 2.0s | 単一ショット | 先頭フレーム：元動画の第 38 ショット先頭フレーム（shots/shot_038_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G13 | #39 | 56.2–56.9s | 0.7s | 単一ショット | 先頭フレーム：元動画の第 39 ショット先頭フレーム（shots/shot_039_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G14 | #40 | 56.9–58.4s | 1.5s | 単一ショット | 先頭フレーム：元動画の第 40 ショット先頭フレーム（shots/shot_040_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G15 | #41 | 58.4–58.9s | 0.5s | 単一ショット | 先頭フレーム：元動画の第 41 ショット先頭フレーム（shots/shot_041_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G16 | #43 | 59.5–62.5s | 3.0s | 単一ショット | 先頭フレーム：元動画の第 43 ショット先頭フレーム（shots/shot_043_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G17 | #44 | 62.5–64.7s | 2.1s | 単一ショット | 先頭フレーム：元動画の第 44 ショット先頭フレーム（shots/shot_044_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G18 | #46 | 65.4–67.2s | 1.8s | 単一ショット | 先頭フレーム：元動画の第 46 ショット先頭フレーム（shots/shot_046_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G19 | #47 | 67.2–70.5s | 3.4s | 単一ショット | 先頭フレーム：元動画の第 47 ショット先頭フレーム（shots/shot_047_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G20 | #52 | 80.2–81.2s | 1.0s | 単一ショット | 先頭フレーム：元動画の第 52 ショット先頭フレーム（shots/shot_052_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G21 | #54 | 85.5–87.1s | 1.7s | 単一ショット | 先頭フレーム：元動画の第 54 ショット先頭フレーム（shots/shot_054_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G22 | #55 | 87.1–88.3s | 1.2s | 単一ショット | 先頭フレーム：元動画の第 55 ショット先頭フレーム（shots/shot_055_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G23 | #56–#58 | 88.3–93.3s | 5.0s | 1 回で複数ショット | 先頭フレーム：元動画の第 56 ショット先頭フレーム（shots/shot_056_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G24 | #59 | 93.3–94.0s | 0.7s | 単一ショット | 先頭フレーム：元動画の第 59 ショット先頭フレーム（shots/shot_059_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G25 | #60 | 94.0–99.2s | 5.2s | 単一ショット | 先頭フレーム：元動画の第 60 ショット先頭フレーム（shots/shot_060_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G26 | #61–#64 | 99.2–107.9s | 8.7s | 1 回で複数ショット | 先頭フレーム：元動画の第 61 ショット先頭フレーム（shots/shot_061_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G27 | #65、#70 | 107.9–115.7s、124.2–124.8s | 8.4s | 1 回で複数ショット | 先頭フレーム：元動画の第 65 ショット先頭フレーム（shots/shot_065_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G28 | #71 | 124.8–125.5s | 0.6s | 単一ショット | 先頭フレーム：元動画の第 71 ショット先頭フレーム（shots/shot_071_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G29 | #72 | 125.5–127.1s | 1.6s | 単一ショット | 先頭フレーム：元動画の第 72 ショット先頭フレーム（shots/shot_072_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G30 | #73 | 127.1–129.2s | 2.1s | 単一ショット | 先頭フレーム：元動画の第 73 ショット先頭フレーム（shots/shot_073_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G31 | #75–#77 | 130.1–138.9s | 8.8s | 1 回で複数ショット | 先頭フレーム：元動画の第 75 ショット先頭フレーム（shots/shot_075_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G32 | #78、#79、#81、#82 | 138.9–143.0s、144.0–149.2s | 9.3s | 1 回で複数ショット | 先頭フレームに G31 の末尾フレームを使い、動作をつなげる（S05） |
| G33 | #85 | 158.1–160.4s | 2.2s | 単一ショット | 先頭フレーム：元動画の第 85 ショット先頭フレーム（shots/shot_085_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
| G34 | #86 | 160.4–165.0s | 4.6s | 単一ショット | 先頭フレーム：元動画の第 86 ショット先頭フレーム（shots/shot_086_first.jpg）の構図を参照して画像を生成し、製品を @画像1 に差し替える |
**G1 · 3D レンダリング · ショット #1 · 7.2s**
- 参考素材：`@画像1` 製品の実写画像（正面 + ロゴ面）、ユーザーが用意；`@画像2` 人物参考画像（各キャラクターにつき正面 1 枚 + 半身 1 枚）、ショット間で顔を一致させるため；`@動画1` 元動画 0.0–7.2s の区間：動作・カメラワーク・カット間隔の参考（参考のみ、画面は複製しない）
- 先頭フレーム画像プロンプト：清朝の老官吏の横顔クローズアップ、長い白ひげ、黒いモダンなヘッドホンを装着、純黒の背景、非常に強い片側のリムライト、映画級の質感、8k の高精細フォトリアル
- 別ルート：3D プロジェクト。LLM に Blender スクリプトや Three.js シーンを書かせ、キャラクター／小道具を一度モデリングしてショットごとにカメラを設定してレンダリングします。多アングルとキャラクターの一貫性が最も良く、コピーやショットの変更もコードを直すだけで済みます（R08）
```text
縦画面 9:16；夜景／弱光の環境光、専用の補助光なし、柔らかい光（明暗の遷移が広い）、中性（約 5000K）、背景は明らかにボケている（浅い被写界深度／ポートレートモード）。製品の外観は @画像1 を基準とし、ロゴと細部を一致させる。人物は @画像2 を基準とする。@動画1 の動作・カメラワーク・カット間隔を参考にする。
黒背景のサイド光の下、モダンなヘッドホンを着けた清代の長ひげの老人の顔がわずかに動き、唇をかすかに開閉してつぶやく。カメラはきわめてゆっくりと前方へ平行に押し込み顔のクローズアップへ、高コントラストのシルエット的な光と影は変えない
```
English prompt（ツールが生成した英語版）
```text
Close-up of an elderly Qing Dynasty official with a long white beard wearing modern over-ear headphones, dramatic side rim lighting against a pure black background, subtle head movement and slight lip movements, slow smooth camera push-in.
```
English prompt（ツールが生成した英語版）
```text
Close-up of an elderly Asian man with long grey beard and studio headphones, initially looking down, slowly raising his eyes to stare into the camera with an intense, solemn expression, minimal movement, locked-off shot.
```
English prompt（ツールが生成した英語版）
```text
Camera slowly and smoothly pushing in on a rustic blank wooden hanging sign on a grey textured wall, subtle low angle, clean still-motion.
```
English prompt（ツールが生成した英語版）
```text
The camera slowly pans to the right, revealing the ink-stained paper, inkstone, and brush on the desk. The lighting remains stable, creating a tranquil atmosphere.
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-0.7s): Black and white, water ripples slowly moving forward, static sky, fixed camera.
Shot 2 (0.7-1.4s): Locked-off wide shot, minimalist misty dark grey studio, a tiny human figure slowly crawls on the floor, single hard spotlight casting an elongated sharp shadow.
Shot 3 (1.4-2.0s): Static close-up shot of dark liquid water ripples flowing continuously, reflecting subtle silvery light, smooth curved rim at the top, minimalist black and white 3D render.
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-0.3s): Slow push-in shot on a string of dark wooden prayer beads resting on a smooth grey surface in an S-shape. In the foreground, there is a bead with a golden crack and a pale green bead in focus. The scene itself is completely static, with only the camera moving slowly forward.
Shot 2 (0.3-3.0s): Cinematic slow push-in shot, back view of an ancient Chinese scholar in robes slowly walking forward through an open wooden gate into a wet stone alley lined with glowing lanterns at night, subtle motion, moody atmosphere.
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-0.5s): Smooth cinematic fast push-in to a tight close-up of an elderly Qing dynasty official wearing studio headphones, rapping into a podcast microphone with intense expressions, beard moving subtly, cold cinematic studio lighting.
Shot 2 (0.5-3.0s): Camera slowly pushes in. The young scholar looks down, focused on writing, with slight brush movements and subtle head motion.
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-2.0s): Extreme close-up of an elderly Asian man speaking seriously, lips synced to audio, intense gaze, highly detailed weathered skin, static shot.
Shot 2 (2.0-4.9s): Close-up static shot. In the dark night, the flame of a kerosene lantern flickers softly, casting warm light on an old paper roster on a wooden wall. A hand with prominent veins points its index finger steadily at the Chinese name '林子安' circled in red ink. Cinematic, low-key lighting, suspenseful atmosphere.
Shot 3 (4.9-5.6s): Fixed close-up shot, an elderly Asian man with long gray beard wearing studio headphones, holding the earcup with his hand, singing with deep emotion, subtle facial muscle and beard movement, low-key dramatic studio lighting.
Shot 4 (5.6-8.2s): Close-up of an old frail finger tracing large ink characters on a yellowed memorial scroll, another hand enters from below, slow push-in, dark cinematic tone
```
English prompt（ツールが生成した英語版）
```text
Close shot of the scroll with the large characters, a finger pressing the edge, gentle push-in
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-0.6s): Close-up, elderly Asian man with long beard wearing headphones speaks into microphone, natural mouth movements, slight head sway. Fixed camera.
Shot 2 (0.6-2.2s): Camera slowly dollies in from behind a Qing dynasty scholar with a braided queue looking up at the imperial examination results board, surrounded by crowds of examinees, somber cold cinematic lighting, subtle atmospheric breathing motion.
Shot 3 (2.2-2.8s): Close-up shot of an elderly Chinese man with a long white beard and deep wrinkles, wearing black over-ear headphones, speaking directly to the camera. Natural lip sync, slight facial expressions, head and body remain still. Solid gray background, side lighting, cinematic texture, fixed camera.
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-3.1s): Ancient army ranks beneath a city wall under heavy clouds, a bearded general in profile in the foreground, dust rising, slow lateral move
Shot 2 (3.1-3.8s): Close-up static shot of an elderly East Asian man with a long grey beard wearing over-ear studio headphones, singing with a sorrowful expression into a microphone, natural facial muscle and beard movements, studio low-key moody lighting.
```
English prompt（ツールが生成した英語版）
```text
At night on a small boat, a drenched old man with a white beard braces on the deck and looks up, someone behind reaches to pull him, waves churning
```
English prompt（ツールが生成した英語版）
```text
Old man speaking or singing excitedly, natural mouth movement, slight head shake, stable lighting.
```
English prompt（ツールが生成した英語版）
```text
Slow push-in and slight low-angle shot. Soldiers fight fiercely with spears and swords on a burning wooden bridge. Flames burn intensely in the background, thick smoke billows in the wind, and sparks fly. The overall atmosphere is tense and chaotic.
```
English prompt（ツールが生成した英語版）
```text
Not applicable, this is an audio-driven avatar
```
English prompt（ツールが生成した英語版）
```text
Slow push-in shot. An ancient Chinese elder with a long white beard, wearing dark traditional clothes, is writing with a brush with a solemn expression. His beard sways slightly. Dim military tent background with flickering firelight.
```
English prompt（ツールが生成した英語版）
```text
Fixed camera. The silhouettes of ancient soldiers begin to move. The soldier on the left swings a shovel to dig dirt, and the soldier on the right swings a sledgehammer to hit a wooden stake, with heavy movements. The dark clouds in the background sky flow slowly. Maintain a strong backlight silhouette and a dark, oppressive atmosphere.
```
English prompt（ツールが生成した英語版）
```text
Silhouetted soldiers hammering wooden stakes in a muddy camp under overcast sky, mud splashing, static camera
```
English prompt（ツールが生成した英語版）
```text
Fixed close-up shot. An elderly Chinese man with a grey goatee wearing Qing dynasty attire and modern over-ear headphones passionately rapping to the camera, head nodding subtly with speech rhythm, dark moody studio lighting.
```
English prompt（ツールが生成した英語版）
```text
Close-up of an elderly Asian man with a long white beard, wearing black headphones, speaking into a black microphone. Natural lip sync, slight head movements, focused expression. Dark grey background, cinematic lighting, highly detailed.
```
English prompt（ツールが生成した英語版）
```text
The camera slowly pushes forward, the scene remains static, showing the details of a dilapidated wooden boat, wooden oars, and ropes. The background is a dark water surface covered in thick fog, with a gloomy and quiet atmosphere.
```
English prompt（ツールが生成した英語版）
```text
B&W dark water, slow ripples, gloomy sky, flowing light, slow push in.
```
English prompt（ツールが生成した英語版）
```text
Shot 1 (0.0-2.4s): Close-up of an elderly Qing dynasty man covering his right eye with his wrinkled hand, subtle breathing motion and slight finger twitch, slow camera push-in towards the tired face, cinematic low-key lighting.
Shot 2 (2.4-3.1s): Close-up of an elderly Asian man with a long grey beard wearing modern studio headphones, speaking seriously to camera, lip-sync talking motion, subtle head movement, camera slowly zooming in, cinematic muted lighting.
Shot 3 (3.1-5.0s): Slow push-in shot onto the face of an elderly Chinese man with long white beard holding his forehead in dizziness, subtle breathing, dark cinematic lighting.
```
English prompt（ツールが生成した英語版）
```text
Slow smooth push-in shot on the elderly Asian man, stoic and intense gaze fixed on the camera, extremely subtle breathing micro-movements, cinematic dramatic portrait lighting.
```
English prompt（ツールが生成した英語版）
```text
Cinematic shot of an elderly Qing dynasty Chinese official in official robe sitting somberly at a negotiation table, Western diplomats blurred in the foreground, slow subtle push-in, dark cold moody lighting.
```