一文の文字から一つのショットへ：happyhorse-1.1 絵コンテコンセプト映像

本作品は happyhorse-1.1（Alibaba）のテキスト・トゥ・ビデオ経路を用いて、「文字 → 映像」の最小ループを実演する。最初のフレームや参照画像は一切与えず、主体・動作・カメラワーク・光・環境を含む英語プロンプトのみで生成を駆動し、純テキスト条件下でのモデルのショット理解とモーションの連続性を検証する。 設計上、duration は 8 秒として 3～15 秒の区間の中段に収め、物語の完全性と秒単位課金のコストを両立させる。resolution はデフォルトの 1080p、aspect_ratio は 16:9 として横長のシネマティックな構図を得る。プロンプトは「主体 → 動作のビート → カメラワーク → 光と雰囲気」の四段で構成し、多要素プロンプトに対するモデルの追従度を観察しやすくしている。 この形式はショートドラマの絵コンテプレビズ、広告コンセプトのオープニング、CG ワークフロー初期のショット示意に適している。1 セグメントの上限が 15 秒のため、複数ショットの物語は分割生成してから結合する必要がある。