Sunoの曲に、コードでリリックビデオを付けた
2026年10月13日 · English
Sunoで作った曲「深夜3時、30歳」に、縦型のリリックビデオを付けた。動画編集ソフトは使わず、スクリプトだけで4K HDRの書き出しからYouTubeへの公開まで。
最初のバージョンから
- イラストのシーン。アニメ調のキャラクターを歌詞に合わせて切り替えた。曲の空気に合わなかったので、写真のように静かな部屋を固定カメラで見せる方向に変えた。
- 紙に書く。窓の前に半透明の原稿用紙を置いて、インクで歌詞を書いた。いちばん時間を使ったのがここ。原稿用紙の罫線を入れるか、紙が部屋から浮かないようにどれくらい透かすか、どの手書きフォントにするか。でも結局、紙が画面のいちばんいいところを隠していた。
罫線あり 
罫線なし 
透ける 
透けない 
同じ行を6つのフォントで。Klee Oneにした。 - 窓に書く。夜景に直接書いたら、部屋と街がそのまま見えるようになって、ずっとよくなった。
わかったこと
- 時間は光で見せる。生成した部屋を1枚、同じ構図のまま「ランプ消灯」と「夜明け前」に編集して、時間で混ぜた。暗い夜で始まり、音が厚くなるところでランプがじわっと灯り、夜明けに消える。
夜 
ランプ 
夜明け - 細い文字は中間ファイルで壊れる。ふつうの動画は色の情報を半分の解像度で持つ（4:2:0）ので、細い線の縁がにじみ、書き出すたびに悪化する。4Kで描いて、最後の書き出しまで色も全解像度（4:4:4）のまま持ち回す。
前：1080p、4:2:0 
後：4K、4:4:4 - HDRは実機で確かめる。PixelのYouTubeでは、HLGで上げた動画のSDR版がいちばんきれいだった。PQはHDRで再生されたけど、室内では暗く見えた。
作り方
- タイミング：Whisper（stable-ts）で歌詞を音源に合わせて1文字ずつ時刻を取り、拍も解析する。
- 背景：GPT Image 2.5で夜の部屋を作り、同じ構図のまま「夜明け前」と「ランプ消灯」に編集する。
- 動き：OpenCVでカーテンと植物を揺らし、空を夜から夜明け前へ、ランプを点けたり消したりする。すべて時刻だけで決まるので、どこを書き出しても同じ画になる。
- 歌詞：Remotion（React）で窓に縦書きで描き、歌っている行を明るくする。タイトルは1拍に1文字ずつ書く。
- 仕上げ：光源だけを伸ばすHDR処理をして、YouTube、ショート、リール、ストーリーズに切り出す。審査前のアプリからAPIでアップすると非公開に固定されるので、アップだけ手でやり、残りの設定と公開はスクリプトでやる。
4分23秒、2160×3840、30fps。画像生成は約3.4ドル。4Kの書き出しはMacBook Pro（M5 Max）で約55分。