前回公開した「ローカルLLMとPythonで紙芝居動画を全自動生成するシステム」、大変多くの反響をいただきました！
しかし、同時に「具体的なパラメータはどうなっているの？」「どうやって設定を変えればいいの？」という声も多くいただきました。前回の動画では、システム内部の具体的な設定方法についての解説がすっぽりと抜け落ちていたのです。
そこで今回は、その反省を生かし、システムをさらに使いやすく、そして圧倒的に高画質に進化させた最新アップデート版の仕組みとノウハウを詳しく解説します。
1. 全設定を「config.toml」に集約
これまではPythonコードの中にハードコードされていた設定値（解像度、フォント、LLMのプロンプト等）を、すべて config.toml という一つの設定ファイルに外部化しました。
これにより、プログラミングの知識がなくても、テキストエディタで設定ファイルを書き換えるだけで、簡単に自分好みの動画環境を構築・調整できるようになりました。
例えば、AviUtl2で動画を生成する際の字幕フォントや色（今回は「_チョーク体」を使用）、LLMのアクセス情報、画像生成のワークフローなど、システム全体の挙動をこのファイル一つでコントロールできます。
2. ローカルLLMとComfyUIのAPI連携
テキストの生成には、引き続き高速な Gemma-4-26B-A4B-it (MTPモデル) を採用しています。llama.cpp のサーバー機能を使ってAPIとして立ち上げることで、Pythonのオーケストレーターとスムーズに連携します。
また、画像生成エンジンである ComfyUI は、同じPC内で連携する場合は通常通り起動するだけでPythonからAPIとして呼び出すことが可能です。もし別のPCからリモートで生成指示を出したい場合は、起動オプションに --listen を追加するだけで簡単に外部アクセスを許可できます。
3. 「Z-Image_clear_anime」で画質が劇的進化
今回の最大のアップデートが、画像生成モデルの変更です。
新たにアニメ特化の高画質モデル 「Z-Image_clear_anime」 を採用したことで、これまでのモデルと比べて線画の繊細さ、塗りの美しさ、キャラクターの表情の豊かさが段違いに向上しました！
設定ファイル config.toml のモデル指定を書き換えるだけで、システム全体の出力結果が驚くほど高品質なものに変わります。
4. もしAIが上手く描けない時は？（ChatGPTの裏技）
ただ、どんなに優れたモデルでも、「料理を美味しそうに描く」など特定の構図が苦手な場合があります。
そんな時の裏技としてオススメなのが、ChatGPTなどの対話型AIにプロンプトを改修してもらう方法です！
「Z-Image_clear_anime モデルを使っている」とAIに伝えて最適なキーワード（タグ）を出力してもらうことで、一人で悩むよりも遥かにクオリティの高いプロンプトを簡単に引き出すことができます。自動化システムと最新のAIツールを掛け合わせることで、制作の壁を突破しましょう。
まとめと完成作例
今回のアップデートにより、設定ファイルの外部化による管理のしやすさと、新モデル導入によるクオリティの向上を同時に実現しました。
YouTube動画の本編では、これらの詳しい解説に加え、実際にこのシステムを使って全自動生成された「紙芝居動画」の完成品を公開しています。圧倒的に進化した映像をぜひご覧ください！
🎥 YouTube: https://youtu.be/Xv0AM9aUXck
💻 GitHub: https://github.com/ukkeyHG/claude-kamishibai-pipeline
コメント