上手下手のルールを誰も知らないのに、なぜ演出は成立するのか——AI動画制作でも映像の原則を守りたい理由

今回のお話は？

…「左利きだから強そう」——AI動画制作の最中、そう言われて始まった演出論への疑問が、フリーレン第36話の視聴体験を経て、ひとつの仮説になるまでの話。

「左利きだから強そう」——ルール通りに伝わらなかった日

私は以前から富野由悠季監督のファンで、信者と言われる部類の人間で、…もちろんあの『映像の原則』も読んできました。
この中には例えば、画面の左側に置かれたものは弱く見え、右側に置かれたものは強く見える、という、カットの中に意味を込めるいろいろな技法が書かれているのですが…
私はこれまで、映像をつくる人間なら知っておくべき原則だと、ずっと思っていました。

AI動画制作ツールが登場したとき、真っ先に考えたのは「これで映像の原則に則った動画を自分の手でつくれるかも！」ということでした。
アマチュアなりに実際に制作に挑戦し、その過程をコミュニティのウェビナーで共有しようと準備を進めていたときの話です。

説明用に、銃を構えるキャラクターの画像を2枚並べました。
一方は画面の左寄りに配置したもの。もう一方は右寄りに配置したもの。

配置によるニュアンスの違いを、視覚的に感じ取ってもらうつもりだったんですが…。

何人かに見比べてもらったんですよね。返ってきた言葉が、これです。

「左の方が強そう。左利きだから」

…映像の原則とはまったく関係のない理由でした。富野監督は、画面右側に立つ人物のほうが上位に感じられる、と書いています。
なのに、なぜ伝わらなかったのか。いや、そもそも——この画面位置によるダイナミズムのルールを一般的な視聴者は誰も知らないのに、映像演出はなぜ成立しているのか。この疑問が、頭から離れなくなりました。

上手・下手とは何か——富野由悠季監督が教えてくれたこと

ここで改めて。上手・下手という舞台用語を説明しましょう。「じょうず」「へた」ではなく、「かみて」「しもて」と読みます。上手は客席から見て右側。下手は左側のことを言います。たったそれだけの話です。

だけど、この左右には意味があるんですよね。上手には権威、安定、攻勢のニュアンスが宿る。下手には不安定、後退、守勢の気配が漂う。

富野監督の『映像の原則』を初めて読んだとき、驚いたのはこのルールに対する理由の説明でした。観客は、その左胸に心臓があるので、それをかばいたいという心理があるからだ、というんですね。
だから、観客の左胸を狙いやすい立ち位置…すなわち舞台右側に立つ人物が強く上位である。それは人間の知覚に根ざした、ほとんど身体的な法則なのだ、というのです。
歌舞伎や能の舞台演出であり、いまや西洋でも映画の文法になっている、という。すごいことです。

実際にどう使われているのか。機動戦士ガンダム第1話「ガンダム大地に立つ」（YouTube）がよく説明に使用されます。

中盤、起動して立ち上がるガンダム。カモシカの赤ん坊のように震えながら立ち上がるのに、それを強者の上手側に位置させる。
一方、ガンダム登場の直前まで、上手側で好き放題破壊の限りを尽くしていたザクは、パイロットの強気のセリフとは裏腹に、彼の浮かべる冷や汗を象徴するように、ガンダムに狙われる存在として下手に配置される。
そのまま、上手から、とんでもない装甲とパワーを見せつけながら、ザクを攻め立てて圧倒するガンダム。
しかしついに1機のザクを撃破する瞬間、ザクとガンダムが殺陣の流れの中で交差し、ガンダムが下手側に着地します。ザクは上手側で大爆発し、爆発の圧倒的な威力を表現する。
続いて2機目のザクが上手から迫る。大爆発を起こさせないように戦わなければならない…と心理的に追い込まれたアムロは、ガンダムとともに下手に置かれる。
…互いの力関係や心理、緊迫の度合いが一目で伝わる演出です。

アニメーターの小川みずえ氏はこう語っています。

原則はただの理論ではなく、今でも実践的に現場で演出に用いられている大事な技術なんですよね。

『葬送のフリーレン』第36話が全部やっていた——メトーデの攻守逆転を解剖する

そんな説明も交えたウェビナーを終えた数日後。『葬送のフリーレン』第36話「立派な最期」を観ました。そして…しばらく動けなくなりました。

上手下手の原則が、全編にわたって徹底管理されていました。戦闘シーンだけではない。会話劇のパートに至るまで、一切の例外なく。

最も鮮烈だったのは中盤の、メトーデの攻守逆転です。防戦一方の場面で、メトーデは下手に追い込まれている。弱い側、守る側の位置ですね。

しかしモノローグとともに事態の解析が始まると、彼女の位置は上手へ移動するんです。台詞で「形勢逆転です」と言わせるのではない。配置そのもので、主導権が切り替わる瞬間を観客に伝えている。観ている側は言語化できなくても、何かが変わった気配を感じ取る。

ところがメトーデの反撃開始の後、不思議なことが起きます。メトーデの攻撃を避ける敵魔族がその流れで上手に移動。猛攻しているはずのメトーデの腕が、下手側から、上手側の敵魔族に対して振るわれる。反撃の猛攻なのに、なぜ弱い位置から来るのか。

答えは後の展開にありました。攻撃でありながら配置だけが弱さを帯びている。そこに、実は伏線が埋め込まれていたんです。（詳細はネタばれになるので、あとは実際にご覧下さい）

また、途中フリーレンが俯瞰で映されるシーンも見逃せません。圧倒的強者として、彼女は上手に配置されています。

ここで興味深いのは漫画版との違いです。

漫画ではところどころで、上手下手が逆転しています。漫画は右から左へ読み進める視線誘導、つまり時系列の流れを優先するからなんですよね。一方、映像は、映像の原則を優先する。同じ物語でも、媒体が変われば配置の文法が変わる。…面白いと思いませんか。

フェルンの逆襲以降は、原作とアニメの上手下手配置が一致しています。攻撃の起点であり強者であるフェルンを上手に置く。ここでは漫画の視線誘導と映像の原則が同じ結論を指すからです。

ここまでやるのか…！ もう興奮気味にDiscordに書き込んでいました。「あらためて見返してるけど完璧に上手下手のコントロールをやってる」「戦闘シーンだけじゃないや、全編フルに、です」。分析しながら、ずっと鳥肌が立っていました。ウェビナーで語った原則の、完璧な実例がそこにあったわけです。

娯楽とは「予測を心地よく裏切らないこと」——ループ仮説

皆さんは、好きな映画やアニメを観ていて、言葉にならない満足感を覚えたことってありませんか。

そもそも映像娯楽というのは、「ほどよく心地よく、視聴者に先を予想させる」のが大事、じゃないかと思います。時には小さな予想を裏切られつつも、大枠では予想が当たり、期待したとおりの快感が得られる。そんな心理的な体験が、物語視聴として幸福な体験ではないでしょうか。

そう考えたとき、視聴者の無意識下に統一ルールを置き、繰り返しルールを遵守する演出を繰り出していくことで、ほどよく先を予測させている、と考えたらどうでしょう。

まず、観客の脳内に無意識のルールを刷り込む。すると観客は次の展開を無意識に予測するようになる。予測が当たれば心地よく、わずかに裏切られればスリルになる。

この「期待と一致の快感ループ」こそが、映像を「娯楽」たらしめているのではないか？

演出家がルールを守り続ける理由はここにあるのではないか…というのが、たどり着いた仮説です。

古今の演出家たちが上手下手を徹底管理していた理由も、これで説明がつきます。一度でもルールを崩せば、観客の無意識が混乱する。ループを最大限に機能させるには、例外を許さない覚悟がいるんですよね。

視聴者にとって、無意味に予測を狂わされることほどストレスになることはないわけですし。

…さあ、ここで冒頭の疑問に戻りましょう。銃を構えるキャラクターの画像を2枚並べたとき、上手下手のニュアンスは伝わらなかった。あれはなぜだったのか。

答えはシンプルです。単発の静止画には時間経過が、変化が、もっと言えば「繰り返し」がない。繰り返しがなければ、脳へのルールの刷り込みが起きないじゃないですか。

それでも、です。

そのルールを知ってしまったら…もう以前と同じようには映像を観られないんですよね。

演出家がなぜそこにキャラクターを置いたのか。なぜカメラをその方向に動かしたのか。画面の向こう側にいる作り手との、無言の対話が聞こえてくるようになる。

今日から何か映像を観るとき、キャラクターがどちら側に立っているか、少しだけ意識してみてください。それだけで、作り手との対話が始まります。

AI動画制作で上手・下手を制御しようとして詰んだ話

ここまで書いておいて、自分自身で制作する挑戦はどうだったのか。正直に言います。…詰みました。

今回の制作ではVeoやKlingといったAI動画生成ツールを使いました。方式はi2v（image-to-video：画像から動画を生成）やr2v（reference-to-video：参照画像を与えて動画を生成）です。アマチュアながら、最低限、スタート画像でキャラクターの画面左右の立ち位置を厳密に指定し、上手下手を制御しようとしたわけです。

結果は惨敗でした。アマチュアなりの見込みの甘いコンテのせいで手戻りが何度も起きたのもあります。が、LLMが、画像生成AIが、そもそも左右を間違える。nanobanana proなどの画像編集AIを駆使して配置を整えても、動画生成の段階で一貫性が崩れる。スタート画像通りの配置を維持しようとすると、動きが破綻する。何度やり直しても、出力は気まぐれでした。

なぜこれほど難しいのか。

そもそも一発出しでの制御ができないシンプルな理由。それは、AIの学習データには「この配置には演出意図がある」というラベリングが存在しないからです。

AIは膨大な映像から構図の統計的頻度を学ぶことはできます。しかし「上手に置いたから強者である」「下手に移動したから形勢が変わった」という意味の連鎖まではそもそも学んでいない。

演出意図は、データの外にあるんです。

それでもAIで上手下手を制御しようとした実践記録は、別の記事で詳しく書くつもりです。

制作した動画はこちら: