VRMから6構図の高解像度PNG書き出しツール公開

このツールは実際の課題から生まれた。開発者はオリジナルVTuberキャラ「七咲しほ」のMVを、fal.aiのMiniMax H3 MaxやKlingなどの動画生成モデルで制作していた。これらのモデルは参照画像を渡すとキャラクターの見た目を保つが、参照画像の品質が出力にそのまま表れる。最初の試みではVRoid Studioの書き出し機能を使い、幅約235px・顔約40pxの画像が得られた。AIが顔の詳細を推測せざるを得ないほど小さく、KlingのElements機能が要求する短辺300pxの下限も下回っていた。

VRoid Studioのカメラを手動で調整し、同じ角度の6ショットを撮るのは面倒だった。そこでツールはVRMファイルを読み込み、標準構図を指定サイズで保存する。内部ではthree.js 0.160.0と@pixiv/three-vrm 2.1.0を使用し、ビルド工程なしでimportmap経由でjsDelivrから直接読み込む。各構図の視線高さと距離はモデルのバウンディングボックスを基準に算出するため、身長の異なるアバターでもほぼ同じフレーミングになる。開発者によると、高解像度の正面・斜め顔画像を参照に追加したところ、生成されたアップの目・前髪・輪郭がVRMモデルにはるかに近づいた。

現在推奨される参照画像セットは4～5枚で、開始フレーム画像、顔の正面と斜め、全身正面のショット。顔の2枚は引きのショットでは省略できる。今後の予定は英語UI、共有JSONプリセット、VRMAポーズを適用した書き出しで、開発者のVRMA連続再生プレイヤーと組み合わせれば動画素材の制作をブラウザ内で完結できる。