動画生成AIは5秒～10秒程度のものが多く、ストーリー性のあるものを作ろうとするとカットを繋げて作るしかない。
まず台本に沿ったカットをちゃんと作れるかという壁があり、キャラクターの統一性など
「コントロールしないといけないけど、なかなか上手くいかない」ケースが多い。

今回はまず「静止画」を作った上でそれを「動画」にして、別途音声を作成し、リップシンク、そしてカットを繋げて編集とかなり手間暇が掛かっている。
現状はこのパターンを更に積み上げていけば長尺物も作れるという理屈だが、上述の通り、毎回思い通りに生成してくれるとは限らない訳でかなり忍耐が必要になってくる。

動画に関してはさらなるブレイクスルーが起こるのを期待している。