ALL NOTES

Godotで3Dアニメをコードだけで撮る:Unreal Engineをやめた理由

解説動画の3Dの回を、Godot 4.7のMovie MakerでGDScriptだけで作っています。脚本の表から舞台と人を動かす仕組み、撮る前の自動検査、アニメ調から写実までの見た目の育て方、そしてUnreal Engine(MetaHuman)を2本試してやめた理由を、測った数字で書きます。

はじめに

YouTube の解説チャンネル「まどろみ研究所」の動画を、自作の仕組みで作っています。この記事は、その連載の4本目です。

最初の60本ほどは、React で描いた 2D の図を Playwright で撮っていました。
2026年9月の終わりから、回によっては 3D で作っています。使っているのは、オープンソースのゲームエンジン Godot 4.7 です。舞台も人も、モデルのファイルを手で作らず、GDScript のコードだけで組んでいます。

途中で一度、Unreal Engine(UE)と MetaHuman に乗り換えようとして、2本作ったところでやめました。

この記事では、次のことを書きます。

  • なぜ Godot なのか
  • 脚本の表から、舞台と人を動かす仕組み
  • Movie Maker で、1コマずつ決まった絵を撮る
  • 撮る前に、絵を描かずに検査する
  • アニメ調から写実まで、見た目をどう育てたか
  • UE を試して、やめた理由(測った数字つき)

たとえば、この回は Godot で撮ったものです。

🎥 YouTube


1. なぜ Godot なのか

3D にするときに欲しかった性質は、次の4つでした。

欲しい性質 Godot でどうなるか
同じ入力から、同じ動画が出る Movie Maker(--write-movie)が、決まった fps で1コマずつ描いて書き出す。描くのに何秒かかっても、動画の時間はずれない
アニメ調の絵柄 塗り(色と影の色の2段)と輪郭線を、自前のシェーダーで書ける
コードだけで作れる 舞台も人も GDScript で組める。モデルのファイルを手で作らなくてよい
手元で完結する オープンソースで、ライセンス料もアカウントも要らない。Homebrew で入る

いちばん大きいのは1つ目です。
2D の仕組みでも、画面を「frame 番号の関数」にして、1コマずつ撮っていました(1本目の記事)。Godot の Movie Maker は、それをエンジン側でやってくれます。実時間で動かすのではなく、「次の1コマを描いて、書き出して、時間を1コマ分進める」をくり返すので、重い場面があってもコマが飛びません。


2. 2D の回と、同じ入口で切り替える

3D にするかどうかは、回ごとに脚本の frontmatter で選びます。

---
id: 080-superglue
renderer: 3d
look: real
fx: on
voice: self
sfx: on
fps: 30
size: 1920x1080
stage: stage/toyhospital.gd
cast: stage/cast.gd
---

renderer: 3d と書いた回だけが Godot で撮られ、書いていない回はこれまでどおり 2D で撮られます。コマンドは同じで、チャンネルの入口が脚本を見て振り分けます。

2D と 3D の違いは、こうなっています。

2D 3D
絵 React と SVG の図 3D の舞台と人(+ 絵の上に出す図のカード)
脚本の形 シーンの表(種別・尺・テロップ・台詞) 場面ごとの台詞と「秒・誰・する・何を」の表
尺 脚本に書く 台詞の長さで決まる(先に読ませてから並べる)
撮影 Playwright で PNG を撮り、ffmpeg へ Godot の Movie Maker で撮り、ffmpeg で mp4 に
声・BGM 共通 共通(同じ声のモデル、同じ合成の BGM)

声と BGM は 2D のものをそのまま使っています。撮る部分だけが入れ替わった形です。


3. 脚本は「秒・誰・する・何を」の表

3D の回の脚本は、場面ごとに、台詞と動きの表を書きます。最初の 3D の回(ドアを通ると忘れる、という心理学の回)の1場面です(抜粋)。

### 2. 実験

> 2011年、アメリカのノートルダム大学の実験です。箱に入れた積み木を、別のテーブルへ運びます。

| 秒 | 誰 | する | 何を |
| --- | --- | --- | --- |
| 0 | BGM | 流す | drift |
| 0 | カメラ | 映す | 居間 |
| 0 | 主人公 | 立つ | 居間の左 |
| 0 | 主人公 | 持つ | 箱 |
| 0.3 | 図 | 出す | 2011年 |
| 5.0 | 主人公 | 歩く | 居間の右 |
| 7.2 | 主人公 | 顔 | 笑顔 |
| 7.2 | 主人公 | 記号 | ○ |

> で始まる行が台詞で、場面の長さは台詞の長さで決まります。秒は場面の始まりからです。

「する」には、立つ・歩く・向く・見る・持つ・座る・書く・うなずく・手を振る、カメラなら映す・移る・寄る、といった動詞が用意してあります。
「歩く」は、部屋をまたぐときは舞台に書いた道順で、自動でドアを通ります。

書き間違いは、撮る前に行番号つきで止まります。時刻や図の名前は Node 側が、配役・場所・視点の名前は Godot 側が確かめます。


4. 舞台と人は GDScript で書く

舞台は、その回のフォルダに置く GDScript です。場所の名前と、カメラの視点の名前を、定数で持ちます(抜粋)。

extends Node3D

const SPOTS := {
    "居間": Vector3(-2.4, 0.0, 0.8),
    "居間の左": Vector3(-3.4, 0.0, 1.1),
    "居間の右": Vector3(-1.3, 0.0, 1.0),
    "台所": Vector3(1.2, 0.0, 1.0),
}

const VIEWS := {
    # 視点の名前: [カメラの位置, 見る点, 画角]
    "家全体": [Vector3(-0.5, 4.2, 10.0), Vector3(-0.5, 0.8, 0.0), 34.0],
    "居間": [Vector3(-2.3, 1.8, 4.8), Vector3(-2.2, 0.75, 0.4), 38.0],
}

func build() -> void:
    # 床・壁・家具を、部品(箱・円柱・球)で組み立てる
    pass

脚本の「居間の左」や「居間」は、ここの名前を指しています。

  • 形は部品で組む。 塗りの材質を決めて、箱・円柱・球を置いていく
  • ひとりでに動くものは、舞台の _process で動かす。 木の揺れ・雲・鳥・時計の秒針など。脚本に書かなくても、画面が止まらない
  • 人や動物は、共通の骨組みを使う。 歩き方や持ち方は共通の部品にあり、舞台は「誰を、どこに置くか」だけを書く

ここでも、2D と同じ線の引き方をしています。

「2チャンネル目でも、そのまま使うか?」

塗り・輪郭線・人の骨組みは何度も使うので、共通の仕組み(packages/renderer-3d)に置きます。居間と台所の家や、主人公の服の色は、その回にしか使わないので、回のフォルダに置きます。


5. Movie Maker で撮る

撮影は、Godot をコマンドラインから起動して、Movie Maker で書き出すだけです(概略)。

godot --write-movie out.avi --fixed-fps 30 --disable-vsync -- --play=plan.json

--fixed-fps 30 で、1コマを必ず 1/30 秒として進めます。書き出した AVI を、2D と同じ設定で ffmpeg にかけて mp4 にします。

効果音もエンジンの中で合成して鳴らしています。Movie Maker は、鳴った音もそのコマに一緒に録るので、絵と音がずれません。

撮影の速さは、思っていたよりずっと速いものでした。

回 動画の長さ 撮影にかかった時間
満員電車の回(アニメ調・1両に172人) 5分53秒 5分30秒
瞬間接着剤の回(写実) 2分32秒 全コマの撮影が201秒、用意と変換を入れて4分20秒

172人の人を並べた回は、合図で出すまで人を止めておく(set_process(false))ことで、動画の長さとほぼ同じ時間で撮れました。


6. 撮る前に、絵を描かずに検査する

撮ってから「字幕と図が重なっていた」と気づくと、撮り直しになります。
そこで、撮る前に必ず検査を走らせます。Godot を --headless(画面なし)で起動し、絵を描かずに段取りを最後まで流して、1コマずつ位置を確かめます。

見るもの 重さ
図どうし、図と字幕の文字が重なる ✗ 直す
図が画面からはみ出す ✗ 直す
頭の上の記号(?・!)が図に隠れる ✗ 直す
人や動物が、ほかの人や物に 2.5cm より深くめり込む(カメラに写る所だけ) ✗ 直す
場面の終わりまでに、人が歩き終わらない ⚠️ 知らせる

直すもの(✗)が1つでもあれば、撮りません。
絵を描かないので速く、66秒の回(1,996コマ)で1秒もかかりません。

わざと壊した段取りで流すと、こう出ます。

検査: ✗   0.0秒  図「題」(episodes/063-doorway/script.md:55)が画面からはみ出す
検査: ✗  21.3秒  字幕(…script.md:85)と図「間違い」(…script.md:102)が重なる
検査: ⚠️  62.2秒  主人公 が場面「7. まとめ」の終わりまでに歩き終わらない(…script.md:169)
検査: 1996コマを見た。直すもの 10 / 知らせ 1

秒と、脚本の行番号が出るので、どこを直せばいいかがすぐ分かります。

⚠️ 1つ落とし穴がありました。--headless のときの窓は 64×64 ピクセルです。窓の大きさに合わせて位置を計算すると、本番と違う所を見てしまいます。検査では、窓ではなく動画と同じ縦横比の面に並べて計算しています。


7. 見た目を、回ごとに育てる

3D の見た目は、一度に決めたのではなく、回ごとに少しずつ足してきました。足すときは、脚本の frontmatter で選べる形にして、前の回の絵を変えないようにしています(人の動きの直しのように、撮り直すと前の回も変わってしまうものもあります)。

段階 足したもの 選び方
アニメ調 2段の塗り、輪郭線、眉を前髪の上に描く 既定
劇画調 1.75倍の太い線、深い影、影の斜線、集中線、傾けた画面 舞台で Toon.look("gekiga")
写実 HDRI の空、AgX のトーンマップ、間接光、写真から作った材質(Poly Haven の CC0) look: real
光の演出 光の粒が集まる、光の花が咲いて散る、光の線がなぞる。演出の光が周りを照らす fx: on

輪郭線は、描き終えた絵から引く

アニメ調の輪郭線は、カメラの前に画面を覆う板を1枚置き、描き終えた絵の深度と法線から線を引いています。物の外側に線が出るので、黒っぽい髪でも線が見えます。近い物ほど線を太くしています。

劇画調を足したときは、アニメ調の回の同じ秒を撮り直して、前後の PNG の md5 が一致することを確かめました。新しい見た目を足しても、前の回は変わりません。

人の見た目は、言われて戻した

写実にしたとき、人も写実にしました。最初の数回は、MakeHuman で作った写実の人に、帽子・マスク・手袋を付けて、顔がはっきり見えないようにしていました。
そのあと、写実の体に簡単な顔(目と口)を付けた版を試したところ、「気味が悪い」と言われました。のちに写実の人と並べて見比べたときも、「リアルなものは気持ち悪い」でした。

いまは、顔・髪・服の無い、白っぽい1色の低ポリゴンの人形にしています。MakeHuman の体を、数百の平らな面に落としたものです。骨組みはそのままなので、歩く・うなずく・手を振るは、同じ命令で動きます。上の瞬間接着剤の回の人が、それです。

写実の舞台の中に、写実ではない人を置く。見た目としてはちぐはぐに思えますが、見ている人が気にするのは人の顔ではなく、話の中身でした。


8. 人の動きは、文献の数字で決める

人の歩き方は、最初は手で決めていました。脚を正弦波で振り子のように振るだけです。これが「違和感がすごい」と言われました。

そこで、歩行の生体力学の資料から、1歩の中の関節の角度を取ってきました。

1歩の中の時点 股 膝 足首
0%(かかとが着く) 30° 曲がる 5° 0°
30〜50%(立脚の終わり) 10° 伸びる いちばん伸びて 5° 10° 背屈
60〜75%(脚が離れた直後) だんだん曲がる いちばん曲がって約60° 20° 底屈
75〜85%(脚を前へ運ぶ) いちばん曲がって30°強 伸びはじめる 0°

実装では、次のことを決めています。

  • 角度は、表の点を周期的になめらかにつなぐ曲線で結ぶ。正弦波1本で済ませない
  • 腰の高さは、支えている脚の長さと角度から毎コマ出す。上下の揺れを別に足すのではなく、脚が着いている高さに体を置く。重心の上下は、そこから自然に出る
  • 骨盤は左右に少し回り、浮いている脚の側に少し下がる。頭は揺れを打ち消して前を見る

座る、物を持つ、ボールを投げる、といった動きも、同じように寸法と角度を資料で確かめてから作っています。


9. Unreal Engine を試して、やめた

10月に、人をもっとリアルにしたくて、UE 5.8 と MetaHuman で2本作りました。この回は UE で撮ったものです。

🎥 YouTube

2本作ったところで、Godot に戻しました。使ってみて感じたことを、そのまま書きます。

項目 感じたこと
メモリ 10GB 以上は普通に使い、22GB まで行くこともあった(24GB の Mac で、目で見た値)。ほかのことが何もできなくなる
画面 撮るたびに UE の窓が前に出てきて、ほかの作業ができない
時間 1本の制作に、数時間は普通にかかる
見た目 MetaHuman の見本の人以外は、Godot と大差がない
人の動き モーションキャプチャを重ねても、不自然だった

測った数字

UE(雷の回) Godot(瞬間接着剤の回)
動画の長さ 2分19秒 2分32秒
全コマの撮影 82分 201秒(用意と変換を入れて4分20秒)
静止画での見直し 4〜16枚で2〜8分(毎回 UE を立ち上げ直す) 34枚で2分29秒

UE の撮影時間のほとんどは、髪とひげのちらつきを止めるための、時間方向のサンプルでした。1コマあたり約1.3秒かかります。
見直しのたびに UE を立ち上げ直すので、静止画を数枚撮るだけで数分かかります。雷の回は、静止画での見直しを10巡以上しました。

手間の行き先

2本の間に、UE で踏んだ落とし穴は15件ありました。そして、その多くは絵を良くする作業ではなく、UE を動かすための作業でした。

  • 画面なしで起動すると落ちる
  • 別の撮り方(Scene Capture)だと真っ白になる
  • 夜の場面が明るく写る
  • 灯の色の赤と青が逆になる(途中まで気づかず、1本目は青みがかったまま公開予約した)
  • 手に物を持たせる、手を物に届かせる、上半身のねじれを打ち消す……

良くなったのは、MetaHuman の見本の人の顔だけでした。その1点のために、時間とメモリと手間を払う形になっていました。

もう一度考えるときの目安

やめたときに、「次に UE を考えるなら、ここが変わっているか」を書き残しました。

見ること 2026年10月の状態
メモリ 24GB の Mac で、UE だけで 10〜22GB
撮影の時間 2分の動画に82分。直すたびに12〜20分
見直しの速さ 静止画数枚に2〜8分
人の顔が要るか 顔を写さない作り方でも、回は作れている
何のために UE か 「人をリアルにしたい」で始めた。人の顔のほかに、UE でしか出せないものがあるか

最後の行がいちばん大事だと思っています。「UE でしか出せないもの」が人の顔だけなら、Godot で顔を写さない作り方のほうが、ほかのところを作り込む時間が残ります。


10. 小さな話:Godot に前面を取らせない

最後に、地味ですが効いた工夫を1つ。

撮影のたびに Godot の窓が一瞬前面に出て、そのあいだブラウザやエディタで打っていた文字が Godot に吸い込まれていました。
裏で起動するオプションや、アプリの設定(Info.plist)を変えても、かえって長く前に出るだけでした。

最終的には、macOS の DYLD_INSERT_LIBRARIES で、Godot の起動前に小さなライブラリを読み込ませています。そのライブラリが、Objective-C の実行時の機能で、AppKit の「前に出る」呼び出しを差し替えます。

差し替える呼び出し 差し替えたあと
NSApplication activateIgnoringOtherApps: 何もしない
NSWindow makeKeyAndOrderFront: 窓をいちばん奥に置く(orderBack:)
NSApplication setActivationPolicy: Dock に出ない種類にする

窓は消さずに、いちばん奥に置くのがポイントです。Godot の描画と Movie Maker の録画は、窓があることが前提だからです。
これで、撮影を走らせたまま、ほかの作業を続けられるようになりました。


おわりに

Godot を選んでよかったのは、撮る・確かめる・直す、の1周が速いことでした。

  • 撮影は、同じくらいの長さの動画で、UE の82分に対して4分20秒で終わる
  • 検査は、絵を描かずに1秒かからない
  • 見た目は、frontmatter で選べる形で足していけるので、前の回を壊さない

UE は、絵の天井は高いはずです。ただ、解説動画を回し続けるという目的に対しては、1周の重さがすべてを打ち消していました。
道具は、できあがりの絵だけでなく、直す1周がどれだけ軽いかで選ぶ。それがこの連載の4本を通して、いちばん大きな学びでした。

連載の4本は、ここで一区切りです。

作った動画は「まどろみ研究所」で公開しています。