バイトダンスのゲーム事業との対談：修仙女装、実写スタイル、グローバル配信——『不问凡尘』はAIだけが実現できるインタラクティブ映画ゲームを目指す｜制作ノート

本記事は「ゲームアーティスト」より転載です。

​先日、バイトダンスは2026年ボルケーノエンジン FORCEカンファレンスにてSeedance 2.5を初めて公式発表し、7月に正式リリース予定であることが明らかになりました。30秒のネイティブ動画直接出力、50の全モーダル素材連合生成、局所編集の一貫性保持などの機能向上に加え、バイトダンスは「動画生成はワールドモデルへの道のりの一つ」という判断も示しました。

技術の進化には常に、その応用範囲の探求が伴います。AI動画技術の導入シーンの拡大であれ、AIインタラクティブエンターテインメントの未来の革新であれ、インタラクティブシネマゲームは今最も注目されている方向性の一つです。

先日、バイトゲームのコウナンスタジオが『ブウェン・ファンチェン』プロジェクトを外部に公開しました。これはSeeDanceなどのAI動画モデルをベースに開発された修仙（しゅうせん）テーマの製品で、キャラクターやシーンはすべてAIによって生成されたシミュラクラ（実写風）映像です。

動画演出量が非常に多く、高品質なインタラクティブシネマのように見えますが、チームと話をすると、これが完全なサイクルを持った修仙インタラクティブ製品であることがわかります。

この製品はターン制バトルを採用し、複数のメインストーリー、数十のエンディング、そして宗門育成、錬丹・煉器、競売会、ワールドボスなど、完全な修仙サイクルゲームプレイを備えています。完全コンテンツは約30時間程度の規模と見積もられており、年内にSteamでリリース予定です。

現在、インタラクティブシネマゲームには多様なプレイヤーが参入しています。映像制作チームはインタラクティブナラティブを突破口とし、AIネイティブチームは技術応用から出発し、プラットフォーム側は情報フィードに軽量インタラクションを埋め込もうとしています…参入者の背景は様々で、製品形態も未だ定まっていません。

そして『ブウェン・ファンチェン』が注目に値する独自の点は、その背後にある制作チームが、ゲームプレイと製品の産業化パイプライン構築から逆算する思考法を提供していることです。

『ブウェン・ファンチェン』以前に、プロデューサーのシン・ジエはすでにチームを率いて3つのAIインタラクティブ製品を開発していました。しかし、本当にAIインタラクティブ製品の実現可能性と必要性を発見したのは、彼らが「ワールドモデルが実装された後の形を想像してコンテンツエンジンを構築」し、SeeDanceなどのAI動画技術を製品本来のゲームプレイパイプラインと深く結合させてからでした。

シン・ジエの見解では、この方向性が将来もたらす可能性があるのは、リアルタイムのタスク演算に基づき、より文脈を理解し、よりインタラクションに基づいて表現を行い、最終的に次世代のコンテンツプラットフォームになる機会を持つことです。そして映像とゲームの境界も、この過程でますます曖昧になり、最終的にはある点で融合していくでしょう。

最近、ゲームアーティスト/トウザイエンターテインメントは『ブウェン・ファンチェン』のプロデューサー、シン・ジエと、AIインタラクティブコンテンツの製品境界、AI技術フローの構築と製品導入の道筋、そしてAI＋インタラクティブシネマゲームの差別化の可能性や将来の機会などの話題について、詳細な対談を行いました。

『ブウェン・ファンチェン』はあなたが開発した4作目のAIインタラクティブ製品ですが、すでに“AIインタラクティブシネマゲーム”の感覚が強いです。この製品をどのように定義していますか？

​シン・ジエ：私のAIインタラクティブ製品の定義は、これがAIのない時代に作れたかどうかです。『ブウェン・ファンチェン』はAIでなければ作れなかった製品です。社内ではよく冗談で“実写修仙”インタラクティブ製品と呼んでいます。一般的なアニメや3D画風ではなく、一目で体験の違いがわかります。

次に、修仙テーマであることです。修仙はまるで中国独自の二次元のように、中国文化に根ざしており、すでに人々が集まり感情を共有するコミュニティを形成しています。今では多くの人気修仙アニメやドラマがありますが、インタラクティブ製品はまだ少なく、特に豊富なゲームプレイを提供するものは限られています。私たちが目指す最終的な体験は“自由な修仙”であり、まるで“遊べる修仙小説”のようなもので、ボリュームは大きくありません。

本質的に、私たちはAI動画ベースのコンテンツエンジンを作っており、『ブウェン・ファンチェン』はこのエンジンが現在の技術段階で生み出した、私たちとプレイヤーの双方が満足できる最初の作品です。

AIインタラクティブシネマゲーム、AI RPG、AI文芸ゲームなどの製品内容の境界をどのように区別していますか？

​シン・ジエ：核心は、プレイヤーが消費する対象と体験が何かにあると思います。

ほとんどのインタラクティブシネマゲームにとって、主な目的は“見る”ことです。これは連続ドラマの体験に根ざしており、初期の『ブラックミラー』『インビジブルガーディアン』のように、主人公の異なる選択の結果を一緒に体験するものですが、選択肢は限られており、主に素晴らしいストーリーを“見る”ことに集中しています。

しかし『ブウェン・ファンチェン』は“遊ぶ”ことを強調し始めています。あらゆる瞬間に稠密な選択肢があり、どこに行くか、どの宗門に加入するか、誰と戦うかなど、これらの選択は非ストーリー的に蓄積され、数値や世界全体のフィードバックに影響します。

例えば、あるNPCを殺せば善悪値が変わり、街の善人は取引を拒むかもしれませんが、悪人はあなたを仲間に引き込もうとするかもしれません。あなたがほとんどのことを決定し、“あなたの”仙を修行しているのであって、他人の物語を見ているわけではありません。

つまり、境界は参加方法とインタラクションの仕方にあります。遊ぶということは、“この世界で十分な選択をする”ことと“自分の結果に責任を持つ”体験をすることです。

つまり、修仙テーマ自体がこのような豊かで自由なゲームプレイに適しており、AI時代にさらにチャンスがあるということですか？

​シン・ジエ：はい、修仙テーマは自由な探索をより重視し、よりサンドボックス的です。プレイヤーは、この世界に放り込まれ、宗門を選び、功法を学び、様々な人と親しくなったり対立したりすることを望んでいます。仲間とリニアなストーリーを築くことに主眼を置く一部の二次元テーマとは異なり、修仙はより“砂場（サンドボックス）”のようなものです。

さらに重要なのは、修仙は本質的に中国のSF映画と見なすことができることです。武侠の肉弾戦とは異なり、ハイコンセプトで壮大なファンタジーに満ちています。これらのコンセプトデザインを伝統的な映像やゲームで制作するのは非常に難しく、コストがかかり、実現が困難です。そのため、大量のユーザーは文学分野に蓄積されていました。良いジャンルであれば、人々は自然にその映画やドラマ、ゲームを見たくなります。

AIはまさにこの問題を解決し、人々の想像する修仙シーンや戦闘スキルを、安価で品質良く可視化できます。単に作れるだけでなく、プレイヤーが満足できるレベルに達することができます。

​AI動画モデルを使用し、コンテンツエンジンと産業化パイプラインを再構築

伝統的な実写修仙テーマのインタラクティブシネマゲームはコストや撮影の難易度が巨大ですが、AIを活用した『ブウェン・ファンチェン』のコストはどうですか？

​シン・ジエ：ここは2つに分けて考えます。第一に、私たちが長期的に取り組んでいるのはコンテンツエンジンであり、その基盤技術への投資は単一プロジェクトの構築よりもはるかに高くなります。さらに完全なインタラクティブ製品として、動画インタラクションの他に、戦闘、錬丹、煉器、宗門、競売会、ワールドボスなど10以上の追加システムがあります。これはコンテンツ業界の重工業であり、システム、育成、数値、ストーリーのいずれも欠かせず、当然コストは上がります。

第二に、コンテンツ制作において、私たちの品質基準は非常に高く設定されており、業界内でトップレベルであることは間違いありません。一方で、AIコンテンツに非常に優れた人材を採用していること、また社内基準自体が高いことから、大量の廃棄率と投資が発生しています。

AI動画エンジンは、UnityやUEのような従来のエンジンとどう違うのですか？

​シン・ジエ：技術的論理として、従来のエンジンは“空間エンジン”です。3D空間にオブジェクトを配置し、グラフィックカードで2D画面にレンダリングしてプレイヤーに提示します。

一方、私たちが行っているのはどちらかと言えば“時間エンジン”です。これは技術アーキテクチャ上で、最も核心的な物理とレンダリングの問題を並行して置き換えるもので、AIに基づいてレンダリングし、あらゆる可能性のある表現内容をタイムライン上でスライスしたり、分岐させたり、時間の重ね合わせや動画融合を行ってプレイヤーに提示します。この技術的論理の違いは、後者がAI動画のゲームプレイとインタラクションを組み合わせている点にあります。

私たちがこの道を選んだのは、その映像表現がほとんどのインタラクティブ製品よりも優れ、没入感が強く、より多くのプレイヤーにサービスを提供でき、より良いコンテンツ表現方法で提示できるからです。ただし、短期的にはできないこともあります。例えば、強インタラクションのアクションゲームプレイは、世界モデルが実装されてから徐々に移行する必要があるでしょう。

SeeDanceのようなAI動画技術は、現在AIマイクロドラマやAI映画などでも広く使われています。それをインタラクティブ製品に使用する際の違いは何ですか？

​シン・ジエ：最大の違いは、一から製品パイプライン全体を構築しなければならないことです。動画ベースのストーリーをどのように再生するか、ロジックをどう実装するか、コンテンツをどう管理するか。ほとんどのインタラクションは動画ベースであるため、動画を中心にゲームプレイをどうデザインするか。これらは従来の開発とは大きく異なります。

現在、私たちの動画の大部分は事前生成されています。しかし将来的には、コスト低下と品質向上に伴い、より多くのオンラインリアルタイム生成コンテンツが登場するでしょう。プレイヤーの選択とリアルタイム生成動画がどのように良いフィードバックループを形成するかが、全く新しい体験をもたらします。私は来年までには、体験の良いオンライン生成コンテンツが出てくると予想しています。これは映像、ゲーム、インタラクティブエンターテインメントのいずれにも大きな影響を与えるでしょう。

これは多くの開発者が抱える不安に関わる問題です。AI技術の進化があまりに速く、構築したばかりのワークフローがすぐに新技術に覆される可能性があります。これについてどうお考えですか？

​シン・ジエ：私自身、年初に強く感じました。AgentやAIエンジニアリングアーキテクチャのto B企業は、モデルが出たらすぐに追随するのが常態化しています。どのチームがどの段階でデリバリー能力を持ち、新技術に素早く追随し、成果を出し、商業化できるかが、むしろ重要です。

この問題に戻ると、鍵はそのチームがパイプラインをAIに構築しているか、それともAIを単なるツールとして使っているかにあります。もしパイプラインの接続ポイントがすべて人間で、従来のソフトウェア上でAIを使って効率化しているだけなら、ボトルネックは常に人間です。

真のAIチームは、多くの工程を統合します。例えば、AIで動画を生成する場合、シーン、セット、照明、撮影、監督、俳優、衣装メイクなど、すべてが一人に集約されます。さらに、Agentが量産プロセスに参加し、あなたが寝ている間にもチェックや最適化を行います。

自分が正しくやっているかどうかの判断方法は？3倍高性能な新モデルが出たとき、嬉しいと思うか悲しいと思うか。嬉しいなら正しくやっていて、すぐに生産を加速できます。悲しいなら、不安定な基盤の上に“殻（から）”を構築しているに過ぎません。

『ブウェン・ファンチェン』プロジェクト自体は、モデルアップデートによって従来の制作プランが覆されたことはありますか？

​シン・ジエ：比較的少ないです。なぜなら私は最初から、世界モデルが実装された後の形を想像してコンテンツエンジン全体を構築してきたからです。

しかし、全くなかったわけではありません。最も典型的な破壊的ノードはSeeDanceの登場でした。それ以前は、私たちはどちらかと言えばアニメーション制作に近く、キーフレームをつなぐような作業でした。SeeDance登場後は、作業モードが完全に変わり、より監督（ディレクター）のようになり、台本やデザインを伝えれば、良いものを返してくれるようになりました。このような革新的な技術ノードは、パイプラインの反復をもたらします。

従来のインタラクティブコンテンツ制作からAIネイティブコンテンツ制作への移行において、あなた自身とチーム内部で理念の相違はありましたか？最大の相違点は何で、どうやって統一しましたか？

​シン・ジエ：確かにありました。相違の大半はパイプラインの判断に集中しています。私は比較的ラジカルにAIの発展を予測していました。例えば、このプロジェクトのアイデアは昨年9月に提案されたもので、その時SeeDanceはまだなく、Agent能力も認められていませんでした。その時点でこの方向を選ぶのはかなりギャンブルでした。

AIコンテンツ製品のウィンドウは半年なので、量産時に技術がどの程度進化しているかを予測する必要があります。過激に予測しすぎると完成できない可能性があり、保守的に予測すると作ったものが魅力的でないかもしれません。これは現在のAIチームにとって非常に難しい課題です。

最大の相違点はAIそのものではなく、製品の方向性にありました。私は最初から、AIベースのインタラクティブ製品を作ることを一貫して堅持しており、それが最初に取り組みたい切り口とゲームプレイアプローチでした。チーム内では、こうしたことはむしろ普通です。

『ブウェン・ファンチェン』チームは20名未満ですが、どのように分業されていますか？従来の開発と比べて、新しい役割やワークフローの変化はありますか？

​シン・ジエ：基本はプログラマー、プランナー、アーティストで、これらは欠かせません。ただし、実装の詳細には変化があります。例えば、コード記述がボトルネックではないため、プランナーにもHTMLのインタラクティブプロトタイプを出力して検証するよう求めています。

さらに、私たちには2つの重要な役割があります。一つは社内AIツールとパイプラインを担当するエンジニア、もう一つはディレクターです。現在、AIと映像の融合方向では、映像や演技を理解したディレクターがAIと化学反応を起こし、ストーリーやインタラクティブコンテンツのデザインを表現することを強く望んでいます。

開発リズムも変わりました。従来の3Aは非常に厳格なパイプラインで、半分の期間を予備研究に使い、決定後は1～2年の量産をすべて計画します。しかし、AI単機製品はそうではありません。パイプラインを構築しつつ、2～3か月ごとにAI技術の変動に応じて、ゲームプレイとパイプラインの連携調整を行い、アジャイル開発モードに近くなっています。

多くの作業がAIに引き継がれた後、人間のクリエイターの核心的な価値はどこにあると思いますか？

​シン・ジエ：これは、カメラの発明後、画家が現実を極限まで記録する必要がなくなり、印象派や抽象派が生まれ、コンテンツ制作の方法が解放されたのと同じです。AIも同様です。

第一に、クリエイションの敷居を下げます。誰もが表現したい欲求を持っており、AIは内面に向けて解放し、より簡単に表現できるようにします。例えば、TikTokの成功は、ミドルテールのクリエイターが大量のコンテンツをもたらしたことに大きく起因しており、動画は必ずしも精巧でなくても消費されることが明らかになりました。

第二に、新しいコンテンツプラットフォームをもたらします。インタラクティブコンテンツは人間の基本的なニーズであり、コンテンツを視聴しながら選択肢を選びたいという欲求があります。しかしこれまではコストやタイムライン、従来の投資ロジックの制約で困難でした。AIがこれを可能にします。

第三に、より長期的には、世界モデルの発展に伴い、次世代のコンテンツプラットフォームが誕生し、これまでの体験を完全に覆す可能性があります。さらに過激に言えば、多くの表現は人間に限らず、AI自体が消費に適した優れたコンテンツを生成できるかもしれません。生産性や社会構造を脇に置けば、まず消費にとって、これは期待すべきことです。

『ブウェン・ファンチェン』では、AI生成素材の95％が廃棄され、5％のみが使用可能だと聞いています。その5％はどのような基準で選別されたのですか？チーム内で再利用可能な“美的コンセンサス”は形成されていますか？

​シン・ジエ：95%の廃棄率は、乱暴に言えば、私たちが現在のAIの平均能力をはるかに超える品質ラインを設定したためであり、その品質に到達するには、AIの自動生産だけではまだ不十分であることを意味します。

この“美的コンセンサス”は非常に厳しいもので、私たちはSeeDanceが登場する1か月前にようやく見つけました。それ以前の4〜5か月間、チームが“少なくとも見られる”と思えるものはありませんでした。使える技術が出てから、コンセンサスはチーム全体が承認した映像に基づいて構築されました。

しかし、さらに上位にはデザインということがあります。キャラクターの外見、服装、シーンなどは、すべて個別にデザインする必要があります。AIはデザインの実装を迅速にできますが、デザイン自体が重要でなくなるわけではありません。

主人公の服装、NPCの背景、火属性の宗門がマグマを主体とするか背後に火山噴火があるか、宗主から下っ端までの衣装で階級感をどう表現するか——これらは依然としてデザインに注力すべきであり、AIが代わりに考えてくれるわけではありません。

もし品質を現在AIが直接出力できるレベルに下げれば、この部分に時間をかける必要はありませんが、本質的に私たちは良いコンテンツを作りたいのです。実際、これは製品選択の問題でもあり、今の段階で良いAIコンテンツを作るか、待つかを選ぶことになります。現在悩んでいる多くの問題、例えばキャラクターの表情が人間らしくない、動作の繰り返しなどは、来年には問題ではなくなっているかもしれません。

『ブウェン・ファンチェン』は複数のメインストーリーと数十のエンディングを持ち、NPCの動的会話やパーソナライズドインタラクションをサポートしています。AIによるオープンなコンテンツ生成において、チームはどのように世界観やキャラクター設定の破綻（OOC）を防いでいますか？

​シン・ジエ：この部分は依然として人間がしっかり管理しています。テキストやコピーの大部分は人間が設計・執筆しており、現時点ではAIに完全で厳密なコンテンツを生成させることは困難です。例えば、いくつの宗門があるか、その歴史、階層関係、人物関係はすべて事前に設計する必要があり、これは単なるストーリーだけでなく、ゲームプレイやプロットにも影響します。

​映像ゲームの境界は、未来ますます曖昧になる

プレイヤーから“AIらしさ”を批判されることを心配していますか？それに対する対策となるデザインはありますか？

​シン・ジエ：私たちはこれがAIで作られていることを隠していません。以前公開した初PVで、プレイヤーに“AIを受け入れられますか？”と聞いたところ、コメントはほぼ半々でした。その後、社内体験テストを実施したところ、実際にプレイしたプレイヤーのAIに対する受容度は約90％に達しました。

これは、プレイヤーが完全で高品質な体験に没入している場合、内容が良くOOCがなければ、そのスタイルを受け入れることを示しています。OOCの体験はプレイヤーにとって中断的なものになる可能性があり、AIで作っていても、可能な限り削減する必要があります。

“AIスタイル”は将来的には、二次元、ジブリ風、3Dアニメと同様に、新しい制作パラダイムがもたらす視覚スタイルの一つになると思います。スマホで撮ってもフィルムで撮っても、それは映画であり、結局は良いコンテンツを提供しているかどうかです。人々が嫌うのはAIではなく、粗悪な作りです。

クリエイターの視点から、AIの支援下で、インタラクティブナラティブと映像ナラティブは融合に向かうのでしょうか、それとも独立したままなのでしょうか？両者の衝突からどのような新たな創作の可能性が生まれると期待しますか？

​シン・ジエ：私の判断では、将来的に映像とゲームなどのインタラクティブコンテンツの境界はますます曖昧になるでしょう。

例えば、映像制作チームは最初のインタラクティブシネマゲームを作り終えた後、高い確率で育成要素や別のゲームプレイを追加したがるでしょう。一方、ゲーム制作チームはインタラクションフレームワークを構築した後、さらにNPCの生い立ちのストーリーやナラティブ表現を追加したがるでしょう。時間が十分にあれば、両者はどこかの点で融合します。

しかし“インタラクティブシネマゲーム”は必ずしも安定した新種別ではありません。なぜ存在するのか？一部は実写画風とエンジンレンダリング画風の違いによるものであり、もう一部はインタラクションはあるものの、シミュレーション経営やRPGとまで呼べるほど多くはなく、Steamでリリースされているために“インタラクティブシネマゲーム”と呼ばれているのです。

今後を見れば、もしインタラクションが増えれば、“ストーリー豊かなシミュレーション経営”や“ストーリー豊かなRPG”になるかもしれません。ゲームには優れたゲームプレイモデルや商業化手段があり、インタラクティブコンテンツを制作する人々にとって近道であることが次第に明らかになるでしょう。しかし近道を進み過ぎると、私たちが現在直面している問題に遭遇することになるでしょう。

しかし、インタラクティブコンテンツは人間の本質的なニーズであり、製品が継続的に生み出されることで、必ずそのコンテンツのオーディエンスを見つけるでしょう。

『ブウェン・ファンチェン』はAIインタラクティブシネマゲームの深い試みと言えます。クリエイターの立場から、この種の製品の将来の発展見通しをどうお考えですか？

​シン・ジエ：私は先行きについて非常に楽観的です。AIは急速に発展しており、現在話し合っている多くの課題は半年後には問題ではなくなっているでしょう。もちろん、半年後には新たな問題が生じるかもしれません。廃棄率が下がれば、制作の実装がより迅速になり、より良い製品にリソースを割けるようになります。

チームは今後、新しいゲームプレイ、新製品、商業化などについてどのような計画がありますか？

​シン・ジエ：現在最も重要なのは、『ブウェン・ファンチェン』という製品を完璧に仕上げることです。7月に新たなPVを公開し、これまで公開していなかった競売会、宗門武闘大会、ワールドボスなどのゲームプレイを披露し、ストーリーだけでなく、修仙インタラクティブ製品の完全なサイクル体験をしっかりと作り込んでいることを皆さんに知ってもらいます。次回作では、別のテーマや別のゲームプレイモードに挑戦するかもしれません。

商業化については、初作品は良い評価と売上の両方を得たいと考えています。しかしSteamプラットフォームを選んだのは、純粋な商業化のためではなく、グローバル展開を行い、0から1の製品市場検証を成立させるためです。

その後には、確かにより商業化された方法も多くありますが、それは次回作以降に検討します。現時点では、0から1でこのユーザー層をしっかりと固めることが最も重要です。