AIショート動画の作り方：フック設計から改善までの実践ワークフロー

AI動画制作の全体像：企画から改善までの7ステップ

ショート動画の成否は、センスや運よりも工程設計で決まる。伸び続けているアカウントは、思いつきで撮るのではなく、企画・検証・改善のループを仕組みとして持っている。AIの役割は、そのループを速く、安く、安定させることだ。逆に言えば、ループそのものが設計されていなければ、どれだけ高性能な生成モデルを揃えても結果は安定しない。

実務では、制作工程を次の7ステップに分けると整理しやすい。

テーマと視聴者インサイトのリサーチ
最初の3秒（フック）の設計
脚本と絵コンテの作成
映像素材の生成と実写の組み合わせ
キャラクター・スタイルの一貫性管理
編集・音声・字幕による維持率の最適化
公開後のデータ分析と改善

このうち、AIが特に力を発揮するのは2〜6の工程だ。リサーチの最終判断と、ブランドとしての方向性の決定は人間の役割として残る。つまり「AIに丸投げする」のではなく、「AIに任せる区間」と「人間が決める区間」を明確に分けることが、結果の再現性につながる。

もう一つ重要なのは、各ステップを完全に終わらせてから次に進むのではなく、小さく回すという考え方だ。1本の動画を完璧に仕上げるより、同じフォーマットで3本作り、反応を見てから磨き込むほうが、学習速度は圧倒的に速い。以下、各ステップを具体的な作業手順まで落とし込んでいく。

ステップ1：テーマと視聴者インサイトをリサーチする

動画が伸びない原因の多くは、編集や画質ではなくテーマ選定にある。どれだけ映像が美しくても、視聴者が「自分に関係ある」と感じなければ、最初の3秒で離脱される。

手作業でやるべき下調べ

最初にやるのは、競合や近いジャンルのアカウントを20〜30本分、コメント欄まで含めて観察することだ。見るべきポイントは次の4つ。

どの動画が伸びているか（再生数だけでなく、コメント数と保存数の比率）
コメントで繰り返し出てくる疑問や不満
冒頭3秒で何を提示しているか
どの動画が「保存される」傾向にあるか

コメント欄は最も価値の高い一次データだ。「これどうやってるの？」「うちの場合はどうなる？」という声は、そのまま次の動画のテーマになる。

AIに投げるリサーチタスク

AIは、大量のテキストを整理し、パターン化する作業に向いている。たとえば次のような指示が有効だ。

集めたコメントを貼り付け、「繰り返し出てくる疑問を10個、優先度付きで整理して」と依頼する
競合の動画タイトルを50本分並べ、「共通する構造を分類して」と依頼する
想定視聴者像を3パターン作り、それぞれが抱える悩みを階層化して整理させる

注意したいのは、AIが返す市場データや数値をそのまま事実として扱わないことだ。AIは統計の正確な出典を持たないことが多い。数値は自分で一次情報を確認し、AIはあくまで「整理と仮説出し」に使う。

テーマ選定の判断基準

テーマを絞る際は、次の3つの問いで評価する。

視聴者はこのテーマを「自分の問題」として認識するか
15〜30秒で結論まで到達できるか
同じテーマで10本以上の派生動画を作れるか

3番目が特に重要だ。1本しか作れないテーマは、たとえ1本が当たっても資産にならない。連作できるテーマを選ぶことで、シリーズとして認知され、フォロー率が上がる。

ステップ2：最初の3秒で離脱を防ぐフック設計

フックの型を用意する

フックとは、視聴者を止め、次の数秒を見せるための冒頭部分だ。場当たり的に考えると毎回時間がかかるので、型として持っておく。よく機能する型は以下の通り。

結論先出し型：「〇〇するなら、これだけはやめてください」
常識否定型：「〇〇は逆効果です。理由は3つあります」
比較型：「AとB、実際に試したら差が出ました」
ビフォーアフター型：完成形を一瞬見せてから、過程へ戻る
問いかけ型：視聴者が答えを持っている問いを投げる
数字提示型：「3つの手順で、ここまで変わります」

型を持つ最大の利点は、AIに指示しやすくなることだ。「この動画の冒頭を、常識否定型で5パターン書いて」と指示すれば、質の高い候補が短時間で出る。

AIでフック候補を量産する

フックは、思いついた1案を使うのではなく、10案出して選ぶほうが当たる確率が上がる。AIに依頼するときは、次の条件を必ず添える。

文字数または秒数の上限（例：最初の3秒で読める量）
想定視聴者と、その人が持つ前提知識
動画の結論（ネタバレを避けるなら「結論を明かさない」と指定）
口調（丁寧語／カジュアル／専門家風）

出力された候補は、そのまま使わず必ず声に出して読む。読みにくい言い回しや、情報量が多すぎる冒頭は、実際の視聴では機能しない。

冒頭でやってはいけないこと

長い自己紹介から始める
チャンネル名やロゴを最初に大きく出す
抽象的なあいさつや前置きを置く
BGMだけが流れる無音の導入を長く取る

最初の1秒から情報か刺激を出し、視聴者に「今見る理由」を渡すことが原則だ。

ステップ3：脚本と絵コンテを固める

15〜30秒脚本の構成テンプレート

短尺動画の脚本は、起承転結ではなく「結論→根拠→行動」の3ブロックで組み立てると安定する。

ブロック1（0〜3秒）：フック。結論か問題提起
ブロック2（3〜15秒）：根拠。理由、手順、比較、実例
ブロック3（15〜25秒）：行動。次の一歩、または続きへの誘導

AIに脚本を書かせる場合は、この3ブロックを明示し、各ブロックの秒数と文字数を指定する。日本語のナレーションなら、1秒あたりおおむね5〜7文字が目安になる。30秒の動画に対して200文字以上を詰め込むと、聞き取りにくくなる。

絵コンテとショットリストの作り方

脚本が決まったら、カットごとに「何を映すか」を書き出す。AIの映像生成を使う場合、この段階の精度が仕上がりを大きく左右する。各カットについて、次の項目を埋める。

カット番号と秒数
被写体（人物、小物、背景）
カメラワーク（固定、寄り、引き、パン）
ライティングと時間帯
セリフまたはナレーション
画面内テキスト

この表をAIに渡し、「各カットの映像生成プロンプトに変換して」と依頼すると、生成作業が格段に速くなる。逆に、この表を作らずにいきなり生成を始めると、カットごとに画風や人物がばらつき、作り直しが増える。

ステップ4：映像生成モデルを目的別に選ぶ

比較の観点を先に決める

生成モデルは種類が多く、どれが最良かという問いには意味がない。大事なのは、自分の用途に対して何を優先するかを決めることだ。比較の観点は次の6つに集約される。

観点	確認すること
動きの自然さ	人物の歩行、手の動き、髪の揺れが破綻しないか
一貫性	同一人物を複数カットで維持できるか
制御性	カメラワークや構図を指定できるか
生成速度	1カットあたりの所要時間と待ち時間
尺の上限	1回で生成できる秒数
音声・台詞	リップシンクや音声同時生成の可否

使い分けの実例

制作現場では、1つのモデルで全部をまかなおうとしないほうがうまくいく。たとえば次のような分担が現実的だ。

人物のクローズアップや表情芝居：動きの自然さと顔の安定性を優先
商品カットや風景のパン：制御性と解像度を優先
抽象的なトランジションや背景：速度とコストを優先
説明用の図解やモーショングラフィックス：生成モデルではなく、編集ソフトの図形機能で作る

4番目は見落とされやすい。文字や図解を生成モデルで作ろうとすると、文字が崩れる、毎回微妙に変わるといった問題が起きる。説明的な要素は編集側で作るほうが速く、正確だ。

試行錯誤を減らすコツ

生成のやり直しを減らすには、次の順序で進める。

まず低い解像度か短い尺で、構図だけを確認する
構図が決まったら、同じ条件で本番の尺と解像度に上げる
修正は一度に1要素だけ変える（人物を変えながらカメラも変えると、何が効いたか分からなくなる）
うまくいった条件はプロンプトごと記録に残す

特に4番目は効果が大きい。うまくいったプロンプトは、次回の出発点として再利用できる。

ステップ5：キャラクターとスタイルの一貫性を保つ

複数の動画をまたいで同じ人物や世界観を維持できると、視聴者は「またこの人の動画だ」と認識する。これはフォロー率と再生完了率に直結する要素だ。

参照素材を固定する

一貫性の基本は、参照素材を決めて変えないことだ。人物であれば、正面・斜め・横の3方向の画像を用意し、衣装も固定する。背景や色調も、同じトーンを保つ。

プロンプトを固定し、変数だけを動かす

プロンプトは毎回ゼロから書かず、テンプレート化する。たとえば次のように、固定部分と変数部分を分ける。

固定：人物の特徴、衣装、画風、レンズ感、ライティング、色調
変数：カットの内容、カメラワーク、背景の小道具、時間帯

この形にしておくと、変数を差し替えるだけでシリーズ全体を量産できる。また、同じスタイルを維持するための参照画像やスタイル設定を保存しておき、新規生成時に必ず適用する運用ルールを決めておく。

一貫性が崩れたときの対処

崩れる原因はおおむね3つに分類できる。

参照素材が毎回違う → 参照を固定する
プロンプトに矛盾がある（「赤い服」と「青い上着」が同居するなど）→ 記述を整理する
構図が極端（真横、後ろ姿、強い俯瞰）→ 生成しやすい構図に寄せる

人物の一貫性は、構図が極端になるほど崩れやすい。重要なカット以外は、正面寄りで顔が明確に見える構図を選ぶと安定する。

ステップ6：編集・音声・字幕で維持率を上げる

テンポとカット割り

ショート動画では、画面の変化が止まると離脱が起きる。ただし、速ければよいわけではない。情報の区切りと画面の切り替えを一致させると、視聴者は疲れずに追いつける。

目安として、話の切れ目ごとにカットを変え、1カットは1.5〜4秒の範囲に収める。長い説明カットが続く場合は、テロップの強調やズームなど、画面内に小さな変化を入れる。

音と字幕

ナレーションは、生成した音声を使う場合でも最終的に聞き直し、不自然な間やアクセントを修正する
BGMは冒頭から小さく入れ、無音の区間を作らない
字幕は画面の下部3分の1に収め、1行あたり全角15〜20文字を上限にする
強調したい語だけ色やサイズを変え、全部を装飾しない

字幕は自動生成を使ったあとに必ず目視で直す。固有名詞や専門用語は誤変換が多い。誤字は信頼性を下げ、離脱の原因になる。

書き出し設定

縦型動画の書き出しは、1080×1920を基本に、フレームレートは30または60で統一する。ビットレートを上げすぎても、プラットフォーム側で再圧縮されるため効果が薄い。むしろ、ノイズの多い映像は再圧縮でさらに劣化する。撮影素材の段階で明るさを整えておくほうが、最終的な見栄えに効く。

ステップ7：公開後のデータ分析と改善ループ

見るべき指標

再生数だけを見ていると、改善の方向を誤る。優先して見るのは次の4つだ。

3秒維持率：冒頭のフックが機能しているか
平均視聴時間・完了率：テンポと尺が適切か
保存数・共有数：テーマが「価値がある」と評価されたか
フォロー転換：シリーズとしての魅力があるか

3秒維持率が低い場合は、テーマではなく冒頭の問題だ。完了率が低い場合は、尺が長いか、中盤の情報密度が低い。このように、指標と工程を対応させて読むことで、修正箇所が特定できる。

改善の優先順位

限られた時間で改善するなら、次の順で手を入れる。

冒頭3秒の作り直し（効果が最も大きい）
尺の短縮（同内容で15秒削る）
テロップの可読性
音声の明瞭さ
映像の質感・カラーグレーディング

意外に思われるかもしれないが、画質は優先度が低い。多くの視聴者は、内容が自分に関係あるかどうかを最優先で判断している。

検証の設計

改善は勘ではなく、比較で行う。同じテーマ・同じ尺で、フックだけを変えた2本を出し、3秒維持率を比較する。このとき、複数要素を同時に変えないことが鉄則だ。テーマと尺とフックを全部変えると、何が効いたか分からなくなる。

検証は1回で結論を出さず、最低3本ずつ、できれば同程度の投稿間隔で行う。投稿時間帯や曜日による変動があるため、1本の結果だけで判断すると誤る。

よくある失敗と対策

制作の現場で繰り返されがちな失敗を整理しておく。

ツールを増やしすぎる

新しい生成モデルが出るたびに乗り換えると、習熟が進まず、作業が遅くなる。まず1つの中心ツールを使い込む。乗り換えは、明確な不満が2つ以上出たときに行う。

1本に時間をかけすぎる

1本を2日かけて作るより、半日で3本作って反応を見るほうが学びは多い。完成度を上げるのは、反応が出たフォーマットに対して行う。

冒頭に情報を詰め込みすぎる

3秒で3つのことを伝えようとすると、何も伝わらない。冒頭は1メッセージに絞る。

字幕とナレーションが重複して冗長になる

同じ内容を読み上げと字幕の両方で完全に重ねると、情報過多になる。字幕は要約として使うか、ナレーションと役割を分ける。

数値や事実をAIの出力のまま使う

誤った情報は信頼を損ない、長期的な影響が大きい。事実確認は必ず人間が行う。

一貫性の管理を後回しにする

シリーズ化を見据えるなら、1本目から参照素材とプロンプトのテンプレートを整えておく。後から揃えるのは手間がかかる。

制作パイプラインを支えるツール構成

役割ごとに道具を整理すると、全体像が見えやすくなる。

役割	具体的な作業	選定のポイント
リサーチ	コメント収集、テーマ整理、仮説作成	テキスト整理能力、長文の扱いやすさ
脚本	構成作成、フック案の量産、言い換え	日本語の自然さ、口調指定のしやすさ
画像生成	参照素材、背景、小物	一貫性維持のしやすさ
映像生成	カット生成、動きの付与	制御性、尺の上限、生成速度
音声	ナレーション、読み上げ調整	抑揚の自然さ、聞き取りやすさ
編集	カット、字幕、音の調整	縦型プリセット、テロップの扱いやすさ
分析	指標の可視化、比較	保存と共有の分離表示、時系列比較

この表のどこかが欠けていると、作業が途中で止まる。たとえば分析の仕組みがないと、改善のループが回らず、毎回ゼロから作り直すことになる。

また、ツール同士の受け渡しを意識してファイルを命名・整理しておくと、作業の再開が速くなる。プロジェクト名_カット番号_バージョンという規則を決めておくだけで、探し直す時間が大きく減る。

FAQ

Q. AIで作った動画は、プラットフォーム上で不利になりますか。

公開側のルールは各プラットフォームで異なるため、最新のガイドラインを必ず確認する必要がある。多くの場合、問題になるのは「AIを使ったこと」自体ではなく、誤解を招く内容や、再利用の権利を侵害する素材の使い方だ。事実確認と権利確認を行い、必要に応じてAI利用を開示する運用にしておくと安全だ。

Q. 生成した映像の人物が毎回変わってしまいます。

参照素材を固定し、プロンプトの固定部分と変数部分を分離するのが基本の対策だ。加えて、構図を極端にせず、顔が明確に見えるカットを増やす。それでも崩れる場合は、いったん生成を止め、参照画像の品質そのものを見直す。

Q. どのモデルを選べばよいか分かりません。

用途ごとに優先度が違うため、一つに絞る必要はない。まず「人物の芝居」「商品カット」「背景」の3用途に分け、それぞれで試して比較する。比較の観点は、動きの自然さ、一貫性、制御性、速度、尺の上限、音声対応の6つで足りる。

Q. 短尺と長尺、どちらから始めるべきですか。

最初は短尺から始めるのが現実的だ。短いほうが1本あたりの検証サイクルが速く、フックの良し悪しが明確に出る。短尺で当たった型が見つかったら、その型を長尺に展開する。順序を逆にすると、何が効いたのか特定しにくくなる。

Q. AIに任せる範囲はどこまでが適切ですか。

整理・量産・変換はAIに向いている。一方で、事実確認、権利確認、最終的な編集判断、そして「何を伝えるか」の決定は人間が担うべき領域だ。この線引きをチーム内で共有しておくと、手戻りが減る。

Q. 継続するためのコツはありますか。

投稿のたびに新しいことをしようとすると、疲弊する。テーマとフォーマットを数種類に絞り、その中で差分だけを変える運用にすると続く。加えて、脚本やプロンプトのテンプレートを蓄積し、次回の出発点を用意しておくことが、長期的な生産性を支える。

Q. 効果測定はどこまで細かく見るべきですか。

最初は4指標（3秒維持率、完了率、保存・共有、フォロー転換）で十分だ。指標を増やしすぎると、解釈に時間がかかり、改善の手が止まる。慣れてきたら、投稿時間帯や尺別にセグメントして比較するとよい。

まとめ：再現性はフローから生まれる

AIを使った動画制作で成果を分けるのは、ツールの性能差ではなく、工程の設計だ。テーマ選定で視聴者の問題を捉え、冒頭3秒で離脱を防ぎ、脚本と絵コンテで迷いをなくし、モデルを使い分け、一貫性を管理し、編集で維持率を整え、公開後のデータで次の改善を決める。この7ステップを回し続ければ、1本ごとの出来不出来に左右されにくくなる。

最初から完璧なパイプラインを組む必要はない。まずはテンプレートを1つ作り、3本投稿して、指標を見て1か所だけ直す。この小さなループを数回転させるだけで、作業時間は短くなり、当たる確率は上がっていく。AIはその速度を引き上げるための道具であり、判断の主体はあくまで作り手側にある。