自宅で映画のような映像を作るAIショット設計ガイド：構図とカメラワーク

自宅で映画的な映像を作るということ

「映画のような映像」と聞くと、大規模なクルーや高価な機材を思い浮かべる人が多いはずです。しかし、映像の説得力の大部分は機材の価格ではなく、ショット設計によって決まります。どの瞬間を、どの距離から、どんな動きで切り取るか。この判断の積み重ねが「映画らしさ」を生み出します。そして近年はAI動画生成ツールの進化により、この工程を一人でも回せるようになりました。

ただし、ツールを触り始めたばかりの人が最初につまずくのは、生成技術ではなく「何を撮りたいのかが決まっていない」という問題です。プロンプトを何度書き換えても納得のいくカットが出てこないとき、原因はモデルではなく設計にあることがほとんどです。逆に言えば、設計さえ固まっていれば、生成は比較的素直に進みます。

映画的な映像を構成する要素は、大きく四つに分けられます。

• 構図：被写体を画面のどこに置くか、余白をどう使うか
• レンズ感覚：広角で空間を見せるのか、望遠で圧縮するのか、被写界深度を浅くするのか
• カメラの動き：固定か、パンか、ドリーか、それとも手持ち風か
• 光と色：光がどの方向から当たり、画面全体がどの色に寄っているか

この四つを自分の言葉で説明できるようになると、AIへの指示の精度が一段上がります。逆に、この四つが曖昧なままだと、どれだけ生成を繰り返しても「なんとなく綺麗なだけ」の映像で止まってしまいます。

もう一つ大切なのは、AIは「撮影」を代替するのではなく「撮影の意思決定」を代替するという理解です。何を撮るか、どこにカメラを置くか、何秒見せるかを決めるのは依然として人間の仕事です。ここを丸投げすると、カット単体は美しいのに、つなげると意味が通らない映像になります。

自宅制作のパイプライン全体像

自宅で映画的な映像を作る流れは、大きく次のようになります。

1. 企画と脚本（誰が、どこで、何をして、何が変わるか）
2. シーン分解とショットリスト作成
3. 絵コンテまたは参照画像の用意
4. キービジュアルの生成と確定
5. 各ショットの動画生成
6. 声・効果音・音楽の準備
7. 編集、カラー調整、書き出し

重要なのは、2と3を飛ばさないことです。ここを飛ばして4や5に直行すると、後戻りのコストが跳ね上がります。逆に、2と3に時間をかけた分だけ、生成工程は短くなります。

準備にかけるべき時間の目安

短編1分の映像を作る場合、経験上おすすめなのは次の配分です。

工程	目安の割合	主な作業
企画・脚本	15%	テーマ決め、構成、セリフ
ショット設計	25%	ショットリスト、絵コンテ
画像生成	20%	キービジュアル、参照画像
動画生成	25%	各カットの生成と選定
編集・音	15%	カット、色調整、ミックス

生成が速いからといって生成に全時間を投げると、たいてい失敗します。設計と画像に半分近くを割くのが、結果的に最短ルートです。

ショット設計の基本：サイズ・アングル・レンズ

ショット設計とは、ひとつのシーンを複数のカットに分割し、それぞれのカットに役割を与える作業です。映画の文法は100年以上かけて磨かれてきたもので、AI生成にもそのまま適用できます。

ショットサイズの六段階を使い分ける

まず覚えるべきはショットサイズです。大きい順に並べると、次のようになります。

• ロングショット（LS）：人物が小さく、環境が主役。場所の説明に使う
• フルショット（FS）：全身が入る。人物と空間の関係を示す
• ミディアムショット（MS）：腰から上。会話の基本サイズ
• ミディアムクローズアップ（MCU）：胸から上。感情が読み取れる
• クローズアップ（CU）：顔。心理的な接近
• エクストリームクローズアップ（ECU）：目、指、口元など。緊張や強調

シーンの冒頭はロングショットかフルショットで場所を示し、その後ミディアム、そしてクローズアップへと寄っていく。この基本パターンだけで、視聴者は自然にシーンへ入り込めます。逆に、いきなりクローズアップから始めると、場所が分からないまま会話だけが進み、視聴者は状況を掴めません。意図的な場合を除き、まず空間を見せることが大切です。

AI生成では、このサイズをプロンプトに明示するのが有効です。「wide establishing shot」「medium shot, waist up」「extreme close-up on the eyes」のように英語で指定すると、反応が安定しやすい傾向があります。

アングルの種類と心理効果

カメラの高さも意味を持ちます。

• アイレベル：被写体と同じ目線。中立で親密
• ローポジション：見上げる構図。威圧感、ヒーロー性
• ハイポジション：見下ろす構図。弱さ、孤立、監視
• ダッチアングル：斜めに傾けた構図。不安、緊張、異常さ
• 俯瞰（バーズアイ）：真上から。運命性、無力感、地形の説明

たとえば、主人公が決意するシーンでローポジションを使えば、言葉を使わずに強さを伝えられます。逆に敗北のシーンでハイポジションにすると、見下ろされている感覚が生まれます。アングルは感情の記号です。

レンズ感覚と被写界深度

同じ構図でも、レンズの焦点距離で印象は大きく変わります。

• 広角（24mm前後）：空間が広く見える。遠近感が強い。人物を環境の中に置きたいときに有効
• 標準（50mm前後）：人間の見え方に近い。自然な印象
• 望遠（85〜135mm）：背景が圧縮され、人物が浮き上がる。会話やクローズアップの定番

被写界深度も重要な指示項目です。「shallow depth of field, creamy bokeh」と指定すれば背景がぼけ、「deep focus, everything sharp」と指定すれば全体にピントが合います。映画的な質感を出したいときは、浅い被写界深度が手っ取り早い方法ですが、使いすぎると映像全体が単調になります。広い空間を見せるカットでは深いフォーカスを混ぜると、リズムが生まれます。

撮影前の準備：脚本からショットリストへ

生成の前に、紙の上で戦略を立てます。この工程が品質の8割を決めると言っても過言ではありません。

シーンを「機能」で分解する

シーンを書き出したら、そのシーンが物語の中で果たす機能を一行で書きます。たとえば「主人公が父親の死を知る」「二人が和解する」「追跡者が近づいていることに気づく」。機能が明確なら、必要なカットの種類も自動的に決まります。

機能が曖昧なシーンは、たいてい削れます。逆に、機能が二つ以上詰め込まれたシーンは分割したほうが整理されます。

ショットリストの作り方

ショットリストは、最低限次の列を持つ表にします。

• ショット番号
• ショットサイズ
• アングル
• カメラの動き
• 尺（秒）
• 内容のメモ
• 生成方法（テキストから／画像から）
• 状態（未着手／生成済み／採用）

この表があるだけで、作業の抜け漏れが激減します。特に「尺」を先に決めるのが重要です。尺が決まっていないカットは、生成後に長さが足りず、編集で無理やり伸ばすことになります。AI生成は数秒単位のクリップが多いため、2秒、4秒、6秒といった単位で最初から設計しておくと後工程が楽になります。

絵コンテはラフで十分

絵コンテは上手に描く必要はありません。棒人間と四角形で構いません。大事なのは次の三点です。

1. 被写体が画面のどこにいるか
2. 背景に何が見えるか
3. カメラがどこから見ているか

この三点が分かるラフがあれば、生成時の指示が具体的になります。また、絵コンテはそのまま参照画像として使える場合もあります。ラフを画像生成モデルに渡して「この構図を保ったまま映画的な質感に仕上げて」と指示すれば、キービジュアルづくりが短時間で済みます。

ルック開発を先に行う

本番のカットを作る前に、ひとつのキービジュアルで「この映像の見た目」を確定させます。具体的には、色温度、コントラスト、粒子感、レンズの味、光の質感を決めます。

• 色温度：暖色寄りなら親密さや懐かしさ、寒色寄りなら孤立や緊張
• コントラスト：低ければ柔らかく、高ければ硬質でドラマチック
• 粒子感：フィルムグレインを加えると古い質感、除くと現代的
• 光の質：硬い直射光か、柔らかい拡散光か

このルックを決めておけば、全カットを同じ世界観に揃えやすくなります。逆にこれを決めずにカットごとに生成すると、つなげたときに別々の作品が混ざったような印象になります。

AI動画生成の基本ワークフロー

ここからは実際の生成工程です。ポイントは、いきなり動画を生成しないことです。

テキストから動画を生成する場合

テキストのみから動画を作る場合、プロンプトは次の順序で組み立てると安定します。

1. ショットサイズとアングル：medium shot, eye level
2. 被写体：a woman in her 30s wearing a dark coat
3. 動作：slowly turns her head toward the window
4. 環境：in a dim apartment at night, rain on the glass
5. 光：soft key light from the left, cool ambient
6. レンズと質感：35mm lens, shallow depth of field, subtle film grain
7. カメラの動き：slow push-in

この順序で書くと、モデルがどの情報を優先すべきか理解しやすくなります。逆に、雰囲気の単語だけを並べると、構図が毎回バラバラになります。

画像から動画を生成する場合

構図を厳密にコントロールしたいなら、画像から動画を生成する方法が有効です。手順は次のとおりです。

1. キービジュアルを画像生成で作成し、構図を確定する
2. その画像を入力として動画生成に渡す
3. 動きの指示だけをテキストで加える
4. 複数回生成し、モーションの自然さで選ぶ

この方法の利点は、構図のばらつきが減ることです。特に、特定の小道具や家具の配置を保ちたいシーンでは効果的です。欠点は、動きの自由度が下がること。大きく動かしたいカットは、テキストから生成したほうが自然な結果が出ることがあります。

生成回数と選定のルール

同じプロンプトでも結果は毎回変わります。効率よく進めるには、次のルールを決めておくと迷いません。

• 1カットにつき4〜6回生成し、そこから選ぶ
• 構図、動き、質感のうち、どれかひとつでも大きく崩れているものは即座に捨てる
• 採用候補が2つ残ったら、前後のカットとのつながりで決める
• 完璧を求めず、編集で救えるかどうかで判断する

「もう少し良くなるはず」と生成を続けると、時間だけが溶けます。上限回数を決めるのが現実的です。

キャラクターとスタイルの一貫性を保つ

AI映像で最も難しいのが一貫性です。同じ人物がカットごとに別人になる問題は、多くの制作者が最初にぶつかる壁です。

参照画像を用意する

最も効果的なのは、キャラクターの参照画像を複数用意することです。正面、斜め45度、横顔、全身。可能なら表情違いも加えます。これらの画像を生成時に一緒に渡すことで、顔立ちや髪型、服装のばらつきが大幅に減ります。

参照画像は、背景をシンプルにしておくほうが扱いやすくなります。複雑な背景は、モデルが「キャラクターの特徴」と「背景の特徴」を混同する原因になります。

プロンプトの固定部分と可変部分を分ける

プロンプトは、次の二つに分けて管理すると便利です。

• 固定部分：人物の外見、服装、レンズ、光の方向、質感
• 可変部分：ショットサイズ、アングル、動作、背景

固定部分をテキストファイルに保存しておき、可変部分だけを差し替える運用にすると、一貫性が保ちやすくなります。

衣装と小道具で記憶を補助する

観客は、細部の違いよりも「印象」で同一人物を判断します。赤いマフラー、傷のある時計、いつも同じ色のコート。こうした識別しやすい要素を固定すると、多少顔が変わっても同一人物として認識されやすくなります。これは俳優を使った実写でも同じ技法です。

スタイルの一貫性はルックブックで管理する

映像全体の色調や質感も、カットごとにばらつきやすいポイントです。色温度、コントラスト、粒子の量を数値や言葉でメモし、全カットで同じ指示を使うようにします。可能なら、基準となる1カットを「マスターショット」として固定し、常に見返せる場所に置いておきます。

カメラワークを設計する

カメラの動きは、映像に意図を与える強力な手段です。ただし、AI生成では動きの再現が苦手な場合も多く、設計と割り切りが必要です。

押さえておきたい基本の動き

• 固定（static）：動かない。落ち着き、観察、緊張の持続
• パン：水平に振る。空間のつながりを示す
• ティルト：垂直に振る。威圧感や規模感
• ドリー／プッシュイン：被写体に近づく。感情の高まり
• プルアウト：遠ざかる。孤立、結末、余韻
• トラッキング：被写体と並走する。同行感
• ハンドヘルド：手持ち風の揺れ。臨場感、不安定さ

カメラワークの意味を考える

動きを入れる理由は「かっこいいから」ではありません。

• 登場人物の心情に近づきたいなら、ゆっくりしたプッシュイン
• 状況の小ささ、無力さを伝えたいなら、ゆっくりしたプルアウト
• 場所の広さを見せたいなら、パンまたはクレーン
• 追跡や焦りを出したいなら、ハンドヘルドやトラッキング

動きの意味を一行で説明できないなら、そのカットは固定でよい、という判断基準を持つと迷いません。

1カット1モーションを守る

AI生成では、ひとつのカットに複数の動きを指示すると破綻しやすくなります。「パンしながらズームし、人物が立ち上がる」といった複合指示は、多くの場合で不自然な結果になります。カットを分けて、ひとつの動きに絞るほうが結果が安定します。

ライティングとカラーの設計

光は、映像の雰囲気を決める最大の要因のひとつです。AI生成では、光源の方向と質を明示することが重要です。

光源の方向

• 順光：正面から。平坦で分かりやすいが、ドラマ性は弱い
• 側光：横から。立体感と質感が出る。ポートレートの定番
• 逆光：背後から。輪郭が光り、雰囲気が出る。露出は難しくなる
• トップ光：上から。目元に影が落ち、硬い印象
• アンダー光：下から。不気味さ、異様さ

光の質を言葉にする

「柔らかい光」と「硬い光」は、生成結果に大きく影響します。

• 柔らかい：soft diffused light, overcast, large softbox
• 硬い：hard directional sunlight, sharp shadows, single source
• 実用的な光源：motivated by a table lamp, warm practical light

「画面上の光源が何か」を説明できると、ライティングの説得力が増します。窓、街灯、テレビの光、車のヘッドライト。物語の中に光源があると、映像は現実味を帯びます。

カラーの設計

色は感情の設計図です。代表的な使い方を整理します。

• ティール＆オレンジ：肌を暖かく、影を寒色に。商業作品で多用される王道
• モノクロームに近い青：孤立、寒さ、夜、テクノロジー
• アンバーとブラウン：郷愁、記憶、過去
• 赤のアクセント：危険、情熱、注意の誘導

大事なのは、全カットで同じルールを守ることです。片方のカットだけ極端に彩度が高いと、視聴者は無意識に違和感を覚えます。

編集とリズム、そして音

生成したカットは、つなげて初めて映像になります。編集は作業ではなく、第二の脚本作業です。

カットの長さとテンポ

• テンポが速いほど緊張や興奮を生む
• カットを長く取るほど、観察、余韻、不安を生む
• アクションの途中で切ると、次のカットへの期待が高まる

迷ったら、各カットを一度「必要だと思う長さより少し短く」切ってみてください。多くの初心者はカットを長く取りすぎます。テンポは編集で生まれるものです。

つなぎの基本

• カットつなぎ：最も一般的。ショットサイズを変えると自然
• マッチカット：形や動きを合わせてつなぐ
• ジャンプカット：同じ構図で時間を飛ばす
• フェード：時間経過や章の区切り

同じ被写体を同じサイズでつなぐと、不自然な跳びが生まれます。サイズを変えるか、アングルを変えるのが基本です。

音が品質を決める

映像の印象は、音で大きく変わります。次の三層を意識してください。

1. 環境音：部屋鳴り、雨、街のざわめき。無音は不自然
2. 効果音：足音、ドア、衣擦れ。動きに説得力を与える
3. 音楽：感情の補助。ただし使いすぎると安っぽくなる

特に環境音は、AI生成の映像と相性が良い改善策です。映像の粗さは、適切な環境音でかなり隠せます。逆に、完全な無音はどれほど映像が良くても違和感を生みます。

よくある失敗と対処法

顔が毎回変わる

対処：参照画像を増やす。固定プロンプトを分離する。識別しやすい衣装や小道具を固定する。顔のクローズアップを減らし、ミディアムショット中心で組む。

動きが不自然になる

対処：1カット1モーションに絞る。ゆっくりした動きを指定する。動きの大きいシーンはカットを分割する。画像から生成して構図を固定する。

全部のカットが同じに見える

対処：ショットサイズを意図的に変える。ロングショットを混ぜる。アングルを変える。尺を変える。単調さはサイズとテンポの不足から生まれます。

綺麗だが物語がない

対処：ショットリストに戻る。各カットに「このカットで観客は何を知るか」を一行で書く。書けないカットは削るか、別の意味を持つカットに置き換える。

生成に時間を溶かす

対処：1カットあたりの生成上限回数を決める。完璧なカットより、つながるカットを優先する。編集で救えるかを判断基準にする。

よくある質問と次の一歩

Q. 機材は何が必要ですか

パソコンと、生成サービスを動かせる環境があれば始められます。マイクは音声を入れるなら必須です。照明機材は実写を併用する場合のみ必要で、AI生成中心なら不要です。

Q. 映像の尺はどのくらいを目標にすべきですか

最初は30秒から1分を目標にしてください。長尺はいきなり挑戦すると完成しません。1分の映像を最後まで仕上げる経験のほうが、10分の未完成より価値があります。

Q. 英語のプロンプトは必須ですか

多くのモデルは英語の指示に最も安定して反応します。日本語で考えてから英語に翻訳する運用が現実的です。ただし、固有名詞や文化的な要素は英語で説明しにくいため、簡単な言い換えが必要になります。

Q. 実写とAI生成は混ぜられますか

混ぜられます。むしろ、実写の素材とAI生成のカットを組み合わせると、表現の幅が広がります。色調と粒子感を揃えることが、自然に見せるコツです。

Q. 学習のために見るべき作品はありますか

ジャンルは何でも構いません。おすすめの方法は、好きな映画のワンシーンを一時停止しながら、ショットサイズとアングルを紙に書き出すことです。これを10シーン分行うと、ショット設計の感覚が驚くほど身につきます。

Q. 上達の近道は何ですか

小さな完成品を繰り返し作ることです。15秒のカット割りを週に1本作り、公開する。この反復が、生成回数やツールの数よりも確実に上達につながります。

次の一歩としてのおすすめ練習

最後に、実践的な練習メニューを挙げておきます。

1. 1ショット練習：同じ人物、同じ場所で、6種類のショットサイズを生成する
2. 会話シーン練習：2人の会話を、12カット以内で構成する
3. 無言のシーン練習：セリフなしで、感情の変化を5カットで表現する
4. ルック統一練習：異なる場所の3カットを、同じ色調と光で揃える
5. 音付け練習：作った映像に環境音と効果音だけを載せ、音楽なしで成立させる

これらを順番にこなすと、構図、動き、一貫性、リズム、音という映像制作の主要素を一通り体験できます。ツールは何を使っても構いません。大切なのは、ショット設計という共通言語で自分の映像を説明できるようになることです。それができれば、新しいモデルや機能が出てきても、迷わず使いこなせるようになります。