動画広告の前提はなぜ変わったのか
デジタル広告の現場では、静止画より動画のほうが注目を集めやすく、記憶にも残りやすい。しかし「映画のような映像」を広告で実現しようとすると、撮影監督、照明技師、美術、VFXアーティスト、カラーリストといった専門人材が必要になり、撮影日数とポストプロダクションの工数が積み上がる。中小企業や少人数のマーケティングチームにとって、この壁は高すぎた。
生成AIの成熟が、この構造を変えつつある。テキストや一枚の画像からショットを生成し、カメラワークを指示し、ライティングの方向まで指定できるようになったことで、制作の初期段階で必要だった「撮影」という工程を、生成と選別に置き換えられるようになった。もちろん魔法ではない。AIは撮影の代わりにはなるが、監督の代わりにはならない。何を見せたいのか、どの順番で見せるのか、どこで感情を動かすのかを決めるのは、人間の仕事として残る。
この記事では、シネマティックな映像を低コストで作るための考え方と、実際のワークフロー、ツール選定の判断基準、つまずきやすいポイント、そして改善の回し方までをまとめる。読み終えたときには、明日から15秒の広告を1本作り始められる状態を目指したい。
シネマティックな映像を構成する要素を分解する
「映画っぽさ」は漠然とした雰囲気ではなく、分解できる技術要素の集積である。生成AIを使う場合も、この分解ができているかどうかが成果物の質を大きく左右する。
ライティングとコントラスト
映画的な画は、明暗の設計がはっきりしている。逆光で輪郭を浮かせる、サイドから硬い光を当てて立体感を出す、窓明かりだけを光源にして暗部を残す。こうした指示は、プロンプトや参照画像によってかなり正確に伝えられる。逆に「明るくきれいに」とだけ指定すると、のっぺりとした商品写真のような画になりやすい。広告でよくある失敗は、露出を上げすぎて雰囲気が消えることである。
レンズと被写界深度
焦点距離と絞りの表現も重要だ。被写界深度を浅くすると背景が溶け、視線が被写体に集まる。広角で寄ると空間の広がりと歪みが生まれ、望遠で抜くと圧縮効果で背景が近づく。生成時には「85mm相当」「f1.8相当」といった表現が有効で、編集段階で背景ぼかしを加えるより自然な結果になりやすい。
カメラワークとショットサイズ
ドリーイン、パン、ティルト、クレーンアップ、ハンドヘルド。動きの種類を明示するだけで、生成結果の説得力が変わる。ショットサイズも同様で、ロングで状況を示し、ミディアムで関係を描き、クローズアップで感情を掴む。広告は尺が短いので、この3種類を15秒にどう配分するかが構成の核心になる。
色とフィルム的な質感
ティール&オレンジ、脱色されたアースカラー、ネオン主体の夜。色設計はブランドの印象を決める。粒子感、ハレーション、軽い色収差といったフィルム的な質感は、生成後に編集ソフトで乗せることもできる。生成段階で完結させようとすると失敗しやすい領域なので、仕上げ工程として分けたほうが調整が効く。
制作ワークフローの全体像
ここからは、実際の進行順に沿って説明する。所要時間の感覚は、短尺1本あたり数時間から数日程度である。
ステップ1：目的と指標を1行で書く
「商品Aの認知を高め、ランディングページの遷移率を上げる」のように、目的を1行にまとめる。ここが曖昧なまま生成を始めると、美しいが機能しない映像が量産される。広告は作品ではないので、評価軸は視聴維持率、クリック率、コンバージョンといった指標になる。目的が決まれば、尺、テンポ、冒頭の見せ方も自然に決まっていく。
ステップ2：絵コンテとショットリスト
8〜12カットのラフな絵コンテを作る。手書きでも箇条書きでも構わないが、「何を、どのショットサイズで、どんな動きで、何秒見せるか」を決めておく。この段階で生成AIに構成案を出させ、それを叩き台にする進め方も有効だ。AIの提案は平均点に寄るので、そこから自社ならではの要素を足す作業が差別化になる。
ステップ3：キービジュアルの生成
動画生成の前に、静止画で世界観を固める。主人公、商品、背景、ライティングを1枚に落とし込み、方向性を確認する。ここで納得できないものを動画にしても、工数がかさむだけである。逆にここで納得できれば、以降の工程は機械的に進められる。
ステップ4：ショット単位の動画生成
各カットを個別に生成する。長回しを狙うより、短いカットを複数生成して繋ぐほうが制御しやすい。1カットあたり3〜6秒を目安にすると、破綻が起きたときの差し替えも容易になる。
ステップ5：選別と編集
生成結果は歩留まりが前提になる。同じプロンプトでも出力は揺れるため、各カット3〜5本は生成して選ぶ。編集では、テンポ、BGM、効果音、テロップ、モーショングラフィックスを組み合わせ、最後にカラーグレーディングを整える。
ステップ6：配信と改善
縦型・横型・正方形の比率違い、冒頭3秒違い、テロップ有無違いなど、複数バリエーションを同時に配信して反応を見る。AIを使う最大の利点は、この派生版を低コストで作れることにある。1本作って終わりにすると、投資対効果は伸びない。
ツールとモデルの選定基準
用途別の使い分け
- フォトリアルな実写風：物理挙動と質感に強いモデル。人物や自然物のカットに向く
- アニメ・イラスト調：アニメスタイルに強いモデル。参照画像制御が得意なものを選ぶ
- 商品・手元のクローズアップ：ディテール保持に強いモデル、または静止画生成と軽い動きを組み合わせた2.5D的アプローチ
- 動きの大きいアクション：被写体の破綻が起きやすいので、短尺で割り切り、編集でテンポを作る
評価すべき5つの軸
- 一貫性：同一人物・同一商品がカットをまたいで保たれるか
- 制御性：カメラワークやライティングの指示にどこまで従うか
- 解像度と尺：配信面に耐える画素数と、必要な秒数を出せるか
- 生成速度：試行回数を確保できるか。遅いモデルは探索の幅を狭める
- 権利と商用利用：利用規約と生成物の扱い
この5軸は、流行よりも優先して確認したい。特に商用利用の条件は、後から変更できないリスクになる。導入前に必ず規約を読み、社内の確認フローに載せておく。
単一モデルに依存しない
一つのモデルで全カットを揃える必要はない。人物カットはA、商品カットはB、空撮風はCというように分担させると、品質が上がりやすい。ただしトーンを揃えるため、カラーグレーディングとBGMで全体を束ねる工程は必須になる。ここを飛ばすと、寄せ集めの映像に見えてしまう。
プロンプト設計の実践テクニック
ショット記述の基本フォーマット
「被写体＋動作＋環境＋ライティング＋カメラ＋スタイル」の順で書くと安定する。例としては「30代女性がカフェの窓際でノートパソコンを開く、午後の逆光、浅い被写界深度、ゆっくりしたドリーイン、35mmフィルム風の粒子」といった具合である。順番を固定すると、崩れたときに原因を切り分けやすくなる。
否定形より肯定形
「ぼやけないで」ではなく「シャープな輪郭、高精細」と書く。多くのモデルは否定表現の扱いが苦手で、書いた言葉そのものに引きずられる傾向がある。避けたい要素は、肯定の形で言い換える癖をつけたい。
参照画像の活用
キャラクターの一貫性は、テキストだけでは限界がある。同一人物の参照画像を複数用意し、カットごとに参照させる。衣装違い・表情違いをあらかじめ用意しておくと、シリーズ展開が楽になる。商品も同様で、正面・斜め・接写の3枚を用意しておくと安定する。
動きの指定は控えめに
1カットに複数の動作を詰め込むと破綻する。「歩きながら振り返る」程度までに留め、それ以上の動きはカットを分けて表現する。動きを増やすより、カット数を増やして編集で繋ぐほうが、結果的に品質は上がる。
AIと実写を組み合わせるハイブリッド手法
全編を生成で作る必要はない。むしろ、実写と生成を混ぜたほうが現実的で説得力が高いケースが多い。
使い分けの判断表
- 生成が向くもの：風景、空、抽象表現、世界観カット、非現実的なシチュエーション
- 実写が向くもの：手元の操作、商品の細部、実際の店舗、人物の演技、声の同期が必要な場面
- どちらでもよいもの：人物の歩行カット、背景のみのカット、テロップ主体のシーン
実写素材をAIで拡張する
スマートフォンで撮った素材でも、背景の置き換え、不要物の除去、色調の統一、解像度の引き上げによって見違えることがある。特に背景の差し替えは、ロケハンのコストを大きく削れる。撮影時は背景に余白を残し、後から合成しやすい構図で撮っておくとよい。
音の設計を先に決める
尺を決めるのは映像ではなく音であることが多い。ナレーションの文量が決まれば秒数が決まり、秒数が決まればカット数が決まる。音声合成でラフを作り、それに合わせて映像を組む順序が効率的だ。BGMは権利が明確な音源を選び、社内にライセンス情報を残しておく。
チーム体制と外注の設計
役割分担の例
小規模チームなら、企画と編集を1人、生成と選別を1人、監修と権利確認を1人という3役で回せる。発注側がディレクションを担い、生成作業だけを外注する形も増えている。
外注時の発注書に書くべきこと
目的、ターゲット、尺、比率、カット数、納品形式、参照画像の有無、修正回数、権利の帰属。特に参照画像の扱いはトラブルになりやすいので、使用許諾の有無を明記する。
内製と外注の境界
絵コンテと編集は内製、生成と仕上げは外注という分け方が現実的である。AI時代の外注は「作ってもらう」ではなく「工程を肩代わりしてもらう」という発想に近い。自社にノウハウが残る形を選びたい。
コストとスケジュールの最適化
試作と本番を分ける
低解像度・短尺で構成を固め、OKが出たカットだけを高品質設定で再生成する。この二段構えが、総コストを最も下げる。最初から最高品質で作り始めると、方針変更のたびに大きな損失が出る。
生成回数を予算に組み込む
1カットにつき3〜5本の生成を見込み、必要な計算資源と時間を先に確保する。締切直前に試行回数を削ると、品質が落ちるだけでなく、判断の質も落ちる。
スケジュールの型
1日目に目的と構成、2日目にキービジュアル、3〜4日目にカット生成、5日目に編集と音、6日目に確認と修正、7日目に配信。この型を固定しておくと、見積もりがぶれにくい。
よくある失敗と対策
失敗1：美しいが伝わらない
対策は、冒頭3秒で商品とベネフィットを見せること。雰囲気カットは2番目以降に置く。冒頭に置くのは、最も強い情報である。
失敗2：カット間で人物が変わる
対策は、参照画像の固定、衣装と髪型の指定、同じ条件での再生成。人物の記述は毎回同じ文言を使い回す。
失敗3：尺が合わない
15秒・30秒の型を先に決め、カット数を逆算する。編集で削る前提の素材は作らない。
失敗4：音が後回しになる
無音で編集すると、後から尺が合わなくなる。BGMと効果音は早い段階で当てはめて確認する。
失敗5：権利チェックの漏れ
使用モデルの規約、参照画像の権利、フォントとBGMのライセンスをチェックリスト化する。ここを飛ばすと、配信直前で取り下げる事態になる。
失敗6：一度作って終わり
反応を見ずに次の企画へ進むと、学びが蓄積しない。配信後の数値を記録し、次のバリエーションに反映させる。
品質チェックリスト
- 冒頭3秒で主題が伝わるか
- 人物・商品の一貫性は保たれているか
- 手・指・文字などの破綻はないか
- カットの繋がりに不自然な跳躍がないか
- 色調が全編で統一されているか
- テロップの可読性（サイズ・コントラスト・表示時間）
- 音声とBGMのバランス、無音区間の有無
- 各配信面の比率（16:9 / 9:16 / 1:1）で破綻しないか
- ランディングページとの訴求が一致しているか
- 利用規約とライセンスの確認が済んでいるか
- 音声を消しても内容が伝わるか
FAQ
予算がほとんどない場合、どこから始めるべきか
15秒1本、カット5枚から始めるのが現実的である。キービジュアルを1枚丁寧に作り、そこから派生させる。全カットを新規に作るより、流用と差分で組むほうが速く、安く、統一感も出る。
生成AIだけで実写級の映像は作れるか
カットによっては可能だが、全編を安定させるのは難しい。手元の操作や演技が必要なカットは実写を併用するほうが結果が良い。生成は「撮れないもの」を補う道具として使うと失敗が減る。
人物の一貫性を保つコツは
参照画像を固定し、プロンプトの人物記述を毎回同じ文言にする。衣装や髪型を変える場合は、カットを分けてまとめて生成する。同一シーン内で少しずつ変えると、視聴者に違和感を与えやすい。
どのくらいの試行回数が必要か
1カットにつき3〜5本を目安にする。動きの大きいカットはさらに増える。生成が速いモデルを選ぶことは、品質を上げるための投資だと考えるとよい。
縦型と横型は別々に作るべきか
同一素材からトリミングで対応できる場合もあるが、構図の意図が変わるため、主要カットは生成し分けるのが望ましい。縦型は被写体を中央に置き、周囲にテロップの余白を確保する。
音声はどうするか
ナレーションは音声合成、BGMは権利が明確な音源を使うのが基本である。尺に合わせて先に音を決めると編集が速くなる。声のトーンはブランドの印象に直結するので、複数案を聴き比べたい。
外注と内製はどう分けるか
企画と編集は内製、生成と仕上げは外注という分け方が扱いやすい。ノウハウを社内に残すことを条件に入れておくと、次回以降のコストが下がる。
効果測定は何を見ればよいか
視聴維持率、3秒再生率、クリック率、コンバージョン、そして配信面ごとの差異を見る。数値が良くない場合、冒頭3秒、テロップ、尺の順に疑うと原因を特定しやすい。
まとめ
映画のような映像を低コストで作る鍵は、魔法のツールを探すことではなく、工程を分解して制御することにある。ライティング、レンズ、カメラワーク、色という要素を理解し、目的から逆算してショットリストを作り、キービジュアルで方向を固め、カット単位で生成して選別し、音とカラーで束ねる。この流れを型として持てば、制作のたびに悩む時間が減り、改善のサイクルも回しやすくなる。
AIは撮影の代わりにはなるが、判断の代わりにはならない。何を伝え、どこで感情を動かすかを決めるのは人間の仕事である。その判断に集中できる分だけ、AI導入の価値は大きい。まずは15秒1本、5カットから始めてみてほしい。作りながら型を調整していくことが、結果的に最短の上達になる。
