AI動画制作の全体像：ツール選びより先に決めること
AI動画生成の議論は、つい「どのモデルが優れているか」に集中しがちです。しかし実際の制作現場で品質と納期を左右するのは、モデルの性能差よりも、企画から書き出しまでの工程が設計されているかどうかです。同じモデルを使っていても、ショットリストがあり、尺が決まり、編集の受け皿が用意されているチームは、短時間で使える映像を仕上げます。反対に、思いつきのプロンプトを大量に投げて、その中から「ましなもの」を拾う進め方は、当たりが出れば強いものの再現性がなく、修正依頼や差し替えに弱いままです。
AI動画制作は大きく四つの工程に分かれます。第一に企画と設計、第二に素材生成、第三に編集と仕上げ、第四に品質管理と納品です。多くの人がつまずくのは第二工程で、しかも原因はプロンプトの語彙不足ではなく、第一工程の不足にあります。どのカットが何秒必要で、どの順番で並び、どこに音が入るのか。これが決まっていない状態で生成を始めると、どれだけ良い素材が手に入っても組み立てられません。
最初に決めるべきは完成尺と配信先です。縦型の短尺なのか、横型の長尺なのか、あるいは商品ページに埋め込むループ映像なのか。配信先が変われば、必要な解像度、アスペクト比、カット数、テンポがすべて変わります。加えて、観客がどこで視聴するのかによっても設計は変わります。電車の中で音を出さずに見るのか、大画面で音響込みで見るのか。この前提が共有されていないと、後工程で「思っていたものと違う」という手戻りが発生します。
もう一つ重要なのが、反復を前提とした設計です。AI動画生成は一発で完成するものではなく、生成と選別と修正を何度も繰り返す作業です。だからこそ、どのカットに何回まで試行を許すのか、どこで「これで進める」と決めるのかというルールを先に決めておきます。判断基準のない反復は、時間だけを消費して品質が伸びません。
プリプロダクション：プロンプトを書く前に固める三つの要素
目的・尺・配信先の三点セット
プリプロダクションで決めるべきは、目的、尺、配信先の三点です。目的とは、認知を広げたいのか、商品の理解を深めたいのか、それとも問い合わせを増やしたいのか。尺は、目的に応じて十五秒、三十秒、六十秒、三分以上といった候補から選びます。配信先は、縦型、横型、正方形、あるいは複数展開なのかを確定させます。この三点が決まれば、必要なカット数とテンポが自然に導き出せます。
たとえば新商品の紹介を三十秒の縦型で作るなら、構成は「つかみ三秒」「課題提示五秒」「解決策提示十秒」「使用シーン八秒」「行動喚起四秒」といった配分になります。この配分表があるだけで、生成すべきカットの数と長さが明確になり、無駄な試行が減ります。
絵コンテとショットリストの作り方
絵コンテは上手に描く必要はありません。必要最小限の情報として、カット番号、画面の構図、被写体の動き、カメラの動き、尺、そして音の有無を一行ずつ書いていきます。これをショットリストと呼び、生成の指示書として機能させます。表計算ソフトで十分です。
ショットリストには、そのカットが「説明のため」なのか「感情のため」なのかをメモしておきます。説明カットは情報が明瞭であることが優先され、感情カットは光や動きの印象が優先されます。この区別があると、生成結果を評価するときの軸がぶれません。
素材の洗い出しと参照集め
生成の前に、参照となる画像や映像を集めておきます。トーン、色温度、レンズの印象、構図の癖などを複数枚並べておくと、後のプロンプト設計が格段に速くなります。参照は著作権的に安全なもの、あるいは自分たちで撮影・作成したものを使用するのが原則です。
モデル選定の判断基準：用途で使い分ける
モデル選定は「どれが一番すごいか」ではなく「このカットに何が必要か」で決めます。評価軸は五つあります。物理的な動きの自然さ、ディテールの密度、時間的な一貫性、制御のしやすさ、そして生成にかかる待ち時間です。この五軸を各カットに当てはめ、優先順位を決めていきます。
実写調・シネマティックな表現
実写調の映像では、光の振る舞いとカメラワークの自然さが重要になります。被写体の動きよりも、空間の奥行き、被写界深度、レンズフレアの入り方といった要素が品質の印象を左右します。こうした用途では、長めのショットを安定して生成できるモデルが向いています。SoraやRunway、Veoといった系統は、この領域で比較的扱いやすい選択肢です。
アニメ・イラスト調の表現
アニメ調では、線の安定性とキャラクターの同一性が最優先になります。実写調で強いモデルがアニメ調でも強いとは限りません。むしろ、スタイルを固定した参照画像を用意し、それを基準に動かす使い方が安定します。KlingやPikaのようなモデルは、スタイル指定のしやすさという観点で候補に入ります。
商品・広告向けのカット
商品カットでは、形状の正確さが最も重要です。ロゴの向き、素材の質感、ラベルの文字などが崩れると、そのままでは使えません。この場合、テキストからの生成だけで完結させようとせず、実写の商品写真を起点にして動かす、あるいは背景だけを生成して合成するといった分割設計が有効です。
待ち時間と試行回数のトレードオフ
高品質なモデルは一般的に待ち時間が長くなります。すべてのカットを最高品質で生成すると、試行回数が減り、結果として品質が下がることがあります。ラフな検討段階では軽量なモデルで構図を固め、最終カットだけ高品質モデルで仕上げる、という二段構えが現実的です。
テキストから動画生成：プロンプト設計の実践テクニック
プロンプトを六つの層に分解する
プロンプトは、思いついた順に単語を並べるのではなく、層として組み立てます。第一層は被写体、第二層は動作、第三層はカメラ、第四層は照明、第五層はスタイル、第六層は空気感やムードです。この順序で書くと、どの要素が結果に効いたのかを後から分析できます。
たとえば「女性が窓辺に立つ／ゆっくり振り返る／肩越しのミディアムショット、ゆるやかなドリーイン／朝の柔らかい逆光／35mmフィルム調、粒子感あり／静かで物憂げな雰囲気」という具合です。日本語で考えてから英語に直す場合も、この層構造を保ったまま訳すと崩れにくくなります。
カメラワークの言語化
カメラの指示は、動きの種類、速度、方向の三つを明示します。パン、ティルト、ドリー、ズーム、ハンドヘルド、固定といった種類に加え、ゆっくり、一定の速さで、急にといった速度、そして左から右へ、被写体に近づきながらといった方向です。この三つを省くと、モデルは勝手に解釈して不安定な動きを返してきます。
失敗パターンと回避策
よくある失敗は、被写体の数が多すぎる、動作が同時に複数指定されている、抽象語だけで具体物がない、の三つです。人物を三人以上動かそうとすると破綻が増えます。歩きながら振り返りながら話す、といった多重動作も崩れやすいポイントです。「美しい」「高品質」だけを並べても、具体的な画は出てきません。
回避策は単純です。一カット一動作を原則にし、複雑な動きは複数カットに分割して編集でつなぎます。また、指定した要素を一つずつ増やしながら結果を比較すると、どの語が効いているのかが把握できます。
画像・動画を起点にした制御：安定性を上げる実務テクニック
キーフレームを起点にする
テキストだけでの生成は自由度が高い反面、制御が効きにくい領域です。実務では、最初と最後のフレームを画像で用意し、その間を生成させる手法が安定します。スタート画像とエンド画像を指定できれば、構図の揺れが大幅に減り、カットのつながりも自然になります。
キーフレームは、ラフなスケッチでも、静止画生成で作った一枚でも構いません。重要なのは、光の方向と被写体の位置がカット間で矛盾しないようにすることです。
動画から動画への変換とモーション指定
既存の映像を参照して動きだけを借りる方法も有効です。自分たちで撮影した簡単な動きの映像を参照にすれば、自然な身体の動きやカメラの揺れを再現しやすくなります。また、モーションの強度を数値で指定できるモデルでは、強すぎると破綻し、弱すぎると静止画のようになるため、中間値から試して調整します。
領域ごとの個別生成とマスク
画面の一部だけを動かしたい場合は、動かす領域を指定して、それ以外を固定します。商品は静止のまま背景だけを動かす、人物はそのままで髪や衣装の揺れだけを加える、といった使い方ができます。合成を前提にすれば、生成の難易度は大きく下がります。
一貫性の維持：キャラクター・スタイル・世界観をそろえる
キャラクター参照の作り方
同じ人物を複数カットに登場させる場合、参照画像を一枚だけで済ませると別人化しやすくなります。正面、斜め、横、そして表情違いの数枚をセットで用意し、各カットで最も近い角度の参照を使うのが実務的です。衣装や髪型は、カットごとに変わらない要素として明確に固定します。
シード値とスタイルガイドの管理
乱数の種を固定できるモデルでは、シード値を記録しておきます。同じシードと同じプロンプトを再現すれば、ほぼ同じ画が得られるため、修正時に一部分だけを変える検証がしやすくなります。シード値、プロンプト、使用モデル、参照画像を一つの表にまとめておくのが、チーム制作では特に有効です。
色と光の統一ルール
カットごとに光の方向や色温度がばらつくと、どれだけ個々の画が良くても一本の映像として見えません。制作前に「主光源は左上から」「色温度は暖色寄り」といった簡単なルールを決め、生成時にも編集時にもそのルールを守ります。編集段階でのカラー調整は、この統一を助ける仕上げ作業です。
音声・ナレーション・音楽の統合
テキスト読み上げとリップシンク
ナレーションが必要な場合は、先に音声を確定させます。音声の尺が決まれば、それに合わせてカットの長さを調整できるため、後戻りが減ります。人物が話すカットでは、音声を先に作り、その波形に合わせて口の動きを生成する順序が安定します。日本語は母音の開きが大きく、英語よりも口の動きが目立ちやすいため、顔のアップでは特に丁寧に確認します。
音楽・効果音・ミックスの基本
音楽は、映像の印象を最も大きく変える要素です。テンポの速い曲に合わせてカット割りを詰めると、同じ素材でも別物のように見えます。効果音は、動きのあるカットに軽く添えるだけで説得力が増します。ミックスでは、ナレーションを基準に音量を決め、音楽はその下に置くのが基本です。
無音視聴への対応
縦型の短尺では音を出さずに視聴されることが多いため、字幕を前提に設計します。テロップの位置は、画面の下部三分の一に収め、主要な被写体にかからないようにします。テロップの文字数は一行あたり十数文字までに抑えると読みやすくなります。
編集とポストプロダクション：素材を作品に仕上げる
アップスケールとフレーム補間
生成された素材は、そのままでは解像度や滑らかさが不足することがあります。アップスケールでは細部の質感を保ちながら拡大し、フレーム補間ではコマ数を増やして動きを滑らかにします。ただし補間を強くかけると、動きの途中に不自然な像が生まれることがあるため、速い動きのカットでは控えめに設定します。
カットの選別と長さの調整
編集の第一歩は、生成した素材から使えるカットを選ぶことです。判断基準は、動作の破綻が少ないこと、光が他のカットと合っていること、そして尺が必要量を満たしていることです。足りない場合は、カットの前後を削るか、別の素材で補います。
カットの長さは、情報量とテンポで決めます。説明のカットは少し長めに、感情のカットは短めにして緩急をつけると、単調さが消えます。
カラー調整・テロップ・書き出し
カラー調整は、コントラストを整え、色温度を統一し、必要に応じてフィルム的な質感を加える流れで行います。テロップはフォントとサイズを統一し、読み終わる時間を確保します。書き出し設定は配信先ごとに用意し、解像度、ビットレート、音声形式を事前に確認しておきます。
品質管理チェックリストとよくある失敗
納品前には、次の項目を順に確認します。
- 冒頭三秒で内容が伝わるか
- カット間で光の方向と色温度が矛盾していないか
- 人物の顔や手指に破綻がないか
- テロップの誤字脱字と表示時間が適切か
- 音量が配信先の基準に収まっているか
- 無音視聴でも内容が理解できるか
- 権利処理が必要な素材が混入していないか
- 書き出し形式とファイルサイズが仕様を満たしているか
よくある失敗は、破綻が残ったカットを「雰囲気で許容」してしまうことです。特に顔や手指の崩れは、視聴者の印象を大きく損ないます。もう一つは、生成段階で良かった素材を、編集でテンポを詰めすぎて台無しにしてしまうケースです。素材の良さと構成のテンポは別の評価軸として扱います。
さらに、参照素材の権利確認を後回しにする失敗も多く見られます。外部から持ち込んだ画像や音源は、使用前に出所と利用条件を記録しておきます。
よくある質問（FAQ）
生成に何回くらい試行すればよいですか
カットの重要度で決めます。冒頭や主役カットは多めに、つなぎのカットは少なめに。目安として、重要カットは十数回、通常カットは数回の試行で判断し、それ以上はプロンプトの構造を見直します。回数だけ増やしても、条件が同じなら結果は改善しません。
プロンプトは日本語と英語のどちらが良いですか
モデルによって得意な言語は異なります。まず日本語で意図を整理し、結果が不安定な場合に英語へ翻訳して比較するのが実務的です。言語を変えると結果も変わるため、どちらかに固定して検証するほうが再現性は高まります。
長い動画を一括で生成すべきですか
一括生成は破綻のリスクが高く、修正も困難です。数秒単位のカットに分割し、編集でつなぐ方法が安定します。分割すれば、問題のあるカットだけを差し替えられます。
チームで制作するときの運用ルールは
ショットリストを共有の基準にし、使用モデル、プロンプト、シード値、参照画像を一覧で管理します。ファイル名にはカット番号と版数を入れ、最新版が一目で分かるようにします。レビューは「破綻」「光の整合」「尺」の三項目に絞ると、指摘が具体的になります。
外注する場合に渡すべき情報は
完成尺、配信先、アスペクト比、トーン参照、ナレーション原稿、テロップ原稿、納品形式、そして修正回数の上限です。加えて、参照素材の出所と利用条件も明記します。これらが揃っていれば、認識のずれによる手戻りは大幅に減ります。
生成がうまくいかないときの見直し順序は
まず被写体の数を減らし、次に動作を一つに絞り、次にカメラ指示を単純化し、最後に参照画像を追加します。多くの場合、この順序で問題は解消します。逆に、プロンプトに語を足し続けるアプローチは、原因が特定できないまま迷走しやすくなります。
生成した素材はどのくらい保存しておくべきですか
プロジェクト単位で、使用した素材と没素材を分けて保管します。没素材も、別のカットで再利用できることがあります。少なくとも、書き出し済みの最終版と、その生成条件の記録はセットで残します。
ワークフローを一度組み立ててしまえば、あとは案件ごとに数値を入れ替えるだけです。ツールの流行は変わりますが、企画から品質管理までの流れは、どのモデルを使っても通用する資産になります。
