AI映像制作の全体像：物語をショットに分解する
AI動画生成は、物語を一瞬で映画に変える魔法ではありません。むしろ、企画、脚本、絵コンテ、ショット設計、素材生成、編集、音声、公開という長いパイプラインを、これまでより高速に回すための道具です。重要なのは、どの工程でAIに任せ、どの工程で人間が判断するかを明確にすることです。そうすることで、単発のきれいなクリップではなく、感情の流れを持つ一本の映像作品に近づけます。
パイプラインの基本構造
映像制作は大きく三つに分けられます。プリプロダクションでは、テーマ、ログライン、脚本、シーンリスト、絵コンテ、ショットリストを作ります。プロダクションでは、画像や動画を生成し、必要に応じて撮影や素材収集を行います。ポストプロダクションでは、カット編集、色調整、合成、音声、音楽、書き出しを行います。AIはこのすべての段階に入り込めますが、最初から全部を自動化しようとすると破綻しやすいです。まずは絵コンテの清書、参照画像の生成、短いモーション確認、仮ナレーションの作成など、失敗してもやり直しやすい工程から始めるのが現実的です。
どの工程にAIを使うか
企画段階では、アイデア出し、ログラインの圧縮、シーン展開の抜け漏れ確認にAIが役立ちます。脚本段階では、台詞のトーン統一、場面転換の整理、感情曲線の可視化が有効です。絵コンテ段階では、構図のバリエーション生成、カメラワークの候補出し、ライティングの参考作成ができます。動画生成段階では、テキストから動画、画像から動画、動画から動画のいずれかを使い分けます。編集段階では、無音区間の検出、ラフカット、字幕生成、色調整の補助が使えます。音声段階では、仮ナレーション、多言語展開、効果音の候補出しが可能です。
最初に決めるべき三つのこと
制作を始める前に、映像の長さ、アスペクト比、配信先を決めます。短尺の縦型動画なら、ショット数は少なく、テンポは速く、情報は絞ります。横型のシネマティック作品なら、ショットの持続時間を長めにし、構図と照明にこだわります。配信先が決まれば、必要な解像度、音声形式、字幕の有無も自然に決まります。この三つを後回しにすると、作り直しが増えます。
企画・脚本をAIで整理する
物語の骨格が弱いまま映像生成を始めると、どれだけ映像が美しくても視聴者は離れます。AIは文章を整えるのは得意ですが、何を伝えたいかを決めるのは人間の仕事です。まずはテーマを一文で書き、そのテーマがどの感情の変化で表現されるかを考えます。
ログラインとテーマの言語化
ログラインは「誰が、何を望み、何に妨げられ、どう変わるか」を含む一文です。たとえば「砂漠をさまよう旅人が、失われた記憶を取り戻すために危険な峡谷へ向かう」といった形です。AIに複数案を出させ、その中から最も映像映えするものを選び、不要な要素を削ります。テーマは「喪失と再会」「勇気と代償」など、抽象度の高い言葉で保持します。
脚本からシーンリストへ
脚本を書いたら、シーンごとに目的、対立、転換、退出の四点を確認します。目的とは、そのシーンで主人公が何をしようとしているかです。対立は、それを妨げるもの。転換は、シーン開始時と終了時で状況や感情がどう変わったか。退出は、次のシーンへ引っ張る疑問や期待です。この四点が弱いシーンは、思い切って削るか統合します。AIにシーンリストを表形式で整理させ、各シーンの推定秒数も書かせると、全体のバランスが見えます。
台詞とト書きの扱い
AI動画生成では、長い台詞を一度に扱うと口の動きや表情が崩れやすいです。台詞は短く区切り、ショットごとに分けます。ト書きは、感情、動作、視線、間の取り方を具体的に書きます。「悲しそうに」ではなく「目を伏せ、拳を握り、一歩下がる」のように、カメラに映る行動へ変換します。これがプロンプト設計の品質を左右します。
絵コンテとショットリストの作り方
絵コンテは、映像の設計図です。上手に描く必要はありません。構図、人物の位置、カメラの高さ、動きの方向、ライトの向きがわかれば十分です。AI画像生成を使って、ラフな絵コンテを清書したり、複数の構図案を比較したりできます。
ショットの基本語彙
映像制作では、ショットのサイズを統一した言葉で呼びます。フルショットは人物の全身、ミディアムショットは腰から上、クローズアップは顔や手などです。ロングショットは環境を含む広い画、エクストリームクローズアップは目や口元など細部を強調します。ショットサイズを変えることで、観客の距離感と感情移入の度合いを調整できます。会話シーンでは、ミディアムとクローズアップを交互に使い、緊張が高まる場面では徐々に寄っていく方法が効果的です。
カメラワークの設計
カメラワークには、パン、チルト、ドリー、トラック、ズーム、クレーン、ハンドヘルドなどがあります。パンは左右、チルトは上下、ドリーは前後、トラックは横移動です。AI動画生成では、複雑なカメラワークを一度に指定すると破綻しやすいため、一つのショットに一つの主要な動きを割り当てるのが安全です。静的なショットと動くショットを交互に配置すると、リズムが生まれます。
ライティングとカラーパレット
照明は、キーライト、フィルライト、バックライトの三つを基本に考えます。キーライトは主要な光、フィルライトは影を和らげる光、バックライトは輪郭を分離する光です。時間帯や天候によって色温度が変わるため、シーンごとにカラーパレットを決めます。たとえば、朝は青みがかった柔らかい光、夕方はオレンジと紫、夜は青と黒を基調にします。カラーパレットを先に決めておくと、生成結果のばらつきが減ります。
キャラクター一貫性を保つ実践テクニック
AI動画で最も難しいのが、キャラクターの見た目をショット間で保つことです。顔、髪型、服装、体格、年齢、傷やアクセサリーなど、識別要素をリスト化し、すべての生成で参照できるようにします。
キャラクターシートを作る
正面、斜め前、横、背面、表情違い、全身とバストアップを用意します。服装はメイン衣装とサブ衣装を決め、変化させる場合は物語上の理由を明確にします。キャラクターシートは画像生成で作り、色や形がぶれていないかを人間が確認します。必要なら複数案を比較し、最も安定するデザインを選びます。
参照画像と特徴プロンプト
動画生成時は、参照画像を使えるモデルを選ぶと一貫性が上がります。参照画像が使えない場合は、髪の色、長さ、目の色、肌のトーン、服装の素材、小物の位置を毎回プロンプトに含めます。曖昧な表現を避け、「黒い短髪」「左眉に小さな傷」「赤い布のマフラー」のように具体的に書きます。
衣装と小物の連続性
物語の中で衣装が変わる場合、どのシーンで変わるかをショットリストに記録します。小物は特に注意が必要です。剣、鞄、眼鏡、帽子などは、右手と左手のどちらにあるか、傷や汚れの有無まで決めます。連続性が崩れると、観客はすぐに気づきます。
AI動画モデルの選び方
すべてのモデルが同じ得意分野を持つわけではありません。テキストから動画、画像から動画、動画から動画、リップシンク、モーション転送など、目的別に使い分けます。
モデルの種類と用途
テキストから動画は、アイデアをすばやく形にするのに向いています。画像から動画は、キャラクターや構図を固定したいときに強く、絵コンテからの映像化に適しています。動画から動画は、既存素材のスタイル変換や動きの補強に使えます。リップシンク特化型は会話ショット、モーション転送はダンスやアクションに向いています。
解像度・尺・モーションの判断
生成できる最大尺はモデルごとに異なります。長いショットが必要な場合は、複数の短いクリップを生成し、編集でつなぐほうが安定します。解像度は配信先に合わせ、最終書き出しで必要になる数値を逆算します。モーションの自然さは、手、髪、布、水、煙などの動きで差が出ます。試作段階では軽量モデルで構図を確認し、本番で高性能モデルに切り替えると効率的です。
費用と速度のバランス
制作全体の予算を考え、試作、本番、修正の三段階に分けて使います。試作は低コストで数をこなし、本番は重要なショットに集中投下します。修正用の余力も残しておきます。速さと品質はトレードオフになることが多いため、締め切りから逆算してモデルを選びます。
プロンプト設計：映画的な指示を書く
プロンプトは、被写体、状況、カメラ、照明、スタイル、動きの順で組み立てると安定します。短すぎると制御できず、長すぎると重要要素が薄まります。最初に核となる要素を書き、そこにショット固有の指示を足します。
基本構文
例として「若い旅人が峡谷の縁に立ち、風でマフラーがなびく。ミディアムショット、やや下から見上げる構図、夕方の逆光、砂埃、シネマティックな色調、ゆっくりとしたドリーイン」のように書きます。被写体、動作、ショットサイズ、アングル、照明、時間帯、雰囲気、カメラ運動を明示します。
構図とレンズの指定
広角レンズは空間の広がりと遠近感を強調し、望遠レンズは背景を圧縮して人物を際立たせます。標準レンズは自然な見え方です。ローアングルは力強さ、ハイアングルは弱さや孤立を演出します。オーバーショルダーは会話の緊張感を生みます。レンズとアングルを組み合わせることで、同じシーンでも意味が変わります。
動きと時間変化の指定
動きは「ゆっくり」「一定速度で」「突然」など、速度とタイミングを書きます。時間変化を出したい場合は、開始状態と終了状態を明確にします。たとえば「無表情から微笑みへ」「座っている状態から立ち上がる」などです。一度の生成で複雑な変化を求めず、編集で分けたほうが自然になります。
避けたい要素の指定
不要な要素はネガティブ指定や除外リストで伝えます。ただし、モデルによってはネガティブ指定が効きにくい場合もあります。その場合はプロンプトから原因となる言葉を削り、構図やライティングで解決します。
編集とポストプロダクション
生成したクリップは、そのままでは作品になりません。編集でテンポ、感情、連続性を作ります。まずラフカットで全体の流れを確認し、不要なショットを削り、必要な追加ショットを洗い出します。
カットのテンポ
カットの長さは感情の速度を決めます。緊張感を高めるなら短く切り、余韻を残すなら長く見せます。会話では聞き手の反応を挟むと自然です。アクションでは動きの方向をそろえ、観客が位置関係を理解できるようにします。
色調整とルック
色調整では、露出、コントラスト、彩度、色温度を整えます。シーンごとにルックを変えすぎると統一感が失われるため、全体のベースになるLUTやプリセットを決め、そこから調整します。肌の色が不自然にならないように注意します。
合成とVFX
グリーンバックやマスク、トラッキングを使って、別々に生成した素材を合成します。AI生成素材は輪郭が不安定なことがあるため、マスクの縁を柔らかくし、背景との光の向きを合わせます。必要なら粒子やグレインを加え、全体をなじませます。
音声・音楽・ナレーション
映像の印象は音で大きく変わります。仮ナレーションでテンポを確認し、本番の声や音楽に差し替えます。
台詞とリップシンク
会話ショットでは、台詞の長さと口の動きを合わせます。リップシンクが完璧でなくても、カットを細かくしたり、聞き手の反応を挟んだりすることで目立ちにくくなります。多言語展開する場合は、字幕と吹き替えのどちらを優先するかを決めます。
BGMと効果音
BGMは感情のガイド役です。シーンの転換で音量を落とし、山場で盛り上げます。効果音は、足音、風、衣擦れ、扉、水音など、画面に写らない情報を補います。ライセンスが明確な素材を使い、出典を管理します。
ミックスの基本
ナレーション、台詞、音楽、効果音のバランスを整えます。スマートフォンのスピーカーでも聞き取れるように、重要な音は中域に置きます。全体の音量は配信先の基準に合わせ、急な音量差を避けます。
チーム連携とトラブルシューティング
複数人で制作する場合、ファイル管理とレビュー手順が品質を左右します。AI生成は試行回数が多くなるため、命名規則とフォルダ構造を最初に決めます。
命名規則とフォルダ設計
プロジェクト名、シーン番号、ショット番号、バージョン、日付を組み合わせます。例として「project_scene03_shot07_v02」のようにします。素材、生成クリップ、編集データ、音声、書き出しを分け、最新版がひと目でわかるようにします。
レビューとフィードバック
レビューでは、タイムコード付きで具体的に指摘します。「なんとなく違和感」ではなく「00:12の手の動きが速すぎる」「00:24の背景が前ショットと一致しない」のように書きます。修正は一度に多くを変えず、一項目ずつ確認します。
よくある失敗と対策
キャラクターが変わる場合は、参照画像を増やし、特徴プロンプトを固定します。動きが不自然な場合は、ショットを短くし、動きを単純化します。ショット間の連続性が崩れる場合は、前ショットの最終フレームを次ショットの開始参照に使います。尺が足りない場合は、追加ショットではなく、間や反応ショットで感情を補います。
公開前チェックとFAQ
完成した映像は、配信先の仕様に合わせて書き出します。解像度、フレームレート、アスペクト比、音声形式、字幕、サムネイルを確認します。
書き出し設定
一般的な配信ではH.264やH.265が扱いやすく、編集用途ではProResなどの高品質形式を使います。フレームレートは24、25、30、60から作品の意図に合わせます。音声はステレオ、必要なら5.1や空間オーディオも検討します。
アスペクト比とプラットフォーム
横型16:9は映画的な表現に向き、縦型9:16はモバイル視聴に適しています。正方形1:1はフィード向けです。同じ作品を複数の比率で出す場合は、主要な被写体の位置を中央に保ち、端が切れても成立する構図にします。
FAQ
Q. AI動画だけで長編映画は作れますか。
A. 技術的には可能ですが、現実的には短いショットをつなぐ編集力と、物語設計が重要です。まずは数分の短編でワークフローを固めるのがおすすめです。
Q. キャラクターの一貫性が崩れます。
A. 参照画像、特徴プロンプト、衣装リスト、小物の位置を固定し、ショットごとに確認表を作ります。モデルを頻繁に変えると崩れやすいため、シーン単位でモデルを固定するのも有効です。
Q. 動きがぎこちなくなります。
A. 一つのショットに一つの動きだけを指定し、複雑な動作は分割します。手や指が写る場合は、クローズアップを避けるか、短いカットで見せます。
Q. 音声はどうすれば自然になりますか。
A. 仮ナレーションで尺を合わせ、本番の声に差し替えます。台詞は短くし、聞き手の反応を挟むと不自然さが減ります。音楽と効果音で隙間を埋めるのも効果的です。
Q. 費用を抑えるにはどうすればよいですか。
A. 試作は軽量な設定で行い、本番の重要ショットに集中します。生成回数を減らすために、絵コンテとプロンプトを先に固め、修正は一度にまとめて行います。
Q. 著作権やライセンスで注意することはありますか。
A. 使用するモデル、音源、フォント、素材の利用条件を確認し、出典を記録します。商用利用の可否、再配布の可否、クレジット表記の要否を制作前に整理します。
まとめ：ワークフローを小さく回す
AI映像制作で成功する鍵は、完璧な一本を最初から目指すことではなく、小さな単位で試し、学び、改善することです。まずは30秒から1分のシーンを作り、企画、絵コンテ、生成、編集、音声、公開までの流れを一度通します。そこで見つかった問題を、次の作品でつぶしていきます。
特に重要なのは、キャラクターの一貫性、ショットの目的、カットのテンポ、音のバランスです。この四つを意識するだけで、AI生成映像は単なるクリップ集から、観客の感情を動かす物語へ変わります。ツールは変わっても、物語を設計し、ショットに分け、観客の注意を導くという本質は変わりません。その本質を押さえた上で、AIをスピードと探索のパートナーとして使うことが、これからの映像制作の現実的な道筋です。
