なぜ今、脚本と演出の間にAIを挟むのか
動画制作で最も時間を食うのは撮影でも編集でもない。脚本に書かれた意図を、映像の具体的な指示へ翻訳する工程だ。脚本に「彼は静かに怒っている」と一行書かれていたとする。この一行を映像にするには、カメラの位置、レンズの焦点距離、照明のコントラスト、カットの長さ、表情の強度、音楽の入り方を決めなければならない。この翻訳は経験に依存し、担当者ごとに結果が変わり、しかも往復が何度も発生する。
脚本と演出の間にAIを挟む意味は、単純な自動化ではない。翻訳のたびに判断がぶれないよう、判断の基準をデータとして残せる点にある。脚本の一行から再利用できる演出パラメータを引き出しておけば、尺を変える、縦型に作り直す、トーンを変えて再生成する、といった二次利用の負荷が大きく下がる。
手戻りが起きる3つの地点
第一は、脚本の抽象度が高すぎる地点。第二は、映像の解釈が担当者ごとに違う地点。第三は、生成した素材が想像と別物だった地点だ。AIが効くのは第一と第二で、第三はワークフローの設計でしか防げない。生成ツールの性能だけを追いかけても手戻りは減らない理由がここにある。
AIに渡すべき情報と人間が決めるべき情報
AIに渡すべきは再現性のある要素だ。ショットの尺、カメラの動き、被写体の位置関係、色温度の方向性、カット間のテンポ。逆に人間が握るべきは、作品の主題、誰の視点で語るか、観客にどの感情を残すか、そして「このカットは削る」という編集判断である。この線引きを最初に決めておかないと、出力を延々と修正し続ける消耗戦になる。
実務では、AIに任せる範囲を再現可能な部分に限定し、判断の責任が曖昧な部分は人間が持つ、という原則をチームの合意として文書化しておくとよい。合意がないまま進めると、レビューのたびに基準が変わり、修正が終わらない。
ワークフロー全体の時系列モデル
制作の流れは大きく6段階に分かれる。企画と目的の確定、脚本のブロック化、感情曲線と情報密度の設計、ショットリストと参照画像の準備、生成と選別、編集と音の統合。このうちAIが強く関与できるのは3番目から5番目で、1番目と6番目は人間の判断が中心になる。どこでAIを使うかを工程表に書き込んでおくと、無駄な検討が減る。
脚本を演出可能なデータに変換する
スクリプトをAIに読ませる前に、構造を整える。整っていない脚本を渡すと、出力は平均化された無難な映像になる。
シーン分割と意図抽出の4ステップ
- 時間・場所・目的の変化点でブロックに切る。
- 各ブロックに「誰が」「何を望み」「何に妨げられるか」を一行で書く。
- ブロックごとに感情の頂点をひとつだけ決める。
- 頂点までの情報量を、初見の観客が追える速度に落とす。
この4手順を踏むと、脚本は読むものから処理できるものへ変わる。AIへ渡すときは、各ブロックを短い命令文に変換する。長い美文はモデルにとってノイズになりやすく、解釈がぶれる原因になる。
感情曲線とテンポを数値化する
感情の強度を-5から+5のスケールで各カットに割り当て、同時に情報密度を0から3で記録する。感情が高いカットは尺を短く、情報密度が高いカットは尺を長く取るのが基本だ。この2軸の表があるだけで、編集段階のテンポ調整が格段に楽になる。表計算ソフトで十分で、特別なツールは要らない。
注意点は、感情値と情報密度を同じ列に混ぜないこと。混ざると、なぜこのカットが長いのかという理由が追えなくなり、後から調整できなくなる。
具体例：3ブロックの設計
ブロック1は「朝、主人公が遅刻しそうになる」。感情値は-2から+1、情報密度は高め、カット数は4。ブロック2は「駅で旧友に会う」。感情値は+2、情報密度は低め、カット数は3。ブロック3は「電車を降りた瞬間に決意する」。感情値は+4、情報密度は低い、カット数は2。合計9カット、尺は30秒。この粒度で表を作ると、どこを削るか、どこを伸ばすかが一目で分かる。
プロンプト辞書を育てる
プロンプトは毎回ゼロから考えるものではない。「静かな怒り」「張り詰めた沈黙」「唐突な解放」といった抽象語に対し、自分の作品で実際に機能した言い回しを辞書として蓄積する。たとえば「静かな怒り」なら、寄りの固定カメラ、わずかに下がる視線、低い色温度、環境音のみ、といった具合だ。
辞書はチームの共通言語になり、外注時にもそのまま渡せる。更新ルールを決めておくと、辞書が単なるメモではなく資産になる。採用した表現だけを追記し、失敗した表現は理由つきで残す。この2つの運用だけで、辞書の精度は大きく変わる。
絵コンテとカメラ設計をAIで加速する
ショットリスト自動生成の実務手順
まず各ブロックを3〜6カットに分解する。次に各カットへ役割を割り当てる。役割は「状況説明」「関係性の提示」「感情の頂点」「転換点」「余韻」の5種類で足りる。役割が決まれば、使うべきショットサイズとカメラの動きはかなり絞られる。
AIには役割と感情値の一覧を渡し、ショットサイズ、アングル、モーション、尺の候補を複数出させる。人間はその中から選ぶ。ゼロから考えるより、候補を削るほうが速く、判断の質も上がる。
レンズ・アングル・モーションのパラメータ化
再現性を高めるには、表現をパラメータに分解する。焦点距離は広角・標準・中望遠・望遠の4段階。アングルは水平・やや下・やや上・俯瞰・仰角の5種類。モーションは固定・パン・ティルト・ドリー・ハンドヘルドの5種類。この程度の粒度で十分に実用的で、細かすぎる分類は使われないまま忘れられる。
パラメータを決めたら、カット表に必ず書き込む。頭の中に留めると、生成をやり直すときに同じ判断を再現できない。表に書く手間は数秒で、その数秒が後工程の数十分を節約する。
カバレッジ不足を防ぐチェック
編集で困るのは素材が足りないときだ。とくに会話シーンで、両者を同時に収めた引きのカットがなく、切り返ししかないと編集の自由度が落ちる。生成前に、各ブロックに最低1つ、状況を説明する引きのカットを入れると決めておくだけで、この問題はほぼ防げる。
キャラクターと背景の一貫性を守る
参照画像セットの作り方
同一人物を複数カットに登場させるなら、参照画像を先に固める。正面、斜め45度、横、背面の4方向に加え、表情を3種類。衣装違いが必要なら衣装ごとに同じセットを用意する。参照を増やしすぎると一貫性が崩れることがあるため、まず4方向で固定し、破綻が出た箇所だけ追加するのが現実的だ。
背景も同じ考え方で管理する。同じ部屋を使うシーンでは、光源の位置と時間帯を固定した1枚を基準画像にする。カットごとに背景を作り直すと、家具の配置や窓の位置が少しずつずれ、視聴者に説明のつかない違和感を与える。
連続性チェックの観点リスト
- 髪の長さと分け目
- 衣装のしわと汚れの位置
- 小物の左右（時計、鞄、眼鏡）
- 背景の光源方向と影の落ち方
- 天候と時間帯
- 手の指の本数と形
これらをカットごとに確認するのは現実的でないので、シーン単位で代表カットを並べたコンタクトシートを作り、そこで違和感を拾う運用が効率的だ。
音の設計を感情曲線に接続する
BGMと効果音のマッピング
感情曲線の表に、BGMの入り・抜き・音量の山を重ねる。感情値が+3以上のカットでは音楽を強め、転換点では一度音を落としてから戻す。効果音は観客の注意をどこに向けるかの装置なので、感情値ではなく視線誘導の目的で配置する。
音量の山を先に決めておくと、映像の尺が変わったときの修正が簡単になる。逆に音楽を後から当てると、尺に合わせてカットを切ることになり、せっかく設計した感情曲線が崩れる。
ナレーションと「間」の設計
ナレーションは情報を運ぶが、詰め込みすぎると映像が記号になる。目安として、1文を読むのに必要な時間に対し、その1.3倍の尺を確保すると、間が生まれ、視聴者は映像を眺める余裕を得る。仮の読みをAIで生成して尺を見積もり、本番の収録前に構成を固める流れが効率的だ。
生成から編集までのパイプラインを組む
タスク分割とキュー管理
生成処理は待ち時間が発生する。待ち時間を減らすより、待ち時間に別の作業を進める設計のほうが現実的だ。具体的には、素材生成を背景、人物、エフェクトの3系統に分け、系統ごとに順番待ちの列を作る。1系統が止まっても他が進むため、全体の停止時間が短くなる。
命名規則とバージョン管理
ファイル名には、作品名、シーン番号、カット番号、テイク番号、日付を入れる。人間が読めることが最優先で、記号の使いすぎは避ける。修正版は上書きせず、必ず新しいテイク番号を振る。後からどの版が採用されたかを追えることが、納品後の修正で効いてくる。
待ち時間の使い方
生成待ちの間にできる作業は意外に多い。次のシーンのプロンプト辞書づくり、音のマッピング、コンタクトシートの確認、字幕の下書き。これらを待ち時間タスクとしてあらかじめリスト化しておくと、作業が止まらない。
一日の進行例
午前は脚本のブロック化と感情曲線の設計に充てる。昼前にショットリストを確定し、参照画像を用意する。午後は生成を回しながら、待ち時間で音のマッピングと字幕の下書きを進める。夕方は採用テイクの選別と編集。この順番なら、生成待ちが手持ち無沙汰にならない。
つまずきやすいポイントと対策
よくある失敗と回避策
- 抽象的な指示をそのまま渡す。→ パラメータに分解する。
- 参照画像を増やしすぎる。→ 4方向と表情3種から始める。
- 尺を後回しにする。→ 感情値と情報密度から先に尺を決める。
- カットの役割が重複する。→ 役割を5種類に限定して割り当てる。
- 音を最後に考える。→ 感情曲線の段階で音の山を決める。
- 修正を上書きで管理する。→ テイク番号を必ず増やす。
- 成功した表現を記録しない。→ 辞書に追記する習慣をつくる。
- レビュー基準が人によって変わる。→ 判断基準を文書化する。
- 一貫性をカット単位で確認する。→ シーン単位のコンタクトシートで見る。
- 完成形だけを共有する。→ 途中の比較素材も残し、判断の根拠を残す。
目的別・手法の選び方
尺・納期・トーンでの分岐
30秒以内の縦型広告なら、カット数は10前後、リアルさより明快さを優先する。3分の説明動画なら、情報密度を抑えて1カットを長めに取り、画面内の動きで退屈さを消す。10分の物語なら、感情曲線を山なりに設計し、転換点を2〜3回置く。
納期が短い場合は、新規生成より既存素材の再編集を優先する。逆に納期に余裕がある場合は、参照画像セットとプロンプト辞書の整備に時間を割く。ここに投資した分は、次回以降の制作で回収できる。
実写風とイラスト調の使い分け
実写風は説得力が高いが、一貫性の維持が難しい。イラスト調は一貫性を保ちやすく、抽象的な概念の説明に向く。判断の基準は、観客に何を信じてほしいかだ。商品の質感を伝えたいなら実写風、仕組みや流れを伝えたいならイラスト調が向いている。
予算と工数の配分
限られた工数の配分は、失敗コストの大きさで決める。手戻りが高くつく工程（脚本の構造化、参照画像の準備、音の設計）に先に時間を置き、後から直しやすい工程（色調整、細かなエフェクト）は後回しにする。この順番を守るだけで、同じ工数でも完成度が変わる。
実践チェックリスト
- 脚本をブロックに分割したか
- 各ブロックの感情の頂点をひとつに絞ったか
- 感情値と情報密度の表を作ったか
- カットの役割を5種類から割り当てたか
- 引きのカットを各ブロックに1つ入れたか
- 参照画像セットを4方向と表情3種で用意したか
- 感情曲線に音の山を重ねたか
- ファイル命名規則を決めたか
- テイク番号を上書きせずに増やしているか
- 成功した表現を辞書に追記したか
- 判断基準を文書化したか
- 完成後に振り返りを記録したか
よくある質問
Q. 脚本を丸ごと渡すのと、ブロック単位で渡すのではどちらが良いですか。
ブロック単位を勧めます。長いテキストを一度に渡すと、モデルは全体を平均化した解釈を返しやすくなります。ブロックごとに目的と感情値が明示されていれば、出力のばらつきが減り、修正も局所化できます。
Q. 生成した映像の一貫性が崩れるとき、最初に疑うべき点は。
参照画像の枚数と、プロンプト内の人物記述の揺れです。同じ人物でも、カットごとに「黒い髪の女性」と「ショートヘアの女性」と書き分けていると別人になります。人物の記述はひとつの定型文に固定し、変化させるのは表情とポーズだけに絞るのが原則です。
Q. 絵コンテをAIに任せると、画作りが平凡になりませんか。
任せ方によります。AIに発想を求めるのではなく、候補を並べさせて選ぶ使い方にすると平凡化を避けられます。自分で「このカットはこう撮りたい」という核を持ち、その周辺の選択肢だけをAIに広げさせる進め方が現実的です。
Q. 音の設計はどの段階で着手すべきですか。
絵コンテの確定と同時に始めるのが理想です。映像を全部作ってから音を当てると、尺が合わずにカットを切ることになり、感情曲線が崩れます。感情値の表に音の山を書き込むだけなら数分でできるので、後回しにする理由がありません。
Q. チーム制作で属人化を防ぐには。
判断基準の文書化と、プロンプト辞書の共有が有効です。加えて、レビュー時に採用理由を一行で残す運用を入れると、後から参加したメンバーが同じ基準で判断できるようになります。
Q. 生成に時間がかかりすぎて作業が止まります。
系統を分けて並行処理し、待ち時間タスクをあらかじめ決めておきます。加えて、まず低解像度で構図だけを確認し、構図が固まってから本番の生成に進む二段階の進め方が有効です。手戻りの大半は構図の段階で起きるため、ここを速く回すことが全体の速度につながります。
Q. AIで作った映像はどこまで作り込むべきですか。
配信先と視聴環境で決めます。小さな画面で見られることが多い縦型では、細部より明暗と構図が重要です。大画面で見る前提なら、質感と動きの自然さに時間を配分します。判断基準を先に決めておけば、不要な作り込みを避けられます。
Q. 失敗したプロンプトは残すべきですか。
残す価値があります。ただし、なぜ失敗したかを添えてください。同じ表現を再び試して同じ失敗を繰り返すことを防げます。失敗の記録は、辞書の使い勝手を大きく左右します。
Q. 外注する場合、何を渡せば良いですか。
ブロック化した脚本、感情値と情報密度の表、カット表、参照画像セット、プロンプト辞書の5点です。これらが揃っていれば、相手が変わっても出力の傾向が大きくぶれません。逆に脚本だけを渡すと、解釈の違いがそのまま納品物の違いになります。
まとめに代えて：最初の一歩
脚本から演出までの工程にAIを挟むとき、最初にやるべきことはツールを増やすことではない。脚本をブロックに分け、感情値と情報密度の表を作り、カットに役割を割り当てる。この3つだけで、制作の見通しは大きく変わる。ツールは後から足せるが、設計の土台は後から作り直すのに最も時間がかかる部分だ。
