シネマトグラフィーはAI時代に不要になったのか
生成AIによる映像制作が当たり前の選択肢になると、必ず「撮影技術の知識はもう必要ないのでは」という疑問が出てくる。答えは逆だ。AIはカメラ操作や照明機材の設営を肩代わりしてくれるが、どこに光を置くか、どこから被写体を見るか、いつカットを切るかという判断は依然として人間の側にある。変わったのは実行手段であって、設計思想ではない。
従来の撮影現場では、ディレクターと撮影監督がロケハン、照明計画、レンズ選定、リハーサルを経てショットを組み立てていた。生成AIのワークフローでは、その工程の多くがテキストと参照画像の設計に置き換わる。つまり、撮影技術の語彙を持っているクリエイターほど生成結果のばらつきを抑えられ、意図した感情を安定して再現できる。逆に語彙が曖昧なままだと、毎回違うルックのクリップが返ってきて、編集でどうにもならない状態に陥る。
この記事では、映画的な映像を作るための原則を、生成AIのワークフローに落とし込む手順として整理する。光、構図、動きという三つの軸をプロンプトとパイプラインに翻訳し、モデル選定、プリプロダクション、仕上げ、失敗の回避策までを一通り扱う。
光を設計する：ライティングをプロンプトに翻訳する
ライティングは映像のトーンと感情を決める最大の変数だ。生成AIにおいても、光の設計を最初に固めることで、ショット間の一貫性が格段に保ちやすくなる。ここを曖昧にしたまま枚数を重ねると、後工程でどれだけ時間をかけても破綻は埋まらない。
三点照明という最小単位
古典的な三点照明は、キーライト（主光）、フィルライト（補助光）、リムライト（輪郭光）で構成される。これをプロンプトの語彙に翻訳すると、主光源の方向と強度、影の柔らかさ、被写体の輪郭の分離具合という三つのパラメータになる。
例えば、キーライトを画面左上45度から当て、フィルライトを反対側から弱く入れ、背後からリムライトで髪と肩を分離する設計は、次のように記述できる。
- 主光源：画面左上45度、ソフトボックス相当、肌に自然なハイライト
- 補助光：右側から弱めに、影の潰れを防ぐ
- 輪郭光：背後から髪と肩を分離し、背景とのコントラストを確保
この三行をショットリストの共通ヘッダーとして使い回すだけで、カット間の光源方向がぶれにくくなる。逆に毎回ゼロから書き直すと、同じシーンでも光が右から来たり左から来たりして、編集で繋がらない素材が量産される。
ムード別ライティングレシピ
ルックを先に決めてから逆算する方法も有効だ。よく使うパターンを整理しておくと、プロンプト作成の速度が上がる。
- フィルムノワール：ローキー、硬い影、窓枠やブラインドによる縞状の影、彩度を落とした寒色
- ゴールデンアワー：低い太陽高度、暖色の逆光、柔らかいフレア、肌のハイライト
- ネオン・サイバーパンク：マゼンタとシアンの二色光源、濡れた路面の反射、深い影
- クリーンな商業広告：大型ソフトボックス、影を最小限にしたハイキー、白背景の分離
- ドキュメンタリー風：自然光、窓からの単一光源、わずかなアンダー露出
重要なのは、これらを形容詞の羅列としてではなく、光源の数・方向・色温度・質（硬い／柔らかい）という物理パラメータに分解して書くことだ。「シネマティックな照明」という抽象語だけでは、モデルは毎回違う解釈を返す。
色温度とコントラストを数字で意識する
色温度はケルビンで考える癖をつけたい。昼光はおよそ5600K、タングステンは3200K、日没前後は2500K以下になる。寒色と暖色を一つの画面に混ぜると奥行きが出るため、前景を暖色、背景を寒色にする補色設計は効果的だ。コントラスト比も意識し、顔の明部と暗部の差をどれくらい取るかを決めておくと、シーン全体の統一感が保たれる。
カメラワークとフレーミングで視線を設計する
観客の視線をどこに置くかは、構図とショットサイズで決まる。AI生成では、この設計を言語化してショットごとに指定する必要がある。
ショットサイズの語彙を揃える
まずはショットサイズの用語を自分のワークフロー内で固定しよう。
- エクストリームワイド：場所と規模を見せる。人物は点として扱う
- ワイド：人物と環境の関係を示す。オープニングやシーン転換に有効
- フルショット：全身を収め、身体の動きを見せる
- ミディアム：人物の上半身。会話シーンの基本
- ミディアムクローズアップ：表情と仕草の両方を拾う
- クローズアップ：感情のピーク。視線の方向が重要になる
- エクストリームクローズアップ：目や手など細部で緊張を作る
これらを一つのシーンでどう並べるかがリズムになる。ワイドからクローズアップへ段階的に寄る構成は、感情の高まりと自然に同期する。逆にクローズアップから始めてワイドに引くと、孤立感や状況の説明に使える。
アングル・レンズ・被写界深度
アングルは権力関係を語る。ローアングルは被写体を強く大きく見せ、ハイアングルは弱く小さく見せる。アイレベルは中立で、ドキュメンタリー的な誠実さを出す。ダッチアングルは不安や緊張を生むが、乱用すると安っぽく見えるため、シーン全体で一度だけ使うといった制限を設けるとよい。
レンズ感も言語化できる。24mm相当の広角はパースが強く、空間を強調する。50mm相当は人間の視野に近く自然だ。85mm相当以上は背景を圧縮し、人物を際立たせる。被写界深度を浅くして背景をぼかす表現は映画的なルックの代名詞であり、主題を分離する最も手軽な方法でもある。ただし被写体が動くショットで極端に浅い深度を指定すると、AIが焦点を追いきれず破綻しやすい。動きのあるカットでは少し深めに設定するのが安全だ。
構図のガイドラインを機械的に適用する
三分割法、対角線構図、フレーム内フレーム、リーディングライン。これらは古いが今も有効だ。特にフレーム内フレームは、扉や窓を通して被写体を覗く形になり、生成AIでも比較的安定して再現できる。視線の余白（ノーズルーム）を残すと、次のカットへの動線が生まれる。会話シーンで二人を向かい合わせる場合は、それぞれの視線の先に空間を確保し、アイラインを揃える。これを守らないと、カットを繋いだときに視線がぶつかって不自然になる。
モーションとカット：時間軸の一貫性を守る
静止画のように見えるショットでも、カメラの動きと被写体の動きは物語のリズムを作る。生成AIでは、この動きの指定が最も難しい領域の一つだ。
カメラムーブの語彙
- ドリーイン／アウト：被写体へ近づく、離れる。感情の接近と後退
- トラック：被写体と平行に移動。歩行シーンや並走
- パン／ティルト：水平・垂直の首振り。状況説明や空間の提示
- クレーン：上下の大きな移動。規模感の提示
- ハンドヘルド：微細な揺れ。臨場感と不安定さ
- ジンバル：なめらかな移動。高級感と制御された印象
- ウィップパン：高速の首振り。シーン転換のショートカット
生成時には、カメラの動きと被写体の動きを分けて記述する。両方を一度に強く指定すると、画面が暴れて破綻しやすい。基本は「片方を動かし、もう片方は静止」に近づけることだ。
ショット間の連続性を担保する
一貫性を保つには、次の要素をショットリストの共通項目として固定する。
- 人物の外見（髪型、衣装、年齢感、体型）
- 光源の方向と色温度
- 時間帯と天候
- レンズの焦点距離感と被写界深度
- グレーディングの方向性（彩度、コントラスト、色被り）
加えて、前のショットの最終フレームを次のショットの開始フレームとして使う手法が有効だ。連続性が視覚的に保証され、視聴者に繋ぎ目を意識させにくい。
カットのリズムを設計する
映画的なテンポは平均ショット長で決まる。会話中心のシーンなら3〜5秒、アクションなら1〜2秒、静かな情景描写なら6〜10秒が目安になる。短いカットを連ねたあとに長いカットを置くと、それだけで呼吸が生まれる。編集ではJカットとLカット（音を先行・遅延させる技法）を組み合わせると、カットの硬さが消えて流れがなめらかになる。生成した映像をそのまま並べるだけでは得られない効果なので、音のレイヤーを必ず分けて考えること。
生成モデルの選び方：用途別の判断基準
一口にAI映像生成といっても、モデルによって得意分野は大きく異なる。プロジェクトの性質に応じて使い分けるのが現実的だ。
リアリズムとディテールを優先する場合
肌の質感、髪の毛の一本一本、布の織り目といった細部の再現度を求めるなら、高精細に強いモデルを選ぶ。Flux系の画像生成モデルで参照画像を作り、それを動かす方向に持っていくワークフローは、ルックの制御がしやすい。Runway Gen-4系のようなモデルは一貫性を重視した設計になっており、同一人物の複数ショットを繋ぐ用途に向く。
長尺の物語性を優先する場合
10秒を超えるクリップや、複数のアクションが連続するシーンを狙うなら、長時間生成に強いモデルが候補になる。Sora系やKling系のモデルは、複数ショットの連続性やカメラワークの理解に優れる。ただし長尺になるほど破綻リスクも上がるため、生成した全尺を使うのではなく、良い区間だけを切り出して繋ぐ前提で設計したほうが結果が安定する。
反復速度とコスト感覚
制作では、一度で完璧な素材が出ることはほぼない。同じショットを5回、10回と試す前提でモデルを選ぶべきだ。生成が速いモデルはアイデア出しと構図の検証に向き、高品質モデルは最終的な本番カットに向く。両者を組み合わせ、粗い検証を軽量モデルで、最終出力を高品質モデルで行う二段構えの運用が効率的だ。
| 目的 | 重視する指標 | 向くモデルの傾向 |
|---|---|---|
| 人物の表情 | 顔の安定性 | 一貫性重視のモデル |
| 風景・建築 | 解像感とパース | 高精細静止画系 |
| アクション | 動きの自然さ | 長尺対応モデル |
| 試作と検証 | 生成速度 | 軽量モデル |
| 商品カット | 質感と反射 | 参照画像制御が強いモデル |
プリプロダクション：絵コンテをプロンプト設計図に落とす
映画制作でいう準備工程は、AIワークフローではプロンプト設計と参照素材の準備に置き換わる。ここを丁寧にやるかどうかが、最終的な品質の八割を決める。
ショットリストを作る
まず脚本からショットを抽出し、各カットに番号、ショットサイズ、カメラムーブ、被写体の動作、尺の目安を書き出す。表形式にすると抜け漏れが減る。30秒のシーンなら7〜12カットが目安になる。
絵コンテを画像で作る
ラフな絵コンテを画像生成で作ると、構図の検証と同時に参照画像も得られる。同じキャラクターを複数カットで使う場合は、正面、斜め、横、後ろの4方向の参照画像を用意しておくと安定する。衣装や小道具も同様に参照を揃える。
命名規則を決める
素材が増えると、どのプロンプトがどのカットに対応するか分からなくなる。例えば scene01_shot03_medium_dollyin のように、シーン番号、カット番号、ショットサイズ、カメラムーブを組み合わせた命名規則を最初に決めておく。地味だが、後半の作業効率を大きく左右する。
ライティングとルックの共通ヘッダーを書く
全カット共通のヘッダーを用意し、各プロンプトの先頭に貼り付ける。これだけで光源方向と色温度が揃い、繋がらないクリップの発生率が下がる。
ポストプロダクション：生成素材を映画品質に整える
生成したクリップは、そのまま並べても映画にはならない。仕上げの工程を挟むことで、素材の粗が消え、全体が一つの作品としてまとまる。
アップスケールとフレーム補間
解像度が足りない場合はアップスケールツールで引き上げる。動きがカクつく場合はフレーム補間で滑らかにする。ただし補間はディテールを甘くすることがあるため、必要なカットだけに適用するのが無難だ。
カラーグレーディング
DaVinci Resolveなどのグレーディング環境で、全カットに共通のルックを適用する。一次補正で露出とホワイトバランスを揃え、二次補正で特定の色域だけを調整する。フィルムエミュレーションのグレインを薄くかけると、生成特有のつるつるした質感が緩和され、映像に厚みが出る。
音響設計
映像の映画らしさは音で大きく変わる。環境音、足音、衣擦れ、アンビエンスのレイヤーを重ね、音楽は控えめに使う。無音の区間を意図的に作ると緊張感が生まれる。ミックスではダイアログを基準にし、効果音と音楽をその下に配置する。
よくある失敗と回避策
カットごとに光源方向が変わる
最も頻発する問題だ。共通ヘッダーを用意し、各プロンプトの冒頭に必ず貼ることでほぼ解決する。
人物の顔が変わる
参照画像を複数用意し、シードを固定する。それでも揺れる場合は、顔がはっきり映るショットを減らし、後ろ姿や手元のカットで物語を進める構成に切り替える。
手や指の造形が崩れる
現状でも完全な解決は難しい。構図で手を隠す、速い動きで誤魔化す、クローズアップを避けるといった演出上の回避が現実的だ。
動きが速すぎて不自然
速度指定を弱め、フレーム補間で整える。あるいはスローモーションを前提に設計し、生成時点から遅い動きで作る。
彩度が高すぎて安っぽい
生成モデルは彩度を高めに振る傾向がある。グレーディングで彩度を落とし、ハイライトにわずかな色被りを加えると、フィルムらしい落ち着きが出る。
ショットの繋ぎ目が不自然
前後をオーバーラップさせて編集し、モーションの方向を揃える。移動方向がカットごとに逆転していると、視聴者は無意識に違和感を覚える。
実践ワークフロー：30秒のシネマティックシーン
最後に、30秒のシーンを7カットで構成する具体例を示す。
- カット1（4秒）：ワイド。夜の埠頭。ネオンが水面に反射。カメラはゆっくりドリーイン
- カット2（3秒）：ミディアム。主人公が手すりに寄りかかる。ローキー、右上からの主光
- カット3（3秒）：クローズアップ。目線の動き。浅い被写界深度
- カット4（5秒）：フルショット。振り返り、歩き出す。トラッキング
- カット5（4秒）：ミディアム。向かいから来る人物。二人のアイラインを揃える
- カット6（6秒）：ワイド。対峙。光源は変えず、フレーミングだけを広げる
- カット7（5秒）：エクストリームクローズアップ。手の震え。暗転
全カットに共通ヘッダーを適用し、カメラムーブは1カットにつき一つだけ指定する。編集ではカット6の冒頭をカット5の末尾と重ね、音は波のアンビエンスを全編に通して途切れさせない。この構成なら、生成の難易度が高い長回しを避けつつ、映画的な緊張感を維持できる。
よくある質問
映像生成の経験がなくても映画品質は狙えますか
狙える。ただし、いきなり長い尺を作ろうとすると破綻しやすい。まずは5秒の単一ショットで光と構図を制御する練習をし、慣れてから複数カットの連続性に取り組む順序が現実的だ。
プロンプトはどのくらいの長さが適切ですか
短すぎると情報が足りず、長すぎると優先順位が曖昧になる。光、構図、被写体、動作、ルックの順に整理し、一つのカットにつき5〜8要素程度に絞るのが扱いやすい。
参照画像は何枚必要ですか
同一人物を複数カットで使うなら3〜4枚が目安になる。角度を変えた参照を用意すると安定する。背景や小道具も、登場频度が高いものは参照を用意したほうが結果が揃う。
音は後から足せばよいですか
後からでも足せるが、カットの長さは音のリズムと密接に関係する。ショットリストの段階で、どのカットにどの音が乗るかを軽く決めておくと、編集で尺を調整しやすくなる。
生成した素材はどこまで編集で救えますか
露出、色、テンポ、音は編集で大きく改善できる。一方で、光源方向の不一致や人物の同一性の崩れは編集では直しにくい。生成段階で潰しておくべき問題と、編集で整える問題を切り分けて考えることが重要だ。
学習の優先順位は
光、構図、動きの順で身につけるのが効率的だ。この三つは相互に影響するが、光源設計が最も上流にあり、ここが決まらないと後工程がすべて不安定になる。次にフレーミング、最後にモーションとカット割りを詰める。撮影技術の語彙を一つずつ自分のプロンプトに取り込んでいくことが、生成結果の再現性を高める最短ルートになる。
