メインコンテンツへスキップ

AI 動画の作り方:手元にあるものからルートを選ぶ

AI 動画は、手元にある素材でルートが決まります。テキストしかない場合、写真がある場合、参考にしたい動きがある場合の3つに分け、それぞれの向き不向きと、最初の1本を最後まで作る手順をまとめました。設定は必要最小限だけに絞ります。

作成者: WowReel Team17分読了
AI 動画の作り方:手元にあるものからルートを選ぶ
このページの内容

# AI 動画の作り方:手元にあるものからルートを選ぶ

AI 動画は、手元に何があるかで作り方が変わります。テキストしかないのか、写真があるのか、参考にしたい動きの動画があるのか。この3つは、必要な設定も、仕上がりの傾向も、つまずく場所も別物です。

この記事は、ルートを選ぶための地図です。3つのルートを「向いている画」と「向いていない画」で分け、最後に最初の1本を最初から最後まで作る手順を置きます。プロンプトの細かい組み立てと、1枚の写真の選び方は、それぞれ別の記事に譲ります。ここで決めるのは「どれで作るか」です。

決めるのは、道具ではなく素材

生成の道具を比べる前に、手元の素材を確認します。同じ「1本作る」でも、素材が違えば工程が変わります。

手元にあるもの選ぶルート出来上がるもの押さえる点
アイデアだけで、素材はないテキストからモデルが発想した画構図が流れやすく、顔は指定できない
人・物・場所の写真がある写真からその被写体が動く画元写真の質が仕上がりの上限になる
まねしたい動きの動画がある参考の動き実写の動きを自分の被写体に載せる参考との画角のズレ
複数カットの短い企画テキストから(分割)編集でつなぐ素材カット間の統一

スマホの写真フォルダに1枚も心当たりがない、という人のほうが少ないはずです。写真があるなら2番目のルートが最短で、しかも仕上がりの振れ幅が小さい。まずはここから考えるのが現実的です。

ルート1:テキストから作る

情景を文章で書き、モデルが絵を作ります。手元の素材に縛られないのが利点で、そのまま弱点にもなります。

判断の軸は「見る人が正解を知っているか」です。夜明けの漁港を横切る船、雨の日の窓ガラス、夕方の河川敷、花火の上がる空。岸壁の影も水面の反射も、正解が決まっていません。だからモデルが描いた時点で、その画が正解になります。逆に、顔、社名の入った看板、指先の細かい作業、前のカットと同じ人物は、正解が存在するので外した瞬間に分かります。

同じ理由で、このルートは「1カット1動作」で設計します。5秒の枠に動作を2つ入れると、どちらも途中で止まります。季節の情景を1つ選び、動くものを1つだけ決める。この絞り方が、テキストから作る場合にいちばん効きます。

書き方で効くのは3点です。カメラの動きは「ゆっくり前進」のように位置の言葉で書く。光の種類と向きを一言添える。1カットに動作は1つにする。文の組み立て方は動画のプロンプト設計で詳しく扱っています。

夜明けの港を横切る漁船、曇天の淡い光

ルート2:写真から作る

静止画を1枚渡し、その中の被写体を動かします。構図、人物、光がすでに決まっているぶん、結果の予測がしやすいルートです。

向いている画は、人物、商品、料理、建物の外観、ペット。手元の1枚がそのまま主役になります。バストアップでも全身でも成立しますが、体の動きまで見せたいなら全身がフレーム内に入っている写真を選びます。写っていない部分は、モデルが推測で埋めることになるからです。

向いていない画は、写真に情報がない動きです。腰から上だけの写真に歩行を頼むと、脚の形が重心と合いません。手が画面の外にある写真に手振りを頼むのも同じです。

元写真で見るのは3点だけです。明るさが均一か。被写体が動く方向に余白があるか。背景が整理されているか。この3点を満たす写真は、どのルートでも扱いやすくなります。スマホで縦に撮った写真は、そのまま縦 9:16 の配信に回せるのも利点です。写真の選び方は写真を動画にする方法に譲ります。

正面から撮った人物、均一な光と無地の背景

ルート3:参考の動きに合わせる

動きを言葉で説明する代わりに、参考動画を渡して被写体を合わせます。振り付け、歩き方、決まったカメラ移動など、言葉にしにくい動きはこのルートです。

向いている画は、ダンス、ジェスチャー、決まったカメラワーク、2人が触れ合う動きです。実写の動きには接触の形が入っているので、腕の位置や肩の重なりが自然になります。言葉で「抱きしめる」と書くより、記録された動きを渡すほうが再現します。

向いていない画は、参考動画と画角が大きく違う写真です。参考は特定の角度と距離で撮られています。被写体の向き、トリミング、全身がフレーム内に入っているかを合わせてから生成します。合わせずに生成すると、輪郭が伸びたような結果になります。

最初の1本を通しで作る

ここからは手を動かします。写真1枚から、5秒の1本を最後まで作ります。所要は10分から15分です。

  1. 写真を1枚選ぶ。 正面寄り、光が均一、被写体の周りに余白。頭が画面の端に寄っていないものを選びます。
  2. 秒数は5秒にする。 10秒はフレーム数が倍になり、その分だけ誤差が残る時間も倍になります。まず5秒で通します。
  3. 下書きは720pで作る。 判断したいのは動きと人物の一貫性で、精細さではありません。本番は1080pで作り直します。
  4. 動きを1文で書く。 誰が、何を、どちらへ、カメラはどうするか。この4つが入っていれば足ります。
  5. 3回見る。 1回目は同一人物のままか。2回目は動きが最後まで続くか。3回目は入ってほしくないものが画面に入っていないか。
  6. 1回に1つだけ変える。 別人になったなら写真、動きが足りないなら文、背景が流れるなら背景。同時に変えると、何が効いたのか分からなくなります。
  7. 通った設定のまま1080pで作り直す。 写真も文も秒数もそのままで、解像度だけを上げます。
  8. 書き出したらすぐ保存する。 同じ設定をメモしておくと、次回そのまま再現できます。

最初に決める設定は3つだけ

AI 動画の設定は、増やさずにこの3つから始めます。カメラ固定は設定項目ではなく、プロンプトに入れる指示だと考えてください。

設定選ぶ基準最初の値
秒数誤差が残る時間の長さ5秒。通ったら10秒
アスペクト比どこで見せるか縦 9:16、横 16:9、正方形 1:1
解像度確認用か本番用か確認は720p、本番は1080p

アスペクト比は、出す場所で決めます。縦 9:16 は TikTok、Instagramリール、YouTubeショート。横 16:9 はページへの埋め込みやプレゼン。正方形 1:1 は顔や商品に寄った画角のときだけ使います。迷ったら縦 9:16 にしておけば、短い動画の置き場所には困りません。

つまずきやすい3点と処方

途中で別人になる。 フレームをまたぐうちに顔の情報が薄れる現象です。対処は、秒数を5秒に戻す、元写真の顔を大きく写す、解像度を上げる、の3つです。

動きが1秒で止まる。 動作ではなく状態を書いたときに起きます。「笑顔」は状態、「頬を上げて微笑む」は動作です。文を動作の形に書き換えると、最後まで動きます。

画面全体が液状になる。 剛体に大きな動きを頼んだときに起きます。対処は、動きの強さを下げる、カメラを固定する、動かす対象を1つに絞る、の3つです。

FAQ

Q. 1本目はどれくらいで作れますか。 写真の選定を含めて10分から15分です。時間の大半は生成ではなく、写真を選ぶことと文を決めることに使います。

Q. テキストから始めても大丈夫ですか。 被写体が特定の人物でなければ問題ありません。風景、天気、抽象的な動きはテキストからが速いルートです。

Q. 写真が1枚しかありません。 それで足ります。1枚から作り、通った設定を残しておけば、同じ写真で別の動きも作れます。

Q. 長い動画を1回で作れますか。 作れますが、1秒あたりの安定感は落ちます。5秒のクリップを複数作り、編集でつなぐほうが仕上がります。

Q. 縦と横、どちらを先に作りますか。 出す場所が決まっているなら、その比率で最初から作ります。後から切り抜くと、その時点で画角が変わります。

Q. カメラは動かしたほうがいいですか。 最初は固定です。被写体の動きが決まってから、ゆっくりの寄りを足します。

次に読む

手元の写真から始めるなら、写真を動画にする方法が元写真の条件を詳しく扱っています。動きの文の書き方は動画のプロンプト設計、写真から動画への画角の考え方は画像から動画の実践ガイドで確認できます。静止画のどこが動くのかは写真を動かすが近い内容です。

まずは1枚の写真と5秒のクリップから始めてください。テンプレート一覧から素材を選べます。

本文の条件は、画像から動画に写真を1枚上げて5秒を1本作ると、そのまま確かめられます。構図と主語が持つかどうかが先に分かります。

関連記事

関連ツールとテンプレート