テキストから動画を作るAI:伝わるプロンプトの書き方
テキストから動画を作るAIは、書いた文章をそのまま映像にするのではなく、短い1シーンとして解釈します。場所、被写体、動き、ショット、カメラ、光をどう書けば狙いどおりの5秒や10秒の動画になるのかを、Airpicでの実際の手順と測定結果を交えて説明します。
動画生成AIが得意なこと、苦手なこと
テキストから動画を作るAIが一度に作るのは、5秒か10秒の短いシーンです。いい結果が出やすいのは、被写体がひとつ、動きがひとつ、カメラの動きがひとつのシーンです。「夕暮れの海辺を犬が走り、カメラが横から並走する」は、この条件にぴったり当てはまります。
苦手なものもはっきりしています。
- 読める文字:看板やテロップの文字は崩れやすいです。文字は後から編集で重ねるほうが確実です。
- 正確なロゴや商品デザイン:形や色が少しずつ変わります。
- 長い物語:10秒の中に「出会って、別れて、再会する」は入りきりません。1シーンを1本の動画にして、あとでつなぎます。
よくある助言に「細かく書くほどよい」がありますが、これは半分だけ正しいです。被写体や出来事を詰め込むと、どれも中途半端に描かれます。細かく書くべきなのは、ひとつの動きの質(速さ、方向、光)です。
AI動画のプロンプトの書き方:シーンを組み立てる6つの要素
動画生成AIのプロンプトは、次の6つを順に埋めると安定します。
- 場所:雨上がりの路地、冬の湖畔
- 被写体:赤い傘の女性、年老いた漁師
- 動き:振り返る、網を引き上げる
- ショットの種類:引きの全景、バストショット、手元のクローズアップ
- カメラの動き:ゆっくり寄る、横に移動する、空撮で旋回する、固定
- 光:夕日の逆光、蛍光灯の青白い光、曇りのやわらかい光
悪い例:「おしゃれなカフェの動画」。場所しかなく、誰が何をするのか、カメラがどう動くのかをAIが勝手に決めてしまいます。
よい例:「朝の小さなカフェ、窓際でバリスタがラテアートを描く、手元のクローズアップ、カメラはゆっくり寄る、窓から差し込む斜めの朝日」。6つの要素がすべて入っていて、動きはひとつだけです。
もうひとつの悪い例:「交差点を人が渡り、空にドローンが飛び、雨が降り出し、最後に虹が出る」。出来事が4つあります。どれかひとつに絞り、残りは別の動画にしてください。
縦・横・正方形:画面比率は公開先で決める
画面比率は生成前に決めます。あとから切り抜くと、画面の端にいる被写体が切れてしまうからです。
- 縦 9:16:ショート動画、ストーリーズ、スマホで全画面表示する広告。被写体は画面の中央に置き、上下に余白を残すと、字幕やボタンと重なりません。
- 横 16:9:YouTube、Webサイトの背景動画、プレゼン資料。風景や移動の動きが映えます。
- 正方形 1:1:SNSのフィード投稿。縦でも横でも見やすい中間の形です。
同じシーンを縦と横の両方で使いたい場合は、比率を変えて2回生成するほうが、1本を切り抜くよりきれいに仕上がります。縦の動画に字幕を付けたいときは、動画に字幕をつける方法も参考にしてください。
下書きで安く試し、本番は高画質で作る
プロンプトが一回で狙いどおりになることはほとんどありません。そこで、2段階に分けます。
- 下書き(480p、音声付き)で、構図、動きの向き、カメラの動きが合っているかを確かめます。この段階でプロンプトを何度も直します。
- 狙いどおりになったら、同じプロンプトで標準(768p)、2K、またはシネマ(720p、音声付き)を選んで本番を作ります。
時間の目安として、Airpicが2026年10月15日に測った結果があります。音声付きの5秒の下書きは88秒で完成し、1280×720ピクセルの高画質版は約400秒かかりました。下書きなら数分のうちに何本も比べられるので、本番の待ち時間を無駄にせずに済みます。
注意点として、下書きと本番は別々の生成なので、まったく同じ映像にはなりません。下書きで確かめるのは方向性です。細部まで同じになることは期待しないでください。料金は画質ごとに違うので、テキストから動画を生成するページで確認してください。
Airpicで文章から動画を作る手順
- シーンを日本語で書きます。最大800文字です。上の6つの要素を1、2文にまとめます。最初のフレームに使いたい画像があれば、参考画像として追加できます。手持ちの写真そのものを動かしたい場合は、写真を動かすツールのほうが向いています。
- 長さ、画面比率、画質を選びます。5秒か10秒、縦・横・正方形、そして最初は下書きを選びます。
- AIが書いたプロンプトを読みます。日本語の文章は、構図、カメラ、光、動きを含む英語の映画風プロンプトに書き直され、モデルに送る内容として画面に表示されます。意図と違う解釈があれば、元の文章をより具体的に直して、もう一度生成します。
- 生成してMP4をダウンロードします。動画が生成されなかった場合や、依頼が拒否された場合は、クレジットが自動で戻ります。
- 複数のシーンをつなぎます。1シーンずつ作った動画は、AI動画編集で並べ、トランジション、テキスト、字幕、音楽を付けて1本にまとめます。
アカウントもサブスクリプションも不要です。まずは短い下書きを1本、テキストから動画を作るAIで試してみてください。
FAQ
テキストから動画を作るAIは日本語で使えますか?
使えます。日本語で書いたシーンを、AIが英語の映画風プロンプトに書き直してからモデルに送ります。書き直した内容は生成前に画面に表示されます。
動画生成AIで文字やロゴは入れられますか?
映像の中の文字やロゴは崩れやすく、おすすめしません。文字は生成した動画にあとから編集で重ねるほうが確実です。
1本で30秒や1分の動画は作れますか?
1回の生成は5秒か10秒です。長い動画は、シーンごとに生成してAI動画編集でつなぎます。
AI動画のプロンプトがうまく伝わらないのはなぜですか?
出来事が多すぎるか、カメラの動きや光が書かれていないことがよくある原因です。場所、被写体、動き、ショット、カメラ、光の6つを入れ、動きはひとつに絞ってください。
実測データ
- 音声付きの5秒の下書きは88秒、1280×720pxの高画質版は約400秒でした。 (15-10-2026)
airpic.appで、GPUが起動済みの状態で計測しました。しばらく使われていなかった場合、最初の処理は起動のために40〜90秒長くかかります。
あわせて読みたい
iLovePDFの代わりに、PDFをパソコンの中だけで処理する
iLovePDFの代わりを探している方へ。PDFの結合・分割・圧縮・OCR・署名を、ファイルをアップロードせずパソコン内で行う無料アプリAirpic PDFの使い方。
古い家族写真をAIで動かす
古い家族写真をAIで動かす前に修復する理由、自然に見える動きの書き方、人物写真で高速モードを選ぶ理由、公開前に家族と話すこと。Airpicでの手順を2026年10月の計測値つきで解説します。
古い動画を高画質化して4Kに変換する
古い動画の高画質化をAIで。480pのスマホ動画やビデオカメラの映像から本当に取り戻せるもの、1080pと4Kの選び方、20秒のクリップに切り出す手順、実測の処理時間まで解説します。