AI動画生成サイトの使い方：テキストから短い動画を作る

AI 動画生成は、テキストプロンプト、静止画、参照クリップから新しい短編動画を作る方法です。Pipe2のVideo Generatorを開き、1つのショットを明確に説明し、画角と長さを決め、必要な参照素材だけを追加すれば、確認や編集に使えるMP4を生成できます。

5つの手順でAI動画を生成する

1. 1ショットに絞る。 視聴者に何が見え、何が動き、どの状態で終わるかを決めます。1回の生成に物語全体を詰め込むより、実現可能な1つの動作の方が制御しやすくなります。
2. 動きの設計を書く。 被写体、動作、場所、カメラ、照明、表現スタイル、重要な音を記述します。
3. 役割のある参照だけを使う。 開始フレームで構図を固定し、終了フレームで到達点を示します。ほかの素材は人物や物体の一貫性、動き、テンポ、音の指針に使います。
4. 出力設定を選ぶ。 アスペクト比、長さ、解像度、音声を設定します。Autoなら、Pipe2が入力条件に対応するモデルを選びます。
5. クリップ全体を確認する。 通常速度で見た後、難しい動きはコマ単位でも確認します。弱いショットは長い編集に組み込む前に作り直します。

入力にはテキスト、正確な開始・終了フレーム、参照画像、参照動画、参照音声を利用できます。組み合わせや上限はモデルごとに異なるため、実行前に最新の操作項目とクレジット見積もりを確認してください。

あらすじではなく、1つのショットを書く

良いプロンプトは、時間の中で見える変化を記述します。まず画角を示し、被写体と動作を挙げ、カメラと周囲がどう動くかを書きます。最後に安定した終了状態を指定すると、まとまりのある終わり方になります。

例：

ブルーアワーのカフェ。カウンターに置かれたコバルトブルーの陶器製ティーポットを、ミディアムワイドで撮影。湯気が立ち上がり、緩やかな一重のらせんを描いて消える間、カメラはごくゆっくり前進する。店内は暖色、窓の外は冷たい雨。音声：静かな雨と、陶器のふたがかすかに触れる音。

この指示には、1つの場面、中心となる動き、控えめなカメラ、一定の光、短い音の設計があります。「素晴らしく映画的なカフェ動画」だけでは、重要な判断が未指定のままです。形容詞を増やしても、動作は明確になりません。

タイミングが重要なら、開始、動作、最後の静止を順番に書きます。数秒の中に複数の場所、衣装変更、会話、カットを求める場合は、別々のショットに分けてください。

テキスト、開始フレーム、参照素材を使い分ける

正確な人物や構図よりアイデアを優先するなら、テキストから動画が向いています。構図や同一性を強く保ちたいなら、開始フレームを使います。画像が見た目を定義するので、プロンプトは動き、カメラ、変えない要素に集中させます。詳しくは画像から動画を作るガイドをご覧ください。

対応モデルの終了フレームは、最後に到達すべき構図を示します。形がまったく異なるものへ変身させるより、関連する2枚を直接つなぐ方が安定します。

参照画像・動画・音声は、人物や物体、ルック、カメラワーク、リズム、声、音楽、効果音の手掛かりになります。各ファイルの役割を明記してください。参照素材の扱いは選択したモデルによって異なります。特定の開始・終了構図を指定したい場合は、開始フレームと終了フレームの専用設定を使ってください。

画角、長さ、解像度、音声を決める

用途に合わせて先に比率を選びます。横型は16:9、縦型は9:16、正方形は1:1、クラシックな横画面は4:3、縦長ポートレートは3:4、超横長は21:9です。後から切り抜くと、被写体や動きが欠けることがあります。

長さと解像度はモデルに応じて扱われます。長いクリップ、特殊な比率、特定の参照素材の組み合わせには別の対応モデルが必要な場合があります。Autoは送信した設定から選択します。モデルを固定するのは、その公開機能が必須の場合に限るとよいでしょう。

音声もモデル次第です。音声が有効で対応している場合は、必要な環境音、せりふ、効果音を具体的に書きます。無音の出力には、編集時にナレーションや音楽を追加できます。

生成前にプロンプト補強とクレジットを確認する

テキストから動画を作る場合は、場面の説明があればよく、撮影済みの映像をアップロードする必要はありません。カフェの例なら、プロンプトを貼り付け、横型には16:9、縦型の投稿には9:16を選び、対応する短い長さを指定します。最初は参照素材を追加せず、テキストだけでどのような動きになるかを確認しましょう。

Enhance promptは初期設定で有効になっており、選択したモデルに合わせて説明を補強します。自分の文面をそのまま送信したい場合は無効にしてください。画角と長さが重要なら明示的に指定します。Autoのままにすると、Pipe2がそれらを推定できます。プロンプトを補強しても、指定した細部がすべて正確に再現される保証はありません。

モデルと設定を選んだ後にクレジット見積もりを確認し、参照素材の追加や長さ・解像度の変更後にも再確認してください。Autoは対応するモデルを選びますが、最も安い結果を保証するものではありません。変更の効果を比較できるよう、各試行のプロンプトと設定を保存します。短いテストで動きを確認してから、追加ショットや高解像度版にクレジットを使いましょう。

Grok Imagineでプロンプトから動画を作る

Pipe2のVideo Generatorで、Grok Imagine Videoを明示的に選択します。Autoでは別のモデルが選ばれる場合があります。上のカフェのプロンプトを貼り付け、16:9、4秒、480pを指定し、最初の短いテストでは参照素材を空にします。クレジット見積もりを確認して生成し、長さや解像度を上げる前に動画を見てください。自分の文面を変えずに試すには、Enhance promptを無効にします。

Grokはテキストプロンプトを受け取り、480pまたは720pで4〜15秒のクリップを生成します。固定アスペクト比は16:9、9:16、1:1、4:3、3:4です。音声生成は初期設定で有効です。必要な音を説明し、無音にしたい場合は音声設定を切り替えてください。長尺や高解像度にすると費用が増えるため、設定変更後は見積もりを再確認します。

構図が決まっている場合は、開始画像を1枚追加して動きを説明します。別の方法として、最大7枚の参照画像を使い、それぞれが何を指定するかを記述できます。この2つは別モードなので、開始画像と通常の参照画像は併用できません。このGrokの動画生成では、終了フレーム、参照動画、アップロードした音声は使えません。これらが必要なら、対応する別のモデルを選んでください。ティーポットの形、湯気、カメラの動き、音を確認し、意図からずれる場合は指示を1つずつ変えます。

動きと連続性を確認する

最初に、動作が一目で伝わり、自然に終わっているかを確認します。伝わらなければショットを単純にします。次に、顔、手、物体の数と形、接触、反射、背景、カメラ方向を見ます。回転、物体の重なり、画面外への移動は破綻が出やすい場面です。

再生成では一度に1項目だけ変えます。動作を具体化する、カメラ移動を小さくする、開始フレームの維持を強める、矛盾する参照を外す、といった方法です。何が改善につながったか判断しやすくなります。

採用したショットから完成動画を作る

各生成結果を1つのショットとして扱い、良いテイクを物語の順に並べます。Video Reelでは、トランジションを付けてクリップを連結し、必要に応じて元音声、ナレーション、音楽も加えられます。AI動画の作り方では、企画から生成、編集、字幕、ブランド要素までを一連の流れで解説しています。

モデル選びが中心課題なら、AI動画生成ツールの比較で対応入力と設定を比べてください。最初の試行では、複雑な設定より、明確な1ショット、正しい比率、少数の有効な参照の方が結果を左右します。

生成したクリップを公開用に仕上げる

カフェのショットなら、ティーポットのクリップだけで完成とするのか、長い動画の一部として使うのかを決めましょう。モデルを試すときはプロンプトと構図をそろえ、使える動き、音、表示されるクレジット見積もりを比較します。必要な入力に対応していることは最初の条件です。実際の編集に合うテイクを選んでください。

完成動画にせりふやナレーションがある場合は、カットとナレーションが確定してから字幕を付けます。Captionsで完成動画を指定し、任意のSRTを添付せずに実行すると、音声が自動で文字起こしされます。確認済みの文面と表示タイミングを使いたい場合は、修正したSRTを添付できます。字幕のスタイルと位置を選び、出力されたMP4で誤認識や被写体に重なる文字がないか確認してください。SRTを使う方法は字幕ガイドで説明しています。雨と陶器の音だけのクリップには、発話の字幕は不要です。