ファーストペンギン株式会社のロゴファーストペンギン株式会社

映像の作り方|AI動画の作り方

AIの得意と不得意

AIで動画を作るペンギンたちを水彩で描いた絵
この記事を3行で
  • AI動画の得意な土俵は、数秒の短いショット、被写体は1つ、構図がはっきりした画です。
  • 顔の一貫性・手や指・文字・長い尺・物理・口の動き・色のばらつきは、崩れやすいところとして挙げられてきました。研究でも、見た目のリアルさと物理の正しさは別だと報告されています。
  • 対策は「分ける」「固定する」「後の工程で仕上げる」の3つ。弱点は生成のやり直しではなく、設計で避けます。

弱点は設計で避けるもの

AI動画の弱点は、生成をやり直して力ずくで直すより、最初から画面に入れないように設計して避けるほうが確実です。崩れやすいものを映さない、短く使う、別の工程で足す。これが作り手の仕事になります。

AI動画のモデルは更新が速く、得意と不得意は変わっていきます。この記事の弱点の地図は2026年7月時点の整理を元にし、2026年11月に提供元の公式ガイドと研究論文で確かめた点を足したものです。作る前に、使うモデルの最新の案内を確かめてください。

AI動画の得意な土俵

AI動画が安定して力を出せるのは、数秒の短いショットで、被写体が1つ、構図がはっきりしている画です。OpenAIのSora 2の公式ガイド(2026年3月更新)は、短いクリップのほうが指示が守られやすく、8秒の1本より4秒の2本を編集でつなぐほうがうまくいく場合があると書いています。

撮影では難しい空撮や危険な場面、現実には無い景色も、言葉で指定して作れます。同じ企画で人物や言葉を変えた版をたくさん作り、比べながら当たりを探す使い方にも向いています。反対に、正確さが求められる要素や、長い時間をまたいだつながりは苦手です。

弱点の地図と対処

崩れやすいところと、その対処を並べます(2026年7月時点の整理を元に作成)。

顔の一貫性同じ人物がショットごとに別人に見える。→ 先に人物の静止画を作り込み、それを元に動かす(画像から動画を作る方法)。人物参照の機能を使い、服・髪・場所の描写を全ショットで同じ文にする
手・指指の本数や関節が崩れる。→ 手のアップを避ける構図にする。手が主役なら短く使い切る
文字・ロゴ看板や字幕、ロゴが崩れる。→ 動画の中に文字を生成させない。テロップやロゴは編集で載せる
長い尺の連続性数十秒の一続きの動作や物語が崩れる。→ 1つの意味のまとまり(ビート)を1ショットにして数秒ずつ作り、編集でつなぐ
複雑な物理液体・布・群衆・反射・ぶつかる物が不自然になる。→ 複雑な動きを避けた構図にし、1ショットを短くする。崩れたコマは尺で捨てる
口の動き(リップシンク)口と声が合わない。→ 長いセリフを1ショットに入れない。声は別に用意し、口の動きを合わせる処理を別の工程で行う。口元に寄りすぎない構図も有効
色のばらつきショットごとに色味がそろわない。→ 編集の段階で色を合わせ、共通の色の設定(LUT)で束ねる
「AIっぽさ」動きがなめらかすぎ、整いすぎて、SNSでは作り物に見える。→ あえて手ブレ・自然光・粗さを足す

研究で分かっていること

研究で分かっているのは、AI動画の見た目のリアルさと、物理の正しさは別物だということです。2025年に発表された論文(Motamedほか、Physics-IQ)は、液体の動き、光学、固体の力学、磁気、熱といった物理の原理を問う試験を作り、主な動画生成モデルを比べました。その結果、物理の理解は大きく限られており、見た目がリアルでも物理を理解しているとは言えない、と結論づけています。

動画生成の質を測る観点も研究で整理されています。2023年に発表された評価の枠組み「VBench」は、16の観点で動画生成モデルを評価するもので、例として、被写体が別人のように変わってしまう不一致、動きのなめらかさ、時間方向のちらつき、物どうしの位置関係を挙げています。顔の一貫性やちらつきが、研究の世界でも測るべき弱点として扱われていることが分かります。

公式ガイドが認めている弱点

動画生成AIの提供元も、公式ガイドの中で苦手な点を書いています。Sora 2のガイド(2026年3月更新)は、長いセリフや複雑なセリフは口と合いにくいこと、言い回しを少し変えるだけで人物の見た目やポーズ、画面の主役が変わること、動きがいちばん難しい要素になりやすいことを挙げています。

GoogleのVeoのガイド(Google Cloud)は、一部の高度なカメラアングルやレンズは公式に対応しておらず、結果が安定しないことがあると書いています。また、長い時間をかけて起きる出来事は、短いクリップには収まらないとしています。

一方で、人物をそろえるための機能は増えています。Googleは2025年10月に、Veo 3.1で人物や物の参照画像を最大3枚まで使える機能を発表しました。Klingの公式ガイド(2026年2月公開)も、複数の角度の画像や短い動画から人物や物の「要素」を作り、カメラが動いても特徴を保つ機能を説明しています。ただし、機能があっても毎回そろうとは限らないので、生成したショットは並べて確かめます。

弱点を避ける3つの原則

弱点を避ける原則は、分ける・固定する・後の工程で仕上げる、の3つです。

  • 分ける:長い尺、複雑な動き、複数の人物は、短いショットの積み上げに分解します。AIの得意な土俵(数秒・被写体1つ)に寄せるためです。
  • 固定する:顔や人物は、静止画を元に動かす方法と人物参照の機能で固定します。人物の描写や、場所・世界観を表す言葉も、毎ショット同じ文にします。
  • 後の工程で仕上げる:文字・音・色・つながりは、生成に頑張らせません。テロップ、整音、色の調整、場面転換の効果で、編集の段階で確実に仕上げます。

崩れるカットの逃がし方

どうしても人物が崩れるカットは、手元・物・後ろ姿・シルエットなど、人物が誰かを問われないショット(Bロール)に置き換えます。顔を見せなくても、場面の流れは伝えられます。

崩れたショットは、指示を減らして立て直します。Sora 2のガイドは、うまくいかないショットはカメラを止め、動きを減らし、背景を整理して単純にしてから、少しずつ複雑さを足すよう勧めています。

生成したクリップの全部を使う必要はありません。良い部分だけを短く使い、次のショットへ進む。「短く使う」ことも、品質を保つための技術です。

得意と不得意が変わったときの見直し方

得意と不得意はモデルの更新で変わるので、決まった手順で見直します。

  • 1. 弱点ごとに試験用の指示文を1本ずつ用意しておく(手のアップ、看板の文字、液体を注ぐ、2人の会話など)。
  • 2. 新しいモデルや新しい版が出たら、同じ指示文で生成する。
  • 3. 前の結果と並べ、崩れ方が変わったかを見る。1回では偶然があるので、数本出して比べる。
  • 4. 地図の表に「いつ・どのモデルで確かめたか」を書き足す。
  • 5. 苦手でなくなった弱点も、納品前の点検の項目からはすぐに外さない。

AI動画では、こう使う

  1. 企画の段階で、弱点を入れない台本や絵コンテの段階で、手のアップ、画面の中の文字、長い一続きの動作、液体や群衆の大写しが入っていないかを見ます。入っているなら、構図や見せ方を変えるか、実写や編集で補う前提にします。
  2. 人物の描写は一字一句そろえる同じ人物を何ショットも出すなら、服・髪・場所の描写をすべての指示文で同じ文にします。少し言い換えるだけでも、別人のように変わることがあります。
  3. 時点を書いて、定期的に見直す得意と不得意は、モデルの更新で変わります。「2026年7月時点で苦手」という前提を書き残し、新しいモデルが出たら、同じ指示で試して地図を更新します。

よくある質問

AI動画で文字を入れたいときはどうすればよいですか?

動画の中の看板や字幕は崩れやすいので、文字は生成させず、編集でテロップとして載せるのが確実です。Googleが2025年11月に発表した画像生成AI「Nano Banana Pro」のように、画像の中の文字を正確に描けるとする画像生成AIも出てきていますが、動かしたときに崩れないかは、生成したショットで確かめる必要があります。

同じ人物を何ショットも出すにはどうすればよいですか?

先に人物の静止画を作り込み、それを元に動かす方法と、提供元の人物参照の機能を組み合わせます。服・髪・特徴の描写は、すべての指示文で同じ文にします。Sora 2のガイドも、言い回しを少し変えるだけで人物の見た目が変わることがあると書いています。

AI動画は長い動画を作れますか?

長い1本を一度に生成するより、数秒ずつのショットを作って編集でつなぐほうが、品質は安定します。延長の機能を持つモデルもありますが、長くなるほどつながりや動きが崩れやすいので、意味のまとまりごとにショットを分けます。

AI動画の物理の不自然さは、いずれ解決しますか?

どこまで改善するかは分かりません。2025年の論文(Physics-IQ)は、物理の理解は大きく限られており、見た目のリアルさとは別だと報告しています。現時点では、液体やぶつかる物の大写しを避ける設計で対処します。

出典

この記事は、AIで下調べをして出典を確かめ、ファーストペンギン代表の向井 宏が監修しています。最終確認:2026年11月

関連する記事

AI動画の作り方の記事一覧へ

この内容のご依頼はAI動画制作AI動画制作の料金