AIでショートドラマを作るには？企画から完成までの流れ

制作フローの全体像

縦型ショートドラマは、スマホの画面向けに作る非常に短いエピソードの連続で、各話は「続きが気になる問い」で終わります。AIを使うと、脚本家、キャスティング、撮影クルー、編集者の仕事を一人で担うことになります。各工程で決めたことが後の工程の前提になるため、順番が大切です。

フックと脚本：最初の3秒で勝負する

視聴者はすばやくスクロールします。最初の3秒で、人物、対立、問いを見せましょう。風景やゆっくりしたタイトルから始めてはいけません。平手打ち、床に投げ捨てられた指輪、秘密を知る見知らぬ男、すべてを変える一言など、動きの途中から始めます。

• 企画は「望み」と「障害」を含む一文で書きます。例：「配達員の彼女は、客が自分を捨てた父だと知る」。
• まず最初のセリフを書きます。前後の文脈がなくても意味が通じるものにします。
• 各話は「導入、転換、引き」で組み立てます。30秒の短い話数でも転換は必要です。
• 登場人物は絞ります。1話につき2〜3人のほうが、一貫性を保ちやすくなります。
• 内面ではなく、目に見える動作を書きます。モデルは「震える手」は描けますが、「幼いころを思い出す」はフラッシュバックのショットがなければ描けません。

撮影計画としても使える脚本の形式にします。シーン見出し、短いト書き、話者名つきのセリフです。チャットボットに下書きや推敲を手伝わせてもよいですが、全セリフを声に出して読み、ストーリーを進めない部分は削りましょう。

キャラクター、場所、カット割り

動画を生成する前に、主要な役ごとにキャラクターシートを作ります。顔の正面・斜め・横、そのエピソードの衣装を着た全身、そしてすべてのプロンプトに貼りつける固定の文章による説明です。場所ごとにも参照用の静止画を1枚ずつ用意します。ストーリー上の理由がない限り、同じシーン内では衣装を変えません。

次に脚本をカット割りに落とし込みます。以下は、7ショットからなる20秒の第1話の例です。

企画：若いウェイトレスのリンが、無礼な金持ちの客に給仕する。客はカードを落とす。そこに書かれた名字は、リン自身の名字だった。

ショット1がフックです。2秒足らずで、顔、アクション、疑問を見せます。カードの名前は、多くの動画モデルが文字を苦手とするため、編集でグラフィックとして足します。ショット7は問いで終わり、それが第2話を見る理由になります。

生成：キーフレームが先、動きは後

1. キャラクターと場所のリファレンスを使い、ショットごとに9:16のキーフレームを1枚ずつ生成します。7枚を並べて見比べます。
2. 画像から動画（image-to-video）で各キーフレームを動かします。プロンプトには動き、カメラワーク、音だけを書きます。
3. 必要な長さより少し長めに生成し、ゆっくりした出だしや乱れた終わりをトリミングできるようにします。
4. 重要なショット、特にフックと最後のショットは2〜3テイク生成して、いちばん良いものを選びます。
5. 採用したクリップごとに、キーフレーム、プロンプト、設定を保存しておき、後から1カットだけ作り直せるようにします。

手、物が触れ合う場面（指の間を渡るカード、顔に当たる水）、速い動きでは問題が出やすくなります。そうした場面は寄りで撮る、2ショットに分ける、過程ではなく結果を見せる、といった工夫をします。水しぶきそのものではなく、リアクションと濡れた顔で表現することもできます。

音声、音楽、字幕

マイクロドラマはセリフで進むので、セリフを独立したトラックとして扱います。俳優の録音、音声合成（TTS）や音声モデル、動画モデルが生成する音声のどれを使っても構いません。シリーズでは、完璧な品質よりも、キャラクターごとに声を固定することのほうが大切です。声のクローンは、声の持ち主から明確な許可を得た場合に限ります。

• セリフは1行ずつ別ファイルとして録音または生成し、タイムラインに配置します。タイミング調整や差し替えが楽になります。
• 音楽はライセンスのあるものを使います。プラットフォーム自身の音楽ライブラリ、ロイヤリティフリーの素材、商用利用を認めるツールで生成した音楽などです。
• どのシーンにも小さな room tone（空間音）を敷きます。セリフの間が無音だと、不自然に聞こえます。
• 全セリフに字幕を付けます。音を出さずに見る人は多いからです。字幕は短く、画面に出すのは1〜2行にして、プラットフォームのボタンやキャプションが重なる下部より上に置きます。

字幕を作るには、完成したセリフのトラックを文字起こしして、手で修正します。たとえば cv.cm の音声文字起こしは Whisper をブラウザ内で動かし、SRT や VTT で書き出せます。YouTube は SRT と WebVTT のどちらの字幕ファイルも受け付けますが、字幕をオンにする人が少ないプラットフォームでは、焼き込み字幕のほうが確実です。

9:16の編集と書き出し

テンポを意識して編集します。意味のない間はすべて切り、各ショットはできるだけ遅く始めてできるだけ早く終わらせ、アクションでカットをつなぎます。最も強い画をエピソードの最初のフレームに置きましょう。視聴者は最初のセリフが終わる前に、見続けるかどうかを決めてしまいます。

エピソードを企画する前に、各プラットフォームの長さの規定を確認しましょう。たとえば YouTube では、正方形または縦型で3分以内の動画がショートとして扱われます。こうした規定は変わるため、公開時に各プラットフォームの最新のヘルプページを読んでください。

AI表示とプラットフォームのルール

リアルなAIの人物や場面には、たいてい開示が必要です。YouTube は、リアルなAI生成・加工コンテンツの開示をクリエイターに求めています。TikTok のコミュニティガイドラインは、リアルに見える場面や人物を含むAI生成または大幅に編集されたコンテンツへのラベル付けを求めています。中国では、2025年9月1日に施行された「人工知能生成合成コンテンツ標識弁法」により、AI生成コンテンツを公開するユーザーは、その旨を申告し、プラットフォームの表示機能を使うことが求められます。

• アップロード時に、プラットフォームのAIラベルをオンにします。
• 実在の人物の顔や声を無断で使わないこと。実在の公人が言ってもいないことを言い、していないことをしているように見せてはいけません。
• 生成ツールがファイルに付けるメタデータのラベルは、意図的に消さずに残します。
• プラットフォームや取引先から制作方法を問われたときのために、プロジェクトファイルとプロンプトを保管しておきます。