AIでショート動画を作る方法：リール・ショート向け制作ワークフロー

15～60秒の縦型動画の制作フロー

ショート動画で評価されるポイントは、TikTok、抖音（Douyin）、Instagramリール、YouTubeショート、快手（Kuaishou）、小紅書、WeChatチャンネルのどれでも同じです。強い冒頭、無駄のない秒数、はっきりしたオチです。AIツールが速くしてくれるのはフローの中盤で、冒頭と結末の判断は今も自分の仕事です。

台本とナレーションの工程には、それぞれ専用のガイドがあります。ショート動画の台本、AIナレーション、自動字幕のガイドをご覧ください。このページでは、各工程のつながりと、視聴者を引きつけ続けるポイントを中心に解説します。

最初の1～3秒で勝負が決まる

私たちのテストでは、序盤の離脱への影響は、クリップ後半のどの要素よりも冒頭のフレームのほうが大きいという結果でした。最初のフレームは、動画の中でいちばん魅力的なものにしましょう。明るく、顔がはっきり見えて照明も当たり、被写体がすでに動いているか笑っていて、寄りか中景で画面いっぱいに被写体が映っている状態です。

実際に視聴者が離れやすい冒頭は、ゆっくりした見せ方、うつむく顔、暗い部屋、半分隠れた顔、ロゴだけのカード、コンセプトを説明する「目覚め」のイントロです。コンセプトは小道具と舞台に込めましょう。雨の日のレシピの動画なら、キッチンに入ってくる人ではなく、濡れた窓辺の湯気の立つ器から始めます。

その絵に、具体的な約束や具体的な悩みを示す最初のひと言を合わせます。たとえば「バジルを枯らさない一番安い方法です」や「ぼやけたスマホ写真を直す3つの設定」です。ひと言と映像は、同じことを伝えるようにしましょう。

映像、ナレーション、字幕、BGM

• モデルの長さに合わせてショットを計画します。多くのモデルは整数秒、または5秒・10秒・15秒といった段階しか受け付けません。30秒のショート動画は、5秒のショット6つか、10秒のショット3つになることが多いです。
• キャラクターごとに参照画像を1枚用意し、新しい画像はすべてそれと照合します。服、手、アクセサリー、髪、色、身長です。画像編集ツールは頼んでいない細部を変えることがあり、動画モデルはその誤りをすべてのフレームにコピーします。
• カメラに映るものだけを書きます。動画モデルはたとえを文字どおりに描くため、「水墨画のような山々」と書くと、実景の背景が平面的なイラストになることがあります。
• ナレーションは最終編集の前に録音または生成します。映像を声に合わせて切る流れにして、逆にはしません。
• 字幕は短く、コントラストを高くし、プラットフォームのボタンや文字が出る下端と右端は避けます。セーフゾーンは縦型動画サイズのガイドをご覧ください。
• BGMの長さは動画の長さに合わせます。セグメントごとに生成する場合は、モデルに切り出しを任せず、各セグメントの音声を自分でカットしましょう。

モデルがサウンドトラックを生成または再レンダリングすると、音楽の開始が遅れることがあります。動きはプロンプトのタイミングにほぼ従っているのに、約1秒のずれを測定したこともあります。同期を判断する前に、生成したクリップに元の音声を戻してください。

ffmpeg -i gen.mp4 -i song.mp3 -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -shortest synced.mp4

生成クリップは720pや、やや甘い1080pで出てくることがよくあります。アップスケールは編集の前ではなく後に行い、マスターの書き出しは1つにしましょう。SNSアプリでの再アップロードや再エンコードのたびに、ノイズが増えます。

視聴維持率：ループとパターンブレイク

ショート動画アプリは、まず少人数にクリップを見せ、最後まで見られる、リプレイされる、シェアされると、配信先を広げます。実際に効果がある編集のコツをいくつか挙げます。

• 2～4秒ごとに画面で何かを変えます。新しいショット、ズーム、字幕、フレームに入ってくる物などです。それより長い固定ショットは、スマホでは遅く感じやすくなります。
• オチは遅く見せて、約束は早く伝えます。「最後まで見て」が効くのは、最後が本当に一番のときだけです。
• ループを作ります。最後のフレームが最初のフレームにつながるようにすると、リプレイが途切れずに続きます。終わりで始まり、冒頭で終わる一文も使えます。
• 声の間をすべてカットします。長尺動画なら問題ない無音も、ショート動画ではミスに見えます。
• 締めはオチで終わらせ、あいさつやロゴカードにはしません。視聴者はあいさつで離れます。

実例：30秒のAIショート動画

このビートシートは、猫がテーブルの物を落とす理由を解説する30秒の動画向けです。1枚のキャラクター画像から作った1匹のカートゥーンの猫を、5秒のAIショット6つで見せ、約80語のナレーションを付けて、最後にループさせます。

0-5 s   SHOT 1 close-up: orange cat on a kitchen counter, paw already pushing a cup
        toward the edge, bright morning light. Cup falls off frame at 4 s.
        VO: "Your cat is not being rude. It is running an experiment."
5-10 s  SHOT 2 medium: cat watches the floor, ears forward.
        VO: "Cats are hunters. A paw tap tests whether something is alive."
10-15 s SHOT 3 close-up: paw taps a pen three times, pen rolls.
        VO: "If it moves, it is interesting. If it falls, even better."
15-20 s SHOT 4 medium: cat looks at the camera, then at an empty bowl.
        VO: "It also works on you. You came running, didn't you?"
20-25 s SHOT 5 wide: owner's hand fills the bowl, cat ignores it, looks at a glass.
        VO: "The fix: give it toys that move, and keep glasses away from edges."
25-30 s SHOT 6 close-up: paw rests next to a new cup at the counter edge.
        VO: "Because tomorrow, the experiment starts again..."
        (last frame matches the first frame for a clean loop)

Captions: 3-5 words per line, upper middle of the frame.
Music: light pizzicato loop cut to exactly 30 s, -18 dB under the voice.

最初のフレームから猫とカップが動いているので、ゆっくりした導入はありません。各ショットは動作1つで、ナレーションの1行がおよそ1ショット分の長さです。

シリーズの量産制作

単発のクリップよりシリーズのほうが伸ばしやすいのは、次の回で何が得られるか視聴者が分かるからです。量産で最も時間を節約できるのは、中身ではなく構成と素材を使い回すときです。

1. フォーマットを固定します。長さ、ビート構成、字幕のスタイル、BGMの雰囲気、サムネイルのレイアウトです。
2. 再利用できる素材を一度だけ作ります。キャラクターシート、背景プレート、イントロの効果音です。
3. 1回の作業で5～10本の台本を書き、それぞれ別のネタや物語にします。
4. 最初のフレームをすべて生成してキャラクターシートと照合し、そのあと動画のショットをまとめてキューに入れます。
5. テンプレートのプロジェクトから編集しますが、フック、ショット、オチは毎回変えます。

投稿チェックリストと分析の読み方

プラットフォームの上限は変わるので、シリーズを始める前に各アプリで確認してください。執筆時点（2026年11月）で公式ページにより確認できた点は次のとおりです。

分析では、再生回数だけでなく視聴維持率のグラフを見ましょう。YouTubeでは2026年8月24日から、動画の再生が始まった時点で1回の視聴として数えます。そのため、再生回数が多いのにエンゲージメントのある視聴が少ない場合は、最初の数秒がうまくいっていないことが多いです。線がいちばん下がる秒を見つけてその場面を見直し、次の動画では最初のフレーム、最初のひと言、長さのどれか1つだけを変えます。表示ルールの詳細はAIコンテンツの表示のガイドをご覧ください。