ショート動画の台本の書き方

アイデアより先に「時間の予算」を決める

ショート動画の台本は、「何を話し、何を見せ、いつ切り替えるか」を秒単位で決めた計画書です。TikTok、Instagramリール、YouTubeショートでは、視聴者は最初の1〜2秒で見続けるかどうかを判断し、動画全体も1分未満であることがほとんどです。前置きに使える時間はないので、アイデアよりも先に尺が台本を決めます。

わかりやすい解説調の英語は、1秒あたり約2.5〜3語で話すのが一般的です。テンポの速いクリエイターは3語を超え、落ち着いたナレーションは2.5語前後になります。目標の尺にこの速さを掛ければ、語数の予算が出ます。そこから約2秒分を引いてください。ショート動画では、オチの前や反応、ラストカットのために、ほぼ必ず無音の「間」が必要だからです。日本語で書く場合は、同じ考え方で1秒あたり約5〜6文字を目安にして、実際に声に出して計ってください。

30秒の計算は、30 × 2.5 = 75、30 × 3 = 90です。無音の2秒分（5〜6語）を引くと、約70〜85語に収まります。下書きが130語なら、それは30秒ではなく45秒の動画です。早口で詰め込もうとせず、ポイントを1つ削ってください。

実際の長さは、下書きをタイマー付きで音読して確かめます。たとえばcv.cmの文字数カウントツールなら、語数（文字数）と推定読み上げ時間がわかり、音声読み上げツールなら端末内蔵の音声で原稿を読ませて、撮影や生成の前にテンポを聞いて確認できます。なお、YouTubeショートは最長3分まで投稿できるようになりましたが、上限が延びたからといって長く書く理由にはなりません。オチまで届く最短のバージョンを書いてください。

動画のフックの型と例文

動画のフックとは、最初の一言と最初のフレームのことです。役割は、視聴者に「この先を知りたい」という疑問を持たせ、残りの動画でその答えを返すことです。動画で応えられない約束をすると、すぐではなく後からスワイプされてしまうので、誠実に作りましょう。ショート動画のフックは、次の型でほぼ網羅できます。

一言は、フックの半分にすぎません。最初のフレームも同じくらい重要です。AI生成のショート動画で試したところ、序盤の離脱率は最初のフレームでかなり決まりました。最初のフレームは動画の中で一番きれいなカットにし、明るく、被写体の顔がはっきり見えて照明が当たり、すでに動いている、または反応しているのが理想です。ゆっくりした見せ方、うつむいた人物、暗い照明、目覚めるシーンの導入は、一言目が終わる前に視聴者を失います。ゆっくりした導入に頼らず、コンセプトを舞台設定や小道具に込め、最初の数秒は寄りかミディアムショットで被写体を画面いっぱいに映してください。

ショート動画の5つの構成

構成は動画ごとに1つ選びます。30秒で2つを混ぜると、たいていどちらも伝わりません。各構成のビートを順に並べると次のとおりです。

どの構成にも効く工夫が2つあります。1つ目は、数秒ごとのパターンブレイクです。新しいカット、新しいアングル、画面上の数字、効果音などを入れます。台本には、それが入る位置を書いておきましょう。2つ目はループです。最後の一言が最初の一言につながっていれば、見続けている視聴者は継ぎ目を感じないまま冒頭に戻り、多くの人が同じ動画を2回近く見ることになります。簡単なループは、最後を文の途中で止めて、フックがその続きを言う形です。

30秒台本の実例（ビートシート付き）

ここでは、縦型30秒のショート動画向けに、課題解決型の台本を最初から最後まで示します。各ビートには、タイムスタンプ、ナレーション（VO）、画面上のテキスト、映像を書いています。ナレーションは79語で、30秒の予算である70〜85語に収まり、最後に短い間も残せます。

TITLE: Why bread goes stale faster in the fridge
LENGTH: 30 s, 9:16, voiceover + captions

0.0-2.5 s  HOOK
  VO:     You are storing bread in the worst place in your kitchen.
  SCREEN: The fridge = stale bread
  VISUAL: Close-up, hand pulls a loaf out of a bright open fridge, taps it, it sounds hard.

2.5-9.0 s  PROBLEM
  VO:     Cold air does not keep bread fresh. It makes the starch firm up faster,
          so a chilled loaf turns stale in days.
  SCREEN: Cold = faster staling
  VISUAL: Medium shot, loaf cut in half, crumb looks dry, a slice snaps instead of bending.

9.0-19.0 s  FIX
  VO:     Keep the bread you will eat in two days on the counter, in a paper bag or bread box.
          Slice the rest and freeze it.
  SCREEN: 2 days: counter / rest: freezer
  VISUAL: Top shot, bread into a paper bag; cut to slices going into a freezer bag.

19.0-26.5 s  PROOF
  VO:     A frozen slice goes straight into the toaster and tastes close to fresh.
  SCREEN: Freezer -> toaster, no thawing
  VISUAL: Close-up, frozen slice into toaster, pops up golden, butter melts on it.

26.5-30.0 s  PAYOFF + LOOP
  VO:     So next time you reach for the fridge...
  SCREEN: (none)
  VISUAL: Same open fridge as the first frame, hand stops, turns to the bread box.
          Last frame matches the first frame for a clean loop.

この台本のポイントを見てみましょう。フックは、視聴者がやっていそうな間違いを指摘しています。課題のビートは、理由を3つではなく1つだけ挙げています。解決策は、数字を含む具体的な行動が2つ。証拠は映像で見せるので言葉は少なめです。最後の一言は途中で止まり、映像は冒頭の冷蔵庫に戻るので、リプレイは「自分の疑問への答え」から始まります。

台本から絵コンテ、AI動画プロンプトへ

台本からAI動画を作るなら、台本をそのまま生成ツールに貼るより、自分で変換したほうがうまくいきます。各ビートを1つ以上のショットにし、各ショットを1つのプロンプトにします。絵コンテ用プロンプトの全手順は専用のガイドで解説していますが、ショート動画では次の3つのルールが特に重要です。

1. カメラに映るものだけを書く。動画モデルは比喩を文字どおりに描きがちで、「言葉がナイフのように刺さる」と書くと本物のナイフが映り込むことがあります。ナレーションはいくら表現豊かでも構いませんが、映像の指示は被写体、動作、素材、光、構図だけにしてください。
2. ショットの長さをモデルが出せる長さに合わせる。多くの動画モデルは秒数が固定で、整数秒や5秒・10秒・15秒といった段階しか選べません。その長さから切り出せるようにビートを設計しましょう。6.5秒のビートは10秒のクリップからは切り出せますが、5秒のクリップからは作れません。
3. フックのショットを最初に生成し、一番厳しく判定する。最初のフレームが明るく、寄りで、すでに動いていなければ、残りに時間をかける前に生成し直してください。

実例の台本の最初のビートを、動画プロンプトにするとこうなります。

Vertical 9:16, close-up. A hand opens a brightly lit white fridge and pulls out a loaf of
sourdough bread, then taps the crust twice with a knuckle. The crust looks dry and hard.
Cool white fridge light on the bread, warm kitchen light behind. The camera is static,
slightly below eye level. Duration 3 seconds. No text on screen.

字幕や画面上のテキストは動画プロンプトに入れず、編集ソフトで足しましょう。モデルは生成した文字をよく間違えますし、あとから文言を変えたくなるのが普通です。プロンプトの構造全般については、動画プロンプトのガイドをご覧ください。

AI台本ジェネレーターを使うときに、ありきたりな台本にしないコツ

ChatGPT、Claude、Gemini、DeepSeek、Qwenなどの大規模言語モデルは、台本の下書きを数秒で作れます。ただ、ふつうに頼むと誰が頼んでも同じ台本が返ってきます。あいまいなフック、当たり障りのない3つのコツ、「フォローお願いします」の締めです。対策は、自分しか持っていない素材と、守らせる制約を渡すことです。

Write a 30-second vertical video script, 70-85 spoken words.
Structure: problem-solution. Beats with timestamps: hook 0-2.5 s, problem, fix, proof, payoff.
For each beat give: VO line, on-screen text (max 6 words), and one visual a camera could film.
Audience: renters with small kitchens.
Facts to use (do not add others): [paste your notes or source]
My own detail to include: [what you tried and what happened]
Rules: no rhetorical questions after the hook, no "in this video", no "follow for more",
no similes in the visual lines. Give 5 alternative hook lines at the end.

• テーマではなく事実を渡す。モデルは隙間をそれらしい推測で埋めます。自分のメモや出典を渡し、主張を足さないよう指示してください。
• 自分だけの具体的なディテールを1つ入れる。測った数字、やってしまった失敗、撮影した場所など。そのディテールが台本を自分のものにします。
• フックは複数案を出させ、自分で選ぶ。そのうえで、実際に自分が話す言葉に書き直します。
• 下書きを音読する。友達には言わない文や、立派に聞かせるためだけの言葉は削ります。
• モデルが残した事実はすべて確認する。数千人に読み上げる台本に、AIが作り出した誤った統計を載せるのは避けましょう。

よくある台本の失敗と限界

• 言葉が多すぎる。最も多い失敗です。ナレーションを早送りしないと収まらないなら、台本が長すぎます。
• あいさつや前置きから始める。「どうも、今日は〜についてお話しします」では、視聴者が残るかどうかが決まる最初の2秒を使ってしまいます。
• 動画で回収しないフック。だまされたと感じた視聴者はスワイプして離れ、次の動画も見られにくくなります。
• 1つのビートに3つのアイデア。各ビートには、アイデア1つと映像1つを載せます。
• 映像の計画がない。ナレーションだけの台本だと、編集者やモデルが映像を考えることになり、ありがちなストック素材のようなカットになりがちです。
• リテンションのデータを見ない。YouTubeスタジオのショート分析では、最初の数秒を超えて見続けた視聴者の割合が確認できます。どのフックの型が自分の視聴者に効くかは、フックごとにこの数字を比べてから判断しましょう。

台本は出発点です。優れたショート動画の台本は、最初の編集のあとで書き直されることが多く、映像がすでに説明している文が見えてきて、削れるようになります。最終的な動画にAI生成の人物やリアルなシーンが入る場合は、プラットフォームのAIラベルを付けてください。各プラットフォームのルールは、AIコンテンツの表示に関するガイドで解説しています。