テキストから動画を作るAIジェネレーター

誰が、または何が映るのかをまず書き、そこに目に見える特徴を2〜3つ足します。年齢、服装、素材、色などです。「青緑のスクラブを着た、疲れた表情の看護師」は「人」と書くよりはるかに多くの手がかりになります。1本の動画に主役は1人に絞ると、視線の集まる場所がはっきりします。

最初の1秒から最後の1秒までに何が変わるのかを、テンポの伝わる動詞で書きます。「ゆっくり注ぐ」「ちらりと振り返る」「傘の雨を払う」といった具合です。短いクリップに収まるのは、始まりと終わりのある動きひとつ。ひと文に3つの動作を詰め込むと、たいていどれも慌ただしいか中途半端になります。

場所と時間帯、必要なら天気を書き、背景の細部を1〜2つ選びます。湯気、落ち葉、行き交う車のように勝手に動くものがあると、被写体が止まっていても画面が生きて見えます。背景を詰め込みすぎると主役と張り合ってしまうので、選んで書くのがコツです。

画角（クローズアップ、ミディアム、ロング）と、動きをひとつ指定します。固定、ゆっくり寄る、パン、被写体を追う移動撮影、手持ちなどです。どこから始まりどこで終わるかも書きましょう。「寄りながら引く」のように逆方向の指示を並べると、モデルはどちらを優先するか当て推量で決めることになります。

光源、光の向き、色を書きます。背後からの低い夕日、机のスタンドライトひとつ、曇り空のフラットな光、といった具合です。必要なら35mmフィルム、昔のホームビデオ、クレイアニメなどの質感を加えます。小道具をひとつ増やすより、光を変えるほうがショットの雰囲気は大きく変わります。

モデルが音声も生成するなら、聞こえてほしい音を書きます。部屋の空気音、砂利を踏む足音、トタン屋根を打つ雨、遠くを走る電車。近い音と遠い音を組み合わせるのがポイントです。あとで自分の音楽やナレーションを入れるつもりなら、音声をオフにできるモデルを選び、この部分は省きましょう。

9:16は3モデルとも出力できます。ごく短いつかみやループ素材なら、Wan 3.0は2秒から作れます。最初から音付きにしたいなら、MiniMax H3は必ずステレオ音声を付けます。Wan 3.0とSeedance 2.5では、音声を入れるかどうかを自分で選べます。

海岸線に沿って流れていく映像や、街が目覚めていく様子には時間が必要です。Wan 3.0は最長30秒、MiniMax H3とSeedance 2.5は最長15秒です。長いショットでは、壁を移ろう日差しや晴れていく朝霧のように、少しずつ進む変化を書いておくと、伸ばした秒数に見どころができます。

上下に黒帯の入るシネマスコープ風の画にしたいなら、MiniMax H3とSeedance 2.5で21:9を選べます。横長の画面には、広い空の下を馬で草原を渡っていくような、画面全体で何かが起きるプロンプトが向いています。中央に小さな被写体がひとつだけだと、余白ばかりが目立ちます。

自分で用意した音楽、ナレーション、効果音と一緒に編集するなら、無音の素材のほうが扱いやすくなります。Wan 3.0かSeedance 2.5で音声をオフにしましょう。MiniMax H3は必ず音声を生成しますが、編集ソフトでミュートしたり差し替えたりすることはできます。

大きな画面で流す、あとでトリミングする、といった場合は解像度が効いてきます。MiniMax H3は2K、Wan 3.0とSeedance 2.5は最大1080pです。設定を上げるほど必要なクレジットは増えますが、その数字は送信前に生成ボタンに表示されます。

シーンが成立するかどうかを確かめたいだけなら、低解像度・短い尺で十分です。Wan 3.0やSeedance 2.5の480pなら試作を安く抑えられます。同じアイデアをいくつか変えて試し、いちばん良いものを残してから、それを本番の設定で生成しましょう。

「深緑のエプロンをした年配の時計職人が作業台にかがみ込み、ピンセットで小さな真鍮の歯車をつまみ上げ、窓のほうへゆっくり持ち上げる。夕暮れどき、下町の狭い時計店。壁一面の掛け時計が時を刻み、空気中にほこりが漂っている。ミディアムショットから彼の手元のクローズアップへ、ゆっくりカメラが寄る。左からは暖かいスタンドライト、窓からは冷たい青い光、浅い被写界深度。音：重なり合う秒針の音、窓の外をかすかに通る路面電車、ピンセットの小さなカチッという音。」

「深緑のエプロンをした年配の時計職人」は、人物ひとりに目に見える特徴を2つ添えたものです。「歯車をつまみ上げ、窓のほうへ持ち上げる」は始まりと終わりがはっきりした動きひとつなので、クリップに流れが生まれ、人物がただ手持ちぶさたに動くだけの映像になりません。

「夕暮れどき、下町の狭い時計店」というわずかな言葉で、場所と時間が決まります。壁一面の掛け時計と漂うほこりは、ひとりでに動く背景の細部です。職人の手がゆっくり丁寧に作業しているあいだも、画面は止まって見えません。

「ミディアムショットから手元のクローズアップへ、ゆっくり寄る」には、動きの種類、速さ、始まりの画角、終わりの画角がすべて入っています。モデルはどこから始めてどこで終えるか、そしてこのショットの主役が手と歯車であることを理解できます。

「左から暖かいスタンドライト、窓から冷たい青い光」は、向きと色を持った2つの光源で、職人の顔に暖色と寒色のコントラストを作ります。「浅い被写界深度」で壁の時計がぼけ、背景が主役を引き立てる側に回ります。

音は3層です。部屋の音（秒針）、遠くの音（路面電車）、手元の細かな音（ピンセット）。音声を生成するモデルにとっては、目指すべきミックスがはっきりします。Wan 3.0やSeedance 2.5で音声をオフにしているなら、この文は消してください。もう何の役にも立ちません。

2人目の人物、セリフ、画面上の文字、別の場所へのカット切り替えは入れていません。どれも、1本の短いショットの注意を複数のアイデアに分散させてしまいます。物語にそれらが必要なら、別々のクリップとしてそれぞれのプロンプトで生成し、編集ソフトでつなぎましょう。