株式会社TIMEWELLの濱本 隆太です。
テキストから高品質な動画を生成するAIモデル「Sora 2」の登場で、これまで専門知識と高価な機材、そして相応の時間を要した動画制作が、ぐっと手の届く距離まで来ました。ただ、プロンプトを打ち込めば作品になるかというと、そうではありません。強力な道具ほど、使い手の側に段取りが要ります。
この記事では、DP（撮影監督）兼ディレクターのDavid Sheldrick氏が、自身のミュージックビデオ制作の経験から編み出したSora 2の使い方を追います。COVID-19以前から培われた「1日で撮り切る」ためのフォーマットを、AI動画生成にそのまま応用したワークフローです。発想の段階から、レンダリング、音楽の選定、そして編集の仕上げまで。ツールの操作方法ではなく、段取りの設計が主題だと思って読んでいただくのが近いと思います。
クリエイティブを解き放つ：Sora 2動画制作の第一歩
Sora 2を用いた動画制作は、まず土台となるクリエイティブを固めるところから始まります。思いつきを並べる作業ではなく、最終的な作品の質と方向性を決めてしまう工程です。Sheldrick氏は、本格的なアセンブリ（組み立て）に入る前に、少なくとも半日、できれば丸一日を、方向性の探索と実験に充てるべきだと言っています。ここでの試行錯誤が、後工程の速度を決めます。
Sora 2 Exploreページを活用したアイデア収集とプロンプト学習
インスピレーションを得る方法として、Sheldrick氏はSora 2の「Explore」ページを挙げています。世界中のユーザーが生成・共有した動画が、生成に使われたプロンプトと一緒に公開されているページです。
ここが効くのは、ビジュアルのバリエーションを眺められるからだけではありません。他の人がどんな言葉で特定の表現や雰囲気を実現しているかを観察できる、実践的な学習の場になっているからです。「cinematic shot」「detailed skin texture」「dynamic camera movement」といった記述が、生成結果にどう効くのかを実例で確認できる。自分のプロジェクトに合うスタイルを見つけると同時に、それを実現するための語彙を仕入れる工程だと考えてください。
世界観の定義：時代設定からビジュアル要素まで
アイデア収集と並行して進めるのが「世界観（World Building）」の定義です。個別のシーン（ロケーション1、ロケーション2…）を詰める前に、作品全体を貫く雰囲気・スタイル・時代設定を決めます。
歴史的な時代劇なのか、未来的なSFなのか、田園風景なのか、宮殿の中なのか。ここが決まると、衣装、美術、小道具、照明、色彩設計の方向性が自ずと定まります。Sheldrick氏の例では「18世紀のマリー・アントワネット」という明確なテーマが置かれ、以降のすべてがその核から展開されていきます。
ChatGPT連携：プロンプト詳細化とスタイルプリセット作成
定めた世界観を、Sora 2が理解できる具体的な指示に落とす作業では、ChatGPTのような大規模言語モデルの併用が推奨されています。基本的なアイデアを入力し、「Expand this prompt and make it more detailed for use in Sora 2 video rendering as a preset.（このプロンプトを拡張し、Sora 2のレンダリングでプリセットとして使えるよう詳細にしてください）」といった指示を与える形です。
「18世紀、マリー・アントワネット風」というひと言から、衣装の素材感（シルク、レース、ブロケード）、色彩パレット（パステルカラー、ゴールドのアクセント）、照明（柔らかい自然光、シャンデリアの煌めき）、カメラワーク（優雅なドリーショット、クローズアップ）、そしてムード（退廃的、ロマンチック、気まぐれ）まで含んだプロンプトが出来上がります。これを Sora 2 の「スタイルプリセット」として保存し、プロジェクト全体で一貫したビジュアルを保つ土台に使います。
複数クリエイティブの体系化：マリー・アントワネット風スタイルの具体例
全体を包括するスタイルが決まったら、その世界観の中で展開する具体的なシーンや要素——Sheldrick氏の言う「クリエイティブ」——を複数定義して体系化します。ミュージックビデオ制作でロケーションやショットの種類を事前に計画するのと同じ発想です。このワークフローで最も重要な部分と言っていいと思います。
| クリエイティブ | 内容 |
|---|---|
| 1. ヘア＆メイクのクローズアップ | 巨大な18世紀風ウィッグ、白いパウダーメイク、モデルの表情に寄る |
| 2. 壮麗な宮殿内 | 広い廊下やボールルーム。建築様式と内装を捉える |
| 3. 狩りのシーン | 当時の貴族の娯楽。馬、衣装、自然風景 |
| 4. 庭園 | ハンプトン・コート宮殿のような、手入れされた生け垣の迷路と幾何学庭園 |
| 5. 馬 | 貴族的なモチーフとして。優雅な動きと馬具のディテール |
| 6. 金継ぎモデル | 壊れた陶器を金で継ぐ日本の美学をモチーフにした独創的なビジュアル |
一つの大きなスタイルの傘の下に具体的な要素を並べることで、多様なショットを生みながら全体の一貫性を保てます。各クリエイティブは固有のプロンプトを持ちますが、統括するプリセットによって同じ世界観の中に収まる。この構造化が、レンダリングの効率と、後工程での素材管理のしやすさに直結します。
映像化の実行フェーズ：レンダリングと音楽選定
方向性が定まり、シーン要素が体系化されたら、Sora 2で実際に映像を生成するレンダリングに移ります。同時に、作品に命を吹き込む音楽の選定もこの段階です。
スタイルプリセットの適用と効率的なレンダリング戦略
作成した詳細なスタイルプロンプトは、Sora 2の「プリセット」機能で保存・管理します。「Manage Presets」メニューからペーストするだけで登録でき、以降は個別のシーンを指示するときに毎回スタイルの詳細を書き直す必要がなくなります。
レンダリングで重要なのは、一つのクリエイティブに対して何度も回すことです。AI生成は確率的なので、同じプロンプトでも毎回わずかに違う結果が出ます。Sheldrick氏は各クリエイティブにプリセットを適用したうえで、基本的なシーン記述（例：「close-up of a Korean K-pop model getting her hair and makeup done」）を入力し、これを繰り返し実行します。狙いに近いもの、あるいは予期しなかった魅力的なバリエーションを含む大量のクリップを集める。AI生成の性質を踏まえた、合理的な素材収集戦略です。プリセットも固定ではなく、結果を見ながら微調整して構いません。
ダイナミズムを加える：ダンスシーケンスプロンプトの挿入
このワークフローの特徴的なところとして、基本のシーンプロンプトに加えて「第二のプロンプト」としてダンスシーケンスの指示を頻繁に差し込む点があります。生成される映像に動きとエネルギーを与えるための工夫です。
ヘアメイクのシーンであっても、「wearing a huge 18th century Marie Antoinette wig, white powder makeup」という描写に、「bold camera shot of ethnically diverse K-pop couture fashion while dancing in unison, dancing in a Queen's bedroom, crunk dancing, street dance, dancing with attitude, dynamic dance, movement, dynamic music video camera work」といった指定を重ねる。静的になりがちな場面にも躍動感が生まれます。具体的なダンスジャンルを指定したり、「attitude」「dynamic movement」といった抽象的な語を混ぜたりすることで、Sora 2に多様な解釈を促すわけです。
音楽の重要性：選曲のポイント
映像制作において音楽は単なるBGMではなく、作品の雰囲気とリズム、感情的なインパクトを決める要素です。Sheldrick氏は、現時点のAI音楽生成の品質はまだ発展途上だとして、高品質なストックミュージックプラットフォームの利用を勧めています（氏が使っているのは Artlist.io）。
選曲は、素材がある程度集まった段階、あるいは編集の初期に行われることが多いようです。選んだ楽曲をまずタイムラインに置き、その構成（イントロ、ヴァース、コーラス、ブリッジ、アウトロ）やリズム、盛り上がりを基準に映像を編集していく。音楽が編集の設計図になるという考え方です。カット割り、シーンの長さ、トランジションのタイミングがすべて楽曲に従うことになるので、選曲は慎重に。
編集で命を吹き込む：アセンブリから仕上げまで
素材と音楽が揃ったら、最終段階の編集です。Sheldrick氏が「アセンブリ（Assembly）」と呼ぶこの工程は、素材を並べるだけの作業ではなく、音楽との同期、リズムの創出、視覚的なストーリーテリングの判断が求められる、密度の高い作業です。
「ソーセージ」から始めるタイムライン構築
編集の第一歩は「ソーセージ（Sausage）」と呼ばれる手法です。生成した全ての映像素材を、いったんタイムライン上に一列に並べてしまう。この時点では音楽との同期もカットのタイミングも気にせず、まず手持ちの素材を俯瞰することが目的です。
次に、事前に定義したクリエイティブの構造に沿って、素材を大まかにグルーピングします。ヘアメイク関連、宮殿内、庭園、というように関連する映像を近くにまとめる。ここでクリエイティブ構造が、編集段階の構成ガイドラインとしても機能しはじめます。イントロにどれを置き、曲の盛り上がりでどのシーンを見せるか。この初期の整理が、大量のAI生成素材を扱ううえでの分かれ目になります。
音楽とのシンクロ：ビートに合わせたカットとタイミング調整
音楽をタイムラインに置いたら、そのリズムと展開に合わせて映像をカットしていきます。Sheldrick氏は特に「ベースヒット」や「ドロップ」など、リズムが強調される箇所にカットを合わせることを重視しています。
たとえばイントロの静かな部分からベースが入る瞬間に、モデルが目を開けるショットを置きたいとします。生成されたクリップがちょうどいい長さとは限らないので、不要な部分をトリミングし、開始点を精密に調整する。Sora 2の生成物には時折意図しないカットが混じるため、その箇所で分割して削る処理も必要になります。ビート、メロディライン、楽器のフィルイン、歌詞の内容を聴き込み、それに呼応するようにカットポイントを決めていく。ここが編集の中核です。
速度調整とトランジション
カット編集だけでなく、クリップの再生速度を調整するのも有効です。3秒の音楽フレーズに対して5秒のクリップしかないなら、約167%に加速すれば尺が合います（Final Cut Pro なら Command + R）。逆にスローモーションで特定の動きを強調し、ドラマティックな効果を作ることもできます。
速度調整は尺合わせの手段であると同時に、映像のリズムとエネルギー感を制御する道具です。速いカットとスローモーションを組み合わせれば、緩急のあるシーケンスになります。シーン間のトランジションも同様で、単純なカット繋ぎに加え、フェード、ディゾルブなどを適切に使うことで視覚的な移行を整えられます。
編集時間の実際：アセンブリ完成までの道のり
この工程は、相応に時間がかかります。Sheldrick氏によれば、「ソーセージ」の状態から音楽に合わせて全クリップを配置し、基本的なカット割りを終えるだけで1〜2時間。最終的にアセンブリを完成させるまでには合計で約4時間を要したとのことです。
素材の量、音楽の複雑さ、求める品質水準によって変わりますが、示唆的な数字だと思います。AIが素材を生成してくれても、それを意味のある形にまとめる作業には、依然として人間の時間と判断が要る。どのショットを選び、どの順で並べ、どこで切り替え、どれだけ見せるか。この無数の選択が作品の印象を決めます。
まとめ
Sheldrick氏のプロセスは、AIという新しい技術と、従来の映像制作で培われた段取りが噛み合った実践例です。整理すると、効いているのは次の4点でした。
- 明確なビジョンと世界観の構築 — 個別シーンより先に、全体を貫くスタイルを決める
- 構造化されたクリエイティブ開発 — 大きなスタイルの下に具体的な要素を並べ、一貫性と多様性を両立させる
- 音楽との緻密な連携 — 楽曲を編集の設計図として扱う
- 編集段階での試行錯誤 — 素材の生成が速くなっても、まとめる作業は人間の仕事として残る
このやり方はミュージックビデオに限りません。企業のプロモーション映像、製品紹介、ブランディングコンテンツ、SNS向けのショート動画、教育用映像。これまで時間・予算・専門知識の壁で難しかった表現が、Sora 2と体系的なワークフローの組み合わせで現実的な選択肢になります。特に、コンセプト策定や世界観構築といった上流に注力し、Sora 2を強力なビジュアライゼーションの道具として使う形が、いまのところ最も費用対効果が高いと感じます。
AI動画生成はまだ発展途上で、進化のスピードも速い分野です。ツールに振り回されず、目的と段取りを自分で設計したうえで使いこなす。結局のところ、そこに落ち着くのだと思います。
参考：David Sheldrick氏の解説動画 https://www.youtube.com/watch?v=0dhX84UkwFs
AI活用の設計を一緒に考えるなら
TIMEWELLでは、WARPというAIコンサルティングサービスを提供しています。大手企業でDX・データ戦略を担ってきたメンバーが、月次で伴走する形です。
この記事で扱った「どの工程を自社の型として標準化するか」という論点は、動画制作に限らず、あらゆる業務でAIを使うときに同じ形で現れます。自社の仕事をAIが実行できる形に翻訳する作業を、一緒に進めます。
現状の棚卸しから始めたい方は、AI導入レディネス診断からでも構いません。3分程度で終わります。具体的な相談はこちらで受け付けています。
