ショート動画をAIで作る方法｜台本から声と組み立てまで全手順を公開

ショート動画をAIで作る方法は、台本、絵、絵コンテ、声、組み立て、確認の6つの作業に分けると迷いません。この記事では、撮影も動画の編集ソフトも使わずに、絵と声とテロップが入った縦型の動画を1本仕上げた手順を、実際に使った指示文と数字つきで公開します。

例にするのは、アルル制作所で作った約32秒の動画「重要メールが埋もれる朝」です。経営者のみらいが返信を見落としそうになり、AI秘書のアルルが手伝う、という架空のお話です。使ったものは、文章と絵を作れるAI、セリフを声にする音声合成ソフト、パソコンの中で作業を進めてくれるAIの3つです。

完成した動画は、こちらです。音を出してご覧ください。

ショート動画の台本の作り方

最初に一文を決める

絵や声を作る前に、「誰が、どんな困りごとから、どうなるか」を一文にします。今回は「メール対応に追われる人が、AIに一通を探してもらい、送るかどうかは自分で決める」です。

1本で伝えることは一つに絞ります。確かめていない効果や数字は入れません。この一文があると、セリフも絵もテロップも同じ方向にそろいます。

台本は3列で書く

台本は、セリフ、テロップ、動きと効果音の3列に分けます。セリフは声と字幕になる言葉、テロップは音を消して見る方が読む大きな文字、動きは画面の中で起きることです。

場面	セリフ	テロップ	動きと効果音
1 困りごと	みらい「えっ！？今日までの返信、見落としてた！？」	今日までの返信　見落とした！？	封筒が降ってくる。ドン
2 登場	アルル「みらいさん、大丈夫です！探す条件を3つに絞りましょう！」	探す条件は3つ！	アルルが走ってくる。ポン
3 条件	アルル「期限は今日！差出人は取引先！そして、まだ返信していないもの！」　みらい「それなら、すぐ絞れそう！」	期限は今日　差出人は取引先　まだ未返信	カードが1枚ずつ出る。ポンが3回
4 発見	アルル「ありました！この一通です！」　みらい「あった！これだ！」	見つけた！　大事な一通	1通だけ光って寄る。キラン
5 確認	アルル「返信案も用意しました！送るかどうかは、みらいさんが決めてください。」　みらい「うん！ここだけ直して、送ろう！」	送る前に本人が確認	返信案が上がる。チェックが付く。カチッ
6 結び	アルル「AIが探して、人が決める！それがAI秘書です！」	見落とさず　自分で決める！	ハイタッチ。ロゴの帯

AIに台本の案を出してもらう指示文

台本の案は、AIに3列の形を指定して頼みます。題材と登場人物を書き換えてお使いください。

小さな会社でメール対応をする人に向けた、30秒の縦型ショート動画の台本を作ってください。
登場人物は、経営者のみらいと、AI秘書のアルルの2人です。
話の筋は「今日までの返信に気づく→探す条件を3つに絞る→一通を見つける→返信案を本人が確認する→自分で決める」です。
6場面に分け、場面ごとに「セリフ（誰が何を言うか。1本30字まで）」「テロップ（10字前後。いちばん大事な言葉に印）」「動きと効果音」を表にしてください。
音を消しても、テロップだけで筋が追えるようにしてください。
セリフは、元気な会話になるよう、短い文で区切ってください。
確かめていない効果や数字は入れないでください。

出てきた台本は、テロップの列だけを上から読みます。それだけで筋が追えれば合格です。

場面の絵と絵コンテをAIで用意する手順

構図を決めてから画像生成を頼む

台本の次は、場面の絵です。描いてもらう前に、場面ごとの構図を決めます。決まりは2つです。

1. 寄りと引きを交互にする

1. 画面の上3分の1をテロップのために空けておく

場面	構図
1 困りごと	みらいの顔の寄り
2 登場	部屋全体の引き
3 条件	絵を使わず色の背景
4 発見	封筒の寄り
5 確認	斜めから見た横顔
6 結び	2人のハイタッチ

同じ構図が続くと、場面が変わったことが伝わりません。3場面目のように色の背景と文字だけの場面を入れると、画面に変化がつき、絵の枚数も減らせます。

画像生成は見本の絵を毎回添える

場面ごとに人物の顔や服が変わらないよう、人物が描かれた絵を1枚決め、毎回それを添えて頼みます。1場面目の指示文は次のとおりです。

添付した絵は見本です。みらい（青みがかった銀のボブヘア・青い目・からし色のジャケット）と、アルル（白いクマ・黒いベスト・赤い蝶ネクタイ）。この2人の見た目と絵の雰囲気を、そのまま守ってください。
縦長（9:16）の絵を1枚作ってください。
場面：みらいの胸から上。目を丸くして驚いた表情で、片手を頬に当てている。手前の机には白い封筒の山。背景は明るいオフィス。
画面の上3分の1は、明るい余白にしてください。
絵の中に、文字・ロゴ・数字は描かないでください。

2場面目からは「場面：」の行だけを書き換えます。場面の絵は5枚用意しました。

文字と動くものは、絵に描いてもらいません。AIが描く文字は崩れやすく、絵の中の封筒は動かせないためです。テロップ、字幕、封筒、カードは、組み立てのときに重ねます。

動かす人物は白い背景で描いてもらう

横から走ってくるアルルのように、人物そのものを動かしたいときは、人物だけの絵を別に用意します。

場面：正方形。アルルだけ。3枚の無地の白いカードを扇のように持ち、もう片方の手でそれを指さしている全身。背景は真っ白の無地で、影も床も描かない。

背景を真っ白にしておくと、組み立てのときに白い部分だけを透明にして、人物を好きな場所に置けます。走るアルル、カードを持つアルル、親指を立てるみらいなど、4枚を用意しました。

絵を並べて絵コンテを作る

絵がそろったら、場面の順に並べ、1枚ごとにセリフとテロップを書き添えます。そのうえで、場面ごとに何を動かすかを決めます。これが絵コンテで、組み立てをAIに頼むときの設計図になります。絵はAIが描くので、絵が描けなくても作れます。

場面	動くもの	効果音
1 困りごと	降ってくる封筒	ドン
2 登場	走ってくるアルル	ポン
3 条件	順番に出る3枚のカード	ポンが3回
4 発見	光る1通	キラン
5 確認	下から上がる返信案とチェック	カチッ
6 結び	ロゴの帯	キラン

動くものは1場面に一つにします。テロップと字幕が人物の顔にかからないかも、絵を見て確かめます。テロップは、色の帯に太い文字で大きく出し、いちばん大事な言葉だけ色を変えます。並べてみて同じ構図が続いていたら、その場面の絵だけ描き直します。

6場面の絵コンテの実例

左が場面の絵、右がセリフ・テロップ・動きです。左の絵は、完成した動画のコマを当てはめています。

読み上げの声を元気にする方法

使った音声合成ソフトと声

声は、パソコンに入れて使う音声合成ソフトで作りました。会話らしく聞こえるよう、感情のスタイルを選べる声を使っています。

人物	ソフト	声とスタイル	話す速さ	抑揚	クレジット
みらい	AivisSpeech	Anneliの「テンション高め」	1.08倍	1.25倍	任意
アルル	VOICEVOX	玄野武宏の「喜び」	1.12倍	1.35倍	「VOICEVOX:玄野武宏」の表記が必要

声には、それぞれ使うときの決まりがあります。VOICEVOXの声は、クレジットを書く決まりです。今回は動画の最後の帯に入れ、投稿文にも書きます。会社で使うときに事前の確認が要る声もあるため、使う声の利用規約はソフトの画面で読んでから決めてください。

声のテンションを上げる4つの工夫

1. 文の終わりを「！」にする
   読み上げは、句読点で声の調子が変わります。「大丈夫です。」より「大丈夫です！」のほうが、声が上がります。
2. 短い文に区切る
   「期限は今日！差出人は取引先！」のように、一息で言える長さにします。
3. 話す速さと抑揚を上げる
   速さは1.1倍ほど、抑揚は1.3倍ほどにしました。
4. 読み方を直す
   「AI」は「エーアイ」、「3つ」は「みっつ」、「一通」は「いっつう」と読ませました。

声づくりは、音声合成ソフトを起動してから、パソコンの中で作業を進めてくれるAI（Claude CodeやCodexなど）に頼みます。

台本のセリフを、読み上げの声にするプログラムを書いて、動かしてください。
みらいのセリフは AivisSpeech の Anneli「テンション高め」、アルルのセリフは VOICEVOX の玄野武宏「喜び」で読みます。どちらも、このパソコンで起動している音声合成ソフトに頼みます。
セリフは「。」「！」「？」で文に分け、文ごとに声にしてから、0.1秒の間をあけてつないでください。
話す速さは1.1倍、抑揚は1.3倍にします。
読み方の辞書を持たせ、「AI」は「エーアイ」、「3つ」は「みっつ」と読ませてください。
2人の声の大きさをそろえてください。
セリフごとの長さと、文が始まる秒を、一覧のファイルに残してください。

場面の秒数は声の長さから決める

場面の秒数は先に決めず、声を作ってから決めます。先に秒数を決めると、セリフが途中で切れたり、間が空きすぎたりします。

今回は、最初のセリフまで0.3秒、セリフのあいだは0.12秒、場面の終わりに0.4秒の間を置きました。この積み上げで、全体が約32秒になりました。

声を文ごとに分けて作っておくと、文が始まる秒が分かります。3場面目で、アルルが「期限は今日！」と言う瞬間に1枚目のカードが出るのは、この秒を合図にしているためです。

絵と声とテロップを動画に組み立てる手順

絵コンテを表にまとめる

組み立ての前に、絵コンテを1つの表にまとめます。場面ごとに書くのは、背景、寄り引き、重ねる物、テロップ、セリフ、効果音の6つです。

物が出る瞬間は、秒の数字ではなく「アルルのセリフの2つ目の文が始まった瞬間」のように、声を合図にして書きます。こうしておくと、声を作り直しても秒数を書き直さずに済みます。

組み立てのプログラムをAIに書いてもらう指示文

組み立ては、AIにプログラムを書いてもらいます。ご自身でプログラムを書く必要はありません。アルル制作所では、Claude Codeに次の内容を頼みました。

縦型のショート動画を組み立てるプログラムを、Pythonで書いてください。絵の処理は Pillow、動画の書き出しは ffmpeg を使います。
大きさは縦1920×横1080、1秒30コマです。
材料は、場面の絵、動かす人物の絵、セリフの声、効果音と音楽です。
絵コンテは1つのファイルに書きます。場面ごとに、背景の絵、寄り引き（はじめと終わりの倍率と注目する位置）、重ねる物、テロップ、セリフ、効果音を持たせてください。
場面の長さは、セリフの声の長さから決めてください。最初のセリフまで0.3秒、セリフのあいだは0.12秒、最後に0.4秒の間を置きます。
重ねる物が出る瞬間は、「このセリフの2つ目の文が始まった瞬間」のように、声を合図に指定できるようにしてください。
重ねる物は、降ってくる封筒、横から入ってくる人物の絵、順番に出るカード、光、下から上がってくるカード、締めのロゴの帯です。出るときは、少し行き過ぎて戻る動きにしてください。
人物の絵は、白い背景を透明にして重ねてください。
テロップは、色の斜めの帯に、太いふち取りの大きな白い文字で、画面の上3分の1に置きます。大事な言葉は黄色にします。
テロップは、幅に収まらないときは文字を小さくして収めます。出るときは、大きく出てから戻り、少し揺れる動きにしてください。
セリフの字幕は、話している人の顔と名前をつけて、画面の下に出します。声が始まる瞬間に出し、声が終わったら消します。句読点が行の頭に来ないように折り返してください。
指定した秒のコマだけを画像で出す機能と、決まった秒数を一覧で出す機能も付けてください。
最後に、声と効果音と音楽を1本に混ぜて、MP4で書き出します。音楽は声より小さくし、最後の2秒でゆっくり消してください。

今回の動画は、約950コマを1分ほどで書き出せました。効果音と音楽は、出どころと使ってよい条件が分かるものだけを使います。今回は、プログラムで合成した音を使いました。

コマとスマートフォンで確かめる

いきなり全部を書き出さず、各場面のコマを1枚ずつ画像で出して確かめます。

見るところ	確かめること
字幕の折り返し	句読点が行の頭に来ていない。3行にあふれていない
顔にかかるもの	封筒やテロップが人物の顔を隠していない
字幕の重なり	前の字幕が消える前に次の字幕が出ていない
端の余白	画面のいちばん上と下に大事な文字を置いていない

コマが整ったら動画を書き出し、スマートフォンで音を消して1回、音を出して1回、通して見ます。台本の言葉、絵の人物、声の読み方、声と音の利用規約は、人が確かめてから公開します。

ショート動画を2案作って見比べる進め方は、漫画型と大文字型の2案を並べる記事にまとめています。AIに仕事を頼む考え方は、Codexで「AI秘書」を雇ってみた記事をご覧ください。

自社の商品や業務で作ってみるなら、アルル制作所のAI家庭教師で、台本づくりから1本の書き出しまでを一緒に進められます。

まとめ

ショート動画をAIで作るときに守ること

✔️ 台本は3列で書く。セリフ・テロップ・動きを分けます。

✔️ 場面ごとに構図を変える。寄りと引きを交互に描いてもらい、絵コンテで動くものを1場面に一つ決めます。

✔️ 声を先に作って秒数を決める。文の終わりを「！」にし、感情のスタイルを選べる声を使います。

✔️ 動くものと文字はあとから重ねる。絵には描かせません。

2本目からは、台本と絵コンテの表を書き換え、絵と声を作り直すだけです。組み立てのプログラムは、そのまま使えます。

よくある質問

Q. 撮影なしでショート動画は作れますか？
A. 作れます。今回は、AIに描いてもらった場面の絵5枚と、人物だけの絵4枚で作りました。

Q. プログラムが書けなくても作れますか？
A. 作れます。プログラムはAIに書いてもらい、AIに動かしてもらいます。人が決めるのは、台本と絵コンテと、できあがりの確認です。

Q. 読み上げの声は商用で使えますか？
A. 声ごとに決まりが違います。今回使った声は、クレジットを書けば商用でも使える決まりでした。使う前に、その声の利用規約をご確認ください。

Q. AIで作ったショート動画はそのまま投稿していいですか？
A. スマートフォンで全編を見て、字幕、事実関係、絵と声と音の決まり、個人情報を確かめてから公開します。

Q. 費用はどれくらいかかりますか？
A. 今回使った音声合成ソフトは、無料で配られているものです。文章や絵を作るAIの料金は契約によって違うため、各サービスの公式の案内をご確認ください。