AI動画を作る前の絵コンテ|15秒の説明動画を6コマで設計するテンプレート

6コマの雛形(コピーして使う)

次の表を、メモ帳やスプレッドシートに貼ってください。「狙い」は、そのコマを見た人にどう思ってほしいかを一文で書く欄です。

• 1、秒数：0–2秒、役割：困りごと、狙い(一文)：、画面(誰が・どこで・何をしている)：、言葉(ナレーション/字幕)：、省くもの：
• 2、秒数：2–5秒、役割：解決の提示、狙い(一文)：、画面(誰が・どこで・何をしている)：、言葉(ナレーション/字幕)：、省くもの：
• 3、秒数：5–7秒、役割：仕組み1、狙い(一文)：、画面(誰が・どこで・何をしている)：、言葉(ナレーション/字幕)：、省くもの：
• 4、秒数：7–10秒、役割：仕組み2、狙い(一文)：、画面(誰が・どこで・何をしている)：、言葉(ナレーション/字幕)：、省くもの：
• 5、秒数：10–13秒、役割：変化・結果、狙い(一文)：、画面(誰が・どこで・何をしている)：、言葉(ナレーション/字幕)：、省くもの：
• 6、秒数：13–15秒、役割：次の行動、狙い(一文)：、画面(誰が・どこで・何をしている)：、言葉(ナレーション/字幕)：、省くもの：

秒数は「2・3・2・3・3・2」と配分しています。理由は次の節で書きますが、この配分は編集上の提案なので、内容に合わせて動かして構いません。ただし合計は15秒に収め、1コマが1.5秒を切るなら2コマを1つにまとめることを検討してください。

各欄の書き方の目安

• 狙い:「困っていると気づく」「撮るだけだと分かる」のように、見た人の理解や感情を書きます。映像の内容は書きません。
• 画面:被写体、場所、動き、カメラの4点を、一つの短い文にします。「机の上に領収書が散らばり、手前から少し引いていく」といった具合です。
• 言葉:1コマあたり全角で15〜20文字程度を上限の目安にします。2〜3秒で読み上げられる量に収めるためです。
• 省くもの:そのコマで見せない要素を明記します。後述の判断表で決めます。

記入例(説明用の例)

架空の経費精算アプリ「レシートさん」を紹介する15秒動画を想定します。商品名も機能もすべて仮のものです。

• 1、秒数：0–2秒、役割：困りごと、狙い：面倒だと共感してもらう、画面：机に領収書が散らばり、会社員がため息をつく。やや上からのカメラ、言葉：「領収書、たまっていませんか」、省くもの：会社名、オフィス全景
• 2、秒数：2–5秒、役割：解決の提示、狙い：手間が減りそうだと思ってもらう、画面：スマホを領収書にかざす手元のアップ、言葉：「スマホで撮るだけ」、省くもの：人物の顔、背景の細部
• 3、秒数：5–7秒、役割：仕組み1、狙い：自動で入力されると分かる、画面：スマホ画面で金額欄が埋まる(画面は後で差し替える前提)、言葉：「金額は自動で入力」、省くもの：実際の操作手順の全工程
• 4、秒数：7–10秒、役割：仕組み2、狙い：申請まで一気に進むと分かる、画面：送信ボタンを押す指、完了マーク、言葉：「そのまま申請まで」、省くもの：承認フローの説明
• 5、秒数：10–13秒、役割：変化・結果、狙い：片づいた安心感を持ってもらう、画面：机がすっきり片づき、同じ会社員が笑顔で席を立つ、言葉：「月末の山が、ゼロに」、省くもの：料金、他社比較
• 6、秒数：13–15秒、役割：次の行動、狙い：何をすればいいか分かる、画面：無地の背景にロゴと一行、言葉：「まずは無料で試す」、省くもの：追加のキャッチコピー

この例では、仕組みの説明を2コマに絞り、料金や承認フローを丸ごと省いています。15秒では「全部を伝える」ことはできないため、1本の動画で伝えるのは「何が困りごとで、どう楽になるか」の1点にします。

AIに下書きを頼む依頼文

白紙から6コマを考えるのが重い場合は、チャット型のAIに下書きを出してもらい、人が直す進め方が現実的です。下の依頼文の【】を埋めて使ってください。

15秒の説明動画の絵コンテを、6コマで作ってください。

【前提】
- 対象の視聴者:【例:経費精算が面倒な会社員】
- 動画で伝えたいこと(1つだけ):【例:領収書を撮るだけで申請できる】
- 見終わった人にしてほしい行動:【例:無料で試す】
- 使う場面:【例:SNSの音なし再生】

【条件】
- 1コマ2〜3秒、合計15秒
- 1コマに入れる情報は1つだけ
- 各コマを「狙い/画面/秒数/言葉/省くもの」で書く
- 言葉は1コマ20文字以内
- 画面は、被写体・場所・動き・カメラを各1つ含める
- 不確かな機能や数字は書かず、【要確認】と書く

【出力形式】表(Markdown)

機密にあたる情報(未発表の製品名、顧客名、社内の画面)は、依頼文に入れず、仮の名前や架空の数字に置き換えてください。サービスによってはデータの扱いが異なりますが、学習に使われない設定があることと、情報が外部に渡らないことは別の話です。迷う情報は最初から渡さないのが確実です。

AIが出した案は、次の3点を人が確認します。

1. 「伝えたいこと」が1つに絞れているか(2つ以上入っていたら片方を削る)
2. 事実として書かれた機能や数字が、自社の実際の仕様と合っているか
3. 言葉の量が秒数に収まるか(声に出して読み、秒数を測る)

何を見せて何を省くか:判断表

コマを埋めるときに迷いやすい要素を、次の基準で振り分けます。これは筆者の編集上の基準で、公式の規則ではありません。

• 困りごと(1コマ)、判断：見せる、理由：冒頭で「自分のことだ」と思ってもらうため
• 解決の動作、判断：見せる、理由：動きで伝わる部分は映像の得意分野です
• 画面上の細かい文字・数値・UI、判断：後で差し替える、理由：生成映像では文字が崩れる場合があるので、実際の画面キャプチャや字幕を編集で重ねるほうが確実です
• 料金・条件・日付、判断：省く(字幕や概要欄へ)、理由：変わりやすく、誤りの影響も大きいため
• 複数人の会話、判断：省く、理由：15秒では人物の関係を説明しきれないため
• 会社や商品の沿革、判断：省く、理由：行動の判断材料になりにくいため
• ロゴ・社名、判断：最後のコマだけ、理由：冒頭に置くと広告に見え、離脱しやすいため(提案です)

絵コンテを生成ツールに渡す単位へ変える

絵コンテが固まったら、生成ツールの制約に合わせてコマをまとめ直します。ここは使うツールで変わるので、2つの公式資料で確認できた範囲を挙げます。

RunwayのGen-4 Videoの解説ページでは、旧世代モデルの説明として、生成の長さが5秒または10秒で、入力画像が必須であり、その画像が出力動画の最初のフレームになるとされています。テキストのプロンプトは1,000文字までで、単純な動きは5秒、複数の動きを求める場合は10秒が向くという案内です。これはGen-4の仕様であり、最新モデルの条件を示すものではありません。

Gen-4を使う場合は、先ほどの秒数配分を5秒単位にまとめられます。2・3・2・3・3・2秒なら、コマ1〜2、3〜4、5〜6をそれぞれ5秒のクリップにできます。各クリップの最初のフレームに使う画像を3枚用意し、画像に写っているものを長々と文章で繰り返さず、動きだけを書く分け方です。

もう一つの選択肢はGoogle DeepMindのVeo 3のプロンプトガイドの考え方です。このガイドは、カメラの構図と動き、スタイル、照明、人物の描写、場所、動作、セリフといった要素を挙げ、Veo 3はセリフを生成でき、話す内容や言葉を指定できると説明しています。音についても、映像に合わせて音の指定を書くよう勧めています。つまり、絵コンテの「画面」欄を「構図・動作・照明」に、「言葉」欄を「セリフ・効果音」に対応させれば、そのままプロンプトの材料になります。

1クリップ分の依頼文の組み立て例(説明用の例)

コマ1〜2を1本の5秒クリップにする場合の、日本語での下書きです。実際に入力して確かめたものではありません。

会社員が散らばった領収書を前にため息をつく。カメラはゆっくり引く。
その後、手元のアップに切り替わり、スマホを領収書にかざす。
明るい室内、自然光、実写風。

使うサービスが英語入力を前提とする場合は、人が翻訳してから確認してください。

生成後に人が確認するチェックリスト

生成物を絵コンテと照らし合わせて見ます。

• 各コマの「狙い」が、映像を音なしで見ても伝わるか
• 指や手、小物の数が不自然でないか。不自然なら再生成か、そのコマを短くする
• 画面の文字やロゴが崩れていないか。崩れていれば差し替える
• 実在する人物、他社のロゴ、既存作品に似た要素が混ざっていないか
• 複数クリップをつないだとき、人物の服装や机の色がそろっているか

最後の点について、Runwayの長い動画の作り方では、各コマを通常5〜10秒の生成に対応するショットとして絵コンテに分け、人物の見た目をそろえるために複数角度の基準画像を作る方法や、シーンを並べて雰囲気を確認する方法を紹介しています。15秒の動画でも、3本のクリップの最初の画像に同じ人物・同じ部屋の基準画像を使えば、つないだときの見た目をそろえる助けになります。

まず埋める順番

迷ったら、次の順で書き込むと早く進みます。

1. 「伝えたいこと」を1文で書く
2. コマ6(次の行動)とコマ1(困りごと)を先に埋める
3. 間のコマ2〜5を埋め、各コマの「省くもの」を書く
4. 言葉を声に出して読み、秒数を調整する
5. ここで初めて、生成ツールの単位(5秒など)にまとめ直す

この順にすると、生成を始めた時点で「何を見せるか」が決まっているので、やり直しの回数を抑えやすくなります。