脚本なしでも映画みたいな動画が作れる方法撮影ゼロで作るAI動画プロンプト集

さくら

2026/08/17

「動画も作ってみたいな」と思った瞬間に、脚本、絵コンテ、カット割りと覚えることが増えて手が止まりますよね。

今の動画生成AIに必要なのは、1段落の説明文だけです。

ただし、AI画像でやってた書き方をそのまま持ち込むと失敗します。

脚本の代わりに用意するのはたった1段落の説明文

必要なのは4つだけです。

何が映っているか、それがどう動くか、どんな光か、どんな音がするか。

たとえば「カフェのテーブルでマグカップを持ち上げる手。カメラはゆっくり寄る。朝の光が左の窓から入る。遠くで食器の鳴る音」。

これで1カット分の指示になります。

セリフもト書きもカット番号もいりません。

見たい映像を、人に口で説明するときと同じ順番で並べるだけです。

LTX-2.5で変わったことカットが変わっても同じ人のまま

この「説明文だけで作る」を一気に現実的にしたのが、今月出たばかりのLTX-2.5というモデルです。

つなぎ目を自分で合わせなくてよくなった

いちばん大きいのがマルチショット生成です。

複数のカットを1回の生成でまとめて作って、そのあいだ人物の見た目・場所・照明・声・画のトーンを保ったままつないでくれます。

今までは1カットずつ作ってあとでつなぐのが基本で、顔が別人になったり色味が変わったりするたびに作り直していました。

つまり、カットが3つあるショート動画を「3回ガチャを回して奇跡的に揃うのを待つ」から「1回の指示でつながった状態で出す」に変えられたということです。

音を別で用意しなくてよくなった

もう1つが同期音声です。

映像と一緒に音が生成されるので、キーボードを打つ音も、雨がアスファルトに落ちる音も、映像の動きに合った状態で出てきます。

フリー音源を探して、尺を合わせて、書き出し直して。

この作業が丸ごと消えます。

リールを1本仕上げるまでの時間で言うと、ここが一番効きます。

ここまでは全部いい話です。

ただ、AI画像に慣れてる人ほど引っかかる落とし穴があります。

短く書くほど失敗するのが動画プロンプトの落とし穴

画像で使ってた100字ルールは動画では逆効果

AI画像なら、短くて的確なプロンプトでもきれいに出ます。

動画は逆でした。

LTX-2.5は長い1段落の説明文で学習されていて、短いプロンプトを渡すと品質が落ちるとモデルの説明にはっきり書かれています。

「浜辺を歩く女性」みたいな一言で投げると、動きがぼんやりして、音もスカスカのものが返ってきます。

動画プロンプトはケチらないほうが得です。

ここだけは覚えて帰ってください。

書く順番を先に決めておけば長くても迷わない

長く書くと言っても、思いついた順に足していくと散らかります。

順番を固定してしまうのが楽です。

何が起きているか（主役の動作から書き始める）
どう動くか（速さ、方向、表情の変化）
カメラ（寄る、引く、固定する）
光（時間帯、光源の方向、影の硬さ）
音（環境音、物音、静けさを指定してもいい）

これを箇条書きのままにせず、1つの段落につなげて書きます。

前世代のモデルの手引きでも200語以内・単一の段落・動作から書き始める、が推奨されていました。

長さの上限としてちょうどいい目安になります。

順番さえ守れば、あとは中身を差し替えるだけです。

そのまま使えるものを3本置いておきます。

そのままコピペできる SNS投稿用のプロンプト3本

英語で置いておきます。

まずはそのまま貼ってみて、慣れてきたら単語を差し替えてください。

商品を1本で見せるショート動画

A hand lifts a matte ceramic mug from a linen-covered table and turns it slowly toward the camera, steam curling upward. The camera pushes in from a medium shot to a tight close-up on the rim. Warm morning light comes from a window on the left, with soft shadows and shallow depth of field. Ambient sound of a quiet cafe, a faint ceramic clink, and gentle low room tone.

朝のカフェっぽい光でマグカップに寄っていく、商品紹介の定番カットです。

mug を自分の商品に、quiet cafe を置きたい場所に変えるだけで使い回せます。

世界観だけ伝えるティザー

Rain falls on an empty neon-lit street at night as the camera drifts slowly forward at knee height, puddles rippling and reflecting pink and blue signs. No people are in frame. The light is wet and diffused, with a soft glow around each sign. Sound of steady rain on asphalt, distant traffic, and a low ambient hum with no music.

人物を出さずに雰囲気だけで引っ張るタイプです。

誰も映したくないときは No people are in frame を明示しておくと安心ですし、音楽を後乗せするつもりなら with no music も残しておいてください。

場面が3回切り替わるストーリー動画

A young woman opens a laptop at a wooden desk and starts typing, shot from a low angle in cool morning light. Cut to a close-up of her face lit by the screen, her expression shifting from tired to focused. Cut to a wide shot of the same room from behind her, the window now glowing with warm afternoon light. Keep the same woman, same room, and same wardrobe across all three shots. Sound of keyboard clicks, a soft chair creak, and quiet room tone throughout.

マルチショットを使い切るならこれです。

Cut to で場面を切って、最後に「同じ人・同じ部屋・同じ服のままで」と念押しを入れます。

朝から午後へ光だけ変えると、それだけで時間が流れた感じが出ます。