AIショート動画の制作方法：フック、キャプション、Bロール

最終更新日: June 28, 2026

ショートフォームの縦型動画は、他に購入できないリーチを依然として生み出す唯一のフォーマットであり、AIは今や私がかつて恐れていた部分（フック、B-roll、キャプション、そして長い録画から短いクリップへのカット）を実行しています。私はこのワークフローを使って先四半期に約120本のショート動画を公開し、実行する手順は以下の通りです—3秒のフックを書く、b-rollを生成または取得する、キャプションを焼き付ける、長さにトリミングする、そして投稿する。

クリップの背後にあるモデルについては、Sora video generatorとRunway Gen-3 videoに頼り、仕上げのカットやエフェクトはAI video editingの記事で解説しています。実際にショート動画がどのように組み立てられるかを紹介します。

簡潔な回答：AIを使ってショート動画を作るには？

アイデアを一つ選び、最初の3秒で引き込むフックを書き、5〜8秒のb-rollを生成または収集し、文字起こししてキャプションを焼き付け、9:16のアスペクト比で60秒未満にトリミングし、投稿します。これが全体のループです。AIが担当するのは、b-rollの生成、文字起こし、キャプション作成、そして長尺から短尺へのカットという4つのステップですが、フックは自分で書き、カットは自分で選びます。

私はこの正確な手順を、顔を出さない金融チャンネルとトークヘッドの商品チャンネルの両方でテストしましたが、どちらのケースでも順序が維持されました。クリエイティブな決定事項は狭い範囲に限定されますが、それらが重要です。フックは誰が2秒目まで見るかを決め、キャプションのスタイルはミュート視聴者が留まるかどうかを決めます。

ショート動画とは何か、そしてプラットフォームは何を求めているのか？

ショート動画とは、縦型で9:16のアスペクト比、3分未満であり、サウンドオフでの自動再生を前提に作られたものです。3つのプラットフォームはそれぞれ異なる上限を定義しており、安全な長さは最大長よりも短い傾向があります。

プラットフォームから来る2つのルールが、他のすべてを形作っています。YouTube's Shorts guidanceによると、Shortであるためには縦型で60秒以下でなければならず、そうでない場合は通常の動画として扱われ、Shortsフィードから外れます。InstagramのReels best practicesも同様に縦型のみという制約を押し付け、多くの人がミュートで視聴するため、テキストやキャプションが評価されます。

実践的な結論：常に9:16で撮影またはレンダリングし、ミュート視聴者を意識して書き、フックは最初の3秒間に収めます。私は30秒をデフォルトとして扱い、アイデアが本当に十分な時間（ランウェイ）を必要とする場合にのみ長くします。

フック：スワイプを防ぐための3秒オープニングの書き方

フックはあなたが書く中で最もレバレッジの高い要素であり、AIはこの点では平凡です。そのため、私は自分でフックを書き、AIはそれらをプレッシャーテストするためにだけ使用します。フックは以下の4つのうちのいずれかの役割を果たします。約束をするか、緊張感を提示するか、結果を示すか、または視聴者が答えを必要とする質問を投げかけることです。

私が効果的だと測定したフック：

• "これを作るのに6時間かかった。これが30秒バージョンだ。"
• "[トピック]について、お金を払うまで誰も教えてくれないことがある。"
• "[ツール]を30日間テストしてみた。結果は予想と違った。"
• "3秒後、価格に何が起こるか見てください。"

私は5つのフックを書き、それらを動画ジェネレーターのプロンプトとして画面上のテキストに貼り付け、最も早く読めるものを選びます。最初のフレームで視覚的にフックを伝える必要があります。なぜなら、ゼロ秒時点ではキャプションはまだ読まれていないからです。

B-rollとビジュアル：素材がないときに映像を生成する

カメラの前で撮影する場合、b-rollはあなたの顔とカットアウェイです。顔を出さない場合、b-rollは動画全体であり、ここでAIの映像が価値を発揮します。私は導入ショット、製品のクローズアップ、抽象的なモーションクリップを生成し、それらの下にスクリプトを配置します。

私が毎週実行する顔出しなしのワークフロー：

1. 60秒のスクリプトを書き、それを6〜8つのショットに分割する。
2. 各ショットをテキストプロンプトから5秒間のクリップとして生成する。
3. すべてのプロンプトで同じスタイル記述子を再利用することで、一貫したスタイルを保つ。
4. クリップをシーケンス化し、それぞれが話されているラインに合うようにする。
5. クローンまたはストックAIボイスからのナレーションを追加する。
6. キャプションを焼き付け、9:16でエクスポートする。

正直な限界：AI生成のクリップはズレます。ショット間でコーヒーカップの形が変わったり、フレーム内のテキストがぐちゃぐちゃになったりし、アイデンティティがカットをまたいで固定されないことがあります。私は各ショットを3パターン生成し、最もクリーンなものを選び、モデルに画面上のテキストやロゴを要求することは避けます。信頼できる映像が必要な場合は、生成されたクリップとストック素材を組み合わせて、すべてのカットが合成のように見えないようにします。

キャプション：自動再生のミュート視聴者を留める画面上のテキスト

キャプションは必須です。なぜなら、ほとんどのショート動画の視聴はミュートから始まるからです。私は音声の自動文字起こしを行い、次に最初の視線で読みやすいように単語をスタイリングします。デフォルトのAIキャプションエクスポートは使用可能ですが醜いため、タイポグラフィに2分間費やします。

私が従うキャプションのルール：

• キャプションカードは1〜3語とし、発話のリズムに同期させる。
• 単語を画面上部中央の3分の1に配置し、プラットフォームUIやコメントバーからクリアにする。
• コントラストのために、ストロークまたは背景プレートを持つ太字のサンセリフ体を使用する。
• 目を固定するためにキーワードを対照的な色でハイライトする。
• キャプションは安全なゾーン内に保ち、アプリ間で再投稿しても残るようにする。

文字起こし自体はドラフトとして扱います。AIは固有名詞、数字、技術用語を間違えることがあり、キャプションの単語が一つ間違っていると視聴者にはミスのように映ります。エクスポートする前に、すべてのキャプションを音声に合わせて声に出して読みます。

長い動画をショートクリップに再利用する

リパーパス（再利用）こそがAIが最も速く費用対効果を発揮する部分です。なぜなら、長い動画はすでに存在しており、問われているのはどの30秒がカットする価値があるかだけだからです。私は20分の録画を取り込み、一度に4〜6本のショートを抽出します。

私が使用する方法：

1. 長い動画を投入し、話者ごとのターンでAI文字起こしを実行する。
2. ツールに、視聴率またはエンゲージメントの閾値を超える瞬間をフラグ付けするように依頼する。
3. フラグが立てられた各瞬間に焦点を当て、左右それぞれ10秒間のランウェイをトリミングする。
4. 話者に対する自動トラッキングを使用して、水平な映像を9:16に再フレーミングする。
5. フックを前に移動させて再カットし、各クリップが最も強いラインから始まるようにする。
6. 新しいキャプションを焼き付け、それぞれのショートを単独の投稿として公開する。

リフレーミングは最も失敗しやすいステップです。自動トラッキングは、話者が動いたり、画面に2人いる場合などに話者を失うため、バッチ内の最初のクリップについて9:16のクロップフレームをフレームごとに確認します。私たちのAI video editing のウォークスルーでは、リフレーミングとカラーツールをより深く解説しています。

実際に使用するAIツールは？

私は意図的にスタック（ツールの組み合わせ）を小さく保っています。それぞれのツールが他のものよりも特定のタスクをうまくこなすため、バッチの途中でツールを切り替えることは節約できる時間よりもコストがかかるからです。

モデルの比較とSora対Runwayのトレードオフについては、Sora AI video generator の解説記事を参照してください。特にショートの場合、ショットがまとまりを保つ必要があるときはSoraに、正確なカメラムーブが必要なときはRunwayを使います。

ショート動画がフラグ立てされたり埋もれたりする原因は？

プラットフォームは特定の事柄に対してペナルティを課し、AIに頼りすぎるとうっかり引っかかりやすいものがいくつかあります。公開する前にルールを知っておくことで、レビューで消えてしまうはずだった投稿を救えます。

私が注意しているリスク：

• 競合プラットフォームの透かし（ウォーターマーク）がエクスポートに残っていること。
• 怠惰な再投稿を示す低解像度またはレターボックスの映像。
• 冒涜的な言葉や差別用語を含む、誤って文字起こしされた自動生成キャプション。
• プラットフォームが必要とする開示がない、実在の人物のAI映像。
• ライセンスされていない音声、または他のクリエイターの動画から抜き取られた音声。

TikTokのbusiness advertising and content policiesは、何が減衰させるかの基準を設定しており、他のプラットフォームも同様のロジックに従っています：オリジナルであること、縦型であること、明確であること、トピックに沿っていることが生き残ります。私はこれらのチェックリストを保持し、投稿する前にすべてのショート動画で実行します。なぜなら、たった一つの透かしが、それ以外は強力なはずだった投稿を私にとって台無しにしたからです。

まとめ：私の週次のショート動画ワークフロー

これが私が毎週実行するループであり、重要なステップに圧縮されています。AIがb-roll、キャプション、長尺から短尺へのカットという重労働を行います。私はフックを書き、カットを決めます。

私の週次チェックリスト：

• アイデアを一つ選び、5種類のフックバリアントを書く。
• ショットごとに6〜8秒のb-rollを生成または取得する。
• ナレーションを録音または合成する。
• 自動文字起こしを行い、スタイリングされたキャプションを焼き付ける。
• 9:16で60秒未満にトリミングし、フックは最初の3秒間に配置する。
• フラグリスクチェックリストを実行してから投稿する。

最後に伝えたい注意点：AIは制作を加速させますが、需要を生み出すわけではありません。私にとって最もパフォーマンスが良かったショート動画は、洗練された表面の下に本質的に役立つか驚くべきアイデアを持っていたものです。何もないことに関する、速くて安くてキャプション付きの動画は依然として失敗します。このワークフローを使って、あなたの良いアイデアをより多く出荷するために使い、その欠如を覆い隠すためには使わないでください。

画像クレジット

• A modern smartphone on a tripod recording a content styling video setup — photo by Tracy Le Blanc on Pexels
• A content creator recording a video at a desk with camera and lighting gear — photo by RODNAE Productions on Pexels
• A close-up of a video editing timeline interface on a computer screen — photo by Alex Fu on Pexels
• A smartphone screen displaying popular social media applications — photo by cottonbro studio on Pexels