【クレジット節約】5枚の絵コンテで15秒CM完成｜Pollo AI「リファレンスから動画」が最適解だった

こんにちは、ナオユキです。

本題に入る前に、まずは前編の記事を読んでくださった皆さんに、「お詫びと前言撤回」をさせてください。

僕は前回の記事で、こう言いました。
「シーンごとに登場人物や背景が変わり、AIが前後の文脈を想像しにくい長尺の動画は、シーンごとに動画をバラバラに作って後から繋げるのが最適解である」と。

……すみません、あれは間違いでした。
撤回します。

あの後、検証を重ねた結果、もっと簡単で、もっとコスパが良く、もっと完成度の高い方法を見つけてしまいました。

結論から言います。

現時点でのストーリー動画制作の僕の中での最適解は、「”リファレンスから動画機能”を使い、複数枚の画像を投入して、動画を一発で生成する方法」です。

今回は、コンテストで賞をいただいた『高橋工具』の15秒CMを例に、僕が実際に失敗し、検証し、たどり着いた最新ワークフローを公開します。

「思い通りの動画が作れず、クレジットばかり消費する」
「動画生成AIって、シーンが変わると顔が変わるから困る」
と悩んでいる方は、ぜひ最後までお付き合いください。

※この記事はPollo AIのPRを含みます

🛠️ 世界観で使い分ける！僕が当初辿り着いた「2つのワークフロー」

動画生成AIで効率よくクオリティを担保するには、「AIがその映像の文脈を想像しやすいかどうか」でワークフローを2つに切り替えるのが効果的だと僕は考えていました。

まずは前回お話ししたパターンをおさらいします。

パターンA：【プロンプト一発生成型】（EVバイク『月影』CMで採用）

最初と最後のシーンの画像を元に、プロンプト一発で動画を生成するパターンです。
前編でご紹介したEVバイク『月影』のCMがこれに当たります。

パターンB：【シーン毎動画結合型】（『高橋工具』CMで採用）

それぞれのシーンごとに画像（絵コンテ）を作成し、1〜2シーンごとに動画を生成して、最後に動画編集ソフトで繋ぎ合わせるパターンです。
僕が『高橋工具』のCMを作った際の手法です。

ちなみにパターンAのやり方で生成したのが以下です。

最初と最後の画像しか入力できないため、途中のシーンの人が別人のような感じになってしまいました。

🎬 『高橋工具』CMができるまでの実際のステップ（旧ワークフロー）

まずは、僕がこの分割結合のワークフローで制作し、コンテストに応募した『高橋工具』のドライバー🪛の15秒CMをご覧ください。

幼少期、青年期、父親、そして50代へ……。
画面が大きく破綻することなく、1枚ずつの画像から自然なカメラワークが生まれ、情緒ある空気感が15秒間維持できました。

制作方法は以下の通りです。

１. 動画のシナリオ（プロンプト）を作る

パターンBの最初のステップは、動画生成AIに入力するプロンプトの基となる「シナリオ」作りです。

文章生成には Gemini などを活用し、対話しながら要望（「最後のタイトルは高橋工具にしよう」など）を伝えてブラッシュアップしていくのがコツです。

前回お話しした「15秒広告を作る時の6つの基本フレーム」を意識し、一般のドライバーに焦点を当てたノスタルジックなシナリオを構築しました。

■やり取りしてできたシナリオ（プロンプト）

タイトル：「人生をともにした一本」 
尺：15秒 
トーン：シネマティック / 温かい / ノスタルジック / 実写 / 浅い被写界深度 / 自然光中心 
アスペクト比：16:9 
色味：暖色、少しフィルムライク、経年感あり
— 【Scene 1】幼少期（0〜3秒） 古い木工工房。夕方の暖かい光。 幼い男の子が祖父に手を添えられながら、木製飛行機のネジをドライバーで締めている。 机には木屑、古い工具、ネジ。 カメラ：手元寄り → 少し引き 感情：「初めて道具を握った記憶」
— 【Scene 2】青年期（3〜6秒） 若い男性がガレージでクラシックバイクを整備している。油で汚れた手。同じドライバーを使っている。 夕方の逆光。少し汗ばんだリアルな質感。 カメラ：低めアングル, 工具と手元の寄り 感情：「夢中になれる時間」
— 【Scene 3】父親（6〜10秒） 30代になった男性。家の中で、ベビーカーの車輪部分をドライバーで調整している。 後ろでは赤ちゃんが遊んでいる。生活感のある優しい空気。 カメラ：膝をついた姿 → ドライバー寄り 感情：「守るものができた」
— 【Scene 4】50代（10〜13秒） 40代後半になった男性。中学生の娘と一緒に、自転車の前カゴのネジを締めている。 娘が横で支える。同じドライバー。かなり使い込まれている。夕暮れのガレージ。 カメラ：手元寄り、親子の横顔、柔らかい逆光 感情：「受け継がれていく時間」
— 【Last Scene】（13〜15秒） 古い作業机の上。長年使い込まれた一本のドライバー。傷ついたグリップ。少し削れた金属。 窓から夕方の光。静かな余韻。 カメラ：ゆっくり寄る ナレーション：「人生には、ずっと使い続けるものがある。」 最後にロゴ表示「高橋工具」。

２. 各シーン毎の「主要カット（画像）」を作る

シナリオが完成したら、次に各シーンのベースとなる画像（絵コンテ）を1枚ずつ生成します。

パターンBでは、シーンごとの画像が動画のクオリティを左右する重要な鍵となります。

画像生成は現在、非常に精度の高い GPT Image 2.0 を用いて生成するのがおすすめです。

今回はChatGPTに先ほどのシナリオを送り、対話しながらストーリーに沿った5枚のイラスト（絵コンテ画像）を用意しました。

📷 今回インプット（絵コンテ）に使った5つのシーン

３. 低コストモデルでの検証と動画生成

本格的な全シーンの生成に入る前に、最初の「シーン 1（幼少期）」で主要3モデルで比較検証を行いました。

モデル別徹底検証：同一プロンプトによる各AIでの生成結果

今回、パターンBで検証したモデルは下記の6つです。
🪙は6秒生成した際のクレジットです。

• Pollo 3.0 🪙30

• Pollo2.5 🪙15

• Pixverse V6 🪙12

実際の生成動画は以下の通りです。

🌟は１~５のあくまでナオユキ個人的な動画に対する評価ですので、実際の動画を見ていていただければ幸いです。

① Pollo 3.0 ［🌟5 / 消費：30クレジット］

3つのなかで最も高いパフォーマンスと感じました。おじいさんと子供の手元の動き、差し込む自然光のトーンが美しく、ノスタルジックな空気感がイメージ通りでていました。

② Pollo 2.5 ［🌟2 / 消費：15クレジット］

映像のトーンは悪くないものの、なぜか中国人になって出力されてしまいました。推論力や言語処理において最新モデルに一歩劣る印象です。

③ Pixverse V6 ［🌟2 / 消費：12クレジット］

出力された動画の「尺（長さ）」が想定と合わない結果となり、おじいさんも外国系の方になってしまいました。

💡 検証の結論
この結果から、クオリティと表現力の安定感を重視して「Pollo 3.0」をベースモデルとして採用。各シーンの動画素材（5〜10秒程度）を1本ずつバラバラに生成していきました。

４.音楽生成とCanvaでの結合

バラバラに生成した動画素材を、ひとつの15秒CMとして完成させる最終ステップです。

• BGM（音楽）： 手軽さを重視し、使い慣れた Gemini で生成（本格的な音楽生成なら Suno などもおすすめ。また、無料配布サイトの「甘茶の音楽工房」や「DOVA-SYNDROME」も効果音が豊富で便利です）。

• 動画の結合・編集： 集まったすべての動画素材、音声、BGMを Canva のタイムラインに並べ、細かくタイミングを調整。テロップ（字幕）を挿入し、最後にロゴを表示させて1本の動画に仕上げました。

🚨 ここからが本番：上記を覆す「2つの新検証」

……と、ここまで綺麗にワークフローをまとめて記事を投稿しようとしたのですが、僕の中でどうしても追加で検証したいことが2点出てきてしまいました。

1. 最近Polloが激推ししている、現在80%OFFセール中の「Happy Horse」モデルの実力はどんなものか？

2. 以前使った、複数枚の画像をインプットして生成する機能「リファレンスから動画」を使えば、わざわざ後から動画を結合しなくても、パターンB（画像あり）のまま一発で15秒を作れるのではないか？

結論から言います。
この思いつきが「最高の検証結果」をもたらしてくれました。

検証1：80%OFFの「Happy Horse」モデルをバイク動画で試す

まず、前編のバイク動画（パターンA）をこの「Happy Horse」モデルで試してみました。

……なかなかの高精度です！

これでわずか30クレジット。爆安です。

検証2：「リファレンスから動画」機能で、５枚の絵コンテで一発生成！

メニューから「リファレンスから動画」を開き、Polloの「Seedance 2.0」モデルを選択します。

なんとこのモデル、「Seedance 2.0」の場合、最大9枚の画像を同時にインプットできるのです。

ステップ2で作った各シーンのイラスト画像をタイムライン順にドカンと一気に入れ、ステップ1のプロンプトで生成してみました。

そうして一発で出力された動画が、以下の動画です。

……え、もうこれでいいじゃん！！

最後のロゴが文字化けしてしまいましたが、人間が後から動画を繋ぎ合わせる必要なんてありませんでした。

AIが５枚の画像の文脈を解釈し、1本のストーリーとして仕上げてくれました。

しかも、Seedance 2.0は現在半額キャンペーン中のため、通常150クレジットのところ、わずか75クレジットでこのクオリティが出せました。

💥 さらに欲を出して「Happy Horseモデル」でも一発生成してみた

「じゃあ、さっきの80%OFFのHappy Horseモデルにこの5枚画像＋プロンプトを食わせたらどうなるんだ？」と思い、実験してみました。

その動画がこちらです。

なんと……めちゃくちゃいい感じに出来てしまいました。

相変わらず、ナレーションと最後の企業ロゴだけは「高騙工具」のように文字化けしてしまいましたが（これはAIの現在の限界ですね）、映像としての繋がりは完璧です。

何がすごいって、これで、たったの30クレジット（通常150クレジットの80%OFF）で生成できるということです。

コスパが異次元すぎます。

💭 後編まとめ：辿り着いた現在の最適解

前編・後編にわたり、Pollo AIの様々なモデルやワークフローを泥臭く検証してきました。
今回の検証を経て、僕が辿り着いた現時点の結論をまとめます。

1. 結論：「各シーンの画像を用意して、リファレンスから動画で一括生成」が最適 
   1枚の絵コンテを作成してAIに食わせる方法もありますが、その場合、画像とイメージがずれてしまったので、リファレンスから動画でAIにシーンごとの画像（絵コンテ）をAIに食わせるのが、僕の最適解です。

2. モデル選び：クオリティなら半額中の「Seedance 2.0」、コスパなら80%OFFの「Happy Horse」
   たった30クレジットで回せるHappy Horse 1.0モデルでまずは試す。これが最もクレジットを節約し、打率を高めるアプローチだと思います。

3. もったいない失点をなくす：文字入れは「後入れ」が鉄則
   今回の動画でもロゴが「高騙工具」と文字化けしたように、AIはまだ文字が苦手です。テロップやロゴはAIに任せず、後からCanvaなどの動画編集ソフトで編集するのが確実です。

動画生成AIに「100%の絶対的な正解」はありません。

だからこそ、
「いかに自分のイメージに合う確率を高めるか」
「無駄な失敗を出来るだけ減らすか」
のアプローチが重要であると感じました。

もし、「動画生成AIって難しそう」「クレジットばかり減って上手く作れない」と躊躇していたなら、まずはHappy Horse 1.0で5秒、10クレジットだけ使って、お手持ちの画像を動かしてみてください。

AIは進化します。

だから、昨日の正解に執着しない人が、一番早く前に進める。

この記事が、その近道になれば嬉しいです。

📌 あなたも今すぐ打席に立って、クレジットをゲットしよう！

最後に、今すぐその感動を体験できる、最高のチャンスを2つご紹介します。

①【参画者全員100クレ】ナオユキ主催「スキ動画コンテスト」

現在、僕のほうで「スキ動画コンテスト」を開催しています！
なんと、漢気あるPolloさんから、参画者全員に100クレジットの進呈をいただいています。

今回の記事の通り、Happy Horse 1.0を試せば、5秒で10クレジット！
なんと10回も無料で動画が作れてしまいます。

ぜひ気軽な気持ちで参加してみてください！

②「PolloAI×しろねんコンテスト」

しろのあるさん×ねんころさん主催のビッグイベント。
こちらに参画すると、さらにPollo AIのクレジットが300クレジットプレゼントされます！（応募締め切り：6月10日まで。大賞には豪華賞品あり）

まだ時間はあります！
是非、この機会に動画生成に触れてみてください。
自分の作ったイラストが動くのは、本当に感動します！

最後までお読みいただき、本当にありがとうございました。

皆さんのAIクリエイティブが、もっと楽しく、もっと効率的になることを願っています。

この記事が少しでも参考になったら、スキ、フォロー、コメントをいただけるとめちゃくちゃ励みになります！🙂‍↕️

#PolloAIワークフローチャレンジ #PolloAI #AI動画 #生成AI #AI活用 #Pollo3 #Canva #Gemini #AIクリエイティブ #動画編集 #映像制作 #PolloAI  
#動画生成AI #AIクリエイティブ #アカリウム