【実践】自分のクローンで撮影なしでショート動画を作る

分身が語りかけるショートを作る

1. この動画で学べること

   “撮影しない”のに、自分が顔出しで話している動画 この作例では、カメラで撮影せずに、自分が画面に登場してカメラへ語りかける縦型ショートを作ります。いわば“自分のクローン”に話してもらう感覚です。 用意するのは、自分の顔が写った画像1枚と、立たせたい場所の画像1枚、そして自分の声だけ。あとはAIに口パクの動画を作らせて、つないで字幕を付けるだけです。完璧な機材も撮影スキルもいりません。 今回の題材 「田舎で暮らしながらAIで働く」をテーマに、人物があぜ道で語りかける約15〜20秒のショートを作ります。今回の解説では架空キャラを例に使っていますが、本番は“自分の顔と声”をリファレンスにするのがおすすめです（理由は最後のまとめで解説します）。 このレッスンのゴール 撮影ゼロで、自分が顔出しで語りかける縦型ショートを、顔をブレさせずに作れるようになることです。撮影が苦手でも、顔出しのSNS運用を始められます。

2. 完成動画を見る

   まずは完成形を見てみましょう 人物があぜ道に立ち、カメラへ向かって自分の活動を語りかけます。撮影は一切しておらず、画像と声だけから生成しています。 短い文を1つずつ区切り、画角を変えながらテンポよく見せているのがポイントです。 最初の数秒で、何の話か分かるか（フックがあるか） 全シーンで同じ顔・同じ人物に見えるか セリフが聞き取りやすく、発音が崩れていないか シーンごとに画角が変わって飽きないか 字幕が顔に被らず読みやすいか ここが効いている 声は同じ参照音声を使い、人物は同じ1枚の画像を使い回しています。この2つを固定するだけで、別撮りに見えないシリーズ感が出ます。

3. セリフと画角を設計する

   セリフは短く、画角はシーンごとに変える AIに長いセリフを一気に話させると、単語が抜けたり発音が崩れたりします。そこで台本を短い文に区切り、1文＝1シーンで作ります。 さらに、同じ構図が続くと飽きられるので、シーンごとに寄り・引き・アングルを変えます。これだけで“編集された動画”の印象になります。 設計のコツ 「短い文 × 1文1シーン × 画角を毎回変える」。この3つを守るだけで、発音が安定し、テンポの良いショートになります。

4. 素材を用意する（キャラ＋背景）

   必要なのは“自分の顔1枚”と“背景1枚”と“声” 人物は、おすすめは自分の写真です（架空キャラでもOK）。全シーンでこの1枚を参照するので、顔がはっきり写った全身に近い画像が向いています。声も自分の音声を参照に使えば、見た目も声も“自分のクローン”になります。 背景は、立たせたい場所を1枚用意します。今回の背景は、AIで生成した田舎のあぜ道の画像です。実写写真でも生成画像でもよく、日中の自然光や“iPhoneで撮ったような質感”を指定すると、生成画像でも“AIっぽさ”を抑えられます。 人物：架空キャラは画像生成（Nano Banana / GPT Image など）で1枚作る 人物：自分の写真でもOK（顔がはっきり写ったもの） 背景：立たせたい場所を1枚。AIで生成しても、実写写真でもOK 日中の自然光・iPhoneで撮ったような質感を指定すると、生成画像でも“AIっぽさ”が減る AI感を消すコツ 夕方の強い色や過度な加工…

5. R2Vのプロンプトを用意する

   2枚リファレンス（R2V）で顔をブレさせない 1枚の画像から動かすi2vは、生成のたびに顔が少しずつ変わってしまいます。そこで使うのがReference to Video（R2V）です。 Seedance 2.0に「キャラ画像」「背景画像」「声」を同時に参照させると、同じ顔のまま人物を背景に立たせ、声に合わせて口パクさせられます。全シーンで同じキャラ画像を渡すので、顔が一貫します。 プロンプトは、毎回ゼロから書く必要はありません。下の共通テンプレート（6項目）に沿って、シーンごとに「セリフ」「画角」「演技」だけを差し替えていきます。 プロンプトはAIに逆算させてもいい 理想のイメージ画像を先に作り、それをChatGPTなどに読み込ませて「このテンプレ形式で動画プロンプトを書いて」と頼めば、専門知識がなくても作れます。自分で書く／AIに逆算させる、どちらでもOKです。

6. 編集で仕上げる＋まとめ

   つなぐ・間を詰める・字幕を乗せる 各シーンができたら、順番につないで1本にします。次に、セリフの前後やシーン間にできる無音を削ってテンポを上げます（無音カット）。 最後に、話している言葉に合わせて字幕を乗せます。白い太字に黒フチを付けると、どんな背景でも読みやすくなります。字幕は顔に被らない位置に置くのがコツです。 4〜5秒のシーンを台本順につなぐ 前後・シーン間の無音を削ってテンポを上げる 発音が崩れたシーンだけ作り直す（全部やり直さない） 字幕は白の太字＋黒フチ。顔に被らない位置へ 長い文は2行に折り返さず、短く区切って1行に収める 発音は“分割”と“言い換え”で守る 1文＝1クリップに分けると、崩れたシーンだけを安く作り直せます。さらに読み間違えやすい語を言い換えておけば、ほとんど破綻しなくなります。