/icon.png){kind=icon}
絵コンテ駆動の AI ミュージックビデオ方法論：5-Shot を先に決めて画像を埋める（SunoMV 2026）
一言で結論
AI MV が「バラバラ」に見える根本原因は、絵コンテが無いから。 多くの人は「歌詞 → 自動画像」で進み、モデルが各行に画像を 1 枚生成し、30-50 枚が互いに無関係になり、結果として PowerPoint のページ送りに見えます。本方法は「絵コンテ先・画像後」を方法論として確立：5 ショットで感情アークを固定し、各ショット内に AI で画像を埋める、そしてビート同期トランジションで縫合します。
得られるもの：① 記入可能な 5-Shot 絵コンテテンプレート、② lo-fi / シネマティック / ポップ / フォーク / パンクの 5 ジャンル絵コンテ、③「絵コンテ無し vs 絵コンテ有り」の実測対比。
なぜ「歌詞配置」では刺さらないか
主流ワークフロー：
原曲 → ASR で歌詞 → 各行をモデルへ → 1 行 1 画像 → 連結各画像は「合っている」が、30-50 枚に視覚的連続性が無い。同じ曲が写実 → 水墨 → サイバーパンクと切り替わる — モデルは 1 行しか見ず、曲全体を見ない。結果：
- 主役不一致（毎回別人）
- 色温度がバラつく（8 秒ごとに変化）
- 感情アーク無し（サビとヴァースが同じに見える）
- トランジションは単なるフェード、ナラティブでは無い
視聴者は反射的にスワイプ — 画質では無く、物語が無いから。
絵コンテ駆動の核心アイデア
映画業界が 100 年検証した方法：絵コンテ先、ショット後。3 分曲は本質的に起承転結を持つミニ物語で、5 ショットに対応：
| Shot | 段落 | 長さ | 感情 | カメラ言語 |
|---|---|---|---|---|
| Shot 1 | Intro | 10-20 秒 | フック / 注意喚起 | 遠景 / 静的 / 余白 |
| Shot 2 | Verse 1 | 30-50 秒 | 下準備 / 構築 | 中景 / 緩い寄り / 主役導入 |
| Shot 3 | Chorus | 30-40 秒 | 爆発 / 解放 | クローズアップ / 強切 / ビート同期 |
| Shot 4 | Bridge | 20-40 秒 | 転換 / 反転 | スローモ / 対比 / 余白 |
| Shot 5 | Outro | 10-20 秒 | 余韻 / 退場 | 遠景 / フェード / Intro 呼応 |
5 ショットで感情アークを固定、残り 25-45 枚はこの 5 ショットの「スタイル枠」内で埋める。これが一貫感のある MV を作る理由です。
5-Shot 絵コンテテンプレート（コピー可）
何かを生成する前にこの表を埋めます。空欄を残さない：
| 項目 | Shot 1（Intro） | Shot 2（Verse） | Shot 3（Chorus） | Shot 4（Bridge） | Shot 5（Outro） |
|---|---|---|---|---|---|
| シーン | 場所 | 同上か寄せる | クライマックス場所 | コントラスト場所 | Intro 場所か退場 |
| 感情 | 1 つの形容詞 | 1 つ | 1 つ（Shot 1 と必ず異なる） | 1 つ（最大コントラスト） | Shot 1 と呼応 |
| キーワード | 視覚語 3-5 個 | 3-5 個 | 3-5 個 | 3-5 個 | 3-5 個 |
| カメラ | 遠 / 中 / 近 / マクロ | 1 つ選 | 1 つ選 | 1 つ選 | 1 つ選 |
| 次への遷移 | fade / cut / morph / push | 1 つ選 | 1 つ選 | 1 つ選 | — |
経験値：この表記入で 15-20 分。「進めながら考える」より 2-3 時間の手戻りを節約。
5 ジャンルの絵コンテ参考
実運用済の絵コンテ骨格 5 種。キーワードを自分の曲内容に置き換えるだけで使えます：
ジャンル 1 · Lo-fi（書斎 / 雨夜）
Shot 1: 遠 · 書斎の窓外 雨夜 · 「静謐」· 雨粒 / 暖灯 / 木机 / 単灯
Shot 2: 中 · 机上物のスローズーム · 「集中」· 開いた本 / カップ / ノート
Shot 3: 近 · 書く手 / ページめくり · 「没入」· ペン先 / 紙 / 文字出現
Shot 4: スローモ · 雨が強まる · 「孤独」· ぼけた街灯 / ワイパー / 遠い人影
Shot 5: 遠 · 灯が消える · 「解放」· 雨が弱まる / 霞 / 黒トランジション：すべて morph + スローズーム、ハードカット無し。
ジャンル 2 · シネマティック（OST / 都会の夜）
Shot 1: 空撮遠 · 街並み · 「壮大」· 高層ビル / 灯 / 圧迫感
Shot 2: 中 · 街中スローモ · 「群衆中の孤独」· ぼけた通行人 / 鮮明な主役 / 信号
Shot 3: 近 · 主役の顔 雨中 · 「爆発」· 表情近景 / 強光 / スローモ
Shot 4: 遠 · 屋上 / テラス · 「自由」· トレンチコート / 街並み / 夕日
Shot 5: 空撮上昇 · 街を離れる · 「解放」· ズームアウト / 黒 / 字幕トランジション：ハードカット + ビート同期、各歌詞行 1 切。
ジャンル 3 · ポップ（青春 / 校園）
Shot 1: 中 · 教室 / 校庭 · 「若さ」· 日差し / 制服 / 笑顔
Shot 2: 追従 · 校内を歩く · 「期待」· 足取り / 木陰 / 同級生
Shot 3: 近・群像 · 歌い踊る集合 · 「祝祭」· ジャンプ / 紙吹雪 / 多人物
Shot 4: スローモ · 振り返り · 「名残惜しさ」· スロー / 解散 / 夕暮れ
Shot 5: 遠 · 校門 / 夕日 · 「青春」· シルエット / ベンチ / 流れる雲トランジション：fade + push、リズミカルだが激しくない。
ジャンル 4 · フォーク（旅 / 自然）
Shot 1: 遠 · 山道 / 海辺 · 「広大」· ハイウェイ / 遠い峰 / 青空
Shot 2: 追従 · 歩く · 「内省」· 後ろ姿 / 木 / 川
Shot 3: 中 · 焚火 / テント · 「癒し」· 火 / 友人 / 星空
Shot 4: 近 · 手 / ギター · 「没入」· 指先 / 弦 / ピック
Shot 5: 空撮 · 去る · 「別れ」· 引いていく / 黒 / 字幕トランジション：すべて fade、スローテンポ。
ジャンル 5 · パンク（反抗 / 街頭）
Shot 1: 遠 · 工業廃墟 / 街頭 · 「抑圧」· 落書き / 曇天 / 金属
Shot 2: 中 · 壁にもたれる主役 · 「不遜」· 革ジャン / 煙 / 横顔
Shot 3: 近 · 破壊 / 叫び · 「爆発」· 拳 / ガラス / 赤光
Shot 4: スローモ · 炎 / 煙 · 「危険」· 火の粉 / 風 / 灰
Shot 5: 遠 · 主役が去る · 「決意」· 後ろ姿 / 朝日 / 歩み去るトランジション：ハードカット + 閃光、サビは拍ごとに切る。
「絵コンテ無し」vs「絵コンテ有り」実測
同じ 3 分 lo-fi 曲、2 回生成：
| 次元 | 絵コンテ無し | 絵コンテ有り（5-Shot） |
|---|---|---|
| 画像数 | 47 枚 | 31 枚 + AI トランジション 5 つ |
| 主役一貫性 | 30%（毎回別人物 / 物体） | 85%（5 つの核心シーン中心） |
| 色温度一貫性 | 低（暖 / 寒 / 青混在） | 高（統一暖色系） |
| 感情アーク | 無し（全曲同調） | 有り（フック→下準備→爆発→転換→余韻） |
| 完視聴率（IG Reels 実測） | 38% | 64% |
| 制作時間 | 5 分 | 25 分（記入 + 画像選定込） |
結論：20 分余計に記入時間を使うと、完視聴率が 38% から 64% へ。ROI が明確。
SunoMV での実装
SunoMV のワークベンチは絵コンテ駆動を自然にサポート：
- Step 1：曲インポート後、AI ミュージックビジュアライザーでデフォルト配置を 1 回試す
- Step 2：結果を基に 5-Shot テンプレートを記入（Notion / 表）
- Step 3：5 つの核心ショットをプロンプト軸として再生成 — SunoMV はキーフレーム指定対応、各ショットで代表画 1 枚、残りはそのスタイルで in-painting
- Step 4：AI 動画トランジションで 5 ショット間に 2-4 秒モーション生成、骨格を縫合
- Step 5：9:16 / 16:9 多バージョン出力
要点：AI に絵コンテを指揮させない、自分で決めた絵コンテを AI に埋めさせる。コントロールと効率のベストバランス。
よくある質問
Q: 5 ショットは少なすぎる？ A: 5 は骨格、上限では無い。各ショット内で 5-12 枚の画像変化（同主役、同色温、同シーン、異なるディテール）。総画像数は 30-50 枚のまま。
Q: サビが 2 つある場合は？ A: 2 回目サビは Shot 3 の「バリエーション」 — 同シーン、同主役、新要素追加（集合カット、より近いクローズアップ、より強い感情）。新ショットを発明しない。
Q: 上の 5 ジャンルに含まれない曲調は？ A: あらゆるジャンルが Intro / Verse / Chorus / Bridge / Outro の 5 段構造にマップ可能（過去 60 年のポピュラー音楽はすべてそう）。先に「段落 → 感情アーク」を掴み、キーワードを差し替えるだけ。
Q: 演奏曲（純器楽）でも使える？ A: 使える。歌詞無しの場合、「楽器セクション」で区切る — 主旋律 = Verse、強奏 = Chorus、弱奏 = Bridge。
Q: AI ミュージックビジュアライザー との関係は？ A: ビジュアライザーはモデルが自動生成する「デフォルト配置」 — 本稿の「絵コンテ無し」基準に対応。本方法はその上に手動絵コンテ層を加え、デフォルト配置に構造を与えるもの。
セルフチェック（生成後）
- 5 ショットの「感情」形容詞が互いに異なる（Chorus と Verse 両方「燃」は NG）
- 主役（人 / 物 / 場面）が 5 ショット中3 つ以上で共有（世界観完全切替を避ける）
- サビ部のカメラ言語が主歌より強い（クローズ > 中 > 遠）
- Bridge と Chorus の明確なコントラスト（スロー vs 強切 / 遠 vs 近 / 寒 vs 暖）
- Outro と Intro が呼応（同シーンか感情ループ）
次の一手
この記事の 5-Shot テンプレートを Notion / 表に保存して、新曲を作る前に必ず記入してください。20 分のコストで完視聴率 1.5-2 倍 — AI MV 最適化で最も ROI の高い動作です。
「主役の一貫性」は キャラクター一貫性メソッド を、「ビート同期切点」は Beat-synced 視覚リズム法 を参照。
—— SunoMV チーム