AIテキスト動画 生成

AIテキスト動画生成は、書いたプロンプトだけから動画クリップを作る技術です。ショットに誰がいて、何が起こり、どこで、カメラがどう動くのかを説明すると、モデルがすべてのフレームを描画します。元の映像も最初の画像も不要で、言葉がそのまま指示書になります。

だからテキストからの動画生成は、アイデアを動くショットにする最速の方法です。ただし、うまく書くのはいちばん難しいプロンプトでもあります。静止画なら被写体と雰囲気があれば足りますが、動画には始まりと動きと終わりが必要だからです。良いテキスト動画のプロンプトは、キャプションではなく、撮影台本の1行のように書きます。

Mageでは、ひとつのプロンプトバーから複数のテキスト動画モデルを使えます。Mageのフラッグシップ、Cherry 2 Proは、音付きで最長30秒、最大1080pの動画を生成します。Lemonは手頃な価格のオールラウンドモデル、Kiwiは設定不要で日常の動画に向き、Melonはアニメ向けに作られています。画像から始めたい場合は、姉妹ページの画像から動画への生成をご覧ください。

背景ではなく、動きから書き始めましょう。モデルは最初に書かれた内容を最も重視するため、冒頭に何行も情景を書くと、美しいけれどほとんど動かない映像になりがちです。動詞を先頭に置きます。たとえば「女性が屋上を駆け抜ける」「ドラゴンが雲を突き抜けて急降下する」「猫がテーブルからグラスを落とす」のように。

次にカメラを指示します。トラッキングショット、スロープッシュイン、ローアングル、空撮、手持ち、ウィップパン、クラッシュズームといった言葉は、形容詞よりも映像を大きく変えます。ひとつのクリップに複数のカットを入れたいときは、おおよその秒数と一緒に順番に書きます。たとえば、最初の2秒はワイドショット、次に顔のクローズアップ、そして彼女が見ているものを明らかにする、という具合です。

最後に光、レンズ、音を加えます。ゴールデンアワー、ネオンの雨、35mmフィルム、遠くの雷、群衆のざわめきなどです。Cherry は映像と一緒に音声も生成するので、音の描写は後付けではなくプロンプトの一部です。すでに気に入った1枚がある場合は、画像から動画を生成するツールがその画像をそのまま活かして動かします。言葉で説明し直すよりも、結果を予測しやすくなります。

• はっきりした動きをひとつ、被写体をひとつ、先頭に書く。
• カメラワークを名指しする:プッシュイン、トラッキング、空撮、手持ち。
• 複数カットのクリップは、秒数と一緒に順番に書く。
• ほしい音も書く。Cherry はクリップと一緒に音声を生成します。
• 下書きは短く低解像度で、仕上げは長く高精細で。

長さと解像度は、クリップの料金を最も大きく左右する2つの設定です。最初ではなく最後に決めましょう。まず480pの短い尺でプロンプトを固め、そのあと720pまたは1080pで、シーンに必要な長さの完成版を生成します。Cherry 2 Pro は4〜30秒、Lemon は2〜30秒まで1秒単位で指定できます。

アスペクト比は、クリップを公開する場所で決めます。16:9 は予告編、YouTube、画面で見せるものに向いています。9:16 はリール、ショート、TikTok でスマホの画面いっぱいに表示され、1:1 はフィードになじみます。Cherry は3つすべてに対応し、Lemon は 4:3 と 3:4 にも対応しています。

長いストーリーは、ひとつの長いクリップよりも複数のクリップに分けるほうがうまくいきます。カットごとに別のプロンプトを書き、毎回同じ @character を使って、Storyboardでつなぎましょう。最大6本のクリップをひとつのMP4にまとめられます。ストーリーごと自動で作りたい場合は、AI映画ジェネレーターをご覧ください。