「ショート動画を出してみたいけど、顔は出したくない」「声を録るのも気がひける」。そう感じて止まっている方は多いと思います。台本を考えるだけでも疲れますし、編集はもっと面倒に見えますよね。
実はいま、台本・ナレーション・素材画像までAIで用意できるようになりました。顔も声も出さず、文章を打ち込むところから始められます。この記事では、その流れを5つのステップに分けて、そのまま真似できる粒度で説明します。
先に一番大事なコツを1つだけ。それは、最初の3秒（フック）に一番力を入れることです。ショート動画は冒頭で「続きが気になる」と思わせないと、すぐにスクロールで飛ばされてしまいます。だからこそ台本づくりの最初から、冒頭の一言を磨いておきます。
全体の流れは5ステップ
まず地図を見ておきましょう。やることは、おおまかに次の流れです。
| ステップ | やること | 主に使うAI |
|---|---|---|
| 1 | 台本（フック→本編→締め） | ChatGPT / Claude |
| 2 | ナレーション音声 | VOICEVOX / ElevenLabs / CapCut |
| 3 | 素材（サムネ・背景・Bロール） | AI画像生成・ストック素材 |
| 4 | （必要なら）動画クリップ生成 | Veo / Runway / Kling など |
| 5 | 編集・字幕・書き出し | CapCut |
ステップ4の「動画そのものをAIで生成する」のは、必須ではありません。文章＋ナレーション＋静止画の差し替えだけでも、立派なショート動画になります。まずは1〜3と5から始めるのがおすすめです。
ステップ1：台本をAIに作らせる
最初は台本です。いきなり書き出すのではなく、フック・本編・締めの3部構成でAIに頼むと、迷子になりません。
台本を一括で出すプロンプト
あなたはSNSショート動画の構成作家です。次の条件で、縦型ショート動画(YouTube Shorts/TikTok/Reels)の台本を作ってください。
# テーマ
{{動画のテーマ・伝えたいこと}}
# 想定視聴者
{{例: AIに詳しくない社会人}}
# 尺
{{例: 40秒}}
# 出力形式(この順で表で)
1. フック(最初の3秒・続きが気になる一言。問いかけ/意外な事実/結論先出しのいずれか)
2. 本編(3〜5ブロック。1ブロック=1メッセージ。各ブロックに「ナレーション文」と「画面に出す字幕(15文字以内)」「背景に使うBロールの指示」を併記)
3. 締め(行動を促す一言+次の動画への誘導)
# 制約
- ナレーションは話し言葉。1文を短く。専門用語は出した直後に言い換える
- 視聴維持のため、5秒ごとに画が変わる前提で書く
- 誇張・断定(「絶対」「100%」)は使わない
- 最後に、この動画のフック案を別パターンで2つ追加で出す
冒頭が弱いと感じたらフックだけ磨く
台本はできたけれど出だしが弱い、と感じたら、フックだけを集中的にブレストします。
次のショート動画のフック(冒頭3秒のセリフ+字幕)を10案出してください。
# 動画の結論/中身
{{動画で伝える結論}}
# 想定視聴者
{{視聴者}}
# 条件
- 1案=「読み上げる一言」+「画面字幕(12文字以内)」のセット
- 型を散らす: ①問いかけ ②意外な数字/事実 ③結論先出し ④失敗談/共感 ⑤否定形(実は〜は逆効果)
- 煽りすぎ・誇大表現はNG。事実から外れる釣りはしない
- 最後に、スクロールを止めやすい順にランキングし、1位の理由を一言で
台本や構成をAIに任せる考え方は、文章記事でも共通です。書き方の土台はAIで記事の下書きを作るツールの選び方も参考になります。
ステップ2：ナレーションをAI音声にする
次は、台本をしゃべってもらう工程です。代表的な選択肢を整理します。
| ツール | 特徴 | 商用利用のポイント |
|---|---|---|
| VOICEVOX | 国産・無料。ずんだもん等の定番ボイス | 無料・商用可だが「VOICEVOX:キャラ名」のクレジット表記が必須。各キャラの個別規約にも従う |
| ElevenLabs | 高品質で自然。多言語対応 | 商用利用は有料プラン必須（無料は商用禁止）。最安Starterは月5ドル〜（2026年6月時点・変動あり） |
| CapCut読み上げ | 編集アプリ内で完結 | アプリで作った動画の公開は可。内蔵素材の扱いは規約確認を |
無料で始めたいならVOICEVOXが手堅いです。ただし、「VOICEVOX:ずんだもん」のようなクレジット表記を入れ忘れないことが何より大事です。表記なしでの商用利用は、別途有償の契約が必要になるケースがあります。自然さを優先するならElevenLabsですが、商用で使うなら有料プランが前提になります。
音声にかける前に、原稿を「読み上げ用」に整えると失敗が減ります。
次のショート動画の台本を、音声合成ツール(VOICEVOX/ElevenLabs/CapCutの読み上げ)で読ませる『ナレーション原稿だけ』に整形してください。
# 元台本
{{台本を貼り付け}}
# 整形ルール
- ナレーション以外(ト書き・字幕指示)は全部削除
- 読み上げAIが誤読しやすい漢字・英数字・記号は、読み仮名やカタカナに開く(例: 2026年→にせんにじゅうろくねん、AI→エーアイ)
- 句読点で自然な間(ま)ができるよう調整。長すぎる文は2文に割る
- 1行=1音声ブロックにして、合計の想定秒数(1分=約300〜350文字目安)も末尾に書く
- 強調したい語の前後に【ここ強め】とメモを付ける
ステップ3：素材（サムネ・背景・Bロール）を用意する
顔出しなし動画は、画面が地味になりがちです。そこで効くのが、サムネ・背景・Bロール（本編中に差し込む短い映像や画像）です。
写真素材は無料・有料のストックサイトでも手に入りますが、テーマに合った絵をAIで作ると一気に世界観が整います。ブラウザだけで画像生成ができるConoHa AI Canvasで素材画像をまとめて作るPRと、サムネから背景まで縦型でそろえられます。どのサービスが向いているかはAI画像生成サービスの比較も合わせてどうぞ。
と、サムネから背景まで縦型でそろえられます。どのサービスが向いているかは画像生成のプロンプトはこの形が便利です。
次の動画のテーマに合わせて、AI画像生成ツール(ConoHa AI Canvas等のStable Diffusion系/Midjourney系)で使う英語プロンプトを作ってください。
# テーマ
{{テーマ}}
# 用途
{{サムネ / 背景 / Bロール(本編中の差し込み画像)}}
# 縦横比
{{例: 9:16(ショート用縦型)}}
# トーン
{{例: 清潔感・パステル・実写風}}
# 出力
- positive prompt(英語・被写体/構図/光/質感/画角を具体的に)
- negative prompt(英語・崩れた手指/文字化け/ロゴ等を除外)
- 各3パターン
- 末尾に『生成画像の商用可否は使用するモデル(Checkpoint/LoRA)のライセンス次第なので、必ずモデル配布元の規約を確認すること』と注意書きを付ける
すぐ使えるプロンプトのストックはサムネや素材に使える画像プロンプト集にもまとめています。
ステップ4：AI動画生成ツールの今
「映像そのものをAIに作らせたい」場合の選択肢です。ただし、料金や提供形態の変化がとても速い分野です。以下は2026年6月時点の目安で、契約前に必ず各公式サイトで最新を確認してください。
| ツール | 得意なこと | 無料・有料の目安 |
|---|---|---|
| Google Veo 3.1 | 高品質。4Kとネイティブ音声を同時生成。プロンプト忠実度が高い | 基本は有料（Google AI Pro）。無料の入口は学生向け施策など限定的 |
| Kling 3.0 | 低価格（約$0.10/秒）。大量生成向き | 有料プランで商用可。案件前に規約確認を |
| Runway | クリエイター向け。クレジット制 | 無料枠は125クレジット（一回限り・約25秒・ウォーターマーク・商用ライセンスなし） |
| Luma / Pika | 短尺クリップのお試しに | 無料はウォーターマーク・720p・無音・商用権なし。クリーン書き出しは有料（目安$30/月〜） |
| Sora 2 | シネマティックな表現 | Web版/アプリ版は2026年4月26日に終了し、現在はAPI中心の可能性が高い |
無料枠はほとんどがウォーターマーク付き・商用ライセンスなしです。お試しには十分ですが、そのまま公開する映像に使うときは商用権の有無を必ず確認しましょう。迷ったら、用途と予算から候補を絞るプロンプトが役立ちます。
私はAIで顔出しなしのショート動画を作りたいです。次の条件で、2026年時点で適したAI動画生成ツールと無料/有料の現実的な使い分けを提案してください。
# 作りたい動画
{{例: 5秒前後の風景Bロールを数本/しゃべる人物/アニメ調}}
# 予算
{{例: 無料で試したい / 月3000円まで}}
# 商用利用
{{マネタイズ目的 / 趣味のみ}}
# 出力
- 候補を3つ、それぞれ「得意/不得意」「無料枠の制約(ウォーターマーク・秒数・商用可否)」「有料の目安料金」で比較表に
- 私の条件での第一候補と、その理由
- ※料金・規約・提供状況は変動が速いので、契約前に必ず各公式サイトで最新を確認するよう注意書きを付ける
ステップ5：CapCutで編集と自動字幕
最後は編集です。無料のCapCutは、縦型テンプレ・テキスト読み上げ・自動字幕がそろっていて、初めての人にも扱いやすいです。自動字幕の日本語認識はかなり実用的な精度ですが、固有名詞や専門用語は誤りが残ることがあるので、一度は目で確認しましょう。
編集の手順そのものを体系的に学びたい方は、動画編集やAI動画の講座で基礎を押さえるPRと遠回りが減ります。手を動かしながらだと、テロップの間やカット割りのコツが早くつかめます。
音楽とBGMの著作権
ショート動画で一番多いトラブルが音楽です。市販曲や人気曲を安易に使うと、ミュート・削除・動画のマネタイズ停止につながります。
もっとも安全なのは、各SNS（YouTube・TikTok・Instagram）が用意する公式の音楽ライブラリです。ただし、ビジネス／商用アカウントでは使える曲が制限される（有名アーティスト曲が不可になりやすい）ことが多い点に注意してください。フリー音源を使う場合も、帰属表示（クレジット）の要否や改変の可否といったライセンス条件を必ず読みます。
各プラットフォームのAI開示ラベル
2026年は、AI生成コンテンツの開示ラベルが重要になっています。人物・場所・出来事を写実的に生成・改変した「リアルな合成コンテンツ」には、開示が必須です。YouTubeは2026年5月から内部シグナルで自動検出・ラベル付与を始め、TikTokもC2PAという仕組みで自動判定しています。
一方で、台本生成・AI字幕・ハッシュタグ提案・テキストの差し込みなどは、一般に開示不要とされています。基準は更新されやすいので、各プラットフォームのヘルプで最新を確認してください。
使うときの注意点
便利な反面、ここを外すと事故ります。公開前に一通り確認しましょう。
- AIの出力は裏取りする：台本に出てくる事実・数字・固有名詞・統計は、誤りが混ざることがあります。とくに料金・制度・効果の数値は、必ず一次情報で確認してから使います。
- 料金・無料枠は変わる：AI動画ツールの価格や無料枠、提供形態は数か月で激変します。Sora 2のWeb版終了のように、入口そのものが消えることもあります。本文の金額はすべて目安として、公式サイトの最新を確認してください。
- 音声のクレジット表記漏れに注意：VOICEVOXは「VOICEVOX:キャラ名」が必須で、各キャラの個別規約もあります。表記なしの商用利用は別途有償契約が必要なケースがあります。ElevenLabsは無料での商用利用が規約違反になります。
- 無料の映像は商用権がないことが多い：ウォーターマーク付き・商用ライセンスなしの無料書き出しを、そのまま公開・配信用に使わないようにします。
- 画像はモデルのライセンス次第：ConoHa AI Canvasのようなサービスが使えても、生成画像の商用可否は使うモデル（Checkpoint/LoRA）のライセンスで決まります。配布元の規約を必ず確認します。
- CapCutの素材は「作れる」と「商用配信できる」は別：内蔵素材・楽曲・AI生成物の扱いは規約で条件が分かれます。運営側のライセンス取得や賠償に関する指摘もあるので、できるだけ自前・権利クリアの素材を使うのが無難です。
- 音声クローンは他人や有名人の声に使わない：本人の同意がない声の複製は規約違反かつ法的リスクです。自分の声か、許諾済み・合成専用ボイスに限ります。
- 量産型コンテンツの判定に注意：YouTubeは2025年7月のポリシー改定で、人間のチェックや独自の付加価値がない「大量生産された」コンテンツをマネタイズ停止の対象として明確化したとされます。AI使用そのものは禁止ではありませんが、テンプレ流用で動画間に差がないものは対象になりえます。1本ごとに独自の編集や視点を加えましょう。
まとめ
- 顔も声も出さず、台本・ナレーション・素材までAIで用意してショート動画は作れます。
- まずは台本（フック→本編→締め）から。最初の3秒に一番力を入れます。
- ナレーションは無料のVOICEVOXが手堅いですが、クレジット表記を忘れずに。
- 料金・無料枠・AI開示やマネタイズ関連のポリシーは変化が速いので、公開前に公式の最新情報で裏取りします。
- 無料で始めて、手応えが出たら有料に切り替える、の順番が安全で続けやすいです。
最初の1本は、短くてかまいません。手を動かすほどコツがつかめます。気軽に始めてみてください。