AIでMVを作る方法｜絵コンテ・生成・リップシンク・編集

AIでMVを作るとき、多くの人が最初に動画生成ツールを触り始めます。しかし、動画生成AIが1回で作れるのは数秒〜十数秒のカットです。たとえばGoogleのGeminiアプリの動画生成は、2026年10月時点で1本あたり最大10秒と案内されています（Gemini 公式「動画生成」）。3〜4分の曲なら、数十カットをつなぐことになります。

つまり、AI MVは短いカットを大量に作り、編集で1本にまとめる制作です。どのカットをどの小節に置くかを先に決めておかないと、生成した素材がつながらず、作り直しが増えます。

コンセプト：「何を見せないか」まで決める

コンセプトでは、曲の解釈、主人公の有無、時代や場所、色のトーン、カメラの距離感を決めます。AIは何でも描けるため、使わない表現（実写風かアニメ風か、人物を出すか）を決めておくと、全体の統一感が保ちやすくなります。

絵コンテ：小節とカットを対応させる

曲のテンポ（BPM）と構成（イントロ・Aメロ・サビなど）を書き出し、カットを割り当てます。1カットの長さは動画生成の上限より短くしておくと、生成した素材から使える部分を選べます。

上の表は書き方の例です。実際には、全カットを同じ形式で1枚の表にまとめ、制作の進み具合もここで管理します。

キービジュアルを画像で固める

いきなり文章から動画を作ると、カットごとに人物や色が変わりがちです。まず画像生成で主人公と主要な場所を確定し、その画像を動画生成の最初のフレームとして使う「画像から動画」の流れにすると、ぶれを抑えやすくなります。人物を固定する考え方はAIキャラクターの作り方の記事で詳しく解説しています。

動画生成ツールの現状（2026年10月時点）

動画生成AIは提供状況の変化が速い分野です。執筆時点で公式に確認できた主な動きは次のとおりです。

• Google：2025年10月に動画生成モデルVeo 3.1と、Flow（Googleの映像制作ツール）の更新を発表しました（Google公式ブログ）。Geminiアプリでは、Veo 3.1に代わって動画の生成・編集モデル「Gemini Omni 1.1 Flash」が使われ、最大10秒・音声つきの動画を作れると案内されています。利用にはGoogle AIのサブスクリプションが必要です（Gemini 公式）
• Runway：2025年12月に動画生成モデルGen-4.5を全有料プランに提供したと更新履歴で案内しています。MV制作向けの用途ページも公開しています（Runway Changelog／Runway 用途ページ）
• OpenAI Sora：OpenAIは、Web版・アプリを2026年4月26日に、API（他のシステムから機能を呼び出す仕組み）を2026年9月24日に終了すると案内していました（OpenAI ヘルプセンター）。過去の事例で名前が出てきますが、新規制作の選択肢にはなりません

どのツールでも、商用利用の可否や生成物の扱いはプランごとに違います。料金や条件は契約前に各社の公式ページで確認してください。画像生成と動画生成の使い分けは画像生成と動画生成の違いの記事も参考になります。

工程4：リップシンクで「歌うカット」を作る

リップシンクは、映像の人物の口の動きを音声に合わせる処理です。MVでは、主人公が歌っているように見せるカットで使います。

• Runway：2024年3月にLip Sync機能を提供開始し、その後、対応尺の延長や複数の顔への対応を行ったと更新履歴で案内しています。2025年7月には、演技を撮影した動画の動きをキャラクターに移すAct-Two（次世代のモーションキャプチャモデル）を公開しました（Runway Changelog）
• Kling：リップシンク機能のページで、歌唱音声のアップロードに対応し、実写風・3D・2Dの人型キャラクターに使えると案内しています（Kling公式）

どの機能が現在も単体で提供されているか、歌声に対応しているかはツールの更新で変わります。使う前に公式ページで確認してください。

リップシンクを自然に見せるコツ（編集部の目安）

• 正面〜斜め前の顔で使う。横顔や顔が小さいカットは破綻しやすい
• ボーカルだけの音声（伴奏を抜いたもの）を入力すると、口の動きが合いやすい
• 歌うカットは全体の一部にとどめ、イメージカットと交互に編集する

工程5：編集で1本にまとめる

体制と役割分担の目安

少人数で作る場合でも、監督（コンセプトと絵コンテ、最終判断）、生成担当（画像・動画・リップシンク）、編集担当（つなぎ・色・書き出し）の3つの役割を意識しておくと、判断の基準がぶれにくくなります。1人で兼ねる場合も、絵コンテの確定と、最終的な通しチェックのタイミングは分けて設けてください。外部に依頼するかどうかの判断材料はAI動画の内製・外注の比較記事でまとめています。

アーティストや企業が、AIを使ったことを公表しているMVの例です。

これらの事例に共通するのは、AIで作ったことを隠さずに公表している点です。制作期間の短縮や新しい表現を打ち出す一方で、受け手の評価は作品ごとに分かれます。AIを使う理由を企画の段階で言語化しておくことが、公開後の説明にも役立つと考えられます（編集部の見立て）。

既存の楽曲を使う場合

MVに使う楽曲には、作詞・作曲の著作権に加えて、録音された音源についての権利（著作隣接権。レコード会社やアーティストなどが持つ権利）があります。JASRACは、市販のCDやダウンロード音源を動画に使う場合は、著作権とは別に著作隣接権の許諾が必要で、レコード会社などへの問い合わせが必要だと案内しています。また、広告目的の動画などは個別の手続きが必要とされています（JASRAC「動画投稿（共有）サービスでの音楽利用」）。アーティスト本人やレーベルからの依頼で作る場合も、映像の利用範囲を契約で確認してください。

AIで作った音楽を使う場合

音楽生成AIの利用条件は、2025〜2026年に大きく変わっています。たとえばSunoは、2026年9月3日から新しい利用規約とダウンロード上限を導入し、有料プランでダウンロードした曲は商用・個人利用できる一方、無料プランの試用ダウンロードは個人利用に限るとしています（Suno公式ブログ）。同社は2025年11月にワーナー・ミュージック・グループと和解し、2026年9月に同社などと提携した新モデルを公開したと報じられています（Music Business Worldwide）。AI音楽の商用利用の考え方はAI音楽の商用利用の解説記事で詳しく解説しています。

YouTubeで公開するとき

YouTubeは、実在の人物が言っていないことを言ったように見せる映像や、現実にない場面のリアルな生成などについて、アップロード時の開示を求めています。AIで生成した音楽も開示の例に挙げられています。明らかに非現実的な映像や、色調整などの軽微な編集は対象外とされています（YouTubeヘルプ「生成AIコンテンツの使用に関する開示」）。映像の著作権リスク全般はAI動画の著作権リスクの記事を参照してください。

• 動画生成AIが一度に作れるのは短いカット。曲を小節で分けた絵コンテが土台になる
• 人物と世界観は画像で先に固め、画像から動画にする
• リップシンクは歌うカットに絞り、ボーカルだけの音声で処理する
• ツールの提供状況は変化が速い。契約前に公式で現行の条件を確認する
• 公開前に楽曲・音源の許諾、AI音楽の条件、YouTubeの開示を確認する

※ 本記事は一般的な情報提供であり、法的助言ではありません。個別の案件については弁護士等の専門家にご確認ください。記載は2026年10月時点の情報です。