AIで「1分の紹介動画」を作ってみた話

投稿日：2026/9/17 7PV

今日は、AIで動画を作った話です。仕事のホームページに載せる、1分ほどの紹介動画を、外注せずに手元で作ってみました。

以前の記事で「Genspark（ジェンスパーク）で紹介動画を一本作った」と少しだけ触れましたが、今回はその中身を、つまずいたところも含めてお話しします。

きっかけは、外注の見積もりに腰が引けたこと

もともとは、動画は外に頼むものだと思っていました。ただ、ナレーション付きで1分の動画となると、それなりの金額と日数がかかります。「まずは自分で、どこまでできるか試してみよう」と思ったのが始まりです。

やってみて分かったのは、動画づくりは「映像」「声」「つなぎ」の3つに分けると、それぞれAIに頼めるということでした。

映像は、GensparkのAI動画という機能を使いました。「窓際の机でノートパソコンを見ている30代の人。朝の柔らかい光。落ち着いた表情」というように、撮りたい場面を文章で説明すると、8秒の映像が出てきます。

カメラも役者も用意していないのに、こんな映像が出てきます。

実際の映像は、こんな感じです（音は入っていません）。

1本が8秒なので、1分の動画には場面を5つ用意しました。ただ、5つのうち1つは、AIの映像ではなく、文字を載せたカードを別の方法で作って差し込んでいます。「全部AIに任せる」より、「合うところだけ使う」と割り切ったほうが早かったです。

声は、同じGensparkのAIオーディオで作りました。原稿を貼り付けると、複数のモデルが同時に読み上げてくれて、聞き比べて選べます。

ここで一度、つまずきました。途中で試した声の一つが、日本語のイントネーションが所々おかしく、聞いていて気になってしまったのです。結局、いくつか聞き比べたうえで、最初の候補だった声に戻しました。遠回りでしたが、聞き比べたからこそ「これでいい」と決められた気がします。

読み上げの質は、モデルによって本当に差があります。「AIの声だから機械っぽい」というより、「合う声を選べるかどうか」で仕上がりが変わる印象でした。

映像と声がそろったら、あとはつなぐ作業です。ここは、以前の記事でも書いたクロードコード（Claude Code）に「この5本の映像とナレーションをつないで、字幕とBGMを付けて」と頼みました。

ここでも一つ、想定外がありました。映像は8秒×5本で40秒しかないのに、ナレーションは78秒あったのです。どうするのかと思ったら、映像をゆっくり再生して尺を合わせる、という方法で解決してくれました。言われてみれば当たり前ですが、自分では思いつかなかったやり方です。

字幕は「1行13文字まで、2行以内」という決まりを作って入れてもらいました。スマホで見たときに、字幕が長いと読み切れないからです。BGMは、声の邪魔にならないように、かなり小さめにしています。

最初にできた版は54秒。そこから、原稿を直し、声を変え、字幕を調整して、4回目の版でようやく1分18秒の形になりました。

一発でできたわけではありませんが、外注していたら「ここを直して」と言うたびに日数とお金がかかっていたはずです。手元で作り直せるのは、思っていた以上に気が楽でした。

ちなみに費用は、Gensparkのいちばん安い月額プラン（月24.99ドル）だけです。映像もナレーションも、この中で作りました。外注の見積もりと比べると、桁が一つ違います。

動画づくりは、私にはいちばん縁遠いものだと思っていました。でも「映像」「声」「つなぎ」に分けて、それぞれをAIに頼んでみたら、顔も声も出さずに、1分の動画が形になりました。

もちろん、テレビCMのような仕上がりではありません。ただ、「まず一本、形にしてみる」には十分でした。

道具はいろいろありますが、結局のところ差がつくのは「AIにどう頼むか」だと、今回も感じました。そのあたりの学び方については、また改めて書いてみようと思います。