AI映画の作り方｜Grok Imagineの7分ドラマと15秒の壁

01

結論：AI映画は短いカットをつないで作る。手順は5つ

AI 映画ができるまでを、5つの手順で並べました。

1つずつ、ひと言で言うと、こうなります。

1. 物語・台本：1話の長さ・場面の数・せりふを決めます。ここは人が決めます。
2. 絵コンテ：カットごとに「何秒・何が映る・どう動く・どんな音」を表にします。
3. 見本の絵：人物・服・場所の見本の画像を作ります。カットが替わっても、顔や服をそろえるためです。
4. カット：動画を作る AI（動画生成 AI）で、カットを1本ずつ作ります。
5. つなぐ：編集でカットを順に並べ、声・音楽・字幕をのせて書き出します。

いちばん手間がかかるのは、作ったカットを人が見て、作り直す所です。

AI が1回で出した物が、そのまま使えることは、今のところ多くありません（アワタイムの見方）。直すときは、絵コンテや見本の絵の手順に戻ります。

なぜ短いカットをつなぐのか。理由は、1回で作れる長さに上限があるからです。

Grok Imagine も Kling 4.0 も、1回では1分に届きません（どちらも公式のページ、2026年10月31日）。

7分のドラマは、何十本ものカットを作って、つないだ長さです。くわしくは、次の章から実物と数字で説明します。

02

まず実物：Grok Imagineで作ったAIドラマ「Odyssey」第1話は7分12秒

Grok Imagine は、Grok の画像と動画を作る AI です。

2026年10月24日（日本時間）、Grok Imagine の公式アカウントが、X に「Odyssey」シリーズの第1話を出しました。投稿の文は「Watch Episode 1 of our Odyssey series made with Grok Imagine.」です。日本語にすると「Grok Imagine で作った Odyssey シリーズの第1話をどうぞ」です。

アワタイムの YouTube のショートでも、この投稿を紹介しました。語り手のシルビオは、アワタイムが AI で作った架空のキャラクター（AI 社員）です。実在の人物ではありません。

公式の投稿で分かることを、もう少しくわしく書きます（2026年10月31日に確認）。

• 長さは7分12秒（432秒）です。画質は 4K（3840×2160）です。
• 「made with Grok Imagine」（Grok Imagine で作った）と書いてあります。
• 制作会社の Wonder Studios と、監督と一緒に作っています（投稿の「Creative collaboration」）。
• 船も、戦いも、トロイの町も出てきます（アワタイムのショートで紹介した場面）。
• 何話まであるか、次はいつ出るかは、書いてありません。
• どう作ったかの説明も、まだありません。投稿では「作り方のくわしい説明も見たいか」を、コメントで聞いています。

ここで大事なのは、「AI だけで全部作った」とは書いていないことです。

制作会社と監督という、人のチームが入っています。

AI 映画でも、物語を決めて、カットを選んで、つなぐのは人です。これは、アワタイムが AI 動画を作るときの考え方と同じです（後の「アワタイムの作り方」の章）。

元の投稿は、Grok Imagine の公式アカウントの投稿（X）（新しいタブ）で見られます。

03

Grok Imagineとは：1回で作れるのは最長15秒（15秒の壁）

Grok Imagine で動画を作る方法は、大きく4つあります（開発者向けの公式の資料）。

• 文章から動画（Text-to-video）：指示文だけで作ります。
• 画像から動画（Image-to-video）：渡した画像が、動画の最初のコマになります。
• 見本の画像から動画（Reference-to-video）：人物・商品・場所の見本を渡して作ります。
• 動画を直す・延ばす（Video editing・Video extension）：作った動画を直したり、続きを作ったりします。

1回で作れる長さは、1〜15秒です。公式の資料の数字の欄にも「15 s Longest clip」（いちばん長いクリップは15秒）とあります。

この数字の欄の6つを、日本語にするとこうなります。

• 15 s：1本の長さは最長15秒
• 1080p：画質は最高 1080p
• 14：見本の画像は、1回に14枚まで
• 3：声の見本は3つまで
• 4：最初と最後のコマのあいだに、決めておけるコマが4つまで
• Audio：音も作る。口の動きに合った話し声も

Grok Imagine の動画のモデルは3つ

モデル（AI の種類）は3つあります（同じ資料）。

• grok-imagine-video-1.5：いちばん高い品質です。見本の画像14枚・声の見本3つ・決めたコマを使えます。1080p まで。
• grok-imagine-video-1.5-lite：1秒あたりの値段がいちばん安いモデルです。文章か画像から作ります。
• grok-imagine-video：動画を直す・延ばすときに使います。720p まで。

1.5 と 1.5-lite は、口の動きに合った話し声も作れます。せりふのある場面も、1本の中で作れるということです。

延ばす機能を使っても、1本は25秒まで

「延ばす」（Video extension）は、動画の最後のコマから続きを作り、元の動画とつないだ1本で返す機能です。

• 元の動画：2〜15秒
• 足せる長さ：2〜10秒（決めないと6秒）
• 画質：720p まで

15秒の動画に10秒を足すと、25秒です（計算）。元にできる動画は15秒までなので、25秒の動画をさらにそのまま延ばすことはできません。

「直す」（Video editing）の元にできる動画は、8.7秒までです。

ほかの道具も、1回では1分に届かない

Kling 4.0 は、1回で3〜30秒です。作った動画を何回も延ばして2分までにする機能は「Coming soon（準備中）」です（Kling の公式の使い方のページ）。

アワタイムも Kling 4.0 で、架空のドリンクの30秒の CM を2本作りました。先に作った絵から動かしています（アワタイムのショートの説明欄）。

つまり、どの道具でも、1回で作れるのは数十秒までです。これが「15秒の壁」「30秒の壁」と呼べる上限です。

※この章の数字は、Grok Imagine の開発者向けの公式の資料（API）の物です。Grok のアプリや grok.com で選べる長さ・作れる回数・プランは、公式のページで確かめられませんでした。アプリで作るときは、画面の表示で確かめてください。

04

長い映像はカットをつないで作る：7分12秒を15秒で割ると

7分12秒を、Grok Imagine の1回の最長（15秒）で割ってみます。

432秒を15秒ずつに分けると、29本ぶんです（計算。最後の1本は12秒）。

実際の第1話が、何本のカットでできているかは、公開されていません。ここでの29本は、長さの感じをつかむための計算です。

映画やドラマも、もともとカットをつないだ物

カットとは、カメラが切り替わるまでの、ひと続きの映像です。

映画やドラマは、もともと短いカットをつないでできています。AI で作るときも、この形は同じです（編集部の見方）。

1本の15秒の中に、カットが何本も入ることもあります。

Kling の公式の使い方のページには、15秒を「5つのカット」に分けて、カットごとに秒を書いた指示文の例が載っています。Kling 4.0 は、1回の中でカットを分ける機能（Multi-shot）が、最初からオンです。

アワタイムの作例も、短いカットをつないでできています。

AI動画制作のページ（以下 LP）のサンプル「CM｜500kg」（15秒）を、編集部が1コマずつ見て数えると、11のカットでできていました。1カットは平均で約1.4秒です（計算）。

15秒の CM でも、11のカットがあります。数十秒から数分の映像なら、カットはもっと増えます。

だから、AI 映画で大事なのは「長く作る力」より、短いカットを、そろえて、つなぐ力です（編集部の見方）。

長い物語は「場面 → カット」の2段で分ける

7分の物語を、いきなり29本のカットに分けると迷います。

先に「場面」（同じ場所・同じ時間のまとまり）に分けます。次に、場面をカットに分けます（編集部の見方）。

たとえば、3分の AI ドラマなら、こう分けられます（例）。

• 場面1 朝の港（30秒）→ カット4本
• 場面2 船の上（60秒）→ カット8本
• 場面3 嵐（40秒）→ カット6本
• 場面4 島に着く（50秒）→ カット6本

これで、作るカットは24本です。1本は長くても15秒以内に収めます。

05

AI映画の作り方1 物語と台本：1話の長さと場面の数を先に決める

最初に、物語の形を決めます。AI は物語の下書きを手伝ってくれますが、何を伝える作品にするかは、人が決めます。

先に決めるのは、次の4つです。

長さは、作るカットの数に直結します。初めて作るなら、1分前後から始めるのがおすすめです（編集部の見方）。1分でも、15秒のカットなら4本以上になります。

場面の数は、長さを場面で割った物です。1場面は30秒〜1分くらいにすると、カットに分けやすくなります（編集部の見方）。

登場人物は、年齢・髪・服・持ち物まで文で決めます。この文が、手順3の見本の絵の指示文になります。

せりふは、短く区切ります。Grok Imagine の 1.5 と 1.5-lite は、口の動きに合った話し声も作れます（公式の資料）。声を別に作って、編集でのせる方法もあります。

決めたことは、次のようなメモにしておきます。

【AIドラマの企画メモ】
1話の長さ：（例：1分）
あらすじ（3行で）：
登場人物：（名前・年齢・髪・服・持ち物）
場所と時間：（時代・季節・天気・朝か夜か）
場面の数：（例：4場面）→ 1場面あたり（　）秒
せりふのある場面：
使わない物：（実在の人の顔・他社のロゴ・ほかの作品の人物）

台本の下書きは、文章の AI（Claude・ChatGPT・Gemini など）に頼めます。頼むときは、場面の数と秒まで決めて渡します。

1分のAIドラマの台本を書いてください。
・あらすじ：（企画メモの3行）
・登場人物：（企画メモのとおり）
・場面は4つ。場面ごとに、場所・時間・長さ（秒）を書く
・せりふは短く。1つのせりふは10秒以内
・最後に、場面ごとのカットの数の案を表にする

事実を入れる作品（歴史・会社の紹介など）なら、AI が書いた事実は、人が資料で確かめます。

06

AI映画の作り方2 絵コンテ：カットごとに秒・画・動き・音を書く

台本ができたら、絵コンテを作ります。絵コンテは、カットごとの設計図です。

AI で作るときは、絵コンテの1マスが、そのまま1本の指示文になります。だから、マスに書く中身を決めておくと、あとが楽です。

マスに書くのは、次の4つです。

1. 秒：そのカットは何秒から何秒か。1本は15秒以内に。
2. 画：何が映るか。引き（遠くから全体）・寄り（近く）・手元など、どのくらいの大きさで映すかも。
3. 動き：そのカットで起きること。1カットに1つの動きにします。
4. 音：せりふ・効果音・まわりの音。

「1カットに1つの動き」にすると、うまくいかなかったカットだけを作り直せます（編集部の見方）。

アワタイムの台本の表

アワタイムのショートも、作る前に台本の表を作ります。

表には、1行ごとに「テロップ（字幕）」「読み（声に渡す文）」「画（映像）」の欄があります。行が替わると、画も替わります（制作の記録）。

「Grok Imagineで作ったAIドラマ 第1話は7分12秒」の表から、3行を抜き出しました。

声に渡す文は、読みにくい漢字をひらがなにしています。字幕は漢字のままです。AI の声が漢字を読み間違えるのを、先に防ぐためです。

声は、全部のせりふをまとめて1回で作り、あとで行ごとに切り分けています（制作の記録）。1行ずつ頼むより、頼む回数が少なくて済みます。

絵コンテの下書きを AI に頼む方法は、「AI で絵コンテを作る方法」にまとめています。

07

AI映画の作り方3 人物と場所の見本：顔や服をカットごとにそろえる

カットを1本ずつ作ると、カットごとに顔・服・場所が少しずつ変わりがちです。

長い作品では、これがいちばん目立ちます。そこで、カットを作る前に見本の絵を作ります。

Grok Imagine には、見た目をそろえるための機能があります（開発者向けの公式の資料）。

• 画像から動画：渡した画像が、動画の最初のコマになります。最初の見た目を、画像で決められます。
• 見本の画像（Reference images）：人物・商品・場所の見本の画像を渡します。最初のコマは決めずに、見た目だけをそろえます。grok-imagine-video-1.5 は14枚まで、grok-imagine-video は7枚までです。
• 最初と最後のコマ・途中のコマ：1.5 では、最初・最後のコマと、途中のコマを4つまで決められます。同じ画像を最初と最後にすると、くり返す動画（ループ）になります。
• 声の見本：1.5 では、決められた声（プリセット）を3人まで割り当てられます。自分の音声ファイルを声の見本にできるのは、申し込んだ一部のパートナーだけです。

見本の絵は、人物ごとに作ります。指示文の例です。

【人物の見本の指示文】
30代の日本人の女性。肩までの黒い髪。紺のコート、白いシャツ。
正面・横・後ろの3枚を、同じ白い背景で。
顔と服がはっきり分かるように、明るく。

場所も同じです。「雨の夜の駅のホーム。古い木のベンチ。」のように、同じ場所の見本を1枚作っておきます。

カットを作るときは、毎回同じ見本の画像を渡します。服や髪の色を指示文で名指ししておくと、さらにそろいやすくなります（編集部の見方）。

長い作品で「そろっている」とは

アワタイムの作例「ハクとミケ はじめての麻雀講座」（2分59秒）は、7つの章に分かれています（編集部が動画を見て数えた見出しの数）。

どの章でも、2匹の猫の見た目は同じです。

章が替わっても、キャラクターの顔・色・大きさが同じだと、見る人は迷いません。長い作品ほど、この「そろっている」ことが大事です（編集部の見方）。

08

AI映画の作り方4 カットを作る：1カットに1つの動き

見本の絵ができたら、絵コンテの1マスずつ、カットを作ります。

1本の指示文には、次の5つを入れます。

絵コンテの「カット2」なら、こう書けます（例）。

【1カットの指示文】
場面：雨の夜の駅のホーム。古い木のベンチ。
人物：見本の画像の女性（30代・紺のコート・白いシャツ）
動き：ベンチから立ち上がり、電車のほうを見る。
カメラ：胸から上。ゆっくり寄る。
音：雨の音。遠くで電車のベル。せりふなし。
長さ：4秒

Grok Imagine の公式の資料の例には、1本（15秒）の中で「引きの画のあと、肩越しのカットへ」と書いて、2人の会話を作った物もあります。1本の中でカットを切り替えることもできる、ということです。

ただ、初めは1本に1つの動きのほうが、思いどおりになりやすいです（編集部の見方）。

カットを作るときのコツは、次の4つです（編集部の見方）。

1. 長さは短めに：15秒いっぱいより、4〜8秒のほうが直しやすくなります。
2. 同じ指示文のまま、変えたい所だけ替える：人物と場所の言葉は、全部のカットで同じにします。
3. 何本か作って、人が選ぶ：同じ指示文でも、毎回少しずつ違う物ができます。
4. 画面の中に字を入れない：看板や字幕は、編集で足します。

AI が作ったカットには、手や物の動きがおかしい所が出ることがあります。人が見て、使えないカットは外すか、作り直します。

09

AI映画の作り方5 つなぐ：編集で並べて、声・音楽・字幕をのせる

カットがそろったら、つないで1本にします。つなぎ方は、大きく2つあります。

延ばすのは、1つの動きを切らずに長く見せたいときです。Grok Imagine の延ばす機能は、元の動画の最後のコマから続きを作ります（公式の資料）。

つなぐのは、ほとんどの場面です。長い作品は、編集でカットをつなぐのが中心になります（編集部の見方）。

アワタイムの動画も、短いカットを作って、編集でつなぐ形です。LP の制作の流れにも「構成に沿ってAIで映像素材を生成。用途や見せ方に合わせてカットを組み立てます。」と書いています。

編集では、次の順にのせていきます。

1. 並べる：絵コンテの順にカットを置きます。
2. 声：せりふ・ナレーションをのせます。
3. 音楽・効果音：場面の気持ちに合わせます。カットのつなぎ目の音が切れないように、音は少し重ねます。
4. 字幕：せりふと、看板などの字を足します。
5. 書き出し：縦か横かを決めて書き出します。

アワタイムの YouTube は、書き出した後の音の大きさを −14 LUFS（音の大きさの目安）にそろえています（制作の記録）。

編集そのものを AI に頼む方法は、「【Claudeで動画編集】まだポチポチ編集してる？爆速で終わらせる方法」で、台本から書き出しまで全部見せています。

10

お金はどのくらい？ 公式の値段で7分12秒を計算

Grok Imagine の開発者向けの値段は、1秒あたりです（公式の資料、2026年10月31日）。

第1話と同じ432秒ぶんを、1回ずつ作ったとして計算すると、こうなります（計算）。

• 1.5-lite・720p：432秒 × 0.03ドル ＝ 12.96ドル
• 1.5・720p：432秒 × 0.14ドル ＝ 60.48ドル
• 1.5・1080p：432秒 × 0.25ドル ＝ 108ドル

どれも、作った物を全部1回で使えたときの値段です。うまくいかないカットを作り直せば、その分も足されます。

このほか、480p は 1.5 で1秒0.08ドル、1.5-lite で1秒0.02ドルです。直す・延ばすときの grok-imagine-video は、480p で1秒0.05ドル、720p で1秒0.07ドルです（同じ資料）。

※これは開発者向け（API）の値段です。Grok のアプリの月ごとのプランの値段は、この記事では扱っていません。

お金のほかに、時間もかかります。絵コンテ・見本の絵・作り直し・編集は、人の手でする所です。

11

出す前に：AIで作ったことの表示と、権利の確かめ

できあがった AI 映画を公開する前に、3つを確かめます。

AI で作ったことの表示

YouTube では、AI で作った動画が本物のように見えるとき、アップロードのときに開示する決まりです。YouTube Studio の「AI の使用」の設定を使います。現実には起こっていない場面をリアルに作った物も、開示が要ります（YouTube ヘルプ）。

AI 映画は、本物の役者や景色のように見える物が多いので、この開示が要る場合が多くなります（編集部の見方）。アワタイムのショートも、アップロードのときに合成コンテンツ（AI で作ったこと）をオンにしています（投稿の記録）。

実在の人・ほかの作品

実在の人の顔や声に似せた人物、ほかの映画やアニメの人物は使いません。見本の絵も、自分で作った物を使います。

道具の利用規約

作った動画を、仕事（商用）でどこまで使えるかは、道具ごとに違います。使う前に、各道具の利用規約を確かめてください。

12

アワタイムの作り方：AIに任せる所と、人が見る所

アワタイムも、短いカットを AI で作り、人が見てつなぐ形で動画を作っています。ちがうのは、人が見る所を決めていることです。

お客様の動画を作るときの流れは、次の6つです（LP）。

AI に任せるのは、構成（台本）の案と、映像の素材です。ヒアリング・編集・確認・修正は、人がします。

この記事の5つの手順で言うと、「物語・台本」はヒアリングと AI の構成案、「カット」は AI の映像、「つなぐ」は人の編集にあたります。

AI で作ったカットは、ディレクターが1つずつ確かめます。違和感のある物は、作り直すか、実写の素材や動く図（モーショングラフィックス）に置き換えて仕上げます（LP のよくある質問）。

最初の動画を見てもらい、直す所を時刻つきで伝えてもらいます。文字・位置などの軽い修正は、まとめて1回が料金のうちです。カットの追加や、全体の構成の変更は、別のお見積りです（LP）。

料金は、広告動画で1本3万円〜・最短3日で初稿です。日数は素材の確認のあとから数え、内容で変わります。企業紹介・採用・複数本の制作は、内容に合わせて個別にお見積りします（LP）。

この記事で見た作例2本は、ここで再生できます（音が出ます）。

自社の YouTube も、同じ考え方で作っています。台本の表を先に作り、行ごとに画を決め、声をまとめて作り、編集でつなぎます。人がするのは、見て、言葉で直しを伝えることです。

13

自分で作るか、頼むか

どちらが向いているかは、作品の長さと、かけられる時間で決まります（編集部の見方）。

自分で作るのが向いている人

1分くらいの短い AI ドラマを、試しながら作りたい人です。この記事の5つの手順とひな形で、まず1場面から始められます。

頼むのが向いている人

会社の紹介・商品の紹介・採用など、物語のある動画を、期日までに確かな品質で出したい人です。

長い作品ほど、カットの数が増えます。カットが増えるほど、そろえる手間と、作り直しが増えます。

アワタイムは、AI で早く作りつつ、構成の判断・カットの選定・最後の確認をディレクターがします（LP）。

AI 動画で、できること・できないことは、「【AI動画制作】できること・できないことは？メリットと外注の決め方」にまとめています。頼む会社の選び方は、「動画制作会社の選び方」で説明しています。

14

よくある質問

15

まとめ

AI 映画の作り方のポイントは、次の3つです。

AI映画の作り方は、物語 → 絵コンテ → 見本の絵 → カット → つなぐの5つの手順です。

Grok Imagine で1回に作れるのは、最長15秒です（開発者向けの公式の資料）。7分12秒の AI ドラマ「Odyssey」も、制作会社と監督が入って作った作品です。

長い映像は、短いカットをつないで作ります。絵コンテでカットに分け、見本の絵でそろえ、人が見てつなぎます。アワタイムは、AI で早く作り、全カットをディレクターが確かめて仕上げます。

関連記事：

• AI動画の作り方、全部見せます｜無料・スマホで始める7つの手順
• 実写をアニメ化するAI｜実写の動画を同じ動きのままアニメにした
• AI で絵コンテを作る方法
• 【Claudeで動画編集】まだポチポチ編集してる？爆速で終わらせる方法
• 【AI動画制作】できること・できないことは？メリットと外注の決め方