マルチショット動画とは？

マルチショットAI動画は3つのステップで作ります。アイデアをショットのリストとして計画し、各ショットを動画モデルで生成し、カットでつないで1本の映像にします。ショットはそれぞれ別の生成なので、うまくいかなかったショットだけを生成し直し、ほかはそのまま残せます。

1回の生成が数秒の1ショットになる理由

動画モデルはクリップのすべてのフレームを一緒に生成し、1秒増えるごとに処理量が急速に増えるため、1回の生成は短くなります。Seedance 2.0のレポートでは1回の生成あたり4〜15秒（Team Seedance, 2026）、KlingのVideo 3.0は15秒に達します（Kuaishou, 2026）。処理の流れはAI動画生成をご覧ください。

計画：1つのアイデアからショットリストへ

計画には、各ショットに何が映り、どんな構図で、何秒続き、誰が登場するかを書きます。研究段階のシステムでは、言語モデルがこれを書きます。VideoDirectorGPTは1つのプロンプトを「動画プラン」に展開します。シーンの説明、各シーンに登場するエンティティとそのレイアウト、各シーンの背景、そしてシーンをまたいで同じ見た目にすべきエンティティです（Lin et al., 2023）。

ショットの生成とつなぎ合わせ

各ショットはそれぞれのプロンプトから生成します。どのショットにも、キャラクターや場所について同じ説明と同じ参照画像を使うので、見た目がそろいます。ほかのショットを待つ必要はないため、同時に生成できます。そのあと、ハードカットで順番につないで1本の動画にします。

1回の生成の中のカット：マルチショットモード

最近のモデルには、1回の生成の中でカットできるものがあります。KuaishouによるとKlingのVideo 3.0は「マルチシーン、マルチショットの指示を理解」し、Video 3.0 Omniでは、ショットごとに長さ、ショットサイズ、視点、ストーリーの内容、カメラワークを設定できるマルチショットのストーリーボードが加わりました（Kuaishou, 2026）。ByteDanceはSeedance 2.0について「ネイティブでプロ品質のマルチショットの物語表現能力」と説明しており、テキストのストーリーボードにも従えます（Team Seedance, 2026）。AlibabaのWan 2.6には切り替えの設定があり、1つの連続したショットか、「トランジション付きの複数ショット」かを選べます（Alibaba Cloud）。

研究も同じ方向に進んでいます。Long Context Tuningは、シングルショットのモデルのアテンションをシーン内のすべてのショットに広げ、一貫性のあるマルチショットのシーンが得られたと報告しています（Guo et al., 2025）。ただし、マルチショットモードもあくまで1回の生成です。カットはすべて、モデルの15秒ほどの長さに収まります。

3つともよく「マルチショット」と呼ばれますが、それぞれ別物で、限界も異なります。

この動画は、下に示した指示文からDreamBenchで作ったもので、Kling 3.0を使い、縦型の9:16フレームで生成しました。指示文はショットの連なりとして書かれています。靴のクローズアップ、角を曲がって朝日の中へ、そして指示文が名指しする「ラストショット」。ランナー、靴、朝の光は最後まで変わりません。

カットは別々に生成した2つのショットをつなぐので、両方に伝えた内容以外に、2つをそろえるものはありません。連続性がうまく取れていれば、2つ目のショットは、同じ瞬間を別の場所から見たものとして見えます。

カットをまたいで引き継ぐもの

• 顔、髪、服：同じ人物を、すべてのショットで同じ言葉で説明し、同じ参照画像で見せます。これがキャラクターの一貫性です。
• 場所：同じ部屋、通り、風景。目印になるものも元の位置に。
• 位置とポーズ：あるショットで左側に座っている人は、次のショットでも左側に座っています。
• 小道具とその状態：半分飲んだカップは半分のまま、開けたままのドアは開いたまま。
• 光：同じ時間帯、同じ太陽の向き、同じ光の色。
• 動き：左から右へ走るランナーは、同じペースで左から右へ走り続けます。

カットで変わるもの

フレーミングは必ず変えます。同じ被写体をほぼ同じサイズとアングルで撮った2つのショットは、フレームが抜け落ちたようなジャンプに見えます。DreamBenchがすべてのつなぎ目に課すルールは、はっきりした対比です。ショットサイズを少なくとも2段階変える（たとえばワイドからクローズアップへ）、カメラを90度回り込ませる、別のものへのカットアウェイを入れる、または新しいシーンにする、のいずれかです。

カットをまたぐサウンド

サウンドを生成できるモデルでは、各ショットの音声は映像と一緒に生成され、カットで映像と一緒につながります。セリフの1行は1つのショットに属します。会話は、映画が話し手を切り替えるようにセリフの終わりでカットすれば、音がきれいにつながります。サウンドの作られ方はネイティブオーディオをご覧ください。

ストーリーを1文で書き、それを瞬間ごとに分けて、1つの瞬間を1ショットにします。30秒の計画なら、たとえば次のようになります。

• 1ショットに動作は1つ。3つのことを見せようとするショットは、どれもごちゃごちゃになります。
• 各キャラクターはすべてのショットで一字一句同じように説明し、同じ参照画像を使います。
• カットのたびにショットサイズを変え、動きの方向は保ちます。
• 各ショットには、その動作にかかる秒数を割り当てます。ちらりと見るだけなら1秒、部屋を横切るなら3〜4秒。

あるショットを次のショットの始まりとぴったり同じところで終わらせたいなら、最初と最後のフレームを受け付けるモデルに両端を指定できます。実在の商品や人物をすべてのショットに登場させるには、その画像を参照として渡します。それが参照画像から動画生成です。

映像に必要なショット数は、映像の長さと、そのモデルが1回の生成で作れる最長のショットで決まります。DreamBenchの動画モデルの、1回の生成あたりの長さは次のとおりです。

AIで1分の動画は作れますか？はい、複数のショットをカットでつなげば作れます。DreamBenchには、1回の生成で60秒を作れるモデルはありません。DreamBenchは新しい映像を、各ショットの動作に必要な長さに合わせて3〜12秒のショットに分けます。より長くレンダリングできるモデルでも同じなので、各ショットに入る動作はわずかです。そのため、1分なら少なくとも5ショットになります。

• 広告や商品映像：その場に置かれた商品、使っている様子、クローズアップ、そしてエンドカード。
• ショートストーリーや短編映画。シーンからシーンへ1人のキャラクターを追います。
• 多くの場所をまたいで、ビートに合わせてカットするミュージックビデオ。
• テンポの速いカットで組み立てる、9:16のSNS動画。

• ショット間のずれ：顔、ジャケット、髪型が、ショットからショットへ少しずつ変わります。主な対策は、すべてのショットに参照画像を使うことです。
• ジャンプカット：サイズとアングルが似すぎた2つのショットは、編集ではなくグリッチに見えます。
• 連続性の破綻：小道具を持つ手が入れ替わる、光が朝から夕方に変わる、キャラクターが左から右へ横切ったあと逆に戻る。
• カットでの動作の分け方の失敗：あるショットでドアに手を伸ばし、次のショットではもう中にいて、その間が抜け落ちる。
• マルチショットモードのないモデルで、1回の生成の中にカットを書いた場合：きれいなカットにならず、作りかけの2つの場所の間でちらつくことがあります。
• 長さ：ショットが1つ増えるたびに失敗の可能性も1つ増えるので、映像全体だけでなく、各ショットを確認してください。

カットのあとでキャラクターの見た目が変わるのはなぜですか？2つ目のショットは、1つ目を見ないまま生成されたからです。2つをつなぐのは、両方に与えた言葉と画像だけです。すべてのショットでキャラクターを同じ言葉で説明し、同じ参照画像を渡し、ストーリー上の変化がない限り服装や舞台は変えないでください。1つのショットの中で同じ問題が起きるのは、時間的一貫性の破綻です。

生成したショットでできた映像は、実際の映像のように見えることがあります。実際の映像と誤解されるおそれがある場所ではそう明記し、実在の人物を本人の同意なしに登場させないでください。

DreamBenchは、すべての映像をマルチショット動画として作ります。ストーリーを説明すると、DreamBenchが脚本を書きます。各ショットのフレーミング、動作、セリフを含むシーン構成です。キャラクター、場所、小道具はそれぞれ一度だけ設定シートとして描くので、どのショットでも同じ見た目になります。そのうえで、選んだ1つのモデルで各ショットを生成し、すべてのつなぎ目をハードカットにしてつなぎます。

• 各ステップを確認：初期設定では、ショットを生成する前に脚本を読み、キャストを確認します。メモを付けて脚本を書き直したり、キャラクターを描き直したりできます。手持ちの画像をもとに描き直すことも可能です。止めずに最後まで映像を作らせることもできます。
• 1ショットだけ作り直す：完成した映像のショットエディターでショットを選び、変えたいことを書きます。生成し直すのはそのショットだけで、キャストも同じです。以前のテイクはすべてバージョンとして残り、そこから選べます。
• 複数のショットをまとめて：好きなだけショットに新しい指示を出し、バージョンを比べて、欲しいものを適用します。料金は再生成した秒数分と、少額の編集料金です。
• 自分の画像：映像に最大8枚の参照画像を追加でき、それぞれをキャラクター、クリーチャー、ロケーション、小道具としてタグ付けすると、該当するショットで使われます。
• プランごとの長さ：映像の長さは、Starterで最大30秒、Plusで2分、UltraとStudioで5分です。ショットは3〜12秒、最大40ショットです。
• ショット内のカット：Seedance 2.5とSeedance 2.0では、1つのショットの中にカットを入れられます。ほかのモデルでは、各ショットがカットのないワンテイクで、カットはショットとショットの間に入ります。

計画なしで1本のクリップを作るなら、「動画」が入力したままのプロンプトをモデルに送り、1回の生成にします。1ショットだけの映像や、モデル独自のマルチショットモードを使うときに向いています。各モデルの選択肢は、モデル一覧の各モデルのページに記載しています。