AIをフル活用！Stable Diffusion×Nano Banana Pro×Veo 3.1xSunoで動画制作してみた
「AIで画像は作れるようになったけど、動画や音楽まで合わせた作品作りはどうすればいいの？」
ということで…試してみました。
今のAI技術を組み合わせれば、専門的な知識がなくても、まるでプロが作ったような「音楽付き動画」を一人で完結させることができます。今回は、Stable Diffusion、Nano Banana Pro、Veo 3.1、そしてSunoという最強の布陣で動画を作成した実体験をシェアします。
この記事を読むことで、複数のAIを連携させて1つの作品を完成させる具体的な流れがわかります！
1. 結論：AIの「得意分野」を組み合わせるのが成功の鍵
クオリティの高い動画を作るには、一つのツールに頼り切らず、それぞれのAIの得意な役割を分担させることが重要です。
画像生成： Stable Diffusionで「理想の1枚」を作る
修正： Nano Banana Proで「細部」を整える
動画化： Veo 3.1で「動き」をつける
音楽： GeminiとSunoで「空気感」を音にする
このステップを踏むことで、AI特有の違和感を消し、完成度の高い作品に仕上げることができます。
2. 画像のブラッシュアップ：SD × Nano Banana Pro
まずはベースとなる画像作りからスタートです。
Stable Diffusionで下絵作成
今回は「ピアノを弾いているシーン」を生成しました。
Nano Banana Proで精密修正
しかし、Illustrious系はピアノの鍵盤や楽譜といった細かい構造が苦手なことがよくあります。ここで、Googleの技術を活用したNano Banana Proの出番です。画像の一部を自然に書き換える能力に長けています。
項目設定内容
プロンプト：ピアノの鍵盤を修正してください。楽譜の譜面を修正してください。
アスペクト比：16:9
出力解像度：1K
これで、動画の元となる「正しい構造」の画像が完成しました。
3. 命を吹き込む：Veo 3.1 で動画化
次に、Googleの最新動画生成モデルVeo 3.1を使い、画像を動かします。
タスク： Image-to-video
プロンプト： グランドピアノを弾いている動画を作成して。音符が舞っている。（プロンプトを保存していなかったので、多分、こんな感じのプロンプトにしてたと思います）
設定： 1080p / 8秒間
静止画だったピアノのシーンに、幻想的に舞う音符と演奏の動きが加わり、一気に作品らしくなりました。
4. 感情を揺さぶる：Gemini × Suno でBGM制作
動画の印象を決めるのは音楽です。今回はAIに「画像に合う曲」を提案させました。
Geminiでプロンプト生成
作成した画像をGeminiに見せ、「この絵からイメージされる曲を作って」と依頼。出力されたSuno v5用プロンプトがこちらです。
このプロンプトをSunoに放り込んで、作成してくれたインスト曲です（Stylesのみ入力）。そして、生成された曲をFL Studioでリマスタリングして音質を整えました。
5. 最後の仕上げ：AviUtlで動画編集
素材が揃ったら、最後に**AviUtl（ExEdit2）**で1本の動画にまとめます。
プロジェクト設定： 1920x1080 / 24fps で作成。
配置： Layer1に動画、Layer2に作った音声ファイルを配置。
トリミング：音声ファイルを動画ファイルの最後に合わせてトリミング。
エフェクト：
動画：フィルター効果→切り替え効果→フェードを選択（数値はお好みに合わせて。今回はデフォルトのまま）。
音声：フィルター効果→音声効果→音量フェードを選択（数値はお好みに合わせて。今回はデフォルトのまま）。
出力： AviUtl2プラグインのMP4Exporter（byえすご/Esugo氏）で書き出し！
これで完成です！
まとめ：AI連携は「想像力」を形にする最短ルート
今回の制作フローをまとめると以下のようになります。
Step 1: SDとNano Banana Proで「完璧な画像」を作る。
Step 2: Veo 3.1で「魔法のような動き」をつける。
Step 3: GeminiとSunoで「心に響く音」を乗せる。
Step 4: AviUtlで「1つの作品」に編み上げる。
一つ一つの作業はシンプルですが、組み合わせることで驚くほどリッチなコンテンツが生まれます。AIツールは日々進化しています。皆さんも、自分のお気に入りの組み合わせを見つけて、世界に一つだけの動画を作ってみませんか？