【AI MV｜制作ログ】「完璧は退屈だ。」 Chroma Awards応募作『Betty』

Tokii（トッキー）です。

AIでミュージックビデオを作るクリエイターは増えてきましたが、
「1本のAI MVがどんな思考とフローで作られているのか」という裏側は、
あまり共有されていないと感じています。

このnoteではAIFF（AI Film Festival=AI映画祭）「Chroma Awards」に提出した作品『Betty』の、

を中心にできるだけシンプルにまとめました。
AIでMVを作っている人、これから挑戦したい人の参考になれば嬉しいです。

💡参加可能なAI映画祭の検索は、
Curious RefugeのWorldwide AI Film Contest Listが便利です↓

1. まずは作品をどうぞ

"Betty" Music Video for Chroma Awards

2. 作品のテーマ

タイトルの「Betty」は “beta（ベータ版）” から来ています。

不完全さとテクノロジーを象徴するキャラクター＝「Betty」を中心に、
海に沈んだ渋谷を舞台にした「谷の底からてっぺんを目指す」物語です。

完璧を目指すことよりも、試行錯誤を重ねながら進んでいくこと。
そんな「AI時代に生きるロード中の夢見る僕たち」を音と映像にしました。

3. 使用ツール

今回の制作で使用したメインツールです。

4. 制作フロー

今回は大きく分けて以下の6ステップで制作しました。

使うツールもワークフローも探り探りだったので、
実際の制作では③〜⑤の工程を行き来しながら進めていきました。

4-1. 音楽を作る（Music First!!）

今回は「Suno Studio」がリリースされたタイミングでもあったので、
従来の音楽制作ソフトウェア（Ableton Liveなど）は使わずに、

を試す実験でもありました。
Sunoで制作する流れは下記になります。

① リリック（歌詞）：テーマと大枠を自分で決め、英語の言い回しやアイデア出しにChatGPTを使用。

② 楽曲スタイル：曲のイメージと全リリックをChatGPTに伝えて、Sunoで使う「Styles」を出してもらう。リリックを作る段階から予めChatGPTと楽曲のイメージ（ジャンル、楽器等）を共有しておくと早いです。

③ SunoAIで楽曲生成：「Styles」を調整しながら生成ガチャを回し（560回生成してたw）、気に入ったテイクをベースに「Cover」→「Editor」機能でおよそ8割まで完成させる。

④ Suno Studioで仕上げ：最後は「Suno Studio」で各Stem（ボーカルやドラムごとの音源）を並べて、気に入らない部分の再生成、再配置、足りない音源（別のCoverのStemを利用、心臓の音でビートを制作等）を追加して完成。

Sunoのポン出しオリジナルバージョン（前半）と、
Cover/Editを経て、Suno Studioファイナルバージョン（後半）の違いはこんな感じです↓

※「Betty」フル尺バージョンはこちら♫

本人的には作った感は生まれましたがいかがでしょうか？

ただ、作曲家としてオリジナル楽曲制作というより、
プロデューサーとしてSunoと共作、
もしくは原石をリミックスするような感覚に近いかもしれません。

Sunoは既にポン出しでも十分なクオリティの音楽を生成してくれますが、
そこから意図した完成形にするには今のところ人間の介入が必要です。

というところがプロ音楽家の方達には敬遠されるところかもしれませんが、

このあたりの境界線は、これからもっと曖昧になっていきそうですね。
（とはいえ人間のスーパースターもやっぱり不滅だと思います）

ベーシックな作曲機能はまだ多くありませんがSuno Studioは、楽曲制作の在り方そのものを変えてしまう革命的な存在だと感じています。

今後は既存のDAWにもこういった作曲支援AIが標準機能として組み込まれていくでしょう。

4-2. キャラクターを作る

音楽ができたら次は映像の主役になるキャラクターを作ります。

この2人のベースイメージをMidjourneyで作り、
Nano Bananaを使ってキャラクターシート（アップ、前、横、後ろ姿）にします。

このキャラクターシートがNano BananaやSeedreamで画像生成する時の、
リファレンス画像になります。

4-3. 画像生成

キャラクターができたら次はシーンごとの画像を生成します。

今回の作り方はシーンごとの「背景」に、

を使ってキャラクターを合成していきます。

背景を同じ参照画像にすることで、別次元のキャラクターたちも「同じ世界」に存在しているように見せられます。

さらに、彼女たちの位置や動き（水中〜水面〜屋上／空）を揃えることで、下から上へとつながっていく1本のストーリーになります。

生成動画から静止画を切り出して新たな生成のリファレンスにしたり、
そのフレームを次の動画生成のファーストフレームとして使う手法も取り入れています。

Nano Banana（Pro以前）で生成した画像や切り出した静止画は少し荒くなってしまうので、動画生成前にアップスケールもしました。

その際のアップスケールにはTopaz Gigapixelの「Redefine realistic」や、Magnificの「Precision」を使用し、リアル寄りの質感を強めました。
（Topaz Bloomはディティールが変わってしまうため、あまり使用していない）

4-4. 動画生成

動画生成はGrok ImagenとKling 2.1/2.5をメインに使いました。

という流れが安定して良い結果を出してくれます。

また、動画生成はYAML形式のプロンプトよりも自然言語の方が上手くいくケースが多いです。

他にもVeo、Wan、Hailuo、Ray、、等々、
HiggsfieldやFirefly Boardで使えるツールは全て試した結果、

「世界観の統一」と「ダイナミックなカメラワーク」が重要だったため、
それらと相性の良かったGrok Imagen、Klingがメインツールになりました。

みたいな現実離れした世界やファンタジー系の映像表現には、
VeoよりもGrok/Klingが適していますね。

今（2025年11月）、僕の最もお気に入りの動画生成AIはGrokです。

と3拍子揃った上に、回数に制限はありますが無料でも使えますので本当にオススメです。
（Sora 2もクオリティはヤバいですが、人間をリファレンスにできないので今回は不使用）

4-5. 編集

編集はPremiere Proを使用しました。

素材をただタイムラインに並べるのではなく、ミュージックビデオなのでビートに合わせたカット割りを軸に、速度/画角調整、エフェクト等々、

意識で編集しました。（MV初心者なりに🔰）
飛行機の音は動画編集者御用達「効果音ラボ」のものです。

映像をジャマしないようにリリックも追加しました。

4-6. 最終アップスケール

最後にFHDで編集、書き出したファイルを、
Topaz Videoで4kにアップスケールしました。

5. 今後の課題

今回は技術面とメンタル面、共に課題がありました。

まず、画像生成、動画生成はガチャ要素もあり破綻もあり、
今回は締切もあったので、ある程度の妥協が必要でした。

特に今回はリアルな人物の一貫性が保てなかった。

ですが、AIが苦手なところは一旦置いておいて先に進む必要があります。
そうしないと、作品は永遠に完成しません。

そうしてモタモタしているうちに、新しい機能が次々と出てきて、
ワークフローはどんどん変わっていきます。

もし今回、応募していなければNano Banana Proで画像からやり直して、
そのままお蔵入りしていた可能性も高いと思います。

しかし、今作のテーマは「Betty」= beta（ベータ版）！！

これはFacebook創業期にマーク・ザッカーバーグが掲げていたスローガンですが、「常にアップデート前提」のAI時代にこそ、改めて必要なマインドセットだと思います。

「完璧は退屈だ。」

（完璧主義な自分への自戒も込めて、全クリエイターに伝えたい）

とタイトルを回収したところで次の作品にとりかかりましょうか。
これからは記録の意味も含めすべての作品で制作ログを残していくつもりです。

ワークフローも今回のように（手動で）画像生成→各動画生成AIだと効率が悪すぎるので、Adobe Project GraphやComfyUIのようなノードベースの環境に移行予定です。

できることも、やりたいこともどんどん増えて、時間はいくらあっても足りませんが、2026年はAI MVに注力していこうと思います。

次はBionic Awards（12/30〆切）！！🏆️
https://bionicawards.com/live/en/page/home

もし作品や制作フローが少しでも参考になったら、いいね、フォローしてもらえると嬉しいです。

「ここもっと知りたい」「このツールも気になる」などあれば、
ぜひコメントで気軽に教えてください。

実験はまだまだ続きます…🐭
Tokii