
動画生成を効率化したい人へ:動画生成GPTs9本を同一台本で比較検証(激闘7時間ログ)🐾
はじめに:今回のnoteを読んでわかること
このnoteでは、動画生成をラクにしてクオリティも上げたい人向けに、「動画生成用GPTs」を9本集め、同一の台本を投入して、出力プロンプトの設計と生成結果の傾向を比較検証します。
検証はSora2で行っていますが、ここで扱うのは「プロンプト設計」そのものなので、他の動画生成AI(Veo3など)でも応用できます。
【読後に得られるもの(=選定で迷う時間を削る)】
9本の動画生成GPTsの直リンクアクセス(気軽に試せて、気に入ったらそのままブックマーク登録できます)
動画生成GPTsは何を“代行”してくれるのか(カメラ、間、質感、禁止事項の潰し込み)
9本それぞれのプロンプト設計のタイプと癖(詳細指示/必要最小限/シンプル)
「自作台本+GPTsの映像設計を借りる」が現時点で強い理由
破綻しやすいポイント(セリフ、アスペクト比、文字・音事故)の気づきと避け方
最後に早見表で、目的別にどれを選ぶべきか一発で把握できる
【9本の動画生成GPTsを検証する試み】
9本のGPTs、検証ログいきます。🐾
この記事でやることはシンプルです。
ショート動画を作るとき、「台本は自分で書ける。でも映像としての迫力(カメラワーク・間・絵作り)がイマイチ。。。」と感じることがありました。
そこで、動画生成用GPTsを9本を集め、同一の台本(自作)を投入し、
出力されるプロンプトの特徴と、Sora2で生成される映像の傾向を比較検証します。
目的は「自分の制作に合う型」を見つけ、次から迷わず回せる状態にすることです。
【9本の選定方法(内訳)】
今回検証するGPTsは合計9本です。
①以前使ってみて「良かった」と感じたもの:2本・・・以前使ったことがある枠
②GPTs検索で、評価数が多く、星4以上のもの:4本・・・高評価枠
③YouTubeで紹介されていたもの:3本・・・Youtube拾い枠
【ここに画像:9本に番号を付けた一覧(ブックマーク画面)】
検証のため、9本すべてブックマーク登録して番号を振りました(記事内もこの番号で進行します)。

9本のGPTsをブックマーク登録
【そもそも、動画生成GPTsって何?】
ChatGPTの左サイドバーの「GPT」を開くと、
GPTsの検索画面に移ります。

そして、検索ボックスに「動画生成」と入れると、関連するGPTsが多数出てきます。

ここで注意点があります。
一覧は「必ずしも良い順に並ぶわけではない」ので、探す側が試行錯誤しないと、相性の良いGPTsに当たりにくいのです。
【一般的な使い方と、今回の使い方(ここが違う)】
一般的な「動画生成GPTs」の使い方はこうだと思います。
・作りたい動画の概要を伝える
・ガイド(ボタンや質問)に沿って対話し、ストーリーを固める
・最終的にプロンプトが出る
・そのプロンプトを動画生成AIにコピペして生成する

一方、今回の私の使い方は少し違います。
私はストーリーと台本をすでに用意しているので、ガイドで組み立てるのではなく、「各GPTsが持つプロンプト設計(カメラ、時間割、禁止事項の書き方など)だけを借りる」ために使います。
GPTsは制作者によって設計が違い、そこに個性があります。たとえば最終出力のプロンプトには、次のような差が出ます。
・カメラワークの具体度
・画質/色/ルックの指定
・シチュエーション説明の強化
・感情や演技指示の強化
・時間割(15秒の刻み方)
・禁止事項(字幕・BGM・モブ・ワープ等)の書き方
・破綻防止の注意書き
ここが面白いポイントです。
また、プロンプトの文量もGPTsで大きく違います。
詳細を丁寧に書くGPTsもあれば、あえて簡潔に寄せるGPTsもあります。
「詳細でコントロールするのが正義なのか」
「シンプルにして動画生成ツール側に任せるのが正義なのか」
この違いも含めて、今回の検証で整理します。
【そんな7時間もかける価値あるの?】
自分が書いた台本を「動画生成GPTs」に読み込ませて、
最終的に出力された動画生成プロンプトが、どんな形に仕上がったか。
そして、そのプロンプトを使ってSora2で実際に動画生成したら、どんな成果物が出てきたのか。
それを選りすぐりの9本の「動画生成用GPTs」を使って比較検証する。
7時間もかけて、そんなことやって何か意味あるの?
そう思われる方もいるかもしれません。
しかし、長い目で見たとき、
時短とクオリティという観点で、かなり意味があることだと僕には思えました。
「自分の書いた台本」のままが最適解なのか?
「GPTsの設計」を借りるべきか?
その場合、どのGPTsを使えばいいのか?
その検証に時間をかけてみる価値があると感じ、
今回ガッツリ7時間もかけて、記録を取りながら進めていきました。
情報の整理とnote記事の執筆時間を合わせるともっと膨大な時間がかかっているので、、、自分でも、よくやったなあと思います。
逆に、やるなら、ここまで詳しく丁寧にやらないと見えてこない。
そんな風にも思えたのです。
ずっと、やろうと思ってたんですけど、
取り組めば、きっと時間も労力もかなり大変なことになる。
それがやる前からわかっていたので。
そう思うと、なかなか腰が重くなり。
結局、1カ月、2カ月と経ってしまってたんです。
【今回使った共通の台本(自作)】
サウナで若者とオジサンが「どっちが先にギブアップするか」「どっちが根性があるのか」、やせ我慢の戦いをするという、しょうもない内容の話です。
自作台本はコチラ⬇️
使用する動画生成ツールは「Sora2」。15秒動画。
「Sora2」で動画生成するための詳細プロンプトを作ってください。
■ストーリー
若者男子(25歳)と壮年男性(55歳)の男二人がサウナで我慢対決をする物語。
■登場人物:
・若者男子(25歳)
・壮年男性(55歳)
※若者男子(25歳)と壮年男性(55歳)は知り合いではなく、サウナでたまたま居合わせただけの間柄の他人。
・モブキャラが数人(ただし会話に入って来ない)
■概要
場所は東京都心のサウナ。男性サウナ室での物語。
二人がコミカルな会話をしながら進行するストーリー。
時間の経過と共に二人の会話は徐々にヒートアップしていき、語気が荒く、激しくなっていく。
セリフ割とセリフの担当者は絶対に間違えないように、プロンプト通りに忠実に行ってください。
セリフは自然な日本語でお願いします。
プロ級のダイナミックで迫力のあるカメラワークで。
字幕・テロップ・文字は絶対に表示しない。
BGMは完全に無しで。
■物語の詳細とセリフ割
男性サウナ室。
スタートは引きの画から、二人への寄りになる。
寄ったところで会話が始まる。
若者男子(25歳)「まだまだ、こんなもんじゃないぜ」
壮年男性(55歳)「やるな、君」
※そして、二人は余裕の笑顔を交わす。
適度な時間、二人の我慢のシーンを映す(無言)。
壮年男性(55歳)「そろそろギブか?」
若者男子(25歳)「まだまだ。オッサン、限界?」
壮年男性(55歳)「アホか?俺をなめんなよ」
※そして、二人は引きつった顔で笑い合う。
適度な時間、二人のやせ我慢のシーンを映す(無言)。
※二人とも顔は真っ赤になって苦しそう。
壮年男性(55歳)「そろそろか?」
若者男子(25歳)「まだまだ。」
壮年男性(55歳)「ギブか?」
若者男子(25歳)「あと30分だ!」
壮年男性(55歳)「じゃあ俺は40分だ!」
やせ我慢大会になってしまった二人を映しながらカメラは引いていき、
動画の最後はドリフのオチのような効果音が鳴って終わる。
【まずは基準:自作台本をそのままSora2に投げた結果】
比較検証の前に、まず自分の台本をそのままSora2に投げて生成してみました。
こんな動画が出ました。

そこには負けられない戦いがある
出来は悪くありませんでした。普通に笑えるし「これで出しても成立する」水準ではあります。
ただ、ここで止まると “いつも通り” の範囲から出ない。
だからこそ、外部の設計(動画生成GPTsのプロンプト設計)を借りたときに何が変わるのかを見てみます。
【本題:GPTsの比較検証に入ります(画像・URL・所感)】
では、9本のGPTsを順に検証していきます。

以前使ったことがある枠・・・2本
高評価枠・・・4本
Youtube拾い枠・・・3本
※今回のルール(検証の条件)
ルールは次の通りです。
・使用する動画生成AIツールはSora2のみ
・GPTs側の対話ガイドは使わない(台本をそのまま投入)
・一発出力で比較する(発展形の提案が出ても、今回は第一稿のみ採用)
・比較対象は「出力プロンプトの特徴」と「Sora2の生成結果」
以上の趣旨で、
ここから各GPTsに、共通の自作台本を投入していきます。
では、張り切っていってみましょう!
【有料パートで得られるもの】※2026/04/02_無料記事に変更しました
・9本の動画生成GPTsを「同一台本」で回し、出力プロンプトの設計と生成結果を横並びで比較
・各GPTsのプロンプト特性(詳細指示/必要最小限/シンプル)を分類・整理し、用途別に使い分けできる状態にする
・破綻しやすいポイント(セリフ割り、文字事故、BGM事故、アスペクト比など)の回避ルールを具体例つきで共有
・最後に「早見表」で、目的別にどれを選ぶべきか一発で判断できる
・結論として「自作台本+GPTsの映像設計を借りる」が強い理由を、ログに沿って言語化
以上、ここまでが無料パートです。
この先は、No.1〜No.9を順に、画像・直リンク・出力プロンプトの特徴・生成結果の所感込みで検証していきます。
★【以前使ったことがある枠(2本)】
このセクションでは、
以前僕が使ったことがあって、その中で良かったと思った2本のGPTsを紹介します。
No.1 動画生成 プロンプト生成

以前使ってみたことがあって、結構良くて。
対話形式では、ある程度の仕込みが入っているので
そちらに従って進めていくことで、カッコイイ動画プロンプトに導かれていく印象がありました。
今回は対話形式を使わず、直接台本渡しで進めていきます。
その結果出力されたプロンプトは、
状況説明から、照明、スタイル、音声、アクション、感情、時間割、セリフ回し、禁止事項、出力形式まで、結構丁寧な仕上がりでした。
他の箇所が細かい指示になっている一方、登場人物の特徴を説明しないという、特徴もありました。
【詳細指示系プロンプト】
に分類します。

【このGPTの良い点】
・要素が分解されていて再利用しやすい(Subject/Setting/Action/Camera/Lighting…)
・カメラ指定が具体的で“画の動き”を作りやすい(24mm→ドリー→切り返し等)
・15秒の時間設計が明確で短尺が成立しやすい(会話・無言・オチの配分)
・字幕/BGM/モブ/台詞厳守など破綻ポイントを制約で先回りして潰せる
・映像ルック(暖色、蒸気、汗、フィルム感)が言語化されブレにくい
・Keywords(日英)があり検索・派生展開のタグ資産になる

No.2 動画生成×プロンプトメーカー

これも、以前使ってみたことがあって、ダイナミックな仕上がりになることが多くて、結構気に入ってました。
仕上がったプロンプトを見ると、
全体的にそこまで詳細指示っていう感じではなく、
登場人物、時間割、状況説明、カメラワーク、音、禁止事項までを、
過不足がなく、丁寧に書かれていました。
【必要最小限系プロンプト】
に分類します。

【提案アリ】(今回は使用不可)⬇️

今回は一発勝負での検証なので、
また今度試してみようと思う。
【このGPTの良い点】
・秒指定のショット構成があり、骨格(引き→寄り→無言→ヒートアップ→オチ)が崩れにくい
・感情変化(余裕→挑発→荒く)を明示して演技トーンが揃いやすい
・無言パートの描写が具体的で“座ってるだけ感”を減らしやすい
・ネガティブ指定が実務的で事故を抑制できる(BGM/字幕/モブ会話/外シーン等)
・オチSEが単発・短尺で明確なのでBGM化しにくい
・外シーン切替禁止が入っており、ワープ系破綻に強い

★【高評価枠(3本)】
このセクションでは、
GPTs検索で、評価数を多く集め、かつ、評価が高かった3本のGPTsを紹介します。
No.3 のSora 2 Veo 3(評価900/星4.1)

ブラウザの翻訳機能で日本語で使用することも可能です。
こちらは、評価が高いGPTsを探していて見つけたものです。
評価数900件・星4.1っていうのは、他と比べても評価の数が群を抜いて多かったです。ここまで多いのは、このGPTsくらいしかなかったです。
横綱級って感じでしょうか。
英語圏の制作者さんが作ったGPTsのようで、トップ画面の言語が英語です。
GPTsと言っても、展開されるのはChatGPTなので、
そのまま日本語でメッセージすれば、それ以降は日本語で対応してくれます。
色々なGPTsを試してみましたが、「英語版だから」という理由で不利になったり、使いにくくなることはありませんでした。ご安心ください。
また、ブラウザの翻訳機能を使えば、
以下画像のように、最初から日本語でスタートすることも可能です。

では、英語版GPTsの話はここまでで、
プロンプトの本題に移ります。
このGPTsは評価数も群を抜いて高い、それで評価も高い。
そうとう詳細なプロンプトが出力されてくるのを想像していたんですが、
逆で、仕上がったプロンプトは意外にも超シンプルなものでした。
これ系のGPTsにしては珍しく、時間割も書かれていなかったです。
登場人物の説明もありません。
【シンプル系プロンプト】
に分類します。

【提案アリ】(今回は使用不可)⬇️

これによって進化を遂げていくかも?
【このGPTの良い点】
・短くまとまっていて貼り付け運用がしやすい
・字幕なし/BGMなし/最後だけ効果音が冒頭で固定されている
・カメラ演出がシンプルで短尺向き(引き→寄り→交互CU→引き)
・環境音指定が最低限あり、無音事故を避けつつ過剰になりにくい
・短い言葉で温度感の描写が入る(熱気の歪み、汗が増える等)

No.4 のSora 2 AI Video Generator GPT(評価300/星4.2)

こちらも、評価が高いGPTsを探していて見つけたもので、英語版です。
評価数が300件もあって、4.2のハイスコアを出しています。
このGPTsは仕上がってくるプロンプトがかなり詳細、かつ丁寧で
めちゃくちゃ整理されていて、読みやすくて良かったです。言うことなしです。
さらに、出力がデフォルトでコードブロック化され、コピーボタン一つで持っていける仕様になっている。そこも良かったです。
登場人物、状況説明から、照明、スタイル、音声、感情、時間割、セリフ回し、禁止事項、出力形式までかなり細かく説明され、
時間割のカットごとに状況、カメラワーク、アクションの説明が入っていて、とにかくきめ細かくて感動。
【超詳細指示系プロンプト】
に分類します。
「詳細指示系プロンプト」と比べて、さらに詳しく整然としていたので、
「超」を付けました。

さらに、コードブロックになっていて扱いやすい
【このGPTの良い点】
・撮影設計(fps・レンズ・DOF・質感)まで踏み込んだ“映像制作寄り”の設計。構造が整理されていて、詳細でも読みやすいのが強みです。
・Format & Lookが細かく、映画っぽい質感を狙いやすい(fps/レンズ/DOF/グレイン)
・NO TEXT ON SCREENが強く、テロップ事故を抑止しやすい
・SHOT LISTが秒単位+意図(Action beats)つきで演技・間を作りやすい
・音の具体例があり、BGMなしでも成立しやすい(換気音、木の軋み、汗、呼吸等)
・strangers(他人同士)を明記し、馴れ合いに寄りにくい
・dialogueを別枠に分離して話者ミスを防ぎやすい

シュールな笑いのセンスも◎
このGPTs、僕、かなり好きです。
かなり詳しく丁寧な指示がされていて、
それでいてかなり読みやすい構成になっていました。
指示が細かく行き届いているので、生成された動画もの仕上がりもかなり良くて、僕の台本への補足もイイ感じで、痒い所に手が届く。
そんな感じでした。
かつ、シュールな笑いのツボも抑えていて良かったです。
これだけ細かく丁寧に、かつ的確にプロンプト書いたら、
それは良い動画が出てくるわ、って感じの結果でした。
このプロンプトは、
✨神は細部に宿る系✨と呼びたいですね。
No.5 のSora 2 AI Video Generator 4.9(評価100/星4.9)

こちらも、評価が高いGPTsを探していて見つけたもので、英語版です。
評価数は100なのですが、4.9という超ハイスコア。
仕上がったプロンプトを見ると、
全体的にそこまで詳細指示っていう感じではなく、
登場人物、時間割、状況説明、カメラワーク、音、禁止事項までを
過不足がなく、丁寧に書かれていました。
登場人物の特徴が詳しく書かれているのも特徴でした。
【必要最小限系プロンプト】
に分類します。

【提案アリ】(今回は使用不可)⬇️

【このGPTの良い点】
・演出方針が短文で明快(余裕→ヒートアップ→荒く→引きオチ)
・“迫力”の要点だけ押さえたカメラ指定(ドリー、手持ち、ハレーション等)
・秒で整理されたショット割りで15秒に収まりやすい
・音設計が実用的で暴走しにくい(BGMなし、環境音、最後だけ単発SE)
・破綻防止の制約が要点に絞られている(文字なし、台詞厳守、モブ無言等)
・汗・赤み・呼吸など体感ディテールが多く、動きが出やすい

No.6 意味が分かると怖いショート動画生成(評価100/星4.1)

こちらも、評価が高いGPTsを探していて見つけたもの。
評価数は100で、4.1のハイスコア。
「意味が分かると怖いショート動画」というネーミングに見られるように、ちょっと変わり種です。本来は意味怖系の設計のようで、
対話形式で進めていくと、以下のようにテーマを決めて、
恐怖ストーリーを構築していく流れになっているみたいです。

面白そう
今回は対話形式を使わずに、台本直渡しで進めていきます。
しかし、その仕上がってくるプロンプトでは、かなり詳細かつ丁寧な指示がされていて。それでいて、めちゃくちゃ整理されていて、かなり読みやすかったんです。
登場人物、状況説明から、照明、スタイル、音声、感情、時間割、セリフ回し、禁止事項、出力形式までかなり細かく説明され、
時間割のカットごとに状況、カメラワーク、アクションの説明がかなりきめ細かくて感動。ネガティブプロンプトの指示もかなり良かったです。
さらに、出力はデフォルトでコードブロック化されているのも良かったです。
No.4 の「Sora 2 AI Video Generator GPT」に続いて、
【超詳細指示系プロンプト】
に分類します。

さらにコードブロック
さらに、横長動画のプロンプトも作ります、とのことでした。

【このGPTの良い点】
・生成条件と進行がかなり細かく、短尺設計の“型”が強いプロンプト。
・安全面(文字・音・露出・コピー禁止)も明文化されていて運用しやすいです。
・生成条件が箇条書きで整理され、制作ルール確認が早い
・タイムコードが細かく、ショットごとの狙いが明確で短尺が成立しやすい
・小ネタディテール(レンズが一瞬曇る等)が映像のライブ感を作りやすい
・台詞厳守が強く、話者・順番の破綻を抑えやすい
・ネガティブ指定が実務向きで安全性が高い(文字排除、モブ無音、露出/暴力禁止等)
・既存番組コピー回避を明記し、オチSE運用のリスク意識が高い

激高するオジサンの表情が秀逸
軽ホラードラマで使うようなフォーマットの上に、コメディを乗せてみましたって感じの仕上がりが秀逸。
ミスマッチの妙が、よりシュールな笑いを誘う感じも良かったです。
オチの意味不明感がちょっとサイコホラーっぽかったかも。
このGPTsも、僕、かなり好きです。
かなり詳細で丁寧な指示がされていて、それでいてかなり読みやすくなっている。
ネガティブプロンプトの指示の仕方も秀逸でした。
これは仕上がり良い動画が出てくるわけだわ、って納得でした。
こちらも、No.4 の「Sora 2 AI Video Generator GPT」に続いて、
✨神は細部に宿る系✨に認定します。
★【Youtube拾い枠(3本)】
このセクションでは、
Youtube動画を観ていて、その中で拾った3本のGPTsを紹介します。
No.7 SoLa2Craftr V2.2

内容が結構具体的
Youtube動画で紹介されていたGPTsを拾ってきたものです。
4つのボタンの内容が結構具体的なので、
対話形式で、ある程度プリセット的なものがいくつか仕込みとして入っていると想像される。
そちらに従って進めていくことで、イイ感じのストーリーとプロンプトを構築できそうな気がします。
今回は対話形式を使わず、直接台本渡しで進めていきます。
その結果出力されたプロンプトは、
登場人物、状況説明から、照明、スタイル、音声、アクション、感情、時間割、セリフ回し、禁止事項、出力形式まで、結構丁寧な仕上がりでした。
「No.1 動画生成 プロンプト生成」と同じ系統で、
ただし、こちらは登場人物の特徴をかなり細かく指示している部分が異なる。
【詳細指示系プロンプト】
に分類します。

【このGPTの良い点】
・構造化されていてチェックしやすい(Subject/Setting/Action/Camera…)
・ワンカット設計が明確で、連続性を優先した生成を狙える
・読める文字対策が入っている(距離・ボケ・画角で回避)
・破綻防止の制約が具体(人数増減、衣装変化、カメラワープ、口パク等)
・音が環境音+台詞+最後の単発SEに固定され、テンポを崩しにくい
・著名人似回避や露出抑制など運用上の安全注意が入っている

オジサンが「白いタオルを頭に乗せている」という指示
No.8 ショート動画生成 プロンプトマスター

Youtube動画で紹介されていたGPTsを拾ってきたものです。
この手のGPTsには珍しくガイドボタンが全くない。
このGPTsが面白かった点は、
デフォルトで、「簡潔版(創造性重視)」と「詳細版(統制重視)」の2パターンを出してくれるところだ。
そして、両方コードブロックで出力される。
ただ、デフォルトだと英語プロンプトで出力されるので、
内容を確かめたい時は翻訳する必要がある。
他のGPTsと比べた時、その一手間がマイナスなのかもしれない。

日本語翻訳して見ていく。
動画生成した結果、「簡潔版(創造性重視)」は、
割と僕の動画に近い仕上がりになった。
このことから、
プロンプトをそこまで詰めなければ、それ相当の結果になるということなんだと思う。
でも、決していつもそれが悪い結果になるわけではない。
シンプルなのが必要な時もある。
狙って使い分けができるのが一番良いと思う。
こちらは、
【シンプル系プロンプト】
に分類します。

僕の動画と似たようなテイストになった
【このGPTの良い点】簡潔版(創造性重視/シンプル系)
・必要要素に絞って短く、生成側が迷いにくい
・ムード指定が一語で強く、笑いの方向性を固定しやすい
・字幕なし/ロゴなし/BGMなし/最後だけスティングが明快
・会話リストがまとまっており台詞運用が楽
・指示量に余白があり、破綻しにくいタイプの文量になっている
一方、
「詳細版(統制重視)」は、
状況説明から、照明、スタイル、音声、アクション、感情、時間割、セリフ回し、禁止事項、出力形式まで、丁寧に書かれていた。
ただ、両方ともに英語プロンプトから日本語に翻訳した時に、若干崩れた部分があったので、英語プロンプトのまま動画生成したほうが良いのかもしれない。
僕はそうした。
簡潔版と詳細版ともに、登場人物説明はなかった。
しかし、僕の台本に書かれた「壮年男性(55歳)」は、
「Old man(老人)」に変換されていた。
そのせいか、イメージよりもやや年上の男性になっていた。
こちらは、
【詳細指示系プロンプト】
に分類します。

【このGPTの良い点】詳細版(統制重視/詳細指示系)
・絵コンテ形式で15秒を設計でき、テンポ管理がしやすい
・撮影設計が具体(レンズ、照明K、カラー、蒸気ハイライト等)で再現性が高い
・モブ無言、判読文字なし、露骨表現回避など制約が揃っている
・話者割り当て+リップシンク前提で会話破綻を抑えやすい
・音がBGMなし+環境音+最後だけ単発スティングで運用しやすい
・値(2800〜3200K等)があり、質感のブレを減らしやすい

「老人」の指示で、イメージよりも年上の男性が出てきた

No.9 AI×おばあちゃんYoutuber

対話形式では、おばあちゃんキャラが進行役として案内する
Youtube動画で紹介されていたGPTsを拾ってきたものです。
AIおばあちゃんYoutubeショートを作るために作られたGPTsのようです。
Veo3を想定されていているようで、デフォルトだと8秒/16秒の文脈でプロンプト作成に向かっていく流れでした。
対話形式でガイドに沿ってストーリーを構築していく場合、進行役のおばあちゃんが、質問をしながら案内を進めていく仕様となっています。
何も言わずに進めていくと、最終的にはVeo3用のプロンプトが出力されるみたいです。
Sora2を使って15秒のショート動画を作る旨を伝えれば、そのように対応してくれます。
今回僕の台本を読み込ませて出てきたプロンプトは、
英語で必要最小限な内容のものだった。
ただ、デフォルトは英語プロンプトで出力されるので、
内容を確認したい場合は、日本語に翻訳する必要があります。
全体的にそこまで詳細指示っていう感じではなく、
登場人物、時間割、状況説明、カメラワーク、音、セリフ回し、禁止事項までを、過不足がなく、丁寧に書かれていました。
【必要最小限系プロンプト】
に分類します。

ちなみに、
検証とは別に、おばあちゃんガイドとのやり取りで少し遊んでみた。
その結果、先程とは全く違う、
めちゃくちゃ詳しいプロンプトが、コードブロックで出力されてきた。

このことから、
GPTsの設定が、一発台本渡しみたいな使い方を想定していないのかもしれません。
おばあちゃんとのやり取りの中で、ユーザーに必要事項をヒアリングして、最終的にこのGPTsに設計されたフォーマットの中でプロンプトを完成させていく流れのようです。
一応、この状態からSora2用に直して欲しいとお願いすると、以下のように対応してくれました。

Sora2前提で作るなら、毎回この手順を踏むのは効率が悪いので、
そのことを踏まえると、Veo3でショート動画作る場合に便利なツールだと思う。
このGPTsを使って出力されたプロンプトで生成された動画は毎回、
不思議な異国情緒が漂う。
ちょっと変わったテイストの動画を作りたい場合に使うというのはアリだと思った。
【このGPTの良い点】
・各ショットに「1つのカメラ動き+1つのビート」方針で整理されている
・文字なし/BGMなし/最後だけ単発SEが明確で比較検証にも使いやすい
・ショットリストがモジュール化され、差し替えや調整がしやすい
・音声指示が整理されている(リップシンク、環境音、ナレーション無し等)
・PG-13が明記され、題材的に安全運用しやすい
・台詞がまとまっていて、会話部分だけ別管理しやすい

【反省会】
最後に、今回の比較検証で得られた「GPTs以外の学び」を整理します。
結論だけ先に言うと、Sora2で破綻しやすいポイントは、台本やプロンプトの“細かさ”そのものではなく、モデルが誤解しやすい構造をこちらが作ってしまうことでした。
【セリフ回しの破綻ポイント】
まず、自分の台本を振り返りながら、Sora2で事故りやすかった箇所をピックアップします。台本は以下です(再掲)。
使用する動画生成ツールは「Sora2」。15秒動画。
「Sora2」で動画生成するための詳細プロンプトを作ってください。
■ストーリー
若者男子(25歳)と壮年男性(55歳)の男二人がサウナで我慢対決をする物語。
■登場人物:
・若者男子(25歳)
・壮年男性(55歳)
※若者男子(25歳)と壮年男性(55歳)は知り合いではなく、サウナでたまたま居合わせただけの間柄の他人。
・モブキャラが数人(ただし会話に入って来ない)
■概要
場所は東京都心のサウナ。男性サウナ室での物語。
二人がコミカルな会話をしながら進行するストーリー。
時間の経過と共に二人の会話は徐々にヒートアップしていき、語気が荒く、激しくなっていく。
セリフ割とセリフの担当者は絶対に間違えないように、プロンプト通りに忠実に行ってください。
セリフは自然な日本語でお願いします。
プロ級のダイナミックで迫力のあるカメラワークで。
字幕・テロップ・文字は絶対に表示しない。
BGMは完全に無しで。
■物語の詳細とセリフ割
男性サウナ室。
スタートは引きの画から、二人への寄りになる。
寄ったところで会話が始まる。
若者男子(25歳)「まだまだ、こんなもんじゃないぜ」
壮年男性(55歳)「やるな、君」
※そして、二人は余裕の笑顔を交わす。
適度な時間、二人の我慢のシーンを映す(無言)。
壮年男性(55歳)「そろそろギブか?」
若者男子(25歳)「まだまだ。オッサン、限界?」
壮年男性(55歳)「アホか?俺をなめんなよ」
※そして、二人は引きつった顔で笑い合う。
適度な時間、二人のやせ我慢のシーンを映す(無言)。
※二人とも顔は真っ赤になって苦しそう。
壮年男性(55歳)「そろそろか?」
若者男子(25歳)「まだまだ。」
壮年男性(55歳)「ギブか?」
若者男子(25歳)「あと30分だ!」
壮年男性(55歳)「じゃあ俺は40分だ!」
やせ我慢大会になってしまった二人を映しながらカメラは引いていき、動画の最後はドリフのオチのような効果音が鳴って終わる。
破綻しやすかった箇所
2回目の会話パート:
壮年男性(55歳)「そろそろギブか?」
若者男子(25歳)「まだまだ。オッサン、限界?」
壮年男性(55歳)「アホか?俺をなめんなよ」
問題は、若者のセリフ「まだまだ。オッサン、限界?」です。
Sora2が 「まだまだ。」で会話を一区切り と解釈し、話者交代してしまうことがありました。
つまり、
若者が「まだまだ。」
(話者交代して)壮年が「オッサン、限界?」
という誤配役が起きる、ということです。
こうして見直すと、確かに紛らわしい。
動画生成ツールが間違えそうな“切れ目”がセリフ内に存在していました。
次回への改善方針
セリフの混雑は破綻を招きます。次回からは、
一文内で「短い断言+呼びかけ+質問」を詰め込みすぎない
句点で話者が切り替わりそうな構造を避ける
この2点を意識して、よりシンプルなセリフ回しを心掛けます。
【アスペクト比(9:16)指定の落とし穴】※Sora2のケース
Sora2は生成時にアスペクト比を選択できます。縦長ショートなら【縦方向】、横長なら【横方向】を選ぶだけで基本OKです。

一方で、プロンプト側に「9:16」と書くと、一定確率で 縦長の中に小さな横長動画が埋め込まれる 形式になることがありました。TikTokなどでよく見かける“AIおばあちゃん形式”のやつです。

「AIおばあちゃん」とかでよく見かけるパターン
これはSora2の良さが消えるし、映像が小さくなって見づらい。
結論として、アスペクト比は生成画面で【縦方向】を選び、プロンプト側には「9:16」を書かない のが一番安定しました。
【登場人物の特徴説明は"入れる"か"任せる"か】
これは、まだ自分の中で答えが出ていません。
説明を詳しく書けば、人物像が安定する
ただし、生成の“ガチャ的な面白さ”は減る
説明を省くと、
Sora2が「この話ならこの人物が合うのでは?」という提案をしてくることがある。その“笑いのセンス”が、意外と良い場面があった。
つまり、
「安定」か「発見」か。
ここは作品の狙いによって、使い分けるのが良さそうです。
【コードブロック化は後からでもできる】
GPTs側でデフォルトのコードブロック出力が無い場合でも、ChatGPTに「コードブロック化して」と頼めば、再出力してくれます。
なので、コードブロックかどうかは“致命的な差”ではありません。
ただ、デフォルトでコードブロック=コピーボタン一発で出してくれるのは、やっぱり気持ちいいし、運用は速いです。
【GPTs活用早見表】
基本スペックを「早見表A」、出力の性格を「早見表B」に分けました。
画像版とテキスト版を用意しましたので、使いやすいほうを活用していただけると嬉しいです。
■画像版


■テキスト版
早見表A:基本スペック
No 1|特性:詳細指示|コード:なし|ボタン:1
No 2|特性:必要最小限|コード:なし|ボタン:4
No 3|特性:シンプル|コード:なし|ボタン:3
No 4|特性:超詳細指示|コード:あり|ボタン:4
No 5|特性:必要最小限|コード:なし|ボタン:4
No 6|特性:超詳細指示|コード:あり|ボタン:1
No 7|特性:詳細指示|コード:なし|ボタン:4
No 8|特性:シンプル&詳細|コード:あり|ボタン:0
No 9|特性:必要最小限|コード:なし|ボタン:2
早見表B:出力の性格
No 1|登場人物:なし|別パターン:なし|オチ変換:そのまま
No 2|登場人物:あり|別パターン:あり|オチ変換:変換&指定
No 3|登場人物:なし|別パターン:あり|オチ変換:そのまま
No 4|登場人物:あり(詳細)|別パターン:なし|オチ変換:変換&指定
No 5|登場人物:あり(詳細)|別パターン:あり|オチ変換:変換&指定
No 6|登場人物:あり(詳細)|別パターン:なし|オチ変換:変換のみ
No 7|登場人物:あり(詳細)|別パターン:なし|オチ変換:変換&特定
No 8|登場人物:なし|別パターン:なし|オチ変換:変換のみ
No 9|登場人物:あり|別パターン:なし|オチ変換:変換のみ
(補足)
※1:「オチ表現の変換」は、自作台本の「ドリフのオチのような効果音」が、GPTs側でどう言い換え・具体化されたかの指標。
※2:No.3〜No.5は英語版だが、翻訳で日本語化すれば日本語GPTsと同様に使用できる。
※3:No.4・No.6の2本は超詳細指示系(神は細部に宿る系)。
【総評】
自分の台本で直に生成した動画は悪くなかったが、ややシンプル過ぎた感はあった。
優秀なGPTsの映像設計を借りることで、いつもとは違うテイストの動画が作れることが分かった。
7時間かかったが、この検証を通らずに クオリティと効率を上げるのは無理だった と思う。
現時点での最適解は、
台本は自作する
映像設計(カメラ・質感・間・制約)は優秀なGPTsの型を借りる
このハイブリッド運用になった。
さらに、用途に応じて、
複数のGPTsを目的別に使い分ける
GPTsの対話ガイドを使ってストーリーから組み立てる
自作台本のまま生成する(あえて素朴さを活かす)
など、その時に欲しい動画によって手法を選択していくのがベターだと思った。
【編集後記】
9本のGPTsの比較検証を終えて、僕はこんなことを考えた。
誰かが作ったGPTsと言っても、結局出力しているのはChatGPT。
だから、GPTsを使わずとも、ChatGPTに直接指示すれば動画生成プロンプトは作れる。
カメラワークも、時間割も、希望を言えば出してくれる。
ただし、自分が指示する限り「いつも通りの枠」を超えにくい。
同じ知識と、同じ癖のまま指示を送れば、返ってくる答えもだいたい「いつも通り」になる。
GPTsを経由するということは、
自分以外の誰かの知識や癖(=型)を借りることに近い。
これはかなり大きいメリットだと思った。
自分は映像の知識がほとんどない。
映像の知識がプロンプトに入るかどうかで、仕上がりは大きく変わる。
素人感が出るのは、知識不足がそのまま出力に反映されるから。
でも世の中は広い。映像の知識を持つ人はたくさんいる。
そして公開されているGPTsには、そういう人が作った“映像設計の型”が含まれていることがある。しかも誰でも自由に使える。
実際に比較すると、GPTs経由の動画は質感やカメラワーク、人物の動きが違っていた。
自分の動画はやや単調に見える。これは、指示が単調だった結果の表れだと思う。
今回9本のGPTsを比較検証したことで、
これはレギュラーで使う
これはマンネリ打破で時々使う
これは用途が限定される
といった判断ができるようになった。
しばらくはこの体制でやっていこうと思う。
【今回の実験は人生縮図~面倒くさいという自分の気持との戦い~】
今回、こんなに熱量高く、詳細な検証を行ったのにはわけがあります。
公開されているGPTsは膨大にある。
だが、それらは良い順に並んでるわけではない。
適当に選んだGPTsを使っても、当たりが出る可能性は低い。
「どれが良いのかわからない状態」というのは、戦力として数えられない。
公開された良質なGPTsはある。でも、それはどれかわからない。
そんなモヤモヤだけが常にあった。
現状を打破するには、ある程度時間を投下しなければならない。
適当な検証からは、適当な結果しか得られないだろう。
すべての物事はトレードオフで成り立っている
僕は、この件についてはしっかりと検証する必要性を感じた。
大変かもしれないが、時間を設けてしっかりと検証することによって、
次のステージに進め、確かな答えを出すことができる。
それによって、同じ場所へ戻ってくる必要がなくなる。
実はこれが一番大きな理由なのかもしれない。
確かな答えを出せた時、もう同じ場所に戻って来る必要はない。
逆に、確かな答えが出せなかった時、また戻って来る必要がある。
その後、何回も行き来することもある。
であれば、
「やるなら今でしょ」となったわけです。
この「同じ場所に戻ってこなくていい」というのは、僕は結構重要だと思っていて。
その時は、時間も労力もかかるし、大変で苦しいものなのかもしれない。
でも、長い目で見るとタイパ・コスパは良くなる。それは精神衛生的にも良い。
モヤモヤっていうのは厄介で、
「いつも何とも言えないものがそこにある」
「置き忘れてきた何かに心を支配される」
そんな後ろ髪を引かれる感覚のまま毎日を過ごすことになる。
これは今回のGPTs検証の話だけじゃなく、生活全般について言えることだと言えます。
後回しにするとロクなことにはならない。
これは、古今東西で言われ続けることだと思うんですが。
なかなか、面倒臭いんですよね。
色々と自分自身に言い訳してみたり。。。
以前、宮崎駿さんがNHK「プロフェッショナル 仕事の流儀」の中で、
「めんどくさい」を連発していたことが話題になりました。
「世の中の大事なことって、たいてい面倒くさいんだよ」
って、あれ刺さりますよね。

大事なことはたいてい面倒くさい。
激しく同意。ホント、そう思います。
でも、
宮崎駿さんクラスでもそうなんだから。
そう思うと少し心が軽くなった気がしました。
では、また✋