
FIRST TAKE風動画の作り方|AIツールで誰でも簡単に再現可能
こんにちは、このnoteではAIをつかって「FIRST TAKE風の動画(PV)」を作る方法を解説していきます。
はじめにお伝えしますが、有料のAIツールが複数必要なのでご了承ください。
完成版はこちらです。
@futarishizukani 手引 -initiation- #suno #V系 #女風 女風の使い方をV系の音楽にのせて解説しています。
♬ オリジナル楽曲 - 内向的女性専用レンタルフレンド「ふたりしずかに」 - 内向的女性専用レンタルフレンド「ふたりしずかに」
この動画を制作するにあたり、以下の点についてお伝えできればと思います。
画像・動画・音声、それぞれの生成AIをどう選んだか
表情豊かに、自然な歌唱シーンを作るポイント
First Take風の映像に仕上げるための各カットの工夫
全体でどれくらいの費用がかかるか
結構試行錯誤したため有料設定しております。人と違うことをやってみたい方はぜひチャレンジしてくださいませ。
ちなにみ音楽作成AIのSUNOは必須なので、こちらからご利用ください。
画像生成が全くの初心者の方だと少々難しいかもしれませんが、ChatGPTのDALL-Eなどで画像生成の経験がある方ならたぶん大丈夫です。
使用するツールについて
必須のものと、ある程度ご自身でどれか選んでもらうツールの両方があります。
必須ツール
SUNO:音楽作成(有料)
DomoAi:動画作成(有料)

SUNOは月1,500円のプロプランで十分です。

DomoAIは月27ドルのスタンダードプランです。
ベーシックだと1分くらいの動画1本なら作成できますが、何度か作成に失敗するとクレジットが足りなくなります。
ご自身でどれか選んでもらうツール
ChatGPT:(一部有料)
リアルな日本人画像を作りたいならGensparkが良いです。Nano BananaとSeedreamという画像生成ツールの両方が使えるので便利です。
おすすめ構成は
です。
動画編集ソフトはDaVinci Rwsolvw以外でも大丈夫です。
MacユーザーならiMovieでもできます。
必要な画像を作成する
正面の全身画像
マイクスタンド単品
ヘッドフォン単品
最低限この3つの画像があればOKです。
First Take動画は同じカットを何回も使用しています。
そのため、AIでこれを作ろうと思った時に同じカットを使い回しして動画を活用することができるので、コストダウンをすることができます。
今回のワークフローだと上半身ショット1枚あればほぼ作れます。



多少画像生成の経験がないと厳しいのですが、Nano Bananaでこの「3つの画像を組み合わせて、ヘッドフォンをしている横向きの画像を出力」する指示をだして生成します。
完成版はこんな感じ。

背景はシンプルな単色で統一する
背景色はどのカットでも一貫して単色の背景色になるように調整しましょう。ごちゃごちゃした背景よりは、単一でシンプルな背景色の方がファーストテイクっぽさが出ます。
ただNanoBanaBaやSeedreamを使っていると、指示していないのに勝手に背景色を変えてくることが多々あります。
そういう時はCanvaなどを使って背景を削除し、自分で決めた単一の背景色で塗りつぶしたところに、背景削除して被写体だけを乗っけて合成画像にするのがおすすめです。
まずはSunoで曲を作ろう
曲を作ります。
SUNOの使い方はYouTube等で沢山上がっているのでこちらでは割愛します。ぜひYouTubeで学んでみてください。
この曲を歌わせたいキャラクターを作ろう
キャラクター画像を作成します。
お好きな画像生成モデルを使って自由に作ってもらってOKです。
私はビジュアル系のボーカルをNano Bananaで生成しました。

必ずしもリアル寄りである必要はないです。
アニメ系キャラでも大丈夫です。
全身ショットで正面の画像を作りましょう。
あとで別カットや素材を作るときに一貫性を持たせることができます。
メインとなる歌唱カットを作ってみよう
さっき作ったキャラクターおよび機材画像をもとに、ファーストテイク風動画のメイン歌唱シーンを作ります。
歌唱シーンで一番使うことになるのは上半身ショットです。上半身ショットさえ作ってしまえば5割くらいの映像はほぼ完成です。
具体的には、こんな感じのシーンを作ります。
※これはヘッドフォンの合成を忘れましたが…FIRST TAKEに近づけるならヘッドフォンも合成しましょう。

DomoAI Talking Avatarを使って実際に口パクさせてみる
さっき作った画像と、あらかじめ作っておいた曲を使い
DomoAIでAIアバターにしゃべらせてみましょう。
左メニュー>AIビデオ>AIアバター

画像と音源をアップロードします。
なお、音声はあらかじめ歌わせたい部分だけをトリミングしておいてください。
切り取るソフトは何でもいいですが、オンラインオーディオカッターってやつを使いました。無料です。
画像と音源をセットし、プロンプトを入力します。

動画の長さに関しては、アップロードした音源が全て収まる長さを選択してください。
MAXで20秒なので、長さは20秒をセットすると効率が良いです。
参考までにプロンプトはこんな感じで英語で入力します。
Footage from a fixed camera. One hand is on the headphones, the other is keeping rhythm and pitch. Feet are completely still. When singing the last long note, both hands are on the headphones and the singer sings powerfully. The microphone stand, microphone and pop filter are stationary.ここまで入力できたら生成します。20秒の動画生成に5~9分時間がかかるので気長に待ちましょう。
このように
曲を分割する
分割した曲+画像でAIアバターに歌わせる
↑これを一曲分繰り返す
最終的に出来上がった動画と音源を動画編集ソフトでつなげる
という作業で1曲を作成していきます。
動画編集ソフトのダビンチリゾルブの使い方もYouTubeにて配信されています。

動画編集については本筋とは違うため詳細な説明は割愛しますが、このようにレイヤー構造になります。
音源のみを再生して、「動画についてくる音源はミュート」します。
まとめ
First Take風動画はカットや画像を使いまわしできるので、最終的に使用する画像と動画は最小限でいけます。
ただ、そこにたどり着くまでにかなり試行錯誤をする場合もあります。
というわけで是非、First Take風動画にチャレンジしてみてください。
不明点はいつでもご相談と…言いたいところですが、時間の都合の兼ね合いもあるため「通話コース」のご予約で操作説明等はさせてください🙇