生成AIで「楽曲制作」「MV制作」の可能性を探る(AIツール比較とプロンプト比較、生成AIサービスコスト検証)

　近年、AI技術の進化により、映像制作の在り方が大きく変化しています。特にK-POPをはじめとするMV制作において、AIを活用したコンテンツが増えており、より高品質で個性的なビジュアルが追求されています。
生成AIを活用した映像制作のプロセスとその可能性について紹介します。
※2024年12月～2025年01月時点

目次

1. 【まずは完成品から】
2. 【MV制作におけるAIの活用】
3. 1. 制作フローの検討
4. 2. 曲名と楽曲生成
5. 【AIによる動画生成の比較】
6. 比較した動画生成AIツール
7. AI生成品質の比較結果
8. 【MVの世界観・ストーリー設定】
9. 【MV制作における課題と対策案】
10. 【MV制作の生成AIサービスコスト】
11. 【まとめ】

【まずは完成品から】

https://www.youtube.com/watch?v=l5aE_rBQyfs

この楽曲とMVは全てAIで生成したものです。

解説していきます。

【MV制作におけるAIの活用】

1. 制作フローの検討

通常のMV制作における、一般的なフローは以下の通りです。

　1.楽曲作成＆分析
　　歌詞、メロディー、リズム、テンポを分析
　2.ストーリー設定
　　MVのコンセプトや物語、キャラクター設定を決定
　3.世界観設定
　　建築物、ファッション、カラーなどのリファレンスを集め、チームで統一感を持たせる
　4.映像制作
　　カット割り、絵コンテ/Vコンテを作成し、動画生成後に編集を行う

今回のAI映像制作フローもおおよそ変わりはありませんが、以下の通り設定し、実行しました。

　1.歌詞・楽曲生成
　　歌詞を生成後、SUNO AIで楽曲を生成
　2.ストーリー+世界観設定
　　MVのコンセプトや物語、キャラクター設定を決定
　　建築物、ファッション、カラーなどPinterest等でリファレンス集め
　　必要があればMidjourneyで画像を生成する
　3.映像制作
　　カット割りやコンテは作成せず、動画生成後に編集を行った

2. 曲名と楽曲生成

AIツール「SUNO」を使用し、ChatGPTより生成した歌詞を元にK-POP風の楽曲を作成。複数のバリエーションを比較し、最適な楽曲を選択し、音質の向上やステム分離には「Ultimate Vocal Remover」を活用しました。

曲名は”Echo7light”

※曲名はChatGPTにより命名

歌詞もChatGPTで制作

生成楽曲①
https://suno.com/song/5b8523c7-29e9-4eeb-be98-74c17b15cee2
生成楽曲②
https://suno.com/song/65480018-60cf-4c0b-a0cc-981a4060c5b8
生成楽曲③
https://suno.com/song/5b8523c7-29e9-4eeb-be98-74c17b15cee2
‍生成楽曲④
https://suno.com/song/8db05ac0-fda1-4e1f-a372-01d0eae366bb
生成楽曲⑤
https://suno.com/song/7e1eb66d-28c1-436e-a6f5-18fa05213902

最終候補①
https://suno.com/song/e51152ff-b13a-42f4-bb68-e491ba63cc44
最終候補② ※こちらを採用
https://suno.com/song/3f0ad17c-0a9f-4c4c-93e4-1f47ed17062b

【AIによる動画生成の比較】

比較した動画生成AIツール

・Runway（米国製の動画生成・編集ツール）
・Vidu AI（中国・清華大学が開発）
・Hailuo AI（中国MiniMax製）
・KLING（中国Kuaishou製）

AI生成品質の比較結果

・KLINGが最もMVらしい映像を生成。
・Runwayは背景の破綻が目立つ。
・Vidu AIはカメラワークが弱い。
・Hailuo AIは不安定で制御が難しい。

比較方法は下記の手順で行っています。
①Midjourneyにて元画像を作成

Midjourneyにて元画像を作成

②それぞれの動画サービスに、同じプロンプト、画像で入力する。
　※各ツールのパラメータはデフォルト設定のまま使用

Freestyle dynamic camera movement: The camera moves fluidly around a silhouetted woman standing in front of sheer curtains, capturing dramatic lens flares as the sunlight streams through. The setting evokes a retro cinematic aesthetic with muted tones, soft light, and a nostalgic atmosphere. The woman’s delicate lace dress and her motionless, contemplative pose add an air of mystery. cinematic retro footage

③出力された映像を比較
　※AIツールは試行回数を増やすことで精度が向上するが、コストがかかる点も考慮する必要がある。

https://www.youtube.com/watch?v=HdelB49aKYY

https://www.youtube.com/watch?v=TEoa5UDX7yg

https://www.youtube.com/watch?v=4DC37Tq19u4

https://www.youtube.com/watch?v=YNs0QTINJLg

https://www.youtube.com/watch?v=QEL49sSLEAU

https://www.youtube.com/watch?v=9ZG5EX0_TUU

https://www.youtube.com/watch?v=gqy3ryiFhD0

https://www.youtube.com/watch?v=6BGuSWsp3fQ

【MVの世界観・ストーリー設定】

AI映像制作では、Surreal（シュール）な世界観が人気だと思われる。(よく見る)

・楽曲に合わせてダークでクールな雰囲気を出すため、Midjourneyでリファレンス画像を生成
・KlingAIで動画生成＆リップシンク調整
・シーンごとに試行錯誤しながら映像を制作

Midjourneyで生成したリファレンス画像

【MV制作における課題と対策案】

【課題】
・AIツールの依存度が高い → サーバーダウンなどで作業が停滞。
・カメラワークの指定が難しい → 静止画と異なり、動的な演出が不安定。
・試行回数によるコスト増加 → 生成クレジットが必要。
・細部のディテール表現が弱い → 衣装やブランド品の再現が難しい。

【解決策】
・複数のAIツールを組み合わせる → 依存リスクを分散。
・カメラワークを詳細に指定する → 絵コンテや、リファレンス画像を適切に検討。
・試行データを蓄積・共有 → 効率的な制作ワークフローを構築する。

【MV制作の生成AIサービスコスト】

ちなみに今回の検証でAI生成でかかった費用はこんな形。

Midjourney 5000円、SUNO 1500円、KlingAI 4500円、合計11,000円‍

これらを踏まえて、改めて完成品映像を見ていただきたい。

https://www.youtube.com/watch?v=l5aE_rBQyfs

【まとめ】

　AIを活用した映像制作は、従来のMV制作に比べて低コストでありながら、高品質な映像を生み出す可能性を秘めています。ただし、特定のツールに依存しすぎるリスクや、AIの制約を理解した上での試行錯誤が求められると感じます。
　
　カディンチェでは、今後もさらに進化するAI技術を活用し、映像制作や技術開発を含む様々な分野での新たな可能性を探求、調査していきます。