Veo 3 AIで短編映画を作る方法（2026年完全ガイド）

短編映画は常に、ストーリーテラーにとっての試練の場であり続けてきた——表現の簡潔さ、創造的なビジョン、そして技術的なスキルを同時に求める形式だ。2026年、GoogleのVeo 3は、ソロクリエイターが達成できることを根本から変えた。シネマティックな映像生成、ネイティブなオーディオ合成、そして前例のないシーンの一貫性により、Veo 3は映像制作者がカメラクルー、高価な機材、数千ドルに及ぶ制作予算なしに、プロ品質の短編映画を制作することを可能にした。

このガイドでは、最初のコンセプトと脚本から、ショットごとのプロンプトエンジニアリング、キャラクターの一貫性テクニック、オーディオデザイン、ポストプロダクションのワークフロー、そして配信戦略まで、完全なプロセスを解説する。ベテランの映像制作者としてAIツールを探求している方も、語るべき物語を持つ初めてのクリエイターも、このガイドは2026年に存在する中で最も包括的なVeo 3短編映画ガイドである。

---

Veo 3が短編映画制作に特別に適している理由

ワークフローに入る前に、なぜVeo 3がナラティブ映像制作において以前のAI動画ツールと一線を画しているのかを理解しておくと役立つ。

シーンレベルでのシネマティックな一貫性

以前のAI動画ジェネレーターは、説得力のある個別クリップを生成していたが、複数のショットが同じ世界に属しているように見せる必要がある場合には苦戦していた。Veo 3はプロンプト間の時間的一貫性とスタイル維持の改善によってこれに対応した。最初のショットで視覚的な文法——特定のライティング、カラーグレーディング、焦点距離——を確立すれば、意図的なプロンプトエンジニアリングによって、シーケンス全体を通じてそれを維持できる。

ネイティブなオーディオとダイアローグ生成

Veo 3の最も革新的な機能の一つは、同期オーディオを生成する能力だ——アンビエントサウンド、ミュージックベッド、そして最も重要なスポークンダイアローグ。短編映画にとって、これはボイスアクター、ADRセッション、別個のオーディオソフトウェアを必要とせず、キャラクターが実際に話すシーンを制作できることを意味する。Veo 3のオーディオモデルは、砂利の上の足音、窓を叩く雨音、視覚的環境に合った群衆のざわめきを生成できるほど、シーンのコンテキストを十分に理解している。

プロンプト対応のシネマトグラフィー

Veo 3は演出の言語を理解する。レンズの選択（50mmプライム、アナモルフィックワイド）、カメラムーブメント（スローなドーリーイン、ハンドヘルドフォロー）、被写界深度（シャロウフォーカス、ラックフォーカスプル）、ライティングセットアップ（ゴールデンアワーの逆光、実際の室内タングステン光）を指定できる。この語彙は、シネマトグラフィーがもはやハードウェアの問題ではなく、ライティングの問題であることを意味する。

出力時間とシーンのつなぎ合わせ

Veo 3は高品質で約8秒のクリップを生成し、一部のモードでは16秒まで延長できる。短編映画は、ペーシングによって通常30〜120ショットを必要とする。この制約を念頭にショットリストを計画することが、このガイドが教える重要なスキルの一つだ。

---

ステップ1：Veo 3のためのコンセプト開発と脚本構造

適切なストーリー形式の選択

2026年において、すべての物語がAI生成映像制作に同等に適しているわけではない。Veo 3が得意とするのは：

• 単一ロケーションのドラマ — 世界観の構築が最小限で済み、視覚的一貫性の維持が容易
• モンタージュとムードピース — ショットの多様性が厳密な連続性よりも重要な作品
• 視覚的文法を持つジャンル映画 — ノワール、SF、ホラー、ウェスタンはVeo 3のトレーニングデータが豊かに表現している確立された美学を持つ
• キャラクタースタディ — 複数のシーンにわたる1〜2人のキャラクターに焦点を当てた物語
• ドキュメンタリースタイルのナラティブ — わずかな不一致がナチュラリズムとして読まれる作品

少なくとも経験を積むまでは避けるべきもの：多くのキャラクターが登場する複雑なアクションシーケンス、ショット間での厳密なオブジェクトの永続性を必要とする物語、多数の異なる顔を必要とする群衆シーン。

Veo 3対応の脚本執筆

従来の脚本は役立つが、映像制作者がショットブレイクダウンと呼ぶもの——生成する必要があるすべての個別クリップのリスト——も作成する必要がある。平均的なクリップ時間を考慮して約24クリップ/分で5分間の短編映画の場合、約120クリップが必要だ。

これを念頭に脚本を構成する：

1. 三幕構成、圧縮版 — 設定（第一幕）は1〜2分。対立（第二幕）は2〜3分。解決（第三幕）は1〜2分。
2. シーンの経済性 — すべてのシーンは少なくとも2つの目的を果たすべき：プロットを進め、かつキャラクターを明かす、または設定を確立しながら緊張を構築する。
3. ダイアローグをシーンのアンカーとして — Veo 3では、ダイアローグがシーンを固定する。キャラクターが話す場所と沈黙する場所を計画し、アンビエントオーディオが重みを担えるようにする。

5分間の短編映画のための三幕アウトライン例：

「ラスト・シグナル」——SF драма

• 第一幕（90秒）：宇宙飛行士が深宇宙ステーションで異常な送信を発見する。ステーションの設定ショット、計器のクローズアップ、ワークステーションでのキャラクター紹介。
• 第二幕（150秒）：信号の発信源を調査し、前のクルーの痕跡を発見する。発見ショット、環境ストーリーテリング、一つの短いダイアローグシーンを通じて緊張が高まる。
• 第三幕（60秒）：返答を送り、待つ。星々を背景にしたステーションの最終ワイドショット。オープンエンディング。

---

ステップ2：ショットブレイクダウンとプロンプトアーキテクチャ

ショットブレイクダウン文書

Veo 3のプロンプトを一つでも書く前に、ショットブレイクダウンを完成させる。これはショット番号、シーン、ショットタイプ、カメラムーブメント、被写体のアクション、ダイアローグ、制作メモの列を持つ表だ。Veo 3でプロンプトを入力する前にこの作業を徹底することで、何時間もの反復を節約でき、最終的な映画が生成されたクリップのランダムなコレクションではなく、意図的な視覚的リズムを持つことを確保できる。

高パフォーマンスなVeo 3プロンプトの解剖

ナラティブ映像制作のためのすべてのVeo 3プロンプトには、以下の要素をこの順序で含める必要がある：

1. ショットタイプとフレーミング — クローズアップ、ミディアムショット、ワイドエスタブリッシングショット、オーバーザショルダー、POV
2. 被写体の説明 — フレームに誰または何があり、何をしているか
3. 環境 — ロケーション、時刻、天気、建築的または自然的な詳細
4. シネマトグラフィー — レンズ、カメラムーブメント、被写界深度
5. ライティング — 品質（ハード/ソフト）、方向、色温度
6. ムードとトーン — ショットの感情的な方向性
7. オーディオキュー — アンビエントサウンド、ダイアローグ、音楽の方向性
8. ビジュアルスタイルの参考 — フィルムグレイン、カラーグレード、映像制作の時代

プロンプトテンプレート：

[ショットタイプ]、[被写体のアクション]、[環境の詳細]、[カメラムーブメント/レンズ]、
[ライティング]、[ムード]、[オーディオ]、[スタイルの参考]。

Veo 3短編映画のための実際のプロンプト例

オープニングエスタブリッシングショット——SF：

ワイドエスタブリッシングショット、円筒形の深宇宙研究ステーションが星の海をゆっくりと
回転し、青い三日月形として遠い背景に地球が見える。極端なワイドからミディアムワイドへ
7秒かけてスローなプッシュイン。クールな青白色の実際の照明、大気なし、低い超低音の
ハム音以外は無音。フォトリアリスティック、アナモルフィックレンズフレア、
「2001年宇宙の旅」のカラーパレットにインスパイアされた作品。

キャラクター紹介——室内ドラマ：

ミディアムクローズアップショット、短い銀髪と疲れた目を持つ40代の女性が
散らかった金属製のワークステーションに座り、計器パネルの青い光だけで顔が照らされている。
彼女はゆっくりと前に手を伸ばし、点滅する赤いインジケーターライトに触れる。
手から顔へのラックフォーカス。ステーション内部のアンビエントハム音。
繊細な緊張感。フォトリアリスティック、35mmフィルムグレイン、
温かいタングステン光とコールドなモニター光が混ざり合う。

ダイアローグシーン：

オーバーザショルダーミディアムショット、宇宙ステーションのユニフォームを着た女性が
無線パネルに向かって緊迫した様子で話している。彼女は「ステーション・ケプラーより
ミッションコントロールへ、周波数1420で信号を受信しています。私たちのものではありません」
と言う。彼女の声は金属の廊下でわずかにエコーし、頭上の蛍光灯が繊細な影を作る。
最小限の揺れのあるハンドヘルドカメラ。ステーションのバックグラウンドノイズを伴うリアルなオーディオ。

感情的なクローズアップ：

女性の目の超接写、涙が浮かんでいるが流れていない。彼女はフレーム外の何かを見つめている。
背景のぼかされたオブジェクトへとラックフォーカスがゆっくり引く。
遠くに聞こえる金属的なカチカチ音以外は完全な静寂。
小さな舷窓からのゴールデンアワーの光。スローモーション120fps。
彩度を落としたカラーグレード。

---

ステップ3：シーンをまたいだキャラクターの一貫性

キャラクターの一貫性は、Veo 3短編映画制作において最も難しい技術的課題だ。Veo 3は各クリップを独立して生成するため、主人公はショット間で微妙に外見が変わることがある。2026年においてプロが使用するテクニックを紹介する。

キャラクタープロンプトの「バイブル」を構築する

そのキャラクターが登場するすべてのプロンプトに貼り付ける、各キャラクターの詳細なテキスト説明を作成する。効率のために60語以内に収めるが、最も特徴的な視覚的マーカーを含める：

キャラクターアンカー——エレナ・バスケス：女性、40代前半、
黒髪に銀色の筋が入ったショートヘア、鋭い顎、疲れた茶色の目、
左眉の上に小さな傷跡、左肩にミッションパッチのある濃紺の技術ユニフォームを着用、
細身、中背。

このアンカーブロックを、エレナが登場するすべてのプロンプトの冒頭に配置する。Veo 3はこれを一貫性の参照として使用する。

一貫性のためのショットタイプ戦略

ショットが近くなるほど、キャラクターの一貫性が高まる。この階層を使用する：

• ワイドショット — キャラクターの詳細はあまり重要ではない。エスタブリッシングシーンに自由に使用可能
• ミディアムショット — 完全なキャラクターアンカーを貼り付け、注意深くレビューする
• クローズアップ — 顔は最も変動しやすい。複数のテイクを生成して最も一貫したものを選択する
• 超接写 — 手、目、オブジェクトに焦点を当てる。全顔の詳細は避ける

セッションの切れ目をまたいだ連続性

Veo 3は別々の生成セッション間でメモリを保持しない。複数日にわたってクリップを生成する場合は、最良の参照クリップを保存し、可能な場合はimage-to-videoの開始フレームとして使用する。多くのVeo 3ワークフローでは「ヒーローフレーム」——最良のキャラクタークリップから抽出した単一の静止画——を後続のキャラクターショットの参照画像として使用する。

参照画像の活用

以前のクリップからキャラクターの良い参照画像がある場合は、新しいショットのimage-to-videoインプットとして使用する。これにより顔と衣装の一貫性が劇的に向上する。ワークフローは：

1. テキストプロンプトで初期キャラクタークリップを生成する
2. 動画エディターを使用して最良のフレームを抽出する
3. そのフレームを参照画像として使用し、後続のクリップには省略されたキャラクタープロンプトを組み合わせる
4. 各キャラクターの承認済み参照フレームのフォルダを管理する

---

ステップ4：シーン構成とビジュアルストーリーテリング

Veo 3におけるカメラアングルの言語

カメラアングルはサブテキストを伝える。それらを意図的に使用することで、Veo 3の短編映画が生成されたものではなく、演出されたように感じられる：

• ローアングル（被写体を見上げる） — 権力、脅威、重要性。「司令官が悪いニュースを伝える際の、見上げるローアングルミディアムショット。」
• ハイアングル（被写体を見下ろす） — 脆弱性、小ささ、監視。「広大な廊下に一人でいるエレナのハイアングルワイドショット。」
• ダッチアングル（傾いた水平線） — 不安、心理的不安定さ。「点滅するラジオパネルのダッチアングルミディアムクローズアップ。」
• アイレベル — 中立性、ナチュラリズム、平等性。ほとんどのダイアローグシーンに使用する。
• POVショット — 没入感、共感。「暗い廊下をゆっくり進むPOVショット、懐中電灯のビームが左右に sweep する。」

シーントランジションと視覚的リズム

ショットブレイクダウンでは、トランジションを意図的に計画する。Veo 3のクリップはどのビデオエディターでも編集できるが、プロンプティングの段階でトランジションのタイプについて考える：

• 反対のショットサイズへのハードカット — ワイドからクローズアップへのカットはインパクトを生む。シーケンス：ワイドエスタブリッシング → ディテールの超接写。
• マッチカット — 動きや形が響き合う2つのクリップ。レバーに手を伸ばす動きとドアのハンドルに手を伸ばす動きを一致させる。
• スマッシュカット — 急激なトーンの転換。静かな親密なシーンから突然騒がしい環境への切り替え。
• ディゾルブペア — 開始/終了フレームでうまくフェードする2つのクリップを生成する。時間の経過のトランジションに役立つ。

ストーリーテリングとしてのライティング

すべてのVeo 3プロンプトにライティングを説明する。偶然に任せてはならない。確実に機能する具体的なライティングの方向性：

「左側の単一の窓から照らされ、ハードな方向性のある光が顔の右半分に長い影を落とす。
ゴールデンアワーの温かみ、部屋の残りの部分は深い影の中」

「三点照明セットアップ、右上からのソフトなキーライト、コントラストを下げる左からのフィル、
クリニカルなホワイトバランス、コーポレートインテリアの雰囲気」

「夕日を背にしたシルエット、被写体は完全に影の中でヘアとショルダーへのリムライトのみ、
後ろに温かいオレンジと紫の空」

---

ステップ5：オーディオデザインとダイアローグテクニック

オーディオランドスケープの計画

オーディオは、Veo 3の短編映画が真にシネマティックに感じられる部分だ。すべてのシーンに3つのオーディオレイヤーを計画する：

1. アンビエントベッド — 環境の常時背景音（ステーションのハム音、都市の交通音、森の風）
2. フォアグラウンドオーディオイベント — アクションに結びついた特定の音（足音、ドアが閉まる音、キーボードのタイピング音）
3. ダイアローグまたはボイス — キャラクターの台詞、または内部ナレーション

関連する場合はプロンプトに3つすべてを記述する：

「...アンビエントオーディオ：-20dBの継続的な低いエンジンルームのハム音、
時折聞こえる金属のきしみ音。フォアグラウンド：金属の格子上のエレナのブーツ音、
パイプに当たるレンチの音。このショットにダイアローグなし。」

Veo 3のためのダイアローグ執筆

Veo 3のオーディオ生成が最も効果的に機能するのは：

• 自然な会話的な文の長さ — 発話ラインあたり3〜15語
• 明確な発音のコンテキスト — キャラクターにアクセントがある場合は記載する：「柔らかな東ヨーロッパのアクセントで話す」
• 感情的な方向性 — 「恐怖を抑えながら静かに言う」または「強制的な穏やかさで話す」
• クリップあたり1人の話者 — 1つのクリップで複数のキャラクターが話すとオーディオ品質の問題が生じる。ショット・リバースショットのダイアローグシーケンスを計画する

ダイアローグプロンプトテンプレート：

[キャラクター]のミディアムクローズアップ、[環境]、[ライティング]。
[キャラクター]は「[ダイアローグライン]」と言い、[感情的な方向性]、[カメラの挙動]。
オーディオ：[アンビエントサウンド]、キャラクターの声[ボーカルクオリティの説明]。

例：

ラジオパネルのそばのエレナのミディアムクローズアップ、青い計器光、ステーション内部。
エレナは「ここに一人でいて6ヶ月になります。あなたが聞いた最初の信号です」と言い、
声は静かでわずかに震えており、カメラは軽いハンドヘルドの呼吸感のある動きで静止。
オーディオ：継続的な低いステーションのハム音、ラジオからの柔らかいスタティック、
金属の部屋でわずかにエコーしたエレナの声、音楽なし。

沈黙とサウンドデザインの活用

短編映画の最も力強い瞬間のいくつかは沈黙だ。Veo 3は言葉なしでムードを伝えるアトモスフェリックなアンビエントサウンドの生成に優れている。「沈黙」シーンを意図的に計画する——それはダイアローグシーンをより際立たせるコントラストを提供する。

---

ステップ6：制作ワークフロー——プロンプトからラフカットへ

バッチ生成戦略

クリップを一つずつ生成するのではなく、プロのVeo 3映像制作者はバッチで作業する：

1. 何も生成する前に1つのシーンのすべてのプロンプトを書く
2. 重要なショット（キャラクタークローズアップ、重要なアクションモーメント）の2〜3バリエーションを生成する
3. バッチをレビューし、各ショットのベストテイクを選択する
4. どのクリップがどのショット番号に対応するかを即座に記録する

ショット番号、プロンプトテキスト、生成されたファイル名、選択（はい/いいえ）の列を持つシンプルなスプレッドシートで制作を整理しておく。

ディレクトリ構造

最初からプロジェクトファイルを整理する：

/project-last-signal/
  /script/
    script-v1.pdf
    shot-breakdown.xlsx
  /prompts/
    scene-01-prompts.txt
    scene-02-prompts.txt
  /generated/
    /takes/           （未レビューのすべての生成クリップ）
    /selected/        （承認されたテイク、ショット番号でリネーム）
  /assets/
    /reference-frames/ （キャラクターの一貫性のためのヒーローフレーム）
    /music/
    /sfx/
  /edit/
    rough-cut-v1.mp4
    fine-cut-v1.mp4
  /export/
    final-1080p.mp4
    final-4k.mp4

生成・レビューのループ

5分間の短編映画では、ベストの120クリップを選択するために300〜400クリップを生成することを想定する。この比率は経験とともに改善される——初心者はショットあたり5テイク必要かもしれないが、上級者は多くの場合2〜3テイクで許容できる結果を得る。ヒット率を向上させる主要なプラクティス：

• プロンプトでは創造的よりも具体的に — 曖昧な美的説明は一貫性のない結果を生成する。「ドゥニ・ヴィルヌーヴのスタイルで撮影」は「クールな彩度を落としたカラーグレード、超ワイドな構図、スローな動き、アナモルフィックなボケ」よりも信頼性が低い。
• 失敗したプロンプトの反復 — あるショットタイプがうまくいかない場合、プロンプト全体を書き直すのではなく、一度に1つの特定の要素を追加する。
• 成功したクリップを参照として使用する — クリップが望む美的を完璧に捉えた場合、その特定の品質を説明し、後続のプロンプトでそれを複製する。

---

ステップ7：Veo 3短編映画の編集

ソフトウェアの選択

どのプロのビデオエディターもVeo 3