【PR】MVはどう作る？｜Pollo.aiで「画像なし・画像あり・Agent」の3通りのハロウィン動画を実際に作ってみた🎃

※本記事はPollo AI様よりご依頼をいただき、提供されたクレジットを使用して制作しています。

タクです🎵

今回は、

Pollo.aiでハロウィーンMVを作ってみます🎃

しかも、ひとつの作り方だけではありません。

画像を1枚も使わず30秒。

複数の画像を使って約1分。

そして最後は、

30秒の曲をPollo Agentへ。

同じ「MVを作る」でも、どこまで自分で考えるかで作り方はかなり変わります。

難しそう？

タクも最初はそう思ってました🤣

でも実際にやってみると、思っていたよりずっとシンプル。

今回は完成動画だけではなく、

曲をどう区切ったのか
どこを設定したのか
どんなプロンプトを書いたのか
最後にどう仕上げたのか

まで、そのまま試せる形で見ていきます🎵

今回作るのは、この3本

今回は、3通りのMV制作に挑戦します🎵

今回使用したPollo.ai

Pollo AIを試してみる

通常の動画生成では、今回はWAN 3.0を使用しました。

タクが今回使った設定では、

15秒：90クレジット
30秒：180クレジット

でした。

動画は720pで生成しています。

ではさっそく。

まずは一番気軽なところからいきます🎵

① 画像なし！30秒の縦型ショートMV

まずはこちら。

これ、

画像を1枚も使っていません。

用意したのは、

30秒の曲とプロンプトだけ。

今回は最初から30秒で完結する短いハロウィーン曲を用意して、Wan 3.0で9:16の縦型MVを作りました。

STEP1｜まず、曲を時間で区切る

いきなり動画を作る前に、まず曲の歌詞の時間を細かく分けます。

先に曲を区切っておくと、「何秒で何を見せるか」が一気に考えやすくなります。

ここが今回のポイントです。

動画を作ってから曲に無理やり合わせるのではなく、先に曲の時間を見てから動画を作る。

STEP2｜WAN 3.0を設定

Pollo.aiの動画生成画面を開きます。

今回は、

Wan 3.0
9:16
30秒
720p

に設定。

画像はアップロードしません。

ここだけ確認🎵 WAN 3.0／9:16／30秒／720p。今回は画像なしです。

今回の消費は、

180クレジット。

STEP3｜主人公と「役」を決める

画像がないので、主人公の見た目も文章で指定します。

今回考えたのは、

ハロウィーンの案内人。

銀白色の短いボブヘア。

大きな紫色の瞳。

紫色の猫耳付きフード。

黒・紫をベースにオレンジをアクセントにしたハロウィーン衣装。

そして小さなキャンディバッグ。

ただ「かわいい女の子」とするのではなく、

光るキャンディを配って、夜の街をハロウィーン色に変える人

という役も持たせました。

これで30秒の中にちゃんと物語ができます🎵

STEP4｜歌詞の時間に合わせて、やることを書く

実際に使った考え方はこんな感じです。

9:16の縦型、30秒のアニメーションMV。

主人公は小柄な成人女性の「ハロウィーンの案内人」。
銀白色の短いボブヘア、大きな紫色の瞳、
紫色の猫耳付きフード。
黒・紫をベースにオレンジをアクセントにした
かわいいハロウィーン衣装。
小さなキャンディバッグを持っている。

主人公の顔、髪、瞳、衣装、バッグを
30秒間一貫して維持する。

0:00-4:06
静かな夜の街。
主人公がカメラを見つけ、
いたずらっぽく微笑み、
一緒に遊びに行こうと誘うように手招きする。

4:07-8:05
主人公が振り返って走り出す。
バッグからカラフルな光るキャンディが飛び出し、
通った場所から街の色が変わり始める。

8:06-12:16
主人公が光るキャンディを空へ投げる。
大きな月が楽しそうに笑い、
紫、ピンク、オレンジ、青の光が街へ広がる。

12:17-17:03
主人公が周囲のキャラクターへキャンディを配る。
受け取ったキャラクターたちは、
それぞれ自分らしいハロウィーンの姿へ変わっていく。

17:04-20:29
街全体が一気に輝く。
主人公を中心にカメラが回り、
キャンディ、星、光のリボンがくるくる舞う。
みんなが踊り始める。

20:30-25:16
主人公が大量の光るキャンディを空へ放つ。
街全体がカラフルに染まり、
さまざまなキャラクターが自由に楽しむ。

25:17-30:00
主人公がカメラへ近づき、
光るキャンディを視聴者へ差し出す。
背後でキャンディ、紙吹雪、光が一気に弾ける。
みんなで手を振って明るく終了。

明るくカラフルで、
かわいく少し不思議なハロウィーン。
怖いホラー表現なし。
字幕、歌詞、文字、ロゴなし。
口パク不要。

歌詞そのものをプロンプトへ並べるのではなく、

その歌詞の時間に、どんな画を見せたいか

へ置き換えています。

これで生成🎵

STEP5｜CapCutで曲を重ねる

生成後はCapCutへ。

まず30秒の動画を置いて、その上に完成した30秒曲を0:00から合わせます。

今回ちょっと驚いたのがここ。

細かな部分を除けば調整がいりませんでした。

WAN 3.0がプロンプトの時間指定にかなり沿ってくれたので、細かく切り刻んで作り直すような作業はほぼなし。

元動画に音を入れた場合は必要な部分を使ったり、オフにしたり。

曲を重ねる。

必要なら端を少し整える。

今回はそれくらいです🎵

これなら、

「MVって、まず画像を何枚も作らないと無理なのでは？」

という人でも、かなり始めやすいと思います。

そして30秒ができたところで、

もう少し遊んでみます🎃

② もっとこだわる！複数画像から約1分の横型MV

次はこちら。

今度は逆です。

使いたい画像を先に用意して、画のシーンまで自分で決めます。

やり方の基本は①と同じ。

先に曲の時間を確認して、

その時間に、

どの画像を使う？
何をさせる？

を決めていきます。

STEP1｜今度は「歌詞＋使う画像」を決める

たとえば、

だったら、

「最初はステージ」

「次はパーティー会場」

という感じで、歌詞を見ながら画像を当てていきます。

歌詞の時間に、使う画像を当てはめていきます。ここまで決まれば、あとは動画にするだけ🎵

STEP2｜画像をPollo.aiへ

今回は横型なので、

WAN 3.0／16:9／720p

を使用。

使いたい画像もアップロードします。

ここで便利なのが、

@で画像を指定する方法。

プロンプトの中で、

0:00-1:26 @2(3).jpg

と書けば、

その時間帯で使いたい参照画像が分かりやすくなります。

STEP3｜「時間＋@画像＋動き」で書く

最初のパートはこんな感じ。

0:00-1:26 @2(3).jpg
ハロウィーンカーニバルのステージ。
3人が演奏を始める。
カメラはゆっくり前へ近づく。

1:27-5:00 @2(3).jpg
3人が明るく楽しく演奏。
カメラは滑らかに横へ移動する。

5:01-8:27 @7(20260823-101923).png
ハロウィーンパーティー。
3人がカメラへ向かって、
一緒に遊ぼうと誘うような仕草。

8:28-12:10 @4(20260823-101923).png
3人がハロウィーンの迷路へ走って入っていく。
カメラは後ろから追いかける。

12:11-15:15 @6(20260823-101924).png
月明かりのハロウィーンタウンを3人で走る。

15:16-18:23 @6(20260823-101924).png
キャンディ色の灯りが次々と輝き、
紫、ピンク、オレンジの光が周囲に広がる。

18:24-22:08 @5(20260823-101923).png
少し奇妙だけど怖くないモンスターホール。
3人が楽しそうに進んでいく。

22:09-25:11 @4(20260823-101923).png
再び迷路。
横方向から追いかけるようなカメラ。

25:12-28:27 @6(20260823-101924).png
ピンク、紫、オレンジの光のリボンが
3人の周囲を舞う。
次のシーンへ自然につながるように盛り上げる。

同じ3人のキャラクターを一貫して維持する。
顔、衣装、体型、特徴を変更しない。
明るくカラフルで少し不思議なハロウィーンMV。
怖いホラー表現なし。
字幕、歌詞、文字、ロゴなし。

覚える形はひとつだけ。

時間
＋ @画像
＋ その場面でしてほしいこと

です。

これなら長いプロンプトでも、あとから見返しやすい。

STEP4｜約1分なので分けて生成

今回は、

30秒
＋30秒
＋15秒

の3回に分けました。

WAN 3.0の今回の消費は、

30秒＝180クレジット。

15秒＝90クレジット。

なので、

合計450クレジット。

約1分を3回に分けて生成。

STEP5｜最後にCapCutへ

そしてCapCut。

曲をタイムラインへ置いて、3本の動画を順番に重ねます。

ここも今回、

ほぼそのままでいけました。

プロンプトを書く段階で歌詞の時間に合わせていたので、

「ここを何秒も削って、こっちを移動して…」

という大きな組み直しはほとんどなし。

つなぎを確認して、必要な端だけ少し整える程度。

これはかなり楽でした🎵

つまり今回の①②で分かったのは、

先に曲を区切ってから、その時間で映像を作ると、後の編集がかなり減らせる

ということ。

画像なしでも。

画像ありでも。

考え方は同じです。

では最後。

ここまではタクが、

「何秒で何を見せるか」

まで考えてきました。

じゃあ…

そこをPollo Agentに考えてもらったらどうなる？🤔

やってみます🎵

③ 曲＋イメージをPollo Agentへ🎃

①で使った30秒曲と同じ曲を、今度はPollo Agentへ渡しました。

ただし、

曲だけ渡して完全丸投げ

ではありません。

作る人なら、

「こんな雰囲気にしたい」

「こんな主人公にしたい」

くらいのイメージはありますよね。

なので、そこまではタクが伝えます。

STEP1｜30秒の曲をAgentへ添付

Pollo Agentを開いて、30秒のWAVファイルを添付。

まずは30秒曲を添付。今回はAgent版でも元になる画像は用意していません。

STEP2｜「どんなMVにしたいか」を伝える

実際に渡した内容はこちら。

添付した30秒の楽曲を使って、
9:16の縦型ハロウィーンMVを制作してください。

主人公は、小柄な成人女性のハロウィーンの案内人。
銀白色の短いボブヘア、大きな紫色の瞳、
紫色の猫耳付きフード。
黒・紫をベースにオレンジをアクセントにした
かわいいハロウィーン衣装を着ています。
小さなキャンディバッグを持っています。

世界観は、
明るくカラフルで、かわいくて少し不思議なハロウィーン。
ホラーや怖い雰囲気ではなく、
紫、オレンジ、ピンク、青の光が輝く幻想的な世界。

ストーリーは、
主人公が視聴者をハロウィーンの夜へ誘い、
光るキャンディを配りながら街をカラフルに変えていく。

キャンディを受け取ったキャラクターたちは
それぞれ自分らしいハロウィーンの姿になり、
最後はみんなで楽しいパーティーになります。

楽曲の歌詞、リズム、盛り上がりを分析して、
具体的なシーン構成、
場面転換、
カメラワークのタイミングはお任せします。

主人公の顔、髪型、衣装は
できるだけ一貫させてください。

字幕、歌詞、文字は入れないでください。

①との違い、分かりますか？

時間を書いていません。

タクが渡したのは、

曲
主人公
世界観
ざっくりした物語

まで。

「何秒で何を見せるか」はAgent側です。

すると、いきなり動画を作る…わけではなかった

ここが今回かなり面白かったところ。

Agentはまず、30秒の曲そのものを確認。

実際の長さを29.880秒と測り、歌詞も文字起こししてタイムスタンプを取得しています。

そして曲とストーリーから、

ACT1「誘い」
ACT2「変容」
ACT3「祝祭」

という3幕構成を作りました。

さらに、

全部で16ショット。

主人公の瞳のアップから始まり、

キャンディを渡す。

街が変わる。

みんなが集まる。

最後はハロウィーンの祝祭へ。

という具体的なカットまで設計しています。

しかも、動画を作る前に画像まで作っていた

ここも驚きでした。

Agentは、主人公や背景を複数の動画で揃えるため、

6枚の参照画像

を自動で準備しています。

内容は、

スタイル用画像：1枚
主人公のキャラクターシート：1枚
背景のシーンシート：4枚

です。

そして、その参照画像を使って、

4つの動画セグメント

を生成。

4本を作って、さらに1本へ

まだ終わりません🤣

生成した4本は、

長さを確認
↓
必要なフレームを調整
↓
4本を連結
↓
元のWAV音源をセット
↓
完成尺をチェック

という流れで1本にまとめられました。

完成した動画は、

29.875秒
768×1344px
24fps

です。

つまりAgent版は、

タクがCapCutで4本を並べる必要もありませんでした。

Agent側で完成まで進んでいます。

最後に歌詞を入れて完成🎵

ここまでで、30秒のMV自体は完成しました。

でも今回は、もうひと仕上げ。

最後に歌詞も入れてみます。

Agentへ正しい歌詞テキストを渡して、字幕スタイルは
Neon Glow
を選びました。

すると、歌詞のタイミングに合わせて字幕が入りました。

今回はこちらを最終完成版にしています🎵

映像を作ったあとに別の編集ソフトへ移動せず、

MV制作 → 音源合わせ → 歌詞入れ

までAgentの中で進められたのも面白かったところ。

ちなみに、歌詞字幕の焼き込み自体は2クレジットでした。

気になるクレジットは？

タク、

Agentって、めちゃくちゃクレジット使うんじゃない？

と思ってました🤣

今回の制作ログで、歌詞入りの最終完成版までに使用したクレジットをまとめると、

合計、

約198クレジット。

ただし、字幕生成の6crにはやり直した分も含まれています。

今回は generate_subtitles を3回使用し、
1回2cr × 3回＝6cr になりました。

1回目はタイミングが合わず、
2回目はタイミングは合ったものの表記に誤認識があり、
3回目で正しい歌詞表記に補正して完成しています。

つまり、字幕生成自体は1回2cr。

今回のようなやり直しがなければ、同じ構成なら
194cr相当だったことになります。

今回の記事では、実際に消費したクレジットとして
198crで記載しています🎵

ちなみに、WAN 3.0の30秒生成は180cr。

実際の消費で比べるとAgent版との差は18cr、
やり直し分を除けば14crほどです。

Agentの中で何が起きていたのか、もっと見たい方へ

今回は読みやすくするため、Agentの内部工程をかなりギュッとまとめました。

実際には、

音声解析。

歌詞のタイムスタンプ。

16ショットの詳細。

参照画像。

フレーム単位での調整。

品質確認。

さらに、歌詞の補正や字幕入り完成版まで記録しています。

全部見るとかなり長いので🤣

詳しい制作ログはこちらにまとめました。

Pollo Agentによる30秒MVの制作ログ

3つ作ったら、こんなに違った🎵

最後に、今回の3つを並べてみます。

こうして見ると、

同じ「AIでMVを作る」でも、かなり違います。

まず気軽に試すなら、画像なし30秒。

使いたいキャラクターや場面が決まっているなら、画像あり。

イメージはあるけど、具体的な映像構成から相談したいならAgent。

どれが正解というより、

自分がどこまで作りたいか

で変えればいいんだと思います☺️

そして今回、①と②でタクが一番感じたのは、

先に曲の時間を見てから動画を作ると、MV作りがかなり楽になる

ということ。

WAN 3.0も今回は時間指定をかなり拾ってくれて、

生成後に大きく組み直す必要はほとんどありませんでした。

これなら、

「MV作ってみたいけど、編集が大変そう…」

と思っている方も、ちょっと挑戦しやすいかもしれません🎵

そして、ハロウィーンMV企画も🎃

今回ハロウィーンをテーマにしたのには、もうひとつ理由があります。

現在、

「変でもいい、響けばいい。」番外編🎃

として、

ハロウィーンMV企画を準備しています。

詳細はこちらです👇

基本15〜60秒くらいの短いMVでもOK。

もちろん、フルMVでもOKです🎵

今回のように、

画像なしで作る。

自分の画像から作る。

Agentと一緒に考える。

どんな入り口でも大丈夫。

「やったことないけど、ちょっと作ってみようかな」

そんなきっかけになったら嬉しいです☺️

あなたが、ハロウィンだと思えばそれはハロウィンです😊

どっちがお好き？オマケ動画

WAN3.0とSeedance2.5でハロウィン｜ヘンドレ.verをどうぞ🎵

消費クレジット
WAN3.0は、180クレジット
Seedance2.5は、450クレジット（50％OFFキャンペーン中だったため）
※必要クレジットやキャンペーン内容は、利用する時期や設定によって変わる場合があります

Pollo.aiはこちら

Pollo AIを試してみる

30秒からでも。

画像がなくても。

作りたいイメージひとつからでも。

MVって、思っていたより遊べるかもしれません🎃🎵

タクもまだまだ遊んでみます🤣

ではまた🎵

PolloAIのXも是非フォローを😊

PolloAIはXでクレジットがもらえるイベントもしています✨
時には賞金がでることも🎵