40代のおっさんが初めてMVを作ったら、想像以上にちゃんとしたものができた話。

こんにちは。クロクマです。

今回は、自作曲 (SUNO) のミュージックビデオを初めて作った話を書いてみます。

普段はAI動画をSNSに投稿してたりするんですが、今回は前々からやりたかったMV制作にチャレンジ。

オリジナルで作成したR&Bユニット「Ruby Motel Service」の曲『Lowglass』に、映像をつけてみました。

いきなり結論から言うと、

これです。

ただ、先に言っておきます。

これは「私のセンスがすごかった」って話ではないです。

むしろ逆で、AIへの指示文なんて一から書けないおっさんが、Claude Codeに助けてもらいながらなんとか形にしたという話です。

こちらがそのミュージックビデオ。

フル音源はコチラ⬇︎

まず、何を作ったのか

『Lowglass』というSUNOで作った曲の、いちばん気持ちいいサビの30秒弱を切り取って、映像をつけました。

場面は、アメリカの田舎のハイウェイ沿いにあるダイナー。昼〜夕方の自然光。ちょっとくすんだ、懐かしい感じの色味。

登場人物は、ミックスルーツの女性ボーカル、白人のラッパー、黒人のDJの3人組。

全部で11カット。女性ボーカルの "歌い出しの感情顔" のアップからいきなり掴む構成にしました。

色々なカットを色々な順番で並べてみましたし、claude codeにもこの順番がいんじゃね？みたいに言われましたが、曲や歌詞との波長？でこんな構成なったという経緯。

最後の仕上げ (11カットを並べて・尺を詰めて・書き出し) はFinal Cut Proでやりました。

基本私は本業があるので時間があまりないです。ひとりで1から作っていたら何日かかったかわかりません。

相棒 (claude code) がいたから、なんとか形になった。そういう話です。

使った道具立て

MV制作をやったことがない人向けに、今回の流れを先に置いておきます。

画像も動画も、生成はぜんぶHiggsfieldというサービスを通して作りました。Claude Codeからそのまま操作できるので、これが後で話す内容にもつながってきます。

このうち、

これらをClaude Codeが引き受けてくれました。

④のリップシンクの実行だけは、私が自分の手でやりました。

理由は単純で、画像や動画づくりはもう何度もAIと一緒にやってきて慣れてるんですが、口を合わせる作業だけは今回が初めてだったから。

しかも、動画を実際に目で見ながら「このタイミングから口を動かし始めよう」って決める必要がある作業だったので、そこは自分の目で確かめながらやりたかったというわけです。

Claudeにやらせられなかった、という話ではなくて、初めてのことだからこそ、あえて自分の手を通しておきたかった、というのが正直なところ。

これらが今回の肝です。

なぜ「画像 → 動画 → 口合わせ」を分けたのか(Klingの"Avatar"機能を使わなかった理由)

実はKlingには「Avatar」という機能があって、写真1枚と音声を渡すだけで、動画化とリップシンクを一気にやってくれます。

最初これを知ったとき、「これ1回で済むじゃん」と思いました。

でも試してみたら、うまくいきませんでした。

理由は、おそらくですが、

からだと思います。

普通の動画生成 (私が今回使ったやり方) だと、キャラクターリファレンスを渡し人物や背景の一貫性を保てます。でもAvatarは、渡した写真1枚だけがすべての元になる仕組みで、他のカットとの顔の一貫性を保つための追加の手がかりを渡せません。

これは私の思い込みじゃなく、念のためAI側にKlingの公式ドキュメントを確認してもらいましたが、やっぱりそういう仕様でした。

別に歌わせるだけならたいして破綻しなくね？と思うかもしれません。もちろんそれもありますが、ここで持ち前の完璧主義が発動してしまい微妙な差が気になってしまったということ 笑

Avatarには動きを指定するプロンプトも入れられるので、「動きもある程度コントロールできそう」と思ったんですが、実際にやってみると、動かし方・口合わせを全部1回に詰め込んでいるぶん、なんとなくどこかが中途半端になるという感覚がありました。全部同時にやろうとすると、結局どれも「まあまあ」止まりになる、という感じです。

なので今回は、あえて手間をかけて、画像を作る→動かす→口を合わせる、と工程を分けました。

ここで一つ、これから作る人向けに言っておきたいことがあります。

特に今回みたいな実写系のMVは、アニメ・イラスト系と違って、顔や質感のちょっとしたズレ・破綻がすごく目立ちます。アニメ調ならある程度の"揺れ"は絵柄で吸収されますが、実写だと一発で「あれ、さっきと別人じゃない?」ってなりやすい。

手間は増えますが、その分ブレを抑えられるので、今回は工程を分けるほうを選びました。

私が渡したものとClaudeがやってくれたこと

ここが一番わかりやすいと思うので、表にしてみます。

要するに、

この分業が、めっちゃ効きました。

ふわっとした言葉が確実なプロンプトに化ける

正直に言うと、私はAIへの指示文 (いわゆるプロンプト) を英語で一から書けません。私だけじゃなくほとんどの人がそうだと思います。

AI画像・動画は、このプロンプトの良し悪しで結果が全然違う世界で、そこが初心者の最大の壁だと思っています。

でもClaude Codeは、私が日本語でふわっと言ったことを、めちゃめちゃ的確なプロンプトにしてくれました。

「昼の自然光で、作り物っぽくなく、映画『スワロウテイル』みたいな、色あせた昔のフィルムカメラっぽい質感で」みたいな曖昧な注文を、ちゃんと効く英語の指示に翻訳してくれる。しかも「コントラストを強くしすぎない」「ネオンっぽい色は使わない」みたいな、細かい"やってほしくないこと"の指定まで、勝手に付け足してくれます。

これ、自分で調べながらプロンプトを書くより圧倒的に速いし、確実でした。（もはや今の時代自分でプロンプト書いてる人いないと思うけど 笑）

ここが「1から自分でやるより、Claude Codeを使ったほうが早い」と実感したポイントのひとつです。

プロンプトを作ってもらうコツとしては、

AIの生成ツールは、モデルごとに "効くプロンプトの書き方" (プロンプト構文）が微妙に違います。

だから私はいつも先に、

「今回はNano Banana Proで」「これはKlingで」「Midjourneyで」

と使うモデルを指定して、そのうえで「そのモデル向けのプロンプト構文をを調べて、それに合わせてプロンプトを作って」と頼んでいました。

こう頼むと、Claudeがそのモデル向けの最適な形で書いてくれます。

ここまででひとつだけ注意点です。

今回これがスムーズだったのは、Claude Codeが生成サービス (Higgsfield) と直接つながっていて (CLI / MCP) 、指示文を作るところから実際に生成するところまで、ひと続きでやってもらえたからです。

こういう、ソフト同士が裏でつながっているタイプのAIなら、指示文作り〜生成までを一気に任せられます。

つながっていない or つなげられないAIの場合は、生成そのものは自分で手動(指示文をコピペしてツールに貼る) になります。

でもそれでも十分アリです。

構成やアイデアを考えるのはAIのほうが人間より遥かに得意なので、「プロンプトと構成はClaude Code、実際にボタンを押すのは自分」という組み合わせでも全然いけます。

では、簡単なところですがオープニングのカットでのやりとりの実例を。

私がふわっと言ったこと :

Claudeが組み立ててくれたプロンプト (実際は英語。日本語にするとこんな内容) :

こんなふうに、私の "気分レベルの注文" が、そのまま使えるちゃんとしたプロンプトになる。

これは本当に楽です。別にMVじゃなくても使えるし、画像プロンプト、動画プロンプト関係ないです。

実際の作り方(画像 → 動画 → 全体の構成)

プロンプト作りは、「画像を作るとき」と「動画にするとき」で分けて考えると分かりやすいです。

画像を作るとき

1. まずキャラクターシート・キャラ画像・背景の画像を用意して、「このファイルを読んで」とClaudeに渡す。

2. そのうえで「こういう感じの構図で作って」と頼む。

3. Claudeが使えそうな候補を何枚か出してくれる。

4. それを自分で見て、微調整 (もう少し寄りでとか、表情を穏やかにとか) していって、1枚を確定する。

5. 1枚ずつじゃなくても複数構図も出してくれます

動画にするとき

画像が確定したら、その画像から動画化してもらいます。

「こう動かしてほしい」という希望がある人は、それを伝える (例 : ゆっくり寄る / 軽く首を振る) 。

Klingで作るなら、Kling向けの書き方に合わせて動かし方のプロンプトにしてくれます。

全体の構成 (順番・どこで口を合わせるか)

ここも一発では決めません。

「この順番でどう?」と一度たたき台を出してもらって、実際に見ながら、「いや、この並びじゃないほうがいい」
「この画像は無しにして、こっちの構図にして」

と何度か入れ替えながら決めていきました。

最初から完璧を狙わず、出してもらって→直して→また出して、を回すのがコツです。

なんでやねん！ だったところ。

ここからが本題といえば本題。うまくいかなかったところです。

なんでやねん① 画像が「思ったとおりには出ない」ことがある

これが一番苦労しました。

AI画像生成は、こちらの狙いを毎回100%は汲んでくれません。

よくあったのは、

キャラの一貫性が保てない (同じ人物で通したいのに、生成のたびに揺れる)。

肌の色が放っておくと明るく出てしまう (設定は褐色の肌なのに色白に寄る)ので、毎回はっきり「濃い褐色で」と指定し直す必要がありました。

キャラの資料画像を参照に渡すと、画面が勝手に3分割の分割画面になることもありました。「1枚の絵で。分割しない」と明示して回避 (AIなので多少ガチャ要素もある)。

何枚か作り直して、やっとイメージに近いものを選ぶ、という場面が何度もありました。

改善案 💡 ← これが一番大事かも

狙いを言葉で正確に伝えるのが難しい部分は、AI (Claude) に何度も投げ直すより、自分でチャチャっとやってしまったほうが早いし、正確でした。

しかも画像・動画の生成は1回ごとにお金がかかるので、伝わりにくい微調整でガチャを回し続けると、時間もお金も溶けていきます。

この判断はマジで重要。

これで時間もお金も節約できたかも。こういう箇所がいくつもありました。

AIに全部やらせようと固執しない。

得意なところ (指示文づくり・面倒な下処理) はAIに、言葉にしづらい細かい詰めは自分で。

この切り替えが、初めての制作で得た一番の実感でした。

なんでやねん② 動画で背景が勝手に動く

静止画を動かす段階で、指定していないのに背景に車が走ったり、風景が動いたりする事故が頻発しました。

これはKlingの3.0というモデルで作っていたときの話です。「動かさないで」という指定 (いわゆる"これはやらないで"の禁止指定) を入れても、どうしても抑えきれませんでした。

いろいろ試した結果、いちばん効いたのは、

Kling3.0 → Omniというモデルに変えたら、背景が動かなくなりました。

構図から "乗り物っぽい手がかり" を消す、という対策もあったんですが、決定打はモデルの変更でした。

改善案 💡

指示文は悪くないのに、動きだけが思ったとおりに出ない。

そんなときは、指示文をこねくり回すより、使うモデルを変えてみるのが有効。

同じ指示でも、モデルが違うと結果がガラッと変わることがよくあります。

反省というかやらかしたこと

今回、私はClaude Codeをターミナル (黒い画面にコマンドを打つやつ) で使いました。

でもこれ、正直に言うとただの無知でした。

はじめはClaudeはデスクトップアプリのCoworkで使っていました。トークン消費量がヤバかったので ( Coworkは通常よりもトークン使用量が多い）、ターミナルはトークンを節約できるという誰かの投稿を見てターミナルから入ってしまっただけ。

実際はデスクトップアプリのCodeでもターミナルとトークン消費は変わらない、というのに気付くまでエンジニアでもない自分が果敢にターミナルに挑んでいたという情弱ぶりを発揮してしまったという結末。

というもはや誰でも知っているようなことをせっかくなので言わせてもらいます 笑

Codeは見た目がとっつきやすいです。

作業履歴がアプリに残って、スマホとも同期します (ターミナルは閉じると履歴が消えたように見えて、初心者は不安になる)。

私は入口を間違えただけで、初心者〜中級者なら迷わずデスクトップアプリのCodeでいいと思います。

変わったのは"手数"

正直に言うと、MVは初めてだったけど、AI動画そのものは前からけっこう作っていました。

でも、Claude Code (Codexみたいな系統のAI) は使っていませんでした。今までのやり方はこうでした。

1. ChatGPTみたいなテキストAIにプロンプトを相談して、作ってもらう。

2. そのプロンプトを、自分でKlingやHiggsfieldの画面を開いて、手動で入力する。

3. 参照動画や参照画像を、自分で1つずつセットして生成する。

素材やプロンプトの受け渡しを、全部自分の手でやっていたわけです。

Claude Codeに変えて何が変わったか。

やっている"作業"そのものは、同じなんです。プロンプトを作って、生成して、素材を渡して･･･という中身は変わらない。

でも決定的に違うのは、その受け渡しの"手数"がごっそり減ったこと。

プロンプトをコピーして別の画面に貼って、参照を入れて……という細かい往復が消えて、そのままつながって進む。

この時短の感覚がとにかく良かったです。

私はこれを副業でやっています。

もちろん副業の方にだけ効果があるわけではありません。

時間が無くて、前は1週間に1本作るのがやっとでした。

でもClaude Codeで1本にかかる時間が短くなったおかげで、作れる数が増えました。しかもクオリティを上げながら。

「質を上げつつ、数も出せるようになった」。

ここが、自分にとって一番大きな変化でした。

ちなみに、今回はClaude Codeを使いましたが、同じことはCodexでもできます。

「Claude Codeじゃないとダメ」という話ではなくて、生成サービスに直接つないで、指示文作り〜生成までひと続きでやってくれるタイプのAIであれば、どれでも同じような組み方ができるはずです。私はたまたまClaude Codeを使っただけ、くらいに思ってもらって大丈夫です。

まとめ

まぁこんな感じ。

そして、

これが一番言いたいこと。

道具が変わりました。もう「専門スキルが無いから作れない」時代じゃないですね。

やりたいことを言葉にできて、良し悪しを判断できれば、AIといっしょに手を動かせば形になる。

いや、もうホントになんでもありになってきましたよ。

ということは、まだまだおっさんにも可能性はあるということ。

がんばりましょ。

ここまで読んでいただきありがとうございました。
今回のnoteはこれで以上になります。

私と同じように、仕事も家庭もあって、それでも副業を続けたいと思っている方に少しでも届けばうれしいです。

ではまた、次回のnoteで。

よければ “スキ” や “フォロー” もらえるとうれしいです。

お願いします🙇‍♂️

過去のnoteもよければご覧ください。