AI解説動画の作り方 10分で仕上げる手順と5つのスタイル

2022年なら15,000ドルかかっていた60秒のアニメ解説動画が、今はAI解説動画として20ドル未満でレンダリングでき、10分で完成します。絵コンテ担当も、6週間の順番待ちも、2027年半ばの納期もいりません。制作会社は今も同じ納品物に12,000〜30,000ドルの見積もりを出しますが、その大半はもう必須ではありません。SaaSの製品紹介、B2Bのオンボーディング、エデュテインメント系のYouTube、講座の導入動画など、ほとんどのジャンルでAIの出力は制作会社版の85〜95%の水準に届いています。残りの差は、ほとんどの解説動画には必要のない、Appleレベルの特注アートディレクションの部分です。

このガイドを読めば、5つの解説動画スタイルのうちどれが自分の視聴者に合うか、成果の出る解説動画と忘れられる解説動画を分ける7つのルールの台本の型、そして台本からレンダリング済みのMP4までを8〜15分で仕上げる具体的なAI制作の流れがわかります。FacelessGenieではこのパイプラインを自社で作っているので、以下の費用、時間、成果向上の数字は理論ではなく、実際の制作データに基づいています。

解説動画とは何か、何が当てはまらないか

解説動画とは、商品、概念、サービス、プロセスなど1つのことを60〜180秒で説明する、台本があり映像で見せる短い動画です。視聴者を「これが何かわからない」から「もっと知りたい」「買う準備ができた」へ動かすために作ります。解説動画を決める性質は3つあります。

• テーマは1つ。商品1つ、概念1つ、作業の流れ1つです。1本の動画で2つのことを説明しようとした瞬間に、完走率は40〜60%下がります。この規律は厳しいものです。
• 映像で語る。声と映像が密接に結びついています。台本の1行ごとに映像の展開があります。話している人が30秒映り続けるような止まったカットはありません。
• 成果から逆算する。どの解説動画にも役割があります。登録してもらう、リンクをクリックしてもらう、行動できるくらい概念を理解してもらう。「会社の動画を作って」は解説動画ではありません。「料金ページに来た人にトライアルを始めてもらう動画を作って」が解説動画です。

解説動画ではないものもあります。ブランドフィルム(長く、雰囲気重視で、具体的な成果を求めない)、チュートリアル(長く、視聴者が商品をすでに知っている前提)、事例紹介(顧客の声が中心)、CM(リズムも行動喚起の型も違う)、製品デモ(長めで機能ごとに説明することが多い)です。どれも解説動画に近い形式ですが、混同すると動画が期待どおりの成果を出せない一番よくある原因になります。目的に対して、間違った形式を書いてしまうのです。

2026年に成果が出る解説動画の5つのスタイル

2026年に機能している解説動画は、すべて5つのスタイルのどれかに当てはまります。スタイルの選択は、多くのチームが思っている以上に重要です。誰が見るか、どこまで見るか、見たあとに何をするかが変わります。私たちはSaaSのランディングページ、YouTubeチャンネル、LinkedIn広告で5つすべてを試しました。順位付きでまとめます。

1. モーショングラフィックスはSaaSとB2Bの定番

図形が形を変え、アイコンが現れて動き、画面上の文字がナレーションを補い、光る矢印が流れをたどります。キャラクターも顔も現実の環境もなく、あるのはアニメーションによる抽象的な表現だけです。SaaSのランディングページで一番多い解説動画スタイルなのは、「顧客が500社に届いたチームは必ず…」のような技術的なナレーションと相性が良く、映像で人を直接見せる必要がないからです。モーショングラフィックスはどんな商品ジャンルにも対応でき、特定の層を遠ざけることもありません(25歳に見えるキャラクターは45歳の視聴者を逃す、といったことが起きません)。

2. アニメキャラクターは感情面のエンゲージメントで強い

おなじみのキャラクター(ピクサー風か2Dイラスト)が説明の中を進み、問題に戸惑い、解決策にほっとし、結果に喜ぶというように、展開ごとに目に見えて反応します。キャラクターの解説動画は、好感度やブランドの記憶といった感情面の指標では一貫してモーショングラフィックスを上回りますが、技術的なB2B商品では直接のコンバージョン指標で下回ります。向いているのは、一般向けアプリ、専門家ではない人向けの金融商品、子ども向けコンテンツ、教育プラットフォームです。フィンテック企業向けのフィンテックや開発者ツールには避けましょう。感情的な要素が見下しているように受け取られます。

3. ホワイトボードは信頼感を伝えるスタイル

ナレーターの説明に合わせて、アニメーションの手がホワイトボードに概念を描いていきます。2014〜2018年に使われすぎて一時期は流行遅れになりましたが、ある用途では静かに復活しています。売り込まれているのではなく教わっていると視聴者に感じてほしい、複雑な概念の説明です。手描きによって先生と生徒のような関係が生まれ、信頼のシグナルが高まります。B2Bの研修動画、金融の概念説明、医療の解説、そして見終わった視聴者に「何かを学んだ」と言ってほしいあらゆる動画に強いスタイルです。

4. 画面収録は直接のコンバージョンが一番高い

映像は実際の製品画面です。UIが流れ、カーソルが動き、ボタンがクリックされ、データが表示されます。ナレーションが何が起きているかを説明します。製品紹介の解説動画では、このスタイルが直接の登録コンバージョンでほかのどの形式も25〜35%上回ります。理由は、視聴者が自分で製品を使っている姿を想像できるからです。欠点は、製品の現在のUIに強く縛られることです。UIを刷新するたびに解説動画を撮り直す必要があります。新機能の発表、オンボーディング動画、商談後のフォローアップに使い、ブランドレベルのコンセプト動画には避けましょう。

5. ピクサー風3Dはプレミアムなジャンル

ピクサーの作風をまねた、キャラクター、環境、照明、カメラワークのある3Dアニメの世界です。かつては群を抜いて高価なジャンル(制作会社の相場で4万〜20万ドル)でした。今ではAIツール(Flux Pro 2、Seedance 2.5、キャラクターの一貫性の組み合わせ)で、1本15〜35ドルで作れます。プレミアムブランド、ストーリー動画、子ども向け商品に向いています。映像の品質はモーショングラフィックスよりかなり高い一方、キャラクターのつながりや環境の一貫性といった制作上の規律を守るのも難しくなります。

AIでの解説動画制作が主流になり、制作会社モデルが後退した理由

2023年から2026年にかけて、制作会社による解説動画市場が崩れた構造的な理由は5つあります。

1. 1アニメーションの作業は制作会社の最大のコストで、しかも一番自動化しやすい部分です。60秒のアニメ解説動画には、3〜5人のチーム(絵コンテ、イラスト、アニメーター、声優、音響エンジニア)で6〜12週間の作業が必要です。合計80〜200時間。平均時給80ドルでも、直接の人件費は6,400〜16,000ドルになります。AIツールなら同じ出力を、計算コスト20ドル未満で作れます。
2. 2台本の執筆はLLMの水準になりました。最先端のLLM(Claude Opus 4.7、GPT-4.5、Gemini 3.1 Pro)は、コンバージョン率の指標で中堅のプロのコピーライターと同等かそれ以上の解説動画台本を書きます。「1本2,000ドルでプロのコピーライターに頼む」という強みが最初に崩れました。
3. 3声は、95%の用途でAIの水準になりました。ElevenLabsなどの高品質な音声合成は、一般的な解説動画であれば、スタジオのナレーターと区別がつかない声を出せます。残りの5%(感情を強く揺さぶるブランドフィルム)には今も人の声が必要ですが、それ以外は不要です。
4. 4画像からの動画化が当たり前になりました。Seedance 2.5、Veo 3.1、Kling 3.0は、キャラクターと小物のつながりを保った滑らかな5秒のクリップを作れます。こうしたクリップを12〜30本、クロスフェードと緻密な音声同期でつなげば、まとまった60〜180秒の解説動画になります。
5. 5配信によるフィードバックが速くなりました。2018年の制作会社の時代には、解説動画が効いているかわかるまで12〜18か月流し続けていました。2026年には、同じ週に3バージョンをA/Bテストし、改善し、v4を出せます。制作会社のモデルではこのペースについていけません。バージョン2の頃には、担当者が休暇に入っています。

従来の解説動画の制作工程と2026年のAI制作工程

2018〜2022年の制作会社の工程を、2026年の対応するAI工程に置き換えると、どこでコストが崩れたのかがはっきりわかります。かつて人件費で1,000〜10,000ドルかかっていたどの工程も、今は計算コストで0.20〜3.00ドルです。

1000〜3000倍のコスト圧縮は、利益率がゆっくり削られるのとは違います。構造的な断絶です。1案件15,000ドルで何百もの制作会社を支えていた市場は、今ではハイエンド(プレミアムなブランドフィルム)のずっと少ない制作会社と、中価格帯以下のずっと多いAIツールを支えています。アートディレクションをサービスとして提供する方向に転換しなかった制作会社は、2027年までに廃業しています。

AI解説動画の作り方を最初から最後まで

ここで紹介するのは、FacelessGenieのパイプラインが解説動画のために設計された、実際の流れです。「製品の解説動画が必要」から「MP4ファイルを公開」までの合計時間は、スタイルと長さによって8〜15分です。

1. 1ステップ1 1段落の企画書を書きます。どの商品や概念か。視聴者は誰か。見たあとにどんな行動をしてほしいか。例：「技術に詳しくないSaaS創業者向けに、APIのレート制限とは何かを説明し、ドキュメントを読んでもらう行動喚起で終わる60秒の解説動画」。この企画書が台本のLLMに渡されます。
2. 2ステップ2 形式を選びます。FacelessGenieの作成画面で、目的に合ったビジュアルスタイルの60〜180秒の長尺形式を選びます(モーショングラフィックスならai-clips、キャラクターアニメならtalking-objects、ピクサー風ならnursery-rhymeを転用)。形式によって、台本のプロンプト、画像モデル、動画モデルの初期設定など、後工程のパイプラインが決まります。
3. 3ステップ3 台本を調整します。LLMが、シーンごとのナレーションと、シーンごとの画像と動画のプロンプトを作ります。一度通して読みましょう。最初のバージョンはたいてい70〜85%の完成度です。流れの悪い行や響かない行を直します。フォームの台本編集画面で、パイプラインの残りが動く前にナレーションを調整できます。
4. 4ステップ4 生成を押します。ワーカーの処理の流れは、台本のLLM、各シーンの画像生成(初期設定はFlux Pro 2)、I2V(Seedance 2.5)、声(ElevenLabs、コスト重視ならKokoro)、字幕(WhisperX、カラオケ風)、音楽(Stable Audio、アンビエントか前向きな雰囲気)、Remotionでのレンダリング、R2へのアップロードです。所要時間は60秒の解説動画で6〜12分、180秒の解説動画で10〜18分です。
5. 5ステップ5 Studioで出力を確認します。最初から最後まで通して見ましょう。5分ほどの編集チェックで、たいていクリップの再生成が必要なシーンが1〜2個(ナレーションと映像の組み合わせによっては一致率が低い)と、手動で直す必要のある字幕が1つ見つかります。そのシーンで「Regenerate clip」をクリックします。
6. 6ステップ6 書き出して公開します。MP4をダウンロードし、YouTubeにアップロードし、ランディングページに埋め込み、営業メールに添付します。視聴完了率と行動喚起のクリック率を追いかけましょう。複数のバリエーションを試したなら、一番成果の良いものを標準にします。

FacelessGenieのパイプラインで60秒の解説動画を作るのに必要なクレジットは、現在、プレミアムモデルの選択によって80〜180クレジットです。標準的なPROプランの料金なら1本4〜9ドルで、制作会社の12,000〜30,000ドルとは桁が違います。12個の機能それぞれに解説動画が欲しいSaaSのスタートアップなら、20万ドルの制作会社の請求書の代わりに、計算コスト99ドルで1日の午後にすべて作れます。

解説動画の台本を作る7つのルール

モーショングラフィックス、キャラクター、ホワイトボード、画面収録、3Dのどれでも、機能している解説動画の台本はすべて同じ7つのルールの構成に従っています。どれか1つでも外すとコンバージョンが下がります。7つすべてを守れば、60秒の解説動画が、ルールを無視した90秒版を上回ります。以下のルールは、2025〜2026年に私たちのユーザーが作った、コンバージョンを計測済みの200本以上の解説動画を分析して得たものです。

1. 1ルール1 3秒でフックをかける。最初の1文で、狙った視聴者がすぐに自分の問題だと気づく鋭い指摘をします。「今週あなたは47行のバリデーション処理を書きました。でも、さっきお客さんが踏んだバグは1つも捕まえられませんでした」。ありきたりなフック(「〜にお困りではありませんか？」)は、具体的なフックより60〜90%成果が落ちます。
2. 2ルール2 問題をはっきり言葉にする。8〜10秒目までに、視聴者自身の言葉で問題を明確に伝えます。「データの非効率性に関する課題」のような企業用語ではなく、視聴者が実際に言う「データがぐちゃぐちゃ」という言葉です。
3. 3ルール3 煽る(短く)。15〜20秒目までに、問題のコストを実感させます。この問題は視聴者に何を失わせているのか。時間、お金、恥ずかしい思い、逃したチャンス。煽りすぎは禁物で、最大でも8〜12秒にします。それ以上は不安を煽るだけの動画に見えます。
4. 4ルール4 解決策を示す。25〜30秒目までに、商品や概念が台本に登場します。ブランド名ではなく、解決策としてです。「TypeWizard 2.0のご紹介」ではなく、「出荷前にすべての型がチェックされていたら？」です。
5. 5ルール5 実演する(語らず見せる)。35〜50秒目までに、解決策が機能している様子を映像で見せなければなりません。問題が消えていくモーショングラフィックスの流れ、実際の製品の操作を見せる画面収録、それまで大変だった作業をワンタップで終えるキャラクター。ここがコンバージョンを生む部分です。
6. 6ルール6 社会的証明は1行で。50〜55秒目までに、社会的証明を1行だけ入れます。ユーザー数、有名な顧客、具体的な成果です。「600のプロダクトチームが本番環境で信頼しています」「Stripeが請求フローで採用しています」。ロゴを15個並べないでください。具体的なシグナル1つが、ロゴの壁に勝ちます。
7. 7ルール7 具体的な行動を1つ求める。最後の5〜10秒は、行動喚起1つだけで終えます。2つにしてはいけません。「無料トライアルを始める」「ドキュメントを読む」「デモを予約する」のどれか1つで、同じ動画で3つすべてを求めないでください。行動喚起が複数あると、コンバージョンは30〜45%下がります。

テーマに合ったビジュアルスタイルの選び方

一番よく見る失敗は、チームが視聴者に合うスタイルではなく、自分たちが好きなスタイルを選んでしまうことです。正しい判断の仕方は次のとおりです。

• 技術系のB2B視聴者(開発者、エンジニア、運用担当)なら、モーショングラフィックス。キャラクターは見下しているように感じられ、製品UIのカットが信頼を生みます。
• 技術系ではないB2B視聴者(財務、人事、マーケティング)なら、アニメキャラクターかモーショングラフィックス。視聴者が感情的に関わりやすいので、ここではキャラクターが効きます。
• 一般消費者(B2Cアプリ、ライフスタイル、エデュテインメント)なら、アニメキャラクターかピクサー風3D。感情的なエンゲージメントがコンバージョンの主な原動力です。
• 教育、研修コンテンツなら、ホワイトボードかモーショングラフィックス。先生と生徒という枠組みが機能します。
• 製品紹介なら、まず画面収録、次にモーショングラフィックス。製品があるなら見せましょう。
• 子ども向けコンテンツなら、ピクサー風3Dだけ。同じアニメ3Dの仕組みで作られたKids Rhyme形式を使いましょう。

よくあるパターンは、最初の解説動画をモーショングラフィックス(一番安く、一番速く試せる)で出し、コンバージョンのデータが集まったら、成果が上がりそうな視聴者向けにキャラクターアニメ版をA/Bテストする、というものです。多くのチームはこのテストを飛ばして、1つのスタイルを使い続けます。1つに決める前に、FacelessGenieで両方のスタイルを試せます。

多くのチームが見落とす成果の決め手、声と音楽

解説動画のコンバージョンに不釣り合いなほど大きく影響する制作上の判断が2つあります。声のキャラクターと、音楽のエネルギーです。多くのチームはこれを後回しにしますが、データを見ると台本と同じくらい重要です。

声のキャラクター

• 温かい女性の声(聞こえる年齢28〜38歳)は、どのジャンルでも基準となるコンバージョンが一番高い声です。特別な理由がない限り、初期設定にしましょう。
• 自信のある男性の声(30〜42歳)は、大企業の購買担当者を狙うB2B向けの営業動画で最も強い声です。一般消費者向けの動画ではコンバージョンが下がります。
• カジュアルな若い声(22〜28歳、性別問わず)は、Z世代向けの一般消費者アプリに最適です。B2Bでは大きく成果が落ちます。
• イギリス英語のアクセントは、プレミアムな位置づけや教育コンテンツでコンバージョンを8〜15%上げます。直接販売ではやや下がります。
• ドキュメンタリーのナレーター風(アッテンボロー風)は、ストーリーや歴史の解説で抜群です。SaaSの製品紹介には合いません。

FacelessGenieの音声ライブラリには上の5つのカテゴリすべてがあり、最高品質の出力にはElevenLabsのプレミアム音声を使えます。追加費用(1本あたり0.20〜0.50ドル)は、コンバージョンの向上に比べればわずかです。SaaSのランディングページの流入量なら、数%のコンバージョン向上だけで十分にアップグレードの元が取れます。

音楽のエネルギー

BGMは感情のテンポを決めます。ルールは3つです。

• テンポを台本の強さに合わせる。落ち着いた台本ならアンビエント、煽る台本ならミドルテンポ、行動喚起中心の台本なら前向きな曲。
• 音楽は声と競わせない。声が主役になるよう、-22〜-26 LUFSでミックスします。BGMがうるさい解説動画は、素人に一番よくある失敗です。
• 著作権の申し立てを受けやすい曲は避ける。ライセンスを取った曲でも、YouTubeのContent IDに検出されることがあります。AI生成の音楽(Stable Audio、Minimax Music)なら、この問題を丸ごと避けられます。

字幕、長さ、73%が音なしで見る問題

SNSのフィードでの解説動画の視聴のうち73%は、音声ミュートの状態で始まります。解説動画が声に頼って伝えているなら、最初の3秒で視聴者の4分の3を失っています。字幕はおまけではなく、台本を届ける主な手段です。

解説動画の字幕のルールは3つです。

1. 1短尺(90秒未満)の解説動画には、カラオケ風、つまり単語ごとのハイライトが合います。長尺(90秒以上)にはブロック、つまりフレーズごとの字幕が合います。長い再生時間では、ブロック字幕のほうが注意を保てます。
2. 2字幕は、9:16なら縦方向の72〜85%の位置の中央下寄りに、16:9なら下3分の1に置きます。一番下(UIが重なる)や一番上(チャンネル名が重なる)には置かないでください。
3. 3文字の大きさは、一番小さな画面(iPhone mini、4インチ)でも読めるようにします。迷ったら大きくしましょう。デスクトップでちょうど良い字幕は、たいていスマホでは小さすぎます。

FacelessGenieの字幕レンダリングは、単語単位のタイムスタンプにWhisperXを使い、解説動画向けに調整した6つのプリセット(karaoke-purple、karaoke-yellow、minimalist、block-bold、block-shadow、outline-bold)を用意しています。プリセットはコンバージョンのデータで検証済みなので、ゼロから選ぶ必要はありません。

制作会社、フリーランス、自作、AIの費用比較

2026年の、60〜90秒の解説動画1本あたりの費用と品質の比較です。

2026年にも制作会社の価格帯は存在しますが、対象となる顧客はずっと狭くなっています(ブランドフィルム、プレミアムな位置づけ、アートディレクションのある複数本のシリーズ)。60秒のSaaS製品の解説動画は、もう彼らの市場ではありません。それ以外のすべての用途では、コストと出力品質の両方で、AIが合理的な選択です。

解説動画が効く場面と効かない場面

解説動画は、ある場面ではコンバージョンを大きく上げ、別の場面ではほとんど変化を生みません。自分の用途がどちらにあたるかを知っておけば、無駄な制作を避けられます。

解説動画が安定して効く場面

• ランディングページのファーストビュー。90秒未満で、字幕付きのミュート自動再生にした場合、動画なしと比べて20〜50%のコンバージョン向上が計測されています。
• オンボーディングメール。最初のオンボーディングメールに30〜60秒の解説動画を入れると、1週目のアクティベーションが12〜28%上がります。
• 商談後のフォローアップ。フォローアップメールに相手に合わせた解説動画を添付すると、文字のまとめより2〜4倍多く、止まっていた商談が動き出します。
• Product Huntやローンチページ。ローンチページに動画があると、upvoteが30〜60%増えます(Product Huntのアルゴリズムは滞在時間のシグナルを評価します)。
• 社内研修。静的な研修資料を90秒の解説動画に置き換えると、完了率が12%から65〜80%に上がります。

解説動画がほとんど効かない場面

• ランディングページの下のほう。そこまでスクロールするのはユーザーの8〜15%だけで、その人たちはすでに申し込む気になっています。
• 長いコンテンツの中に埋もれた動画。ブログ記事の途中に埋め込んだ解説動画は、ほとんど見られません。
• 上級者向けドキュメントの代わりのチュートリアル。上級ユーザーが求めているのは動画ではなく、テキストとコードのサンプルです。
• ファネル下部の広告枠。解説動画は認知広告には効きますが、視聴者がすでにあなたを知っているリターゲティング広告には効きません。

チームで「Xの解説動画を作るべきか」と話しているなら、判断基準はこうです。視聴者がXをもっとよく理解したら、次に取る可能性が一番高い行動は変わるか。変わるなら解説動画を作りましょう。なくても同じ割合で申し込むなら、作る必要はありません。

解説動画のよくある失敗と直し方

私たちが確認した成果の出ない解説動画の大半は、5つの失敗で説明できます。どれも直すのは難しくありません。

失敗1 1本の動画で多くのことを説明しようとする

一番よくある失敗のパターンです。機能が8つある製品について、8つすべてを紹介しようとする90秒の動画を書いてしまう。完走率は18%まで下がります。直し方は、狙う視聴者にとって一番大事な機能を1つ選び、それだけを説明することです。必要ならあと7本作りましょう。

失敗2 冒頭に社名とロゴを置く

最初の5秒が「Acme Corpへようこそ。私たちは〜の業界をリードする企業です」。視聴者はもういません。直し方は、自分の名前ではなく、視聴者自身の言葉で視聴者の問題から始めることです。自己紹介する権利は、1秒目ではなく20〜25秒目までに勝ち取りましょう。

失敗3 最後に行動喚起を2つ置く

「無料で試すか、デモを予約するか、事例を読んでください」。視聴者はどれもしません。直し方は、その視聴者にとって一番価値の高い次の行動を1つ選び、それだけを求めることです。ほかの行動も選べるようにしておいてかまいませんが、動画の中で求めないようにします。

失敗4 音なしで見る人に不親切

字幕が小さい、字幕がない、映像だけでは意味がわからず音声が必要。ミュートで見ている73%の視聴者が離れていきます。直し方は、まず音なしで見る人のために設計し、音ありで見る人はそのあとに考えることです。

失敗5 台本を試す前に仕上げに時間をかけすぎる

台本そのものが平凡なのに、ビジュアルスタイル、声優、音楽選びに悩み続けるチームがあります。仕上げの磨き込みでコンバージョンが上がるのは5〜15%、優れた台本なら50〜300%です。直し方は、仕上げたバージョンに進む前に、一番安い制作方法で3つの台本バリエーションをA/Bテストすることです。

私たちが試したすべての解説動画に共通するのは、結果の大部分を決めるのは台本で、かつては制作の手間が、それをどれだけ速く実行できるかの足かせになっていた、ということです。7つのルールの構成を守り、視聴者が反応するスタイルを選び、ミュートで見る73%のために字幕を付ければ、10ドルのAIで作った解説動画が、平凡な台本で作った15,000ドルの制作会社の動画を上回ります。自分の製品でもそうなるか確かめる一番速い方法は、1段落の企画書を書いてFacelessGenieで試すことです。台本からレンダリング済みのMP4まで、15分かかりません。