ChatGPTで動画生成はできる?できることとできないこと

ChatGPTで動画生成はできるのでしょうか。単体ではできません。ChatGPTは文章を書いて計画を立てるもので、動画をレンダリングするものではないからです。OpenAIのSoraはかつてプロンプトから短いクリップを生成していましたが、OpenAIはその後Soraを終了しました。動いていたころでさえ、Soraのクリップは、ナレーションと字幕とBGMが乗った完成動画ではありませんでした。完成動画にするには、ChatGPTを動画を組み立てるためのツールにつなぐか、つなぐ手間を省いてそのツールを直接使うことになります。

この疑問が出てくるのは、2つの別々のことが1つの見出しにまとめられ続けているからです。「ChatGPTで動画が作れるようになった」というのは、ほとんどの場合Soraのことで、そのSoraは見出しから想像するより狭い意味であることがほとんどです。ここからは、それぞれが実際に何をするのか、どこで止まるのか、そしてテキストのプロンプトから投稿する価値のある動画までどうたどり着くのかを説明します。

最初に言っておきたいことがあります。この分野は変化が速く、多くの人が知っているつもりの情報は1年前のものです。Soraはまず単独のアプリとして登場し、その後一部のアカウントではChatGPTの中で使えるようになり、クリップの長さも使える人の範囲も、その後何度も変わりました。以下のSoraの制限に関する記述は仕様書ではなく大まかな傾向として扱い、それを前提に計画を立てる前に、自分のアカウントで確認してください。

動画づくりでChatGPTが本当に得意なこと

ChatGPTが本領を発揮するのは、1コマ目ができる前の段階です。単体でもしっかりした作家チームとして働いてくれます。特定の語り口で台本の下書きを書く、平坦な書き出しを力強くする、90秒のだらだらした話を30秒に削る、捨てる前提でフック案を10個出す。どれもSoraや動画モデルには関係ありません。純粋に言葉の仕事です。

• 台本とフック。ナレーション全文、書き出しの一文、同じアイデアの別バージョン
• ショットリストと絵コンテ。画面に何を映すかを区切りごとに文章で説明したもの
• 動画の投稿先プラットフォームに合わせたタイトル、説明文、タグ
• 各パートのおおよその長さを伝えたうえでのタイムスタンプとチャプター
• 長めの動画の構成案。誰かがカメラや動画ツールに触れる前に、10分の動画に必要な流れ

多くの人が取りこぼしているのがこの部分です。フック、3つのポイント、締めという構成がしっかりした台本は、あいまいな台本の上に作った美しい動画にたいてい勝ちます。台本は、その後の工程全体がたどる設計図だからです。書き出しの一文を早く用意したいなら専用のフックジェネレーターが、台本全体ならYouTubeショート台本ジェネレーターが同じように役立ちます。

ビフォーアフターの例

「生産性についての台本」を頼むと、誰にでも当てはまる5段落が返ってきます。代わりに「請求書の管理がいつも追いつかないフリーランス向けの30秒の台本で、取引先からの入金が見当たらないその瞬間から始めて」と頼むと、出力の形が変わります。本物の場面、はっきりした相手、テーマの一文を言い換えただけではないフックが出てきます。変わったのはモデルではありません。動画を誰に向けるかを決めるのに使った10秒です。

それでもChatGPTが決めてくれないことが3つあります。動画の長さ、縦型か横型か、そして誰の声で読むかです。これらは動画の行き先と見る人によって決まります。先にこれを決めてから、台本を頼みましょう。

動画ツールを考える前に、まず台本づくりの面だけで選択肢を比べたい方は、AI動画の台本ジェネレーターのおすすめまとめが次の参考になるはずです。

ChatGPT単体、ChatGPTとSora、連携ツールの比較

3つの構成を並べると、差は一目瞭然です。「ChatGPT単体」はチャット画面だけです。「ChatGPTとSora」は、ChatGPTの中かSoraのアプリから使うOpenAIの動画モデルを加えたものです。「ChatGPTと連携した動画ツール」は、アプリ、拡張機能、コネクタを通して、組み立て作業のために作られたツールに引き継ぐことを指します。

この表は、1行ずつ読まれるより、ざっと見てコメント欄で議論されることのほうが多いのですが、もったいないことです。既存の動画の編集の行にある2つの「いいえ」は、見た目以上に重要です。最初の2つの構成では、どう言い換えても「動画を編集して」というプロンプトが失敗する理由がここにあります。

どの行でもパターンは同じです。ChatGPTはどの列でもうまく文章を書きます。Soraは短いクリップの生成という本物の機能を1つ加えますが、そこで止まります。動画を最初から最後まで仕上げられるのは3列目だけです。生成したり、そのための文章を書いたりするだけでなく、ファイルを組み立てるために作られているのは3列目だけだからです。選択肢を比べたい方には、無料AI動画生成ツールのまとめが役立つかもしれません。

「連携した動画ツール」も、特定の1つのものを指すわけではありません。ChatGPTの中から開くアプリのこともあれば、ブラウザの拡張機能のことも、会話の途中でChatGPTがツールのAPIを呼び出せるコネクタのこともあります。しくみは変わっても、結果は変わりません。ChatGPTは制作工程のすべてではなく、その入り口になるのです。

Soraにできることと、その限界

SoraはOpenAIの動画生成モデルです。テキストのプロンプトと、場合によっては参考画像を渡すと、渡された映像を編集するのではなく、ゼロから生成した短いクリップを作ります。2026年時点では単独のアプリがあり、一部のChatGPTのプランと地域ではChatGPTの中で直接使えます。これは既存のものの編集ではなく、正真正銘のテキストから動画を作る作業で、がっかりする人の多くがつまずくのがこの違いです。提供状況は登場以来何度も変わっているので、まず自分のアカウントで確認してください。

• クリップは短く、1回の生成で数秒から20秒ほどです。60秒続くナレーション付きの動画にはほど遠い長さです
• プロンプトから生成するもので、あなたが持っている動画ファイルを受け取って編集するものではありません
• 編集にいちばん近いのはリミックスで、プロンプトを少し変えて生成し直すことです。コマ単位の正確なカットではありません
• 使えるかどうかはプランと地域によるので、あるアカウントで動いた方法が別のアカウントでは動かないことがあります
• 台本に合わせたナレーション音声も、組み込みの字幕レイヤーもなく、クリップは映像だけです

だからといって、Soraが見かけ倒しだったわけではありません。印象的な短い生成クリップは、Bロール、コンセプトを見せるショット、ほかの方法では予算的に無理なドラマチックな1カットに本当に役立ちます。ただ、「ポッドキャストを動画にして」には向かない道具で、がっかりする原因のほとんどはそれを期待したことにあります。

Soraには、生成モデルの上にSNSの機能も加わっていました。同意のうえで互いのクリップに登場できる機能や、アプリ内で生成物をシェアするフィードです。これはモデルがレンダリングするものの上に乗った製品上の判断です。中心にある限界は変わりません。プロンプトから生成した短いクリップであること、一部の依頼をはっきり断るコンテンツのルールがあること、自分の映像を渡して編集版を受け取る方法がないことです。

利用条件や認証も変わってきました。本人確認や年齢確認が必要な機能もありました。一部の国で始まってからあとで広がった機能もありました。Soraが付いてくるChatGPTのプランも、何度も変わっています。半年前にできたことを前提に計画を立てる前に、自分のアカウントで確認してください。

「動画を編集して」というプロンプトが失敗する理由

ChatGPTに「動画を編集して」と入力してファイルを添付すると、返ってくるのは編集された動画ではなく、できないことについての丁寧な説明です。チャットの裏に編集ソフトはありません。文字起こしを読んで、編集で何を実現すべきかを言葉で説明することはできますが、映像にコマ単位でアクセスする手段も、タイムラインも、実際にカットする対象もありません。

編集についてサポートに届くメッセージでいちばん多いパターンは、動画ファイル全体を添付して、次の返信でカットされ字幕の付いた版が返ってくると期待するものです。試してみたくなるのは当然です。ただ、チャット画面はそういうしくみにはなっていません。

混乱の一因は、ChatGPTが画像、PDF、テキストなど一部のファイルは本当に扱えるため、次は動画だろうと感じてしまうことです。少なくとも同じ画面の中では、そうはなっていません。カット、トリミング、字幕付け、色調整には、そのために作られたソフトが必要で、ChatGPTは文章の側にとどまり、自分でやるのではなく、そのソフトに何をすべきかを伝える役割です。

「〇〇になるように動画を編集して」で始まるプロンプトは、ほぼ必ず失敗します。「〇〇の30秒の編集版のショットリストを書いて」と書き直し、そのショットリストを実際に動けるツールに渡しましょう。元のアイデアは同じでも、チャット画面の中で実現できるのは後者だけです。

「動画に字幕を付けて」でも同じ限界にぶつかります。ChatGPTは文字起こしがあれば喜んで字幕の文章を書いてくれますし、話すテンポをおおまかに伝えれば字幕のタイムスタンプの形式に整えることさえしてくれます。できないのは、MP4を受け取り、その文字をコマに焼き込み、完成したファイルを返すことです。そのレンダリングの工程は、完全に会話の外にあります。

実際にうまくいく3つの方法

ChatGPTとの会話から投稿できる動画まで実際にたどり着ける構成は3つあります。どれを選ぶかは、どれだけコントロールしたいかと、完成した動画の長さで決まります。

このクリップのもとになったプロンプトは、バズるAIショートのプロンプトの作り方で一言一句すべて解説しています。レンダリングの前に何を入力したのかを正確に見たい方はどうぞ。

1. ChatGPTで台本を書き、動画メーカーに貼り付ける

ChatGPTで台本を書き、完成した文章を、台本を動画にするためのツールに貼り付けます。ツールが映像を選び、音声を生成し、字幕を音声に合わせ、ファイルをレンダリングします。手作業は2つだけで、どちらもすぐ終わります。2つのツールを直接つなぐ必要がない人にとって、いちばん手間のかからない方法です。

すでにChatGPTを日常的に使っていて、動画1本のために新しいアカウントを増やしたくない人にも合っています。チームメンバーに一文で説明しやすいのも利点で、作業を誰かに引き継ぐ段階で効いてきます。

2. ChatGPTを動画ツールと連携する

動画ツールの中には、アプリやコネクタとしてChatGPTから直接使えるものがあり、チャットを離れずに済みます。「これについて45秒の縦型動画を字幕付きで作って」と言えば、ChatGPTが依頼を連携したツールに渡し、ツールが台本を受け取って映像と音声を生成し、完成したファイルを返します。FacelessGenieもこのしくみに対応しています。ChatGPTとFacelessGenieを連携すれば、その後の依頼はすべて同じ会話の中で済みます。

1日中1つの画面で、アイデア出し、下書き、生成までを切り替えなしで済ませたい人向けの構成です。「10秒短くして」が別のサイトに戻る手間ではなく次のメッセージになるので、試行錯誤もいちばん速くなります。同じコネクタの考え方はほかでも使われています。普段Claudeを使っている方は、Claudeを顔出しなし動画のAPIにつなぐ方法で、そちら側からの見え方を確認できます。

3. 長尺動画はChatGPTで構成を作り、残りを生成ツールに任せる

ドキュメンタリー風の解説や長めのYouTube動画など、数分を超えるものは、1つのプロンプトで全部を頼まないでください。まずChatGPTに、セクションごとの構成案を頼みます。流れ、各パートの長さ、グラフや映像をどこに入れるかです。その構成案を、長尺動画の生成ツールにセクションごとに渡します。

あえて時間がかかるやり方です。10分の動画は、誰も計画していなければ中盤でテンポがだれる余地があります。最初に構成を練る工程をはさむことで、レンダリングのあとではなく前にそれに気づけます。

プロンプトから動画までの手順

2つ目の方法、ChatGPTを動画ツールと連携した場合の実際の流れを、最初のプロンプトから完成ファイルまでおおまかに紹介します。

本当に時間がかかるのは動画の生成だけで、それもチャット画面ではなくどこかのサーバー上で行われるので、レンダリング中にほかのことをしていてもまったく問題ありません。

この流れでは、修正はよくあることで、何かが壊れたサインではありません。最初の版で声やテンポが一発で決まることはまずありません。もう一度やり直してもらうのにかかるのはメッセージ1つで、工程全体のやり直しではありません。私たちの経験では、ほとんどの人が最終版にたどり着くまでに少なくとも1回は声を変えています。

実際に使えるプロンプトのテンプレート

あいまいなプロンプトからは、あいまいな結果しか出てきません。「マーケティングの動画を作って」では、ありきたりな台本と、Soraを使うなら同じくありきたりなクリップができあがります。長さ、トーン、構成、視聴者を指定した具体的なプロンプトなら、使えるものが出てきます。実際の例を2つ紹介します。

どちらのプロンプトも、漠然と「動画」を頼んではいません。それぞれ長さ、フォーマット、トーン、視聴者を指定しています。これがプロンプトから動画を作る作業の本当のスキルです。次にそれを扱うのが人でもAIでも、すき間を推測しなくて済むくらい良い指示書を書くことです。

ChatGPT単体と話すときも、連携ツールと話すときも、次の5つを押さえたプロンプトは、それよりあいまいなほぼどんなプロンプトにも勝ちます。

• 長さ。「短く」「長く」ではなく、秒数か分数で
• フォーマット。Shorts、TikTok、Reelsなら縦型、YouTubeなら横型
• 視聴者。全員に向けてではなく、その人に直接語りかけられるくらい具体的に
• トーン。会話調、かしこまった調子、切迫感、落ち着きなど、テーマに本当に合うもの
• 最後に視聴者にとってもらう、はっきりした行動を1つ。競い合う3つではなく

よくある失敗

「ChatGPTで動画」について聞かれる不満のほとんどは、同じいくつかの習慣にさかのぼります。

• 台本も長さもフォーマットも決めずに、1つのプロンプトで完成動画を頼む
• 生成前に縦型か横型かを決めず、出てきたものがプラットフォームに合わなくて驚く
• ショート動画の視聴の多くが音なしなのに、字幕をまるごと省く
• Soraがプロンプトから新しいクリップを生成するのではなく、アップロードした動画を編集してくれると期待する
• 20秒のSoraのクリップを、ナレーション付きの完成動画の代わりとして扱う
• ChatGPTに視聴者が誰かを伝えず、全員向けのようで誰にも響かない台本になる

順番を、台本が先、フォーマットの決定が2番目、生成が3番目に直せば、こうした失敗のほとんどは自然に消えます。

このリストの最初の2つが、やり直しの大半を生みます。フォーマットの決定を飛ばすと、プラットフォームが縦型を必要としているのに横型で生成され、端にあったもの、たとえば大事な手やロゴが切れてしまうトリミングが必要になります。台本を飛ばすと、間違ったセリフを読む声をレンダリングしたあとで動画ツールが言葉づかいを調整することになり、2秒後のナレーションと合わない字幕として画面に表れます。

これは、まさにこの段階についてサポートによく届く質問の1つです。なぜ字幕と声が合わないのか。ほとんどの場合、音声を生成したあとに台本が変わり、書き出す前に最後の工程を誰もやり直さなかったことが原因です。

ChatGPTで済ませるとき、ほかのツールに移るとき

まだ言葉の段階のものは、ChatGPTで済ませましょう。下書き、書き直し、タイトル案10個のアイデア出し、フックがフックとして機能しているかの確認などです。速いですし、純粋に文の問題である作業のために、別のツールを開く理由はありません。

作業が組み立てに変わった瞬間、ChatGPTを離れましょう。映像を選ぶ、字幕を声に合わせる、実際にアップロードできるファイルをレンダリングする、といった作業です。ChatGPTはもともと動画をレンダリングするようには作られていません。完成した台本を専用の動画メーカーに貼り付けるか、ChatGPTをそのツールと連携すれば、誰かに2つのスキルを身につけさせることなく、その距離を埋められます。

ここでは大まかなルールが役立ちます。出力をまだ一文で説明でき、それが文章なら、ChatGPT単体で十分です。その一文に「そしてそれを動画として書き出す」が必要になった瞬間が、2つ目のツールの出番です。台本を貼り付けるか、2つをコネクタでつなぎましょう。

これはChatGPTを批判しているわけではありません。上手に書くのは本当に難しく、ChatGPTはその部分を確実にこなします。でも、いまChatGPTのタブに台本があるなら、もう半分を試すのは今です。動画メーカーに貼り付けるか、ChatGPTをそれと連携して、何が返ってくるか見てみましょう。この流れのくわしい手順はAI動画の作り方で解説しているので、上のステップでまだあいまいな部分がある方はご覧ください。