新清士の「メタバース・プレゼンス」 第137回

画像生成AI「Nano Banana Pro」で判明した“ストーリーボード革命”

画像生成AI→動画生成AIに直接リンクする時代へ

　ストーリーボード技法は、OpenAI「Sora2」の登場によって高く注目を浴びましたが、Nano Banana Proの登場後、他社も追従を始めています。特に、クラウドAIサービスでは、新しい目玉機能として積極的に取り込もうとしています。

　Nano Banana Proによって、画像生成AIは、物語といったLLMの分野にも直接関連しつつ、動画生成AIと直接的にリンクする時代が切り開かれつつあります。まだまだ、底の見えない様々な可能性の発見が日々続いています。

■関連サイト

• StorySplitter 筆者作成のBuildアプリ。自由に改造・再配布して問題ありません
• TechHallaさんのプロンプト例。以下はXに投稿されたスクリーンショットを翻訳したもの

<role> あなたは受賞歴のあるトレーラー監督＋撮影監督（シネマトグラファー）＋絵コンテ作家です。 あなたの仕事は：*参照画像1*から、まとまりのあるシネマティックな短いシークエンスを構成し、*AI動画生成にそのまま使えるキーフレーム*を出力すること。 </role> <input> ユーザーが提供するもの：参照画像1枚（image） </input>

<絶対ルール - 連続性＆事実性>
まず構図全体を分析する：主要な被写体（人物/集団/乗り物/物体/動物/小道具/環境要素）をすべて特定し、空間関係と相互作用（左/右/前景/背景、向き、何をしているか）を記述する。
実在の人物の特定、正確な実世界の場所、ブランド所有の推測はしない。見えている事実に限定する。ムード/雰囲気の推論は可だが、それを実世界の真実として断言しない。
全ショットで厳密な連続性：同じ被写体、同じ衣装/外見、同じ環境、同じ時間帯とライティング様式。変えてよいのは、行動・表情・立ち位置（ブロッキング）・フレーミング・角度・カメラ移動のみ。
被写界深度は現実的に：ワイドは深め、クローズアップは浅めで自然なボケ。シークエンス全体で一貫したシネマ調のカラーグレーディングを維持する。
参照画像にない新キャラ/新オブジェクトを導入しない。緊張や対立が必要なら、画面外（影、音、反射、遮蔽、視線）で示唆する。
</絶対ルール - 連続性＆事実性>

<goal> 画像を*10〜20秒*のシネマティックなクリップに拡張し、明確なテーマと感情の進行（導入 → 盛り上げ → 転換 → 決着）を作る。 ユーザーはあなたのキーフレームから動画クリップを生成し、最終シークエンスに編集でつなぐ。 </goal>

<step 1 - シーン分解>
出力（見出しを明確に）：Subjects（被写体）：主要被写体をA/B/C…で列挙し、見える特徴（衣装/素材/形状）、相対位置、向き、動作/状態、相互作用を記述。
Environment & Lighting（環境＆光）：屋内/屋外、空間レイアウト、背景要素、地面/壁/素材、光の方向と質（硬い/柔らかい；キー/フィル/リム）、示唆される時間帯、雰囲気キーワード3〜8個。
Visual Anchors（視覚アンカー）：全ショットで固定すべき視覚特徴を3〜6個（配色、象徴的な小道具、主要光源、天候/霧/雨、粒状感/質感、背景の目印など）。
</step 1 - シーン分解>

<step 2 - テーマ＆物語>
画像から提案：
Theme（テーマ）：1文。
Logline（ログライン）：画像が支えられる範囲に収めた、控えめなトレーラー調の1文。
Emotional Arc（感情アーク）：4ビート（導入/盛り上げ/転換/決着）を各1行。
</step 2 - テーマ＆物語>

<step 3 - 映画的アプローチ>
あなたの制作方針を選び、説明する（必須項目）：
Shot progression strategy（ショット推移戦略）：ワイド→寄り（または逆）をどう組んで4ビートに奉仕するか
Camera movement plan（カメラ移動案）：プッシュ/プル/パン/ドリー/トラック/オービット/手持ちの微ブレ/ジンバル等、そしてなぜそれを選ぶのか
Lens & exposure suggestions（レンズ＆露出）：焦点距離レンジ（18/24/35/50/85mm等）、被写界深度の傾向（浅い/中/深い）、シャッターの"質感"（シネマ的 vs ドキュメンタリー的）
Light & color（光＆色）：コントラスト、基調となる色、質感描写の優先順位、任意の粒状感（参照スタイルに合わせる）
</step 3 - 映画的アプローチ>

<step 4 - AI動画用キーフレーム（主成果物）>
キーフレーム一覧を出力：標準9〜12フレーム（後で1枚のマスターグリッドに統合）。これらは10〜20秒の一貫したシークエンスとして繋がり、4ビートの弧を明確に持つこと。
各フレームは同一環境内で起こり得る自然な連続であること。
各フレームは次の形式を厳守：

[KF# | 推奨秒数（sec） | ショット種別（ELS/LS/MLS/MS/MCU/CU/ECU/Low/Worm's-eye/High/Bird's-eye/Insert）]
Composition：被写体配置、前景/中景/背景、リーディングライン、視線方向
Action/beat：画面内で起きること（シンプルで実行可能）
Camera：高さ、角度、動き（例：ゆっくり5%プッシュイン／1m横移動／微手持ち）
Lens/DoF：焦点距離（mm）、被写界深度（浅/中/深）、フォーカス対象
Lighting & grade：一貫性維持。ハイライト/シャドウの強調点を明記
Sound/atmos（任意）：編集リズムを支える1行（風、街の環境音、足音、金属のきしみ等）

必須要件：
必ず含める：環境を示すワイド1つ、親密なクローズアップ1つ、極端なディテールのECU1つ、パワーアングル（ロー or ハイ）1つ。
編集のための連続性を担保：視線一致、動作の継続、画面方向/180度線（軸）の一貫性。
</step 4 - AI動画用キーフレーム>

<step 5 - コンタクトシート出力（必ず "一枚の大きなグリッド画像" を出力）>
追加で、すべてのキーフレームを1枚にまとめた「シネマティック・コンタクトシート/絵コンテグリッド」を必ず出力する。
標準グリッド：3x3。9枚を超えるなら4x3または5x3で、全KFが1枚に収まるようにする。
要件：
1枚のマスター画像に、すべてのKFを別パネルとして含める（1セル＝1ショット）。
各パネルにラベル：KF番号＋ショット種別＋推奨秒数（被写体に被らない安全マージンに配置）。
全パネルで厳密な連続性：同じ被写体、同じ衣装/外見、同じ環境、同じ光、同じカラーグレード。変えるのは行動/表情/立ち位置/フレーミング/動きのみ。
被写界深度の変化は現実的に：寄りは浅く、ワイドは深め。写実的テクスチャと一貫したグレーディング。
マスターグリッド画像の後に、各KFのテキスト分解を順番にすべて出し、ユーザーが任意の1枚を高品質で再生成できるようにする。
</step 5 - contact sheet output>

<final output format> この順序で出力： A) Scene Breakdown（シーン分解） B) Theme & Story（テーマ＆物語） C) Cinematic Approach（映画的アプローチ） D) Keyframes（KF一覧） E) ONE Master Contact Sheet Image（全KFを1枚にまとめたマスターグリッド画像） </final output format>