長いAI動画を作る方法：開始・終了フレームでクリップをつなぐ

どのAI動画ジェネレーターにも、同じ壁があります。良いプロンプトを書き、クリップの見た目も申し分ないのに、5秒か10秒で終わってしまう。「30秒にする」ボタンはなく、プラットフォームが「延長」機能を用意していても、たいていは特定のモデル1つ、追加セグメント1つ、そして待ち行列です。

朗報は、長いAI動画を作るのに延長ボタンは要らないということです。必要なのは、どのモデルでも使える1つのテクニックだけ。手元のクリップの最後のフレームを取り出し、次に作りたいクリップの開始フレームに使い、プロンプトの骨格はそのままにアクションだけを変え、できた断片をつなぐ。私たちはこれをLast-Frame Chain（ラストフレーム・チェーン）と呼んでいます。5秒のセグメント6本で30秒のショットになり、10秒のセグメント3本なら継ぎ目を減らして同じ長さになります。

このチュートリアルでは、この手法を一歩ずつ解説し、30秒動画が各ティアで実際にいくらかかるかを示し、チェーンが失敗する4つのパターンとそれぞれの直し方を扱います。価格は2026年9月時点でStudioに表示されている実際のクレジット数です。

AI動画クリップはなぜこんなに短いのか

制限の理由がわかれば、回避策は自然と見えてきます。

計算量は1秒ごとに増える

動画モデルはクリップの全フレームを一度に生成し、フレーム同士の整合性を保つコストは長さとともに急激に増えます。ほぼすべてのモデルが秒単位で課金し、1回の生成を5〜10秒に制限しているのはそのためです。それを超えると品質は落ち、価格は誰も払いたくない速さで上がっていきます。

ドリフトは長さとともに大きくなる

モデルが長い単一ショットを許す場合でも、最後の数秒が最も弱くなります。顔がぼやけ、背景がずれ、動きから意図が失われる。短くしっかりアンカーされたセグメントのチェーンのほうが、1本の長い生成よりたいてい仕上がりがきれいです。どのセグメントも、鮮明で意図したフレームから始まるからです。

現在の上限

Imgveoにおけるティア別の1回の生成の上限を、2026年9月に確認しました。

ここから2つのことがわかります。最も精密にチェーンできる開始・終了フレームモードは、1セグメント5秒が上限です。開始フレームだけで済む通常の画像から動画は、ほとんどのティアで10秒まで行けます。チェーンはどちらでも成立し、選ぶ基準は精密さか、継ぎ目の少なさかです。

長いAI動画を得る3つの道

道1：最長のティアを選んで1回で生成する

10秒で足りるなら、ここで終わりです。Kling 3、Wan 2.7、Seedance 2、Basicはどれも、継ぎ目なし・プロンプト1つで10秒のクリップを生成できます。Hailuoも標準モードで10秒に対応しています。秒課金のティアではコストは5秒クリップのちょうど2倍で、動きが1つだけのシンプルなショットなら、最後まで品質はたいてい問題ありません。

道2：開始・終了フレームでクリップをつなぐ

10秒を超えるもの、あるいは2つの異なるビート（動きの区切り）が必要な10秒ショットなら、チェーンです。各セグメントは前のセグメントが終わったまさにそのフレームから始まるので、動きが連続していれば継ぎ目は見えません。上限はありません。ビートさえ成立していれば、30秒でも60秒でも90秒でも作れます。

道3：独立したショットをつなぎ合わせる

動画が1つの連続ショットではなく、異なるアングルの連なりなら、フレームの連続性はまったく必要ありません。同じリファレンス画像と同じプロンプトの骨格から各ショットを生成し、音楽に合わせてカットでつなげば、編集が多少のドリフトを隠してくれます。多くのAI広告や予告編はこうして作られており、これが最速の道です。

実際のプロジェクトの多くは、主役のショットに道2を、その周りのBロールに道3を組み合わせています。

ラストフレーム・チェーンの手順

ステップ1：ビートを計画する

何かを生成する前に、各セグメントで何が起こるかを書き出します。5秒につきビート1つ。30秒の商品ショットなら、たとえばこうなります。

1. 大理石のカウンターに置かれたボトル、ゆっくりとしたプッシュイン、朝の光。
2. カメラはさらに寄り、結露の水滴が光を受ける。
3. 手が入ってきてボトルを持ち上げる。
4. ボトルが回転してラベルが見える。
5. 手がボトルを置き、カメラが引き始める。
6. 引きが完了し、カウンターのワイドショット。

各ビートは、カメラの動き1つと被写体のアクション1つです。1つのビートに動きを2つ書いていると気づいたら、2つのビートに分けましょう。

ステップ2：クリップ1を生成する

リファレンス画像を開始フレームにして画像から動画を使うか、何もないところから始めるならテキストから動画を使います。プロンプトは完全な形で書きます。被写体、舞台、照明、カメラの動き、雰囲気。これが後続のすべてのセグメントが再利用する骨格です。動きが決まるまでは下書き用の解像度（Basicの480pなら20クレジット）で生成し、採用するものだけを公開するティアと解像度で再生成しましょう。

ステップ3：最後のフレームを抽出する

クリップ1をダウンロードし、最終フレームをPNGとして取り出します。次のどれでも構いません。

• ほとんどのデスクトッププレーヤーでは、最後のフレームで一時停止し、内蔵のスナップショットまたはフレーム書き出し機能を使う。
• コマンドラインなら、ffmpegを1回呼ぶだけで末尾にシークしてフレームを1枚書き出せる。

ffmpeg -sseof -0.1 -i clip1.mp4 -frames:v 1 -update 1 last-frame.png

本当の最後のフレームを取ること。1秒手前のフレームではいけません。動きの途中のフレームから次のクリップを始めると、目に見えるジャンプが生まれます。

ステップ4：次の開始フレームとして投入する

開始・終了フレームモードまたは画像から動画を開き、last-frame.png を開始フレームとしてアップロードします。開始・終了フレームモードでは、ビート2の着地点が決まっているなら終了フレームもアップロードできます。決まっていなければ空のままにして、モデルに動きを引き継がせましょう。

ステップ5：アクションだけを書き換える

骨格は一字一句そのままにします。被写体、舞台、照明、雰囲気。新しいビートのために変えるのは、アクションとカメラの行だけです。あちこちの言い回しを変えたプロンプトは、モデルに照明や被写体を解釈し直す口実を与えます。色のずれやアイデンティティのドリフトはそこから生まれます。

ステップ6：繰り返す

クリップ2を生成し、その最後のフレームを抽出してクリップ3に投入し、以下同様に続けます。各セグメントのプロンプトは、クリップの隣にテキストファイルとして保存しておきましょう。セグメントが失敗したとき、ゼロから考え直すのではなく、同じ文言で再実行できます。

ステップ7：つなぐ

クリップを順番どおりタイムラインに並べ、トランジションなしで突き合わせてつなぎます。継ぎ目でカクつくなら、前のクリップの末尾から2〜3フレームをトリムしてください。生成の最終フレームは、ほぼ同じ画が重複していることがあるからです。公開する解像度で1回だけ書き出します。

継ぎ目をなくすために

継ぎ目を消す4つの習慣です。

すべてのセグメントで同じプロンプトの骨格を使う

継ぎ目が見える最大の原因は、プロンプトのドリフトです。前のプロンプトをコピーし、1文だけ編集して、生成する。記憶を頼りに書き直してはいけません。

1セグメントにカメラの動きは1つ

2つのセグメントにまたがって続くプッシュインは、1つのショットとして見えます。セグメントの途中でプッシュインがパンに変わると、フレームが一致していてもカットとして見えます。各セグメントには動きを1つ完了させ、次の動きが必要なら継ぎ目から始めましょう。

照明の言葉は完全に一致させる

クリップ1の「朝の光」とクリップ2の「柔らかな昼光」は、モデルにとって別の指示であり、モデルはそれに従います。照明の語彙は、骨格の中で最も慎重に守るべき部分です。

着地点がわかっているなら終了フレームを使う

ビート4がラベルが正面を向くといった特定の構図で終わらなければならないなら、まずその構図を静止画として生成し、終了フレームとして与えます。開始・終了フレームモードは2枚の間の動きを補間してくれるので、着地点を言葉で説明するよりはるかに確実です。

30秒動画のコスト

チェーンのコストは、単純にセグメントのコスト×セグメント数です。各ティアで5秒セグメント6本、音声なし、Starterプラン（$19.90 で1,500クレジット）の場合を示します。

出費を抑える3つの方法があります。

• チェーン全体をBasic 480pで下書きする。 $1.60 でビートを固め、採用するセグメントだけを最終ティアで再生成します。
• 精度が許す場面では10秒の画像から動画セグメントを使う。 秒課金のティアでは合計は同じですが、継ぎ目が5つではなく3つで済みます。長さに関係なく1クリップ一律20クレジットのBasicなら、10秒セグメント3本は120ではなく60クレジットです。
• チェーン中は音声をオフにする。 生成音声はどのみち継ぎ目をまたいで続かないので、差し替える音のために追加料金を払うことになります。編集で連続した1本のトラックを載せましょう。

Imgveoでは失敗した生成は自動で返金されるので、エラーになったセグメントで失うのは時間であってクレジットではありません。返金しないプラットフォームでの失敗率の計算を含む完全なコスト算出法は、AI動画クレジット徹底解説にまとめています。

よくある問題と対処法

クリップ間で色がずれる

原因： プロンプトの言い回しが変わったためにモデルが照明やホワイトバランスを解釈し直した、または抽出したフレームが圧縮されていた。

対策： 前のプロンプトの照明の言葉をそのまま戻し、最後のフレームはJPEGではなくPNGで書き出します。それでもずれが残るなら、後のクリップに編集ソフトでカラーマッチ調整を1回かければ差は埋まります。

継ぎ目で動きが「リセット」される

原因： 新しいセグメントは静止画から始まるので、モデルは動きを拾う前にいったん静止した状態から始めてしまう。

対策： 動きを始まるもの（「カメラがプッシュインする」）ではなく、すでに進行中のもの（「カメラはゆっくりとしたプッシュインを続ける」）として記述します。新しいクリップの冒頭2〜3フレームをトリムすれば、目に見える間も消えます。

顔やキャラクターのドリフト

原因： 小さなアイデンティティの誤差がセグメントをまたいで積み重なり、クリップ4の頃には別人になっている。

対策： リファレンスを受け付けるティアでは、最後のフレームと一緒に元のリファレンス画像も与え、すべてのプロンプトにアイデンティティの記述を残します。キャラクターが1人のシーケンスでは、長いチェーンでのアイデンティティ保持はSeedance 2が最も優れています。モデル横断のテクニックはキャラクター一貫性ガイドで解説しています。

音声が続かない

原因： 各セグメントが独自の音を生成し、それらを揃えるものが何もない。

対策： 音声なしで生成し、編集で連続したオーディオベッドを1本載せます。ネイティブの台詞が必要なセグメントがあれば、そのセグメントだけ音声の得意なティアで音声ありで生成し、残りは無音でカットしましょう。どのティアを選ぶべきかはネイティブ音声の比較記事で説明しています。

チェーンに使うべきティア

• Kling 3 標準が既定の選択です。1080p、5秒あたり50クレジット、画像から動画の忠実度が高く、各セグメントが開始フレームをきちんと守ります。Kling 3のページで3つのモードすべてを確認できます。
• Basicは下書き用のティアです。480pで1クリップ一律20クレジット、最終版にお金をかける前にビートを検証するのに最適です。
• Seedance 2は、1人のキャラクターをチェーン全体で保たなければならないときに。秒単価は高くなりますが、引き直しを減らせます。
• Wan 2.7は、スタイライズされた、あるいはイラスト調の動きに。720p、5秒あたり50クレジットです。
• Veo 3.1はチェーンには不向きです。各クリップが8秒固定で終了フレームも受け付けないので、チェーンではなく台詞のセグメントに使いましょう。
• Kling 2.6は開始・終了フレームモードにまったく対応していません。画像から動画で使うか、Kling 3を選んでください。

どのティアを選ぶにせよ、開始・終了フレームのセグメントは5秒、画像から動画のセグメントは10秒が上限であることを忘れないでください。

よくある質問

AI動画はどのくらいの長さまで作れますか？

現行モデルでは1回の生成は通常5〜10秒です。Imgveoで最長の単一クリップは10秒で、Veo 3.1は8秒固定です。チェーンした長さに上限はありません。各クリップの最後のフレームを次の開始フレームに使うことで、クリエイターは30秒、60秒、さらに長い連続ショットを日常的に作っています。

AIで1分の動画は作れますか？

現在のホスト型モデルでは1回の生成では無理ですが、チェーンすれば可能です。60秒の連続ショットは、5秒セグメント12本か10秒セグメント6本です。Kling 3標準なら600クレジット、Starterプランで約 $8。下書きをBasic 480pで作るなら約 $2.40 です。

AI動画を延長するにはどうすればいいですか？

クリップの最終フレームをPNGとして抽出し、新しい生成の開始フレームとしてアップロードし、元のプロンプトをアクションだけ変えて再利用し、2つのクリップをトランジションなしでつなぎます。これがラストフレーム・チェーンで、開始画像を受け付けるモデルなら、つまりほぼすべてのモデルで機能します。

AI動画の開始・終了フレームとは何ですか？

最初のフレームと、任意で最後のフレームを画像として与え、モデルがその間の動きを作る生成モードです。クリップの始点と終点を最も精密に制御できる方法で、セグメントのチェーンや、狙いどおりの最終構図への着地に最適です。

クリップをつなぐと品質は落ちますか？

本質的には落ちません。各セグメントは鮮明なフレームから始まるので、チェーンのほうが1本の長い生成よりきれいに見えることも多いです。品質の問題は、プロンプトのドリフト、圧縮されたフレーム抽出、多数のセグメントにわたるアイデンティティのドリフトから来るもので、いずれも上の対処法で解決できます。最後のフレームはPNGで書き出し、プロンプトの骨格は一定に保ちましょう。

30秒のAI動画を最も安く作る方法は？

1クリップ一律20クレジットのBasicティア480pで下書きします。合計60〜120クレジット（Starterで $0.80〜$1.60）です。そのうえで承認したセグメントだけをKling 3標準の1080pで再生成すれば300クレジット、約 $4 です。チェーン中は音声をオフにし、編集で1本のトラックを追加しましょう。

結論

長いAI動画は、待っていれば来る機能ではなく、あなたが使うテクニックです。セグメントごとにビートを1つ計画し、最後のフレームをPNGで抽出し、次へ送り、アクションだけを変え、結果を突き合わせてつなぐ。安く下書きし、仕上げは1回、継ぎ目は上の4つの対処法で整える。まずは開始・終了フレームモードで最初のセグメントを試すか、画像から動画のページで自分の画像から始めてみてください。どのティアも、生成前にクレジット価格が表示されます。

関連記事：AI動画のキャラクター一貫性：モデル横断ガイド、AI動画クレジット徹底解説、そしてAI動画の本当のコストは？。