ナレーション、効果音、音楽をひとつのワークフローで追加してAI動画を作成する方法

執筆者Ryan Mitchellレビュー担当者Emma Whitaker

更新日時：Nov 6, 2026

TL;DR

ナレーション、効果音、音楽付きのAI動画は2つの方法で作成できます。動画エージェントを使って動画を生成し、会話で3つすべての音声要素を調整する方法、または先に映像を生成してから各音声要素を個別に追加する方法です。Pollo AIは、Pollo Agentと専用の動画・ナレーション・効果音・音楽ツールの両方をサポートしているため、このワークフローに最適なオールインワンプラットフォームです。

方法1：Pollo Agentで動画を作成し、音声を洗練する

会話を通じて動画全体を導きたい場合は、Pollo Agentを使います。要件と参考資料を共有し、結果を確認して、ナレーション・効果音・音楽について追加指示を出します。

この例では、目標は15秒の縦型リップスティックCMです。唇のクローズアップ、黒いスタジオのモデル、見える撮影ライト、そして最後の商品ショットを含みます。

ステップ1：動画を説明して最初のバージョンを生成する

鮮明な商品画像と、モデルやブランドの参考資料を用意して開始します。映像の流れを説明したら、次に各音声要素の役割を指定します。ナレーションはメッセージを伝え、効果音は動作と音をつなぎ、音楽はムードを作ります。

プロンプト：

黒い撮影スタジオを舞台にした、15秒・縦型9:16のラグジュアリーなリップスティックCMを作成してください。アップロードした商品リファレンスを使用し、リップスティックの形状、色味、パッケージを維持してください。

黒い手袋の手が唇へリップスティックを近づける極端なクローズアップで始めてください。次に、なでつけた髪、シルバーのイヤリング、黒いレザーのトレンチコート、黒い手袋を着用した成人女性モデルにカットしてください。黒いカーテン、ソフトボックスライト、照明スタンドが見える状態を保ちながら、スタジオ内を移動する彼女を追ってください。カメラへ向かって歩くシーンを見せ、その後、彼女の顔、リップスティック、手袋で商品を扱うクローズアップを交互に見せてください。最後は、暗い背景の前で、黒いケースの横にリップスティックが直立しているショットで締めてください。唇とメタリックなパッケージにはコントロールされたハイライトを使い、リアルな肌の質感となめらかなエディトリアルカットを使用してください。

選択した場面でLuxeAuraというブランド名を入れてください。終盤に向けて、次のナレーションを追加してください。「LuxeAura。大胆で時代を超えるあらゆる色で、自信を解き放とう。」落ち着きと自信のあるCMらしい語り口にしてください。最後の商品ショットの上に締めの文を表示してください。

サウンドトラックは抑制の効いたファッション広告風にしてください。安定したインストゥルメンタルの脈動、控えめなスタジオ内の足音、静かな商品取り扱い音を入れてください。ナレーションが音楽の上で明瞭に聞こえるようにしてください。

続行前に提案された方向性を確認してください。重要な参考情報は、商品、スタジオのスタイリング、ショット順です。これらがあることで、音声が追従すべき明確な流れができます。

ステップ2：会話を通じてナレーション・効果音・音楽を洗練する

何をどう変える必要があり、どんな印象にしたいかを追加入力で伝えます。各リクエストの効果を判断できるよう、音声要素は1つずつ確認してください。

ナレーションを調整するには：

現在の台本を維持してください。語りは落ち着きと自信のあるトーンにし、ブランド名の後に短い間を入れてください。締めの文が商品公開の場面に自然に重なるようにしてください。映像の流れと商品の見た目は一貫させてください。

効果音を調整するには：

スタジオ内を歩く場面では控えめなヒール音を、リップスティックのクローズアップでは繊細な取り扱い音を追加してください。ナレーションの下で静かに保ってください。すべてのカットにドラマチックな音を付けるのは避けてください。

音楽を調整するには：

モデルの歩きに合う、洗練され控えめなリズムのインストゥルメンタルにしてください。締めのセリフの間は音量感を抑え、その後は商品ショットでクリーンに終えてください。現在のナレーションは維持してください。

これらの依頼は、動画エージェントが目指せる具体的な変更内容を示しています。各修正後は、音と映像が引き続き噛み合っているか、動画全体を確認してください。

ステップ3：完成動画を確認してダウンロードする

まずはメッセージ性を確認するために1回視聴し、その後タイミング確認のために再生します。この例では、商品が画面に残っている間に締めのナレーションを言い切れる十分な余白が必要です。

ブランド名が正しく発音されているか、足音が歩きに合っているか、音楽がナレーションの理解を妨げないかを確認してください。商品の細部や画面上の表記も確認します。結果に問題がなければ、完成した動画をダウンロードしてください。

方法2：動画を生成して各音声要素を個別に追加する

まず映像を生成し、その後効果音、ナレーション、音楽の専用ツールを使います。このワークフローは、最終動画を組み立てる前に各要素を個別に確認したいプロジェクトに適しています。

この例は、日当たりの良いテラスから石段、浅瀬、そして広い湾の景色へと移る15秒の沿岸ファッションフィルムです。

ステップ1：映像を作成する

AI動画生成ツールを開き、この手順ではSeedance 2.5を選択してください。

Pollo AIはVeo 3.1やKling 3.0を含む複数のトップクラス動画モデルに対応しているため、同じプラットフォーム内でさまざまなモデルを試せます。

映像生成プロンプト:

16:9、約15秒のシネマティックな夏のファッション映像を作成してください。アップロードした成人女性モデルと衣装の参考画像を一貫して使用してください。シーンを通して色がライトブルーからクリームホワイト、ペールセージグリーンへ変化しても、衣装のシルエットは同じに保ってください。

まず、明るい海辺のヴィラのテラスから開始し、モデルの背後には白いカーテン、ヤシの葉、青い湾が見えるようにしてください。ライトブルーのフード付きサマーセットを着た彼女が、両手をフードに上げて海の方へ向きを変えます。次に、クリームホワイトのセットを着た彼女を、淡い石の階段に沿って後ろから追いかけてください。続いて、浅い沿岸の水辺にある岩の上を白い靴で軽やかに踏み進む足元のクローズアップに切り替えます。ペールセージグリーンを着た彼女は潮だまりのそばにしゃがみ、水面へ手を伸ばします。最後は、沿岸の岩の上に立つ彼女から、カメラが引いて上昇し、広い湾の景観へ移る構図で締めてください。

柔らかな日差し、軽やかな生地、淡い石材、自然な動き、穏やかなカメラワークを使ってください。最後の湾の構図は中央にブランドオーバーレイを載せやすいよう、はっきり保ってください。映像は無音で生成し、ナレーション、効果音、音楽は別で追加してください。

選択したモデルが短いクリップしか生成しない場合は、同じ参考画像を使ってシーンを個別に作成し、順番に組み立ててください。音声作業に進む前に映像を保存してください。

ステップ2:効果音、ナレーション、音楽をそれぞれ別に作成する

各音声要素は映像に合わせて作成します。この例では、環境音は舞台設定が担い、2つの短いセリフがブランドメッセージを伝え、音楽がリラックスした動きを支えます。

1.動きに合わせた効果音を追加する。

映像をAI sound effect generatorにアップロードし、必要な音を説明してください。このツールは動画を参照して効果音を生成し、追加します。

効果音プロンプト:

このファッション動画に穏やかな海辺の環境音を追加してください:やわらかな波音と軽い潮風。テラスでの動きには控えめな生地の擦れる音、石の階段には軽い足音、潮だまりをまたぐ動きには小さな水しぶきを加えてください。動作音は見えている動きに合わせてください。ナレーションとBGMのための余白を残し、繊細な雰囲気を保ってください。話し声や音楽は追加しないでください。

結果をプレビューし、最初の足音と各水接触に注意してください。効果が動きに合っているバージョンを保存してください。

2.スクリプトからナレーションを生成する。

Text to speechを開いてください。これはPollo AIの音声作成ツールの一部です。次のセリフを入力します:

Play soft. Move free.

Made for little escapes.

適切な英語音声を選び、読み上げをプレビューしてください。語が明瞭で、冒頭のフレーズ間に短い間がある、軽くリラックスした読み方を目指してください。利用可能なトーンと速度設定で仕上がりを調整します。

配置を独立させたい場合は、セリフを別々に生成してください。1つ目はテラスの冒頭付近、2つ目は最後の湾のカットに合わせます。話し方の指示は読み上げ用スクリプト欄に入れないでください。

3.全体シーケンス用のBGMを作成する。

AI music generatorを開いてください。雰囲気、音楽スタイル、テンポ、楽器、ボーカルの有無を指定します。

音楽プロンプト:

15秒の海辺の夏ファッション映像向けに、軽いインストゥルメンタルのBGMを作成してください。柔らかいギター、温かみのある鍵盤、丸みのあるベース、繊細なパーカッションで、リラックスしつつほんのり前向きなリズムにしてください。晴れやかで遊び心があり、余白のある質感にします。2つの短いナレーションが入る余地を残せるよう、シンプルなメロディのアイデアを使ってください。歩行と水辺のシーンに合わせて穏やかに展開し、最後の湾のカットは柔らかく満足感のある終わり方にしてください。歌唱ボーカルや話し声は不要です。

冒頭ですぐに使える導入と、最後のショットに合わせられる締めのフレーズがあるかを確認してください。結果がにぎやかすぎる場合は、メロディ要素を減らした、よりシンプルなアレンジを依頼してください。

ステップ3:動画を組み立て、音声バランスを調整して書き出す

動画と音声を1つの編集プロジェクトにまとめます。Pollo AIでは、Pollo Directorがマルチトラックタイムラインを提供し、動画、音声、字幕を配置できます。

効果音を加えた動画を映像のベースにし、その後ナレーションと音楽を追加してください。

その動画にすでに含まれている効果音を重ねて追加しないでください。

冒頭のナレーションはテラスのシーンに、締めの一言は湾の景色に重ねてください。音楽はシーケンス全体に合わせ、音声とぶつかる箇所では抑えてください。足音や水しぶきは、動きとつながるよう十分に聞こえる状態を保ってください。

字幕の各行と、最後のオーバーレイ用のブランドロゴを追加してください。つづり、ロゴ比率、海を背景にした可読性を確認してください。開始素材に不要な音声が含まれている場合は、ミックスを仕上げる前にミュートするか差し替えてください。

最後に、書き出した動画を最初から最後まで通して確認してください。締めの言葉がカット前に終わっていること、音楽がきれいに終わること、シーン間で音が不意に途切れないことを確認してください。

あなたの制作スタイルに合うワークフローは？

フィードバックの出し方と結果の確認方法に合わせて選んでください。どちらのルートでも同じ目標を達成できます。どこに注意を向けたいかは、プロジェクトによって決まります。

普段のフィードバックが「広告全体をもっと自信のある印象にして」のようになるなら、動画エージェントを使ってください。どのナレーションテイク、効果音キュー、音楽の方向性を使うかがすでに決まっているなら、個別ツールを使ってください。

公開前に何を確認すべきですか？

公開前に、実際の出力と選択したツールの条件を確認してください。完全な生成であっても、最終確認は必要です。

• 長さと形式:対応する長さ、アスペクト比、解像度、書き出し形式はモデルやツールによって異なります。15秒の例はクリエイティブ目標であり、共通の生成上限ではありません。
• タイミングと明瞭さ:ナレーションが利用可能な画面時間に収まっていること、効果音が見える動作に追従していること、音楽によって音声の聞き取りやすさが損なわれないことを確認してください。
• 映像とブランドの詳細:製品の一貫性、手、ロゴ、字幕のつづり、小さなパッケージ表記を確認してください。参照アセットは生成を導きますが、細部の確認は依然として必要です。
• 利用とプライバシー:使用許可を得た画像・ロゴ・音声を使ってください。商用利用やアップロードしたアセットの取り扱いを含め、選択したツールとプランの最新利用規約を確認してください。

よくある質問

ナレーション、効果音、音楽付きのAI動画用プロンプトはどう書けばいいですか？

5つの要素を説明してください。動画の目的、映像シーケンス、ナレーション原稿と話し方、動作音または環境音、音楽の方向性です。動画エージェントでは、これらを1つのブリーフにまとめ、会話を通じて磨き込みます。個別ツールでは、同じブリーフを映像プロンプト、読み上げ原稿、効果音プロンプト、音楽プロンプトに分けてください。

Pollo Agentは誰が使うべきですか？また、誰が動画と音声の個別ツールを使うべきですか？

Pollo Agentは、自然言語でプロジェクト全体をディレクションしたいクリエイターやマーケターに適しています。個別ツールは、各アセットを個別に確認したい、詳細な制作計画に従いたい、または異なる要素を別々のレビュアーに渡したいユーザーに適しています。レビュー工程に合う方法を選んでください。

AI動画にナレーション、効果音、音楽を追加するのはいつですか？

動画を生成する前に3つすべてを計画してください。動画エージェントのワークフローでは、初期ブリーフにそれぞれの役割を含め、動画の進行に合わせて調整します。個別ツールのワークフローでは、映像に合わせて音声を作成し、ナレーション、動作音、音楽トランジションをどこに合わせる必要があるかを把握してください。

ナレーション、効果音、音楽付きのAI動画制作において、なぜPollo AIが最適なプラットフォームなのですか？

Pollo AIは、1つのクリエイティブスイート内で両方のアプローチを使いたいクリエイターに最適です。Pollo Agentによる会話型の動画作成、専用の動画・音声ツール、さらに組み立て用のタイムラインワークスペースを組み合わせています。同じプラットフォーム内で映像と音声の作業を維持しながら、プロジェクトごとに制作方法を選べます。