縦型ショートドラマの「冒頭1秒フック」とテンポ設計：AI絵コンテでの構成術

なぜ縦型ショートドラマは「冒頭1秒」で決まるのか

本記事はSay Actionチームが執筆しています。縦型ショートドラマの絵コンテ設計と制作実務に基づき、離脱を防ぐカット構成とAI動画のテンポ管理を解説します。スマートフォンの画面を親指でスクロールする視聴環境において、視聴者がその動画にとどまるかスワイプして離脱するかは、最初の1秒にかかっています。従来のテレビドラマや長編映画のような、美しい風景の遠景（ロングショット）や登場人物の日常風景からゆっくり始める「起承転結」の文法は、縦型短編においては致命的な離脱原因になります。

縦型ショートドラマにおける鉄則は、冒頭の1秒にいきなり「転」を配置することです。修羅場の真っ只中、叩きつけられる離婚届、決定的な裏切りを告げる一言、あるいは息を呑むような表情のクローズアップから開始します。状況説明や背景解説はすべて後回しにし、視聴者の脳内に「何が起きているのか」「この後どうなるのか」という強い疑問（フック）を一瞬で刻み込む高密度な構成が求められます。

AIを活用した制作現場でも、このフックの設計が成否を分けます。どれほど精緻な映像モデルを用いても、最初のカットが漫然とした立ち姿であれば視聴維持率は急落します。Say Actionの絵コンテ表では、カット1の目的を「掴み（フック）」として明確に定義し、セリフ、表情、カメラの寄り具合を冒頭専用に最適化することで、指を止めさせる劇的な導入を形にします。

60秒を10カットに割り振るテンポ設計

1エピソードが60〜90秒で完結する縦型ショートドラマでは、全体のカット数を10〜14カット前後に抑えつつ、各カットの秒数を緻密にコントロールする必要があります。1カットの平均秒数は2〜4秒が目安です。長すぎるカットは視聴者を退屈させ、逆に1秒未満のカットを乱発すると人物の感情やセリフの文脈が伝わらなくなります。

標準的な60秒エピソードは、5つの感情ブロックに分割できます。「0〜3秒の強烈なフック」「4〜15秒の対立構図の提示」「16〜45秒の葛藤の激化と中盤の山場」「46〜53秒の感情の逆転」「54〜60秒の次回へ引き込むクリフハンガー」という流れです。中盤で中だるみを作らず、45秒付近で小さなカタルシスや新事実を提示することで、完全視聴へと導きます。

下記の表は、Say Actionの絵コンテ表でそのまま再現できる60秒10カットの標準配分モデルです。カットごとの景別（ショットサイズ）、カメラの動き、そして視聴維持率を保つための演出意図を一覧化しています。この設計図をあらかじめ固定しておくことで、無駄な動画生成を避け、狙い通りのテンポでエピソードを進行できます。

Say Actionの絵コンテ表機能に基づく標準構成例。実際の脚本の台詞量やジャンルに応じてカット数や秒数を調整してください。

9:16画面におけるZ軸（奥行き）演出と接写

縦型ショートドラマの映像表現において、横型映画との最大の違いは「画角の広がり」ではなく「縦の高さと奥行き（Z軸）」にあります。9:16の画面では左右に複数の人物を並べるワイドショットが窮屈になるため、被写体を前後に配置するZ軸の演出が基本となります。手前に話者の肩や小道具を大きくぼかして配置し、奥にいる人物の表情にピントを合わせることで、狭いスマホ画面の中に深い空間が生まれます。

また、感情の機微を伝えるためには接写（クローズアップ、エクストリームクローズアップ）を大胆に多用することが不可欠です。目元の揺らぎ、唇の震え、握りしめた拳などのディテールは、小さなスマホ画面で最大の情報量を誇ります。AI画像生成を行う際も、全身の引きの絵を減らし、顔や手元の寄りのプロンプトを中心に組み立てることで、モデル特有の顔の崩れを防ぎ、ドラマの緊迫感を強調できます。

さらに忘れてはならないのが、スマートフォンのUIセーフゾーンとテロップ（字幕）の余白設計です。画面の上部（アカウント情報や検索バー）や右側（いいね・共有ボタン）、下部（キャプションや進行バー）はUIで覆われます。重要な表情や目線、そして決定的な小道具は画面中央のセーフティエリア内に収め、下部にはセリフのテロップを配置できる余白を絵コンテ段階から確保しておく必要があります。

Say Actionの絵コンテ表で秒数と運鏡を固定する

理想的なテンポを実際の映像に落とし込むには、Say Actionのキャンバス上で絵コンテ表を整理することから始まります。脚本ノードから生成されたカットリストの各行には、「推定秒数」「景別（ショットサイズ）」「セリフ」「カメラワーク指示」を正確に割り当てます。長すぎる尺を最初から排除し、2〜3秒の明確な意図を持ったカットに分割しておくことで、モデルが余計な間延びした動きを生成するのを防ぎます。

絵コンテ行ごとのテキスト編集、秒数の調整、カメラワークの書き換え自体は完全無料で自由に行えます。各カットのキーフレーム画像や動画生成を実行する段階になって初めて、選択したモデルや解像度に応じた予定消費ポイントが事前に提示されます。クレジットはチャネル価格から概算。実際の消費は管理画面で設定した価格階層に従います。 秒単位の動画課金はリクエスト秒数による事前承認です。上流の実際の出力がリクエストを超えた場合、わずかな差額が発生する可能性があります。。モデル提供元が生成の失敗を明確に確認した場合、仮確保されたクレジットを返還します。通信が途切れるなど結果や料金が確認できない場合は、二重精算を避けるため確認待ちになります。

すべてを一括生成して放置するのではなく、まずは重要なフックとなるカット1や山場のカットについて静止画キーフレームを生成し、美術トーンと人物の表情を確認します。納得がいったカットから順次動画ノードへと接続し、不自然な動きが生じたカットのみを単独でプロンプト調整・再生成していくのが、最もコスト効率が高く高品質なショートドラマを仕上げる実務フローです。

生成素材の書き出しと外部編集（CapCut等）への引き継ぎ

Say Action上で各カットの動画生成が完了したら、外部の動画編集ソフト（CapCut、Premiere Proなど）へと素材を引き継ぎます。キャンバス上の動画ノードから各カットの動画ファイルをカット番号順（Shot01、Shot02...）にローカルフォルダへ書き出します。ブラウザのファイルシステム保存機能を利用すれば、生成された高解像度クリップをローカルの専用フォルダへ直接受領し、確実な保存レシートを残すことが可能です。

外部タイムラインでの編集作業では、あらかじめ設計した絵コンテのテンポに従って素材を並べます。AI動画は生成された尺のまま漫然と繋ぐのではなく、冒頭の0.5秒の余分な静止フレームや語尾の無駄な余韻をトリミングし、前のカットの語尾と次のカットの頭をわずかに被せる「Jカット/Lカット」の手法を取り入れることで、息もつかせぬスピーディな会話劇を演出できます。

最後に、テンポを強調する劇伴音楽（BGM）、衝撃音（効果音/SE）、そして大文字の強調テロップを配置します。特にカット1のフックには決定的な効果音を重ね、カット10のクリフハンガーでは音楽を突如カットして静寂を作るなど、聴覚的な緩急を組み合わせることで、視聴者を次のエピソードへと確実に誘導する完成度の高い縦型ショートドラマが仕上がります。

自分のAPIと外部のAPI中継サービスを接続する

モデルの接続設定でBase URLとAPIキーを入力し、提供元のドキュメントに従ってAPIの方式、モデルID、必要なヘッダーを設定します。生成前に、使いたい画像・動画の生成方式に対応しているか確認してください。パス、解像度、開始・終了フレームの指定方法は接続先によって異なります。未対応サービスの接続リクエストは、対応を保証するものではありません。

BYOKではAPIの接続先、モデルのキー、カスタムヘッダーを設定できます。OneAPIやNewAPIなどを使う場合は、実際のAPIに合うOpenAI・Gemini・Claudeの方式を選び、モデルIDと画像・動画APIの対応状況を確認してください。すべての中継サービスや独自仕様に自動対応するわけではありません。BYOKでのモデル利用にはプラットフォームの上乗せ料金や生成クレジットの消費はありませんが、ワークスペースとモデル提供元の利用料金は別途かかります。

信頼できる提供元だけに接続し、本番環境ではHTTPSを使用してください。リクエストはログイン認証されたバックエンドを経由し、必要なプロンプト、参考素材、認証情報が送信に使われます。APIキー、パスワード、秘密情報を含むヘッダーを公開キャンバスやスクリーンショット、サポートへの申請に載せないでください。