動画制作 完全ガイド
ChatGPTで動画を作る方法【Sora連携・スクリプト作成まで全工程を解説】
ChatGPTで台本・ナレーション・字幕を作り、SoraなどのAIで映像を生成する——この生成AI組み合わせで、企画から公開まで一人でプロ品質の動画制作が効率化できます。全工程をステップごとにわかりやすく解説します。
🎬 全工程を網羅
🕐 読了 約10分
🔄 2026年最新
01
全体像・役割分担
02
使うツール一覧
03
STEP1：台本を作る
04
STEP2：ナレーション
05
STEP3：Soraで生成
06
STEP4：プロンプト術
07
スタイル別プロンプト例
08
STEP5：編集・仕上げ
09
FAQ・まとめ
「ChatGPTで動画が作れる」——2026年時点でこれは現実です。ChatGPTとSora（OpenAIの動画生成AI）を組み合わせるツール構成で、企画から公開まで一人でこなせます。まず全体の流れ・ステップと各ツールの役割分担を把握しましょう。
STEP 01
企画・構成
ChatGPT担当
STEP 02
台本・原稿
ChatGPT担当
STEP 03
映像生成
Sora担当
STEP 04
編集・仕上げ
外部ツール
STEP 05
公開・配信
YouTube・SNS等
🎬 Sora（ソラ）とは？
SoraはOpenAIが開発した動画生成AIです。テキストで説明するだけで高品質な動画（最長20秒）を生成できます。2024年12月に一般公開され、2026年現在はChatGPT Plus（制限あり）・Pro（拡張枠）で利用可能です。
ChatGPTとSoraだけで全部できるわけではなく、各工程に適したツールを組み合わせます。以下が基本の構成です。
動画制作の品質・クオリティは企画と台本で9割決まります。ChatGPTを使えば、アイデア出しから完成した台本まで30分以内で高品質な内容に仕上がります。
① 企画立案プロンプト
あなたはYouTubeコンテンツ戦略の専門家です。
以下の条件で動画テーマとタイトル案を10個提案してください。
【チャンネルジャンル】〔AI・ChatGPT活用〕
【ターゲット視聴者】〔30〜40代の会社員・副業に興味がある人〕
【目指すトーン】〔わかりやすく・実用的・信頼感がある〕
【条件】
・クリック率が高そうなタイトルにする
・数字・具体性・ベネフィットを含む
タイトルごとに「なぜこのタイトルが刺さるか」を1行で説明してください。
② 台本（スクリプト）作成プロンプト
あなたはYouTube台本ライターの専門家です。
以下の構成をもとに、視聴者に語りかけるスタイルのナレーション台本を書いてください。
【動画タイトル】〔ChatGPTで副業を始める3ステップ〕
【総尺】〔8分〕（文字数目安：約2400字）
【話し手のキャラクター】〔親しみやすく・頼れる先輩のような口調〕
【台本のルール】
・一文は短く（40字以内）
・各セクションの切れ目に「映像イメージ：〔〕」を挿入する
〔ここに構成を貼り付ける〕
③ SRT字幕ファイル作成プロンプト
以下の台本をSRT形式の字幕ファイルとして出力してください。
【変換ルール】
・1行20文字以内に分割する
・1行あたり3秒として計算して時間を割り振る
〔ここに台本を貼り付け〕
ChatGPTに「Soraのプロンプトも各シーンごとに英語で一緒に出力して」と追加指示すると、台本と映像プロンプトが同時に揃います。
台本ができたら、ChatGPTに指示してAI音声ツールで読み上げるためのナレーション原稿に仕上げます。
台本を「読みやすい口語体」に調整する
ChatGPTに「この台本を声に出して読みやすい口語体に調整して」と指示するだけで変換・出力できます。書き言葉と話し言葉の差を埋めることで、AI音声生成の自然さが格段に上がります。
読み仮名・固有名詞の読み方を追加する
「ChatGPT（チャットジーピーティー）」など固有名詞の読み方を括弧書きで追加します。AI音声ツールが正しく読み上げられるよう、英語の製品名・略語には必ず読み方を明記してください。
AI音声ツールに原稿を貼り付けて音声生成
VOICEVOX（日本語・無料）またはElevenLabs（英語・高品質有料）などに原稿を貼り付けて音声を生成します。VOICEVOXはキャラクターを選べて日本語の自然さが高く、初心者におすすめです。
字幕テキストをSRT形式で動画編集ソフトにインポート
ChatGPTで生成したSRTファイルをCapCutやDaVinci Resolveにインポートすることで、字幕入力の手間を大幅に省けます。文字サイズ・フォント・色は視認性を優先して設定しましょう。
台本ができたら、Soraで各シーンの映像を自動生成します。AIプロンプトを入力するだけで操作は簡単ですが、事前に設定の意味を理解しておくとスムーズです。
sora.comにアクセスしてログイン
sora.com にアクセスし、ChatGPT PlusまたはProの有料プランのアカウントでログインします。無料プランではSoraは利用できません。プラン変更で即日アクセス可能になります。
動画の設定を選択する
アスペクト比（16:9＝YouTube向け、9:16＝Shorts・TikTok向け）・尺（5秒・10秒・20秒）・品質を選びます。用途に合わせて最初に設定しておきましょう。
プロンプトを入力して「Generate」をクリック
英語または日本語でシーンの内容を説明します。英語の方が細かいスタイル指定が反映されやすいです。生成には30秒〜3分程度かかります。
生成された動画を確認してダウンロード
気に入らない場合はプロンプトを修正して再生成します。同じプロンプトでも毎回異なる映像が生成されるので、数パターン生成して最も良いものを選ぶのがコツです。
⚠️ Soraの利用枠に注意（Plusは制限あり）
ChatGPT Plusプランでは1ヶ月に生成できる動画の合計時間に上限があります。大量生成する場合はProプランの方が快適です。
Soraへのプロンプトは「映像監督が撮影指示を出す」感覚で書くのがポイントです。5つの要素を組み合わせることで、意図した映像に近づきます。
① 被写体（Subject）
「30代の日本人女性」「白いオフィスビル」——何が・誰が映っているか
② アクション（Action）
「笑顔でコーヒーを飲んでいる」「ゆっくり歩いている」——何をしているか
③ 映像スタイル（Style）
「cinematic 4K」「anime style」——映像の質感・雰囲気
④ カメラワーク（Camera）
「slow zoom in」「aerial drone shot」——カメラの動きと構図
⑤ 照明・雰囲気（Lighting）
「golden hour lighting」「moody dark atmosphere」——光の質と感情的なトーン
実例プロンプト（ビジネス女性）
A professional Japanese woman in her 30s sitting at a sleek desk,
smiling while typing on a laptop.
Style: cinematic 4K, soft natural light from window.
Camera: slow push-in from medium shot to close-up on her face.
Lighting: warm golden hour light, clean modern office atmosphere.
Duration: 10 seconds.
💡 ChatGPTにSoraプロンプトを生成させる方法
台本のシーンメモを渡して「これをSoraのプロンプトに変換して（5要素を揃えた英語で）」と依頼すれば、ChatGPTが適切な英語プロンプトを自動生成します。手動で英語を書く必要がなくなります。
用途別のプロンプト例です。そのままコピーして使うか、ChatGPTに「このスタイルで〇〇のシーンを作って」と追加指示して活用してください。
🏢 ビジネス・企業動画向け
Diverse team of professionals in a bright modern meeting room, engaged in animated discussion.
Style: corporate documentary, 4K, shallow depth of field.
Camera: slow pan from wide shot to medium close-up.
Lighting: bright natural daylight, clean and professional.
💻 テクノロジー・AIコンセプト映像
Abstract visualization of data streams and neural network connections in a dark digital space.
Style: futuristic tech, cinematic, deep blue and cyan color palette.
Camera: slow dolly through the data streams.
Lighting: self-illuminated data nodes, dark background, glowing edges.
🌿 ライフスタイル・Vlog向け
A cozy morning scene: steam rising from a cup of coffee on a wooden table by a window.
Style: lifestyle vlog, cinematic, warm and inviting.
Camera: macro close-up, very slow zoom out.
Lighting: soft golden morning sunlight, warm tones, peaceful.
📱 SNS・ショート動画向け（縦長 9:16）
Dynamic vertical video: close-up of hands typing on a laptop, then pulling back
to reveal a person working in a stylish home office.
Style: social media aesthetic, vibrant, energetic, vertical 9:16 format.
Camera: starts extreme close-up, smooth pull-back reveal in 5 seconds.
スタイル名 英語キーワード 向いている用途
シネマティック cinematic 4K, film grain 企業動画・YouTube ドキュメンタリー documentary style, handheld feel インタビュー・解説 コマーシャル product commercial, studio quality 製品PR・広告 ライフスタイル lifestyle photography, warm tones Vlog・SNS フューチャリスティック futuristic, sci-fi, neon テック・AI解説 ドローン映像 aerial drone shot, bird’s eye view 旅行・不動産
Soraで生成したクリップを動画編集ソフトで組み合わせて完成させます。CapCutは無料で初心者向けです。
台本のシーン順にクリップを並べる
CapCutのタイムラインに、台本のシーン順にSoraクリップをドラッグします。各クリップの前後を1秒程度オーバーラップさせるとつながりが自然になります。
ナレーション音声を読み込んでタイミングを合わせる
AI音声で生成したナレーションを読み込み、映像とタイミングを調整します。音声の長さに合わせてクリップの尺を伸ばしたり切ったりして調整します。
字幕を追加する
ChatGPTで生成したSRTファイルをインポートするか、字幕テキストを貼り付けます。フォント・サイズ・色は視認性を優先して設定します。
BGM・効果音を追加してミックスする
ナレーション音量を100%とした場合、BGMは15〜20%程度に設定するとバランスが良くなります。SunoやYouTube Audio Libraryから著作権フリーの音楽を選びましょう。
カラーグレーディングでトーンを統一する
Soraで生成した複数クリップは色合いが若干異なる場合があります。LUTを使って全クリップのトーンを統一するとプロらしい仕上がりになります。
最終書き出しして公開
YouTube用：1080p以上・H.264・4K推奨。Shorts・Reels用：1080×1920（縦長）。書き出し後に必ず最終確認してから公開します。サムネイルのコピーもChatGPTに依頼できます。
Q. Soraは日本語プロンプトでも使えますか？
日本語でも動画を生成できますが、英語プロンプトの方がスタイル・カメラワーク・照明などの細かい指定が映像に反映されやすい傾向があります。ChatGPTに「このシーンをSoraプロンプトの英語版に変換して」と依頼するのが最も効率的です。
Q. Soraで生成した動画の著作権はどうなりますか？
OpenAIの利用規約上、Soraで生成した動画の権利はユーザーに帰属します。商業利用も可能ですが、実在の人物・著作権のあるキャラクターなどが含まれる場合は法的リスクがあります。最新のOpenAI利用規約を必ず確認してください。
Q. 無料プランでSoraは使えますか？
2026年4月時点では、Soraの利用にはChatGPT Plus（月額約3,000円）以上が必要です。無料プランではSoraは利用できません。
Q. Soraで長い動画（数分）を一度に生成できますか？
現時点のSoraは1クリップ最長20秒が上限です。数分の動画を作るには、20秒以下のクリップを複数生成して動画編集ソフトでつなぎ合わせる手法が標準的です。
Q. 動画編集スキルがなくても作れますか？
CapCutを使えば直感的な操作で編集できます。Soraクリップのカット・BGM追加・字幕入れ程度であれば、初心者でも1〜2時間でマスターできます。
🤖
ChatGPTはテキスト全般を担当
企画・台本・ナレーション・字幕・サムネコピーまで、すべてのテキスト工程をChatGPTに任せられる。
🎬
Soraが映像生成を担当
シーン別に20秒以下のクリップを生成して編集でつなぐ。Plus以上が必要。大量生成はProが快適。
✍️
プロンプトは5要素で書く
被写体・アクション・スタイル・カメラ・照明の5要素を揃えると映像精度が大幅に上がる。
💡
ChatGPTにプロンプト変換を任せる
台本シーンを渡して「Soraプロンプト英語版に変換して」と依頼するだけで映像品質が向上する。
✂️
編集はCapCutから始める
無料・初心者向けのCapCutで始めて、慣れたらDaVinci Resolveへステップアップ。
⚠️
著作権・利用規約の確認を忘れずに
Sora生成動画の権利はユーザーに帰属するが、実在の人物・著作物が含まれる場合は法的リスクに注意。
