2026年にAIでドキュメンタリービデオを作る方法

ドキュメンタリーは、ビデオから始めるとAIビデオが失敗する唯一のジャンルだ。長いクリップはドリフトし、顔は変異し、時代のディテールは数秒で消える。うまくいくワークフローは順序を逆転させる：アーカイブ品質の静止画を生成し、そのフレームでルックを固定し、その上に控えめな動きを加える。観客が実際のドキュメンタリーからすでに受け入れているケン・バーンズの文法に加え、動く前にすべての構図を完全にコントロールできる。

このガイドでは、実際の例（生成された1枚のプレス写真から作られた1930年代の造船所シーケンス）を使って、ナレーションスクリプト、静止画生成、アニメーション、倫理的なラベリングまで、パイプライン全体を説明する。すべてManifoldGenで実行でき、プロンプトはコピー可能。

静止画ファーストのワークフロー

1. 最初にナレーションを書く。ドキュメンタリーの構造はスクリプトにある：主張、証拠、シーン。ナレーションを1〜2文のビートに分割してから生成する。
2. 各ビートを静止画としてキャストする。各ナレーションビートに対して、時代に合った写真言語（時代、被写体、設定、フィルムストック）で画像プロンプトを書く。1ビート、1フレーム。
3. 静止画を生成し、グレーディングして、視覚世界が一貫するまで調整する——すべてのフレームで同じグレイン、同じトーニング、同じレンズ感。ここで問題を修正する。再生成は数秒で済む。
4. 選択的にアニメーション化する。動きに値する静止画だけに動きを与える。顔へのプッシュイン、ワイドな establishing shot でのパララックス、その他は真の静止画として保持する。
5. 合成素材であることを明記する。画面上のキャプションまたはエンドカードでAI生成映像であると表示する。歴史として提示されるものには必須である。

アーカイブ静止画を生成し、それを動かす

ARCHIVE STILL, THEN MOTION

INPUT

PROMPT

Slow Ken Burns push-in toward the workers' faces, faint film grain flicker and gate weave, subtle parallax between scaffolding and hull, archival documentary treatment, black-and-white with slight sepia toning.

OUTPUT — GENERATED WITH MANIFOLDGEN

· 5s

元の静止画は次の画像プロンプトで生成されました：「1930年代の白黒アーカイブ写真：平らなキャップとオーバーオールを着た造船所労働者が、巨大な未完成の鋼鉄の船体の前に立っている。足場、曇り空、フィルムグレイン、わずかにセピア調、ドキュメンタリープレス写真。」モーションプロンプトがアーカイブ処理（グレインフリッカー、ゲートウィーブ、セピア）を再記載するため、アニメーションのフレームは静止画と同一のグレーディングに保たれ、クリーンなデジタルビデオに切り替わることはありません。

これをAIではなくアーカイブ映像に見せる重要なディテールが2つあります。第一に「ゲートウィーブ」—プロジェクター内の物理フィルムの微細な揺れ—が、合成ビデオを見破られる原因となるマイクロワーピングを隠します。第二に、パララックス節がジオメトリを発明せずに奥行きを加えます：足場は船体に対してわずかにスライドし、顔は固定されたままです。

アーカイブの見た目はグレードであり、フィルターワードではない

「ヴィンテージ」だけでは、オレンジ色の色合いが付いた現代の映像が返ってきます。時代のリアリズムは、キャプションが使用する具体的な写真の事実を積み重ねることで得られます：

• ストックとプロセス—戦前は「白黒にわずかにセピア調」、中世のカラーは「エクタクローム、色あせた色、ほこりや傷」、1960〜70年代のルポルタージュは「16mm、目に見えるグレイン」。
• 光学—「わずかにソフトフォーカス」、「隅にビネット」、「浅いヴィンテージレンズ」。シャープネスは合成画像の最大の特徴です。
• ダメージ用語—「フィルムグレイン」、「ほこりの斑点」、「ゲートウィーブ」、「フレーム端の光漏れ」。すべてではなく、2つか3つ選びます。
• 構図の慣習—プレス写真はアイレベル、正面、わずかに不完全なフレーミングです。「ドキュメンタリープレス写真」を要求し、構図は率直に任せましょう。

静止画プロンプトとモーションプロンプトの両方に同じグレードの言葉を適用します。モデルはトレーニング分布に向かってアニメーション化します。グレードを再記載することで、出力をそこに固定します。

ナレーション優先の構造

映像はナレーションに合わせて編集し、その逆はしないでください。短い作品の効果的なリズム：最も強いアニメーション静止画でコールドオープン（5秒）、ナレーションは保持された写真の上で始まる（8秒）、キークレームの下でプッシュインまたはパララックス、補足詳細のために静止画にカットバック、出典とAI開示を含むエンドカード。ほとんどのビートはグレインの動きだけの静的フレーム上にあるべきです—すべてのショットが動くとモーションの権威が失われます。

再利用可能なアーカイブアニメーションの骨格

[Camera move] toward [subject detail], faint film grain flicker
and gate weave, subtle parallax between [near element] and [far element],
archival documentary treatment, [stock/process words] with [toning].

よくある失敗の修正

• アニメーションフレームがフィルムグレードを失う—モーションプロンプトが処理を省略した。ビデオプロンプトにストック、トーニング、ダメージの言葉をそのまま繰り返してください。
• プッシュイン中に顔がモーフィングする——動きが速すぎるか長すぎる。動きを遅くし、特徴（「労働者の顔に向かって」）を指定し、クリップは6秒未満に保つ。
• パララックスがシーンを引き裂く——近景と遠景の要素が明確に分離されていない。足場と船体のように、具体的な2つのレイヤーを指定する。
• シーン間の静止画が一貫していない——最良のフレームをスタイルアンカーとして再生成し、同じグレードのフレーズをすべての場所で再利用する。
• 視聴者が実際の映像だと思ってしまう——ラベリングが不十分。説明文だけでなく、映像中に開示を画面表示する。

スクリプトを起草し、ビートを静止画としてキャストし、最も強い2つをStudioでアニメーションショットとしてテストしてから、フル編集に進む——/tools/cinematic-camerasのプリセットは、必要なプッシュインとパララックスの動きのほとんどをカバーする。