プロンプトは英語のまま掲載しています。Nano Banana や動画モデルは英語の指示を最も安定して理解するため、そのままコピーしてお使いください。
思い描いたとおりの AI 動画を作る一番確実な方法は、最初のフレームを静止画としてデザインし、それを動かすことです。Nano Banana なら、構図、キャラクター、商品、光を安く正確にコントロールできます。そこに Veo、Seedance、Wan、Gemini Omni などの動画モデルが動きを加え、多くのモデルでは音も付けます。このガイドでは、最初のフレームのプロンプトから複数カットの完成まで、NanoBananas での流れ全体を紹介します。どちらの工程も同じクレジット残高で使えます。
このガイドのモデル、長さ、クレジットは 2026年11月9日 時点の NanoBananas スタジオの設定です。生成前にはスタジオが必ず正確な見積もりを表示します。
画像から始める理由
- コントロール：動画にクレジットを使う前に、構図、キャラクター、光を確認できます。静止画は3〜20クレジット、8秒の動画は24〜360クレジットです。
- 一貫性：同じ静止画や、それを編集したものを複数の動画の出だしに使えば、キャラクターや商品がどのカットでも同じに見えます。
- 失敗が減る：テキストから動画では見た目と動きを同時に作らなければなりません。画像から動画なら動きだけで済み、失敗の多くはもともと動きの部分で起きます。
- ブランドの正確さ：ロゴ、パッケージ、商品の色は、動画のプロンプトよりも、編集して確認できる静止画のほうがずっと正確に作れます。
手順1：動かせる最初のフレームを作る
画像スタジオで静止画を生成します。良い最初のフレームとは、ただ良い絵ではなく、動画モデルが動かせる余地のある絵です。
- 動画のアスペクト比で作る。横長なら 16:9、縦型の SNS 動画なら 9:16。Veo 3.1 と Gemini Omni はこの2つだけ、Seedance と Wan 3.0 は 1:1・4:3・3:4 にも対応し、Seedance はさらに 21:9 も使えます。
- 動く余白を残す。画面の端に詰まった被写体は歩く場所がなく、画面いっぱいの商品はカメラで回り込めません。
- 動作の途中で止める。注いでいる途中のバリスタや走っている途中のランナーなら、次の動きがはっきりします。
- 小さな文字や密集した人混みは避ける。どちらも動き出すと安定させにくくなります。
- 2K で作る。1080P の動画には十分な細かさです。4K の静止画は高いうえ、動画は鮮明になりません。
最初のフレームのプロンプト
A barista in a green apron pouring latte art into a white cup at a sunlit café counter, steam rising, medium shot at eye level, soft morning light from the window behind, 16:9 cinematic framing with space on the right.
本番のフレームは Nano Banana 2.1 か Pro で、構図の下書きは Nano Banana 2 の 1K（1枚3クレジット）で作りましょう。プロンプトの組み立て方は Nano Banana のプロンプトの書き方をご覧ください。
手順2：動画モデルを選ぶ
以下のモデルはどれもスタジオで最初のフレームを動かせます。違いは長さ、比率、音、価格です。
| モデル | 最初のフレームからの長さ | 比率 | 音 | 料金の例 |
|---|---|---|---|---|
| Veo 3.1 Lite | 4・6・8秒 | 16:9、9:16 | 常に付く | 720P 8秒：24 |
| Veo 3.1 Fast | 4・6・8秒 | 16:9、9:16 | 常に付く | 720P 8秒：48 |
| Veo 3.1 Quality | 4・6・8秒 | 16:9、9:16 | 常に付く | 720P 8秒：176 |
| Gemini Omni 1.1 Flash | 4・6・8・10秒 | 16:9、9:16 | 常に付く | 720P 8秒：64 |
| Seedance 2.0 Mini | 4〜15秒 | 21:9 を含む6種類 | 選択可 | 720P 8秒：24 |
| Seedance 2.0 | 4〜15秒 | 21:9 を含む6種類 | 選択可 | 720P 8秒：120 |
| Seedance 2.5 | 4〜30秒 | 21:9 を含む6種類 | 選択可 | 720P 8秒：176 |
| Wan 3.0 | 5・10・12・15秒 | 16:9、9:16、1:1、4:3、3:4 | 選択可 | 720P 10秒：60 |
- 音付きの SNS 用ショート：Veo 3.1 Fast。クレジットを抑えるなら Lite。
- 長めの1カット：Seedance 2.5（最長30秒）か Wan 3.0（最長15秒、1秒あたりが安い）。
- 正方形や 4:3 のフィード向け：Seedance か Wan 3.0。
- 一番安い動きのテスト：Veo 3.1 Lite か Seedance 2.0 Mini。720P・8秒で24クレジット。
詳しい比較は Seedance・Veo・Wan の比較と Veo 3.1 の Quality・Fast・Lite の違いをご覧ください。
手順3：場面ではなく動きを書く
画像から動画を開いて静止画をアップロードします。場面はすでに画像が決めているので、プロンプトには何が動くか、カメラがどう動くか、何が聞こえるかを書きます。場面全体を説明し直すと、モデルがそれを変えてしまうことがあります。
動きのプロンプト
The barista slowly finishes the pour and lifts the jug away; steam drifts upward. The camera pushes in gently toward the cup. Calm pace, natural motion, ambient café sound.
| カメラ用語 | 動き | 向いている場面 |
|---|---|---|
| Push in / dolly in | 被写体に近づく | 商品や顔に注目を集める |
| Pull back / dolly out | 被写体から離れる | 全体を見せる、締めのカット |
| Pan left / right | その場で左右に振る | 画面を横切る動きを追う |
| Orbit | 被写体の周りを回る | 商品、彫刻、メインビジュアル |
| Handheld | 自然な小さな揺れ | ドキュメンタリーや SNS らしさ |
| Static | カメラを動かさない | 会話や細かな動き |
- 1本につき主な動作は1つ、カメラの動きも1つにします。2つずつにすると混ざりがちです。
- 速さを表す言葉を入れます：slowly、gently、suddenly、in one smooth motion。
- 音が出るモデルでは、欲しい音を書きます：quiet café ambience、footsteps on gravel、no music。
- プロンプトは英語で。多くの動画モデルは英語のプロンプトにいちばん安定して従います。
手順4：安く試してから本番を作る
- 動きを試す：720P とそのモデルの最短の長さで。Veo 3.1 Lite なら4秒のテストが12クレジットです。
- 動画を確認する：被写体の顔や形は保たれているか、カメラは指示どおりか、端がゆがんでいないか、音は合っているか。
- 1回に直すのは1つ。動きが少なすぎるなら動作をはっきり書き、多すぎるなら subtle と static camera を加えます。
- 本番を作る：テストが良かったモデルで、公開する長さと解像度で生成します。
モデルを替えるときは画像と動きのプロンプトを固定します。そうすれば比べているのはプロンプトではなくモデルになります。
開始・終了フレームで終わり方を決める
開始・終了フレームモードは、2枚の静止画の間の動きを生成します。種明かし、ビフォーアフター、トランジションを狙いどおりに着地させる一番の方法です。スタジオでは Veo 3.1（3つすべて）、Seedance 2.0・2.5・Fast・Mini、Wan 3.0 と 2.7、Gemini Omni 1.1 が対応しています。
- Nano Banana で開始フレームを作ります。
- 新しいプロンプトを書くのではなく、開始フレームを編集して終了フレームを作ります。例：Keep the room, camera angle and furniture unchanged. Change the lighting from daytime to evening with the lamps switched on. こうすると2枚が十分に近く、つながりやすくなります。
- 2枚をアップロードしてトランジションを書きます：The light slowly fades from day to evening as the lamps turn on one by one. Static camera.
2枚の差が大きすぎると、モデルは数秒で大きな変化を作り出さなければならず、そこでゆがみや変形が起きます。終了フレームの「残す／変える」の書き方は写真編集ガイドで解説しています。
複数カットの動画を組み立てる
長い動画は複数のクリップでできています。一貫性を保つコツは、すべてのカットの最初のフレームを同じ元画像から作ることです。
- キャラクターや商品のメイン画像を作る。
- それを編集して各カットの最初のフレームにする：アップ、引き、別の場所など。毎回、顔・服・パッケージを残す文に入れます。
- 各フレームを動かす。それぞれ短い動きのプロンプトで、同じ動画モデルと設定を使います。
- 編集ソフトでつなぐ。カットをぴったり続けたいときは、前のクリップの最後のフレームを静止画として切り出し、次の最初のフレームにします。
画像をまたいでキャラクターを安定させる方法は、キャラクター一貫性ガイドをご覧ください。
そのまま使える画像→動画の3つの例
商品のメインカット
静止画（Nano Banana）
A matte black wireless earbud case standing open on a wet black stone surface, droplets on the surface, dramatic rim light from behind, dark studio background, 16:9 with the product centered and space around it.
動き（動画モデル）
Slow orbit around the earbud case from left to right as a single drop of water falls nearby and ripples. Rim light glints across the edges. Quiet, deep ambient tone.
SNS 向けポートレート
静止画（Nano Banana）
A young woman in a yellow raincoat standing on a city street at night, neon reflections on the wet pavement, looking slightly off camera, 9:16 vertical framing from the waist up.
動き（動画モデル）
She turns her head toward the camera and smiles as rain falls softly. The camera pushes in slightly. Sound of light rain and distant traffic.
風景のオープニングカット
静止画（Nano Banana）
A wooden cabin beside a still mountain lake at sunrise, thin mist on the water, pine forest behind, warm light on the peaks, 16:9 wide shot with the cabin on the left third.
動き（動画モデル）
Mist drifts slowly across the lake and smoke rises from the chimney. The camera pulls back gently and rises. Birdsong and a light breeze.
よくある問題と対処
| 問題 | 考えられる原因 | 対処 |
|---|---|---|
| 途中で顔が変わる | 画面の中で顔が小さい、または動画が長い | より寄った最初のフレームを使う、短くする、同じ顔の開始・終了フレームを使う |
| ほとんど動かない | プロンプトが動作ではなく場面を説明している | はっきりした動作1つとカメラの動き1つを書く |
| 場面が別のものに変わる | プロンプトが場面を違う形で説明し直している | 場面の説明を削り、動き・カメラ・音だけを残す |
| 端がゆがむ・溶ける | 動きが速い、または画面が窮屈 | 動作をゆっくりにし、被写体の周りに余白を増やす |
| 不要な音楽が入る | モデルが勝手に BGM を付けた | 欲しい音を書き、no music を加える |
| 文字やロゴがちらつく | 小さな文字は安定させにくい | 静止画でロゴを大きくするか、編集時に入れる |
よくある質問
手持ちの写真を動かせますか？
はい。画像から動画モードで使用権のある画像をアップロードし、動きを書いてください。実在の人物の写真は自分のものか、本人の許可を得たものにしましょう。
画像のアスペクト比は？
動画と同じにします。横長なら 16:9、縦長なら 9:16。Veo 3.1 と Gemini Omni はこの2つ、Seedance と Wan 3.0 は正方形や 4:3 にも対応しています。
画像から動画にはいくらかかりますか？
モデル、長さ、解像度によります。たとえば 720P・8秒なら、Veo 3.1 Lite や Seedance 2.0 Mini が24クレジット、Veo 3.1 Fast が48、Gemini Omni 1.1 Flash が64です。スタジオが先に正確な見積もりを表示します。
画像から動画に一番向いているモデルは？
音付きの短い動画なら Veo 3.1 Fast、長いカットなら Seedance 2.5、1秒あたりを安くするなら Wan 3.0 です。決める前に同じ静止画を2つのモデルで試しましょう。
最初のフレームは 4K にすべきですか？
いいえ。1080P の動画なら 2K の静止画で十分で、静止画を鮮明にしても動画は鮮明になりません。
動画のプロンプトで画像の内容を説明する必要はありますか？
ありません。動き、カメラ、音だけを書きます。場面を説明し直すと、モデルがそれを変えてしまうことがあります。
1本より長い動画はどう作りますか？
関連する最初のフレームから複数のクリップを作って編集ソフトでつなぐか、前のクリップの最後のフレームを次の最初のフレームに使います。