VFX 映像はつくれる？！ 爆発・魔法・変身を動画生成 AI で作ってプロンプトごと公開

連載「AIで映像を作る」では、動画生成 AI で実際に映像を作り、できた動画と渡したプロンプトの全文を載せます。読み手が同じ文で試せるようにするためです。第1回の問いは「映画のような VFX(視覚効果)を動画生成 AI だけで作れるか」で、今回の答えは「5 秒の効果なら 6 種類とも作れた。ただし崩れや指示違いも出る」です。爆発・魔法の光・変身・ガラスが割れる・ワープ・水の竜巻を 4 つのモデルで 5 秒の動画にし、今回の 1 回ずつの結果では、6 つとも少なくとも 1 本が先に決めた 4 項目をすべて守りました。一方で、倉庫が別の小屋に変わる、文に書いた「三脚」が画面に描かれる、効果が最初のコマからもう始まっている、といった崩れや指示違いも出ました。

結果の早見

• 4 / 4 は 16 本のうち 9 本でした。
• 文だけの合計: Gemini Omni Flash 12 / 12、Kling 3.0 10 / 12、Runway Gen-4.5 11 / 12、Grok Imagine Video 1.5 8 / 12 でした。12・11・10 は 1〜2 項目の差で、モデルごとに作った種類も違うので、順位は付けません。
• Grok の 8 / 12: 文だけの 3 本とも効果の出始めが描かれず、最初のコマで光の玉・割れたガラス・光の筋がもう出ていました。出始めを描いた画像を最初の場面に渡すと、3 本とも 4 / 4 でした。

作り方と見方

使ったモデル

• 最初の場面の画像は Nano Banana Pro(記録の名前は gemini-3-pro-image)で作り、上下を切って 16:9 にしてから渡しました。作業の時点で GPT-Image-2.5 の呼び出しが通らなかったので、画像を見る前に Nano Banana Pro に替えています(費用はかかっていません)。
• Veo 3.1 は、Google が早ければ 2026年10月22日に提供を終える予定(後継は Gemini Omni Flash)なので、使っていません。Seedance 2.5 は 1 本の料金が高いため、今回の予算では組に入れていません。

種類とモデルの組

• 1 つの種類を 2 つのモデルで作りました。4 つのモデルが 3 本ずつ、どの 2 つの組も 1 回ずつになるよう、結果を見る前に割り当てています。
• 文は英語で書き、同じ種類の 2 つのモデルに一字一句同じ文を渡しました。人物は架空の大人、爆発は人のいない空き倉庫です。
• 5 本(ガラスの Grok、ワープの 2 本、水の竜巻の 2 本)は、YOBITSUGI AI 側の利用の上限で 1 回目が受け付けられず、1 回だけ頼み直しました(費用はかかっていません)。断られた動画はありませんでした。

見たこと(先に決めた 4 項目)

動画を作る前に 4 項目を決め、1/24 秒ずつのコマで数えました。条件が 2 つ以上ある項目は、全部を満たしたときだけ ○ です。

1. 効果が出た: 指示した効果が画面に出た(種類ごとの条件は各節)
2. 効果の形が保たれる: 効果が途中で急に消える・1 コマで入れ替わる・元に戻る、が無い
3. 人物と背景が崩れない: 顔・手・建物などの形が崩れない。物が増えたり消えたりせず、頼んでいない人・字・ロゴが出ない
4. 動きの向き: 光・煙・破片・水が、指示した向きに動く

• 効果の出始めの秒・カメラ・音は、測っただけで点に入れていません。迫力は「編集部の見立て」として 1 行だけ書きます。数えたのは編集部(Claude Code を使用)です。
• 文だけで ① か ② が × だった 4 本は、同じモデル・同じ文に、効果の出始めを描いた画像を最初の場面として渡し、もう 1 本作りました(先に決めた方法の比べで、作り直しではありません)。

VFX ごとの結果

1. 爆発と煙

• 条件は、① 倉庫から橙の火の玉が出て、黒っぽい煙が上がる / ④ 煙が上へ、火の玉が外へ広がる、です。
• Gemini Omni Flash(4 / 4): 火の玉が出て倉庫が壊れ、黒い煙の柱が画面の上まで伸びました。手前の三脚は、文の「The camera stays still on a tripod(カメラは三脚に据えて動かさない)」を絵にしたと見られます。
• Kling 3.0(3 / 4): 火の玉と煙は指示どおりでした。ただ、倉庫が 0.4 秒ごろから別の形の小屋に変わり、最後まで壊れずに残りました(③ が ×)。
• 編集部の見立てでは、迫力は破片が四方へ飛ぶ Gemini Omni Flash が上でした。

Gemini Omni Flash と Kling 3.0 に渡した文(2 つとも同じ文。設定は 5 秒・16:9)

Cinematic visual effects shot, wide view. Far away across an empty desert stands one abandoned wooden warehouse, small in the center of the frame, with no people or vehicles anywhere. The warehouse explodes: a bright orange fireball bursts out of its roof, then a thick column of dark gray smoke rises high into the sky while dust spreads along the ground. The camera stays still on a tripod. Clear blue sky, daytime. No people, no animals, no vehicles, no text, no logos.

2. 魔法の光

• 条件は、① 手のひらの上の小さな光が、青い光の玉に大きくなる / ④ 青い光が顔か壁を照らし、火花が玉のまわりを回る、です。
• Runway Gen-4.5(3 / 4): 小さな光が 1.5 秒ほどで玉になりました。顔と壁は青く照らされず、火花は玉のまわりで点滅するだけでした(④ が ×)。止めるよう書いたカメラは、前へ寄っていきます。
• Grok Imagine Video 1.5・文だけ(3 / 4): 最初のコマで光の玉がもう大きく、5 秒のあいだ大きさはほぼ同じでした(① が ×)。顔は青く照らされ、火花は輪になって回ります。差し出したのは左手でした(指示は右手。項目には入れていません)。
• Grok Imagine Video 1.5・画像から(4 / 4): 渡した画像の小さな光が、1 秒ほどで玉になりました。顔が青く照らされ、火花の輪が回ります。
• 編集部の見立てでは、迫力は顔まで青く照らされる Grok の 2 本が上でした。

Runway Gen-4.5 と Grok Imagine Video 1.5 に渡した文(2 つとも同じ文。設定は 5 秒・16:9。「画像から」の 1 本にも同じ文)

Cinematic visual effects shot. A fictional woman in her thirties with short black hair stands in a dim stone hall at night, facing the camera, wearing a plain dark green robe with no text or logos. She holds her right hand out in front of her with the palm up. A tiny point of blue light appears above her palm, grows into a glowing blue orb the size of a grapefruit with small sparkles circling around it, and the blue light shines on her face and the stone walls. The camera stays still, medium shot from the waist up. No other people, no text, no logos.

Nano Banana Pro に渡した文(最初の場面の画像。1536×1024 を指定し、16:9 に切って Grok Imagine Video 1.5 に渡した)

Photorealistic film still. A fictional woman in her thirties with short black hair stands in a dim stone hall at night, facing the camera, wearing a plain dark green robe with no text or logos. She holds her right hand out in front of her with the palm up. A tiny point of blue light has just appeared above her palm. Medium shot from the waist up. No other people, no text, no logos.

3. 変身

• 条件は、① 金色の光が体を包み、光が引くと服が紺の長いコートになっている / ④ 光が足元から上へ、らせんのように上がる、です。
• Gemini Omni Flash(4 / 4): 足元の光の輪がらせんを描いて上がり、全身を包みました。光が引いたあと、上から順に紺のコート・黒いズボン・黒い靴に変わりました。
• Runway Gen-4.5(4 / 4): 光の帯が足元から渦を巻いて上がり、1.33 秒でコートに変わりました。カメラはわずかに寄りました。
• 2 本とも、髪型と髪の色は変身の前後で同じでした。
• 編集部の見立てでは、迫力は光の帯が画面いっぱいに渦を巻く Runway Gen-4.5 が上でした。

Gemini Omni Flash と Runway Gen-4.5 に渡した文(2 つとも同じ文。設定は 5 秒・16:9)

Cinematic visual effects shot. A fictional man in his twenties with short brown hair stands in an empty white studio, facing the camera, wearing a plain gray hoodie, blue jeans and white sneakers. Golden light swirls upward from his feet in a spiral, covers his whole body in a bright glow, and then fades away, revealing that his clothes have changed into a long dark blue coat with silver buttons, black trousers and black boots. His face and hair stay the same. The camera stays still, full body from head to feet in frame. No other people, no text, no logos.

4. ガラスが割れる

• 条件は、① 鉄の玉が当たり、ガラスが割れて破片が飛ぶ / ④ 玉が右から入り、破片の多くが左か手前へゆっくり飛ぶ、です。
• Kling 3.0(4 / 4): 玉が右から入り、1.50 秒に当たってひびが広がりました。細かい破片は左へ飛び、ガラスは曲がるように崩れ落ちます。
• Grok Imagine Video 1.5・文だけ(2 / 4): 最初のコマで、ガラスはもう割れて破片が左に飛んでいました(① が ×)。玉が当たったあとの細かい破片は、多くが右(玉が来た側)へ飛びます(④ が ×)。上のガラスは最後まで宙に残ります。
• Grok Imagine Video 1.5・画像から(4 / 4): 割れていないガラスに 0.33 秒で玉が当たり、破片は左へ多く飛びました。
• 編集部の見立てでは、迫力は破片が四方へ広がる Grok の画像からが上でした。

Kling 3.0 と Grok Imagine Video 1.5 に渡した文(2 つとも同じ文。設定は 5 秒・16:9。「画像から」の 1 本にも同じ文)

Cinematic visual effects shot in slow motion. In a dark studio, a clear glass pane stands upright on a black table, lit by one spotlight from above. A small steel ball flies in from the right side and hits the center of the glass. Cracks spread out from the point of impact, and the glass breaks into many sharp pieces that fly slowly to the left and toward the camera, sparkling in the light. The camera stays still. Black background, no people, no hands, no text, no logos.

Nano Banana Pro に渡した文(最初の場面の画像。1536×1024 を指定し、16:9 に切って Grok Imagine Video 1.5 に渡した)

Photorealistic film still. In a dark studio, a clear glass pane stands upright on a black table, lit by one spotlight from above. A small steel ball is flying in from the right side, just before it hits the center of the glass. Black background, no people, no hands, no text, no logos.

5. ワープ

• 条件は、① 星の点が光の筋に伸び、光のトンネルになる / ④ 筋が中央から外へ放射状に流れる、です。
• Gemini Omni Flash(4 / 4): 星の点が 1.00 秒から筋に伸び、白い光のトンネルになりました。窓の枠は少し揺れますが、形は保たれました。
• Grok Imagine Video 1.5・文だけ(3 / 4): 最初のコマから光の筋で、星の点がありません(① が ×)。筋は 5 秒のあいだに増えて明るくなります。
• Grok Imagine Video 1.5・画像から(4 / 4): 渡した画像の短い筋が長い筋に伸び、最後は白い光で埋まりました。
• 編集部の見立てでは、迫力は光のトンネルに入っていく Gemini Omni Flash が上でした。

Gemini Omni Flash と Grok Imagine Video 1.5 に渡した文(2 つとも同じ文。設定は 5 秒・16:9。「画像から」の 1 本にも同じ文)

Cinematic visual effects shot. The view through the front window of a small spaceship floating in deep space, with many small white stars as points of light. The ship jumps to warp speed: the stars stretch into long streaks of white and blue light that rush outward from the center of the screen toward the edges, faster and faster, until the streaks form a bright tunnel of light. The window frame stays fixed around the edges of the screen. No people, no text on the window or controls, no logos.

Nano Banana Pro に渡した文(最初の場面の画像。1536×1024 を指定し、16:9 に切って Grok Imagine Video 1.5 に渡した)

Photorealistic film still. The view through the front window of a small spaceship floating in deep space, with many small white stars as points of light. The window frame is visible around the edges of the image. The stars are just beginning to stretch into short streaks of white and blue light around the center. No people, no text on the window or controls, no logos.

6. 水の竜巻

• 条件は、① 湖面が回り、水の柱が雲のほうへ立ち上がる / ④ 水が回りながら上へ上がる、です。
• Kling 3.0・文だけ(3 / 4): 水は噴き上がる形で、湖面は回りませんでした(① が ×)。柱にはねじれた筋があります。
• Runway Gen-4.5(4 / 4): 湖面に渦ができ、らせんの筋のある柱が立ちました。カメラが前へ進み、柱の上は画面の外に出ます(項目には入れていません)。
• Kling 3.0・画像から(3 / 4): 渡した画像の渦は 1 秒ほどで弱まり、柱は噴き上がる形で、回る動きは見えません(④ が ×)。3.5 秒からカメラが寄ります。
• 編集部の見立てでは、迫力は柱が雲まで届くように見える Runway Gen-4.5 が上でした。

Kling 3.0 と Runway Gen-4.5 に渡した文(2 つとも同じ文。設定は 5 秒・16:9。「画像から」の 1 本にも同じ文)

Cinematic visual effects shot, wide view from the shore. A calm mountain lake on a cloudy day. In the middle of the lake, the water surface starts to spin, and a tall twisting column of water rises from the lake up toward the clouds, becoming a water tornado that spins and throws off white spray and mist. The whole column stays in frame from the lake surface to the top. The camera stays still. No people, no boats, no buildings, no text, no logos.

Nano Banana Pro に渡した文(最初の場面の画像。1536×1024 を指定し、16:9 に切って Kling 3.0 に渡した)

Photorealistic film still, wide view from the shore. A calm mountain lake on a cloudy day. In the middle of the lake, the water surface is just starting to spin in a small swirl with a little white spray. No people, no boats, no buildings, no text, no logos.

文だけ と、最初の場面の画像を渡す方法

• 4 本とも、画像に描いた「出始め」から動き出し、① が ○ になりました。Grok Imagine Video 1.5 の 3 本は 4 / 4 です。
• Kling 3.0 の水の竜巻は、渦は画像のとおり出ましたが、柱は文だけと同じく噴き上がる形で、3 / 4 のままでした(× が ① から ④ に変わった)。

時間: 効果が画面に出ていた所

• 文だけの 12 本で、効果の出始めは、最初のコマから出ていた Grok の 3 本を除くと 0.17〜1.50 秒でした。
• 変身では、Runway Gen-4.5 は光が早く消え、残りの約 3 秒は立っているだけでした。

音

音は聞いておらず、有無と大きさだけを測りました。入っていたのは Gemini Omni Flash の 3 本と Grok Imagine Video 1.5 の 6 本で、大きさ(LUFS。0 に近いほど大きい)は Gemini Omni Flash が −25.4〜−14.5、Grok が −38.7〜−15.6 でした。Runway Gen-4.5 と、音なしの設定の Kling 3.0 には入っていません。

料金と時間

動画 16 本と画像 4 枚で 1,721.6 クレジットでした。1 本(5 秒)は 73.7〜124.6 クレジットで、作るのにかかった秒は 1〜4 本を同時に作ったときの値です。

VFX をうまく出すプロンプトのこつ(今回試した分だけ)

今回の文に入れた指示が、何本で守られたかを数えました。別の書き方と比べた試しではありません。

効いたこと

• 効果の出始めを描いた画像を、最初の場面に渡す: 画像から作った 4 本は、4 本とも ① が ○ でした。
• 時間の順に書く(「小さな光ができ、大きくなり、顔と壁を照らす」のように): 文だけの 12 本のうち 8 本が、書いた順に進みました。残りは、最初から途中の状態だった Grok の 3 本と、湖面が回らなかった Kling 3.0 です。
• 向きを書く(煙は上へ・光は足元から上へ・破片は左へ・筋は中央から外へ・水は上へ): 向きを書いた文だけの 10 本のうち 9 本で、その向きに動きました。

効かなかったこと

• 「カメラを止める」: 文だけの 12 本のうち 9 本は止まりましたが、Runway Gen-4.5 は 3 本とも前へ寄りました(変身はわずか)。
• 「三脚に据えたカメラ」: Gemini Omni Flash は、三脚そのものを画面に描きました。
• 「柱の全体を画面に入れる」: 水の竜巻の 3 本とも、柱のてっぺんは画面に入りませんでした。

「字やロゴを入れない」は 16 本とも守られましたが、書かなかったときと比べていないので、効いたかどうかは分かりません。

気をつけること

• 1 本ずつ・5 秒・720p の結果です。 同じ文でも、作り直すと結果が変わることがあります。
• 1 つの種類は 2 つのモデルでしか作っていません。 表の「作っていない」の組は分かりません。
• 頼んでいない物が出ます。 三脚、別の形の小屋、宙に残るガラスなどです。使う前に、コマを送って確かめてください。
• 動きが物理に合うとは限りません。 破片が玉の来た側へ飛ぶ、ガラスが曲がって崩れる、といった動きもありました。
• 仕事で使う前に、各社の利用の決まりを確かめてください。

まとめ

• 「VFX 映像はつくれる？！」への今回の答えは、「5 秒の効果なら 6 つとも作れた。ただし崩れや指示違いも出る」です。
• 効果が最初のコマから始まってしまうときは、出始めを描いた画像を最初の場面に渡す手があります。今回の Grok Imagine Video 1.5 の 3 本は、それで出始めから動きました。
• 上のプロンプトを自分の場面に書き換えて 1 本ずつ作り、コマを送って見比べてください。

同じ文で 5 つの動画生成 AI を比べた結果は動画生成 AI 5 つを同じプロンプトで比較 動き・破綻・1 本あたりの料金、1 枚の絵から動かす比べはSeedance と Kling、どっちがいい？ 同じ 1 枚の絵を動画にして比べたにあります。