画像・動画・音声生成の実務
画像生成のプロンプト型、商用利用権と補償、ツール選定、Sora 2 撤退後の動画ツール地図、音声・音楽生成の使い分け。第4章の分類を実務に翻訳する。
1. 概観 — 第4章との分担
第4章ではテキスト・画像・動画・音声・3D というモダリティを「何ができるか」で分類しました。本章はそれを業務に持ち込むための 実務章 です。具体的には、画像のプロンプトをどう組み立てるか、どのツールを何で選ぶか、商用利用と補償（indemnification）はどう確認するか、Sora 2 撤退後の動画ツールはどう並び替わったか、音声・音楽生成は本人同意とどう折り合うか、を扱います。
2. 画像生成のプロンプト型
画像生成のプロンプトは、テキスト生成と同様に「型」で安定します。実務では次の5要素を意識すると再現性が上がります。
| 要素 | 内容 | 例 |
|---|---|---|
| 被写体 | 主題と属性 | 30代の日本人女性、ビジネススーツ |
| スタイル | 画風・年代・媒体 | 雑誌風実写、シネマティック |
| 構図 | カメラ位置・画角・余白 | バストショット、左上に余白 |
| 光源 | 種類・方向・色温度 | 自然光、逆光、5500K |
| 出力指定 | アスペクト比・解像度・用途 | 16:9、Web バナー、テキスト挿入領域確保 |
ネガティブプロンプト（不要要素の除外）、参照画像（image-to-image、IP-Adapter 等）、シード固定（同一構図の再現）の3つは、案件で差し替えが発生したときの保険として有効です。
実例1：広告バナー — 被写体（製品＋人物）、スタイル（清潔感のある実写）、構図（右側に商品、左側にコピー領域）、光源（順光ソフトボックス）、出力（1920×1080、PNG）。
実例2：商品カット — 被写体（白背景の単体製品）、スタイル（カタログ調）、構図（45度俯瞰）、光源（リムライト＋フィルライト）、出力（正方形 2048px、影あり）。
実例3：資料挿絵 — 被写体（抽象アイコン）、スタイル（フラットイラスト、2色）、構図（中央配置、余白広め）、光源（指定なし）、出力（SVG 想定の単純構成、透過 PNG）。
3. 画像生成ツール選定マトリクス（2026-06 時点）
主要サービスを実務観点で並べます。画質や指示遵守は感覚評価が含まれるため、必ず自社サンプルで再評価することを推奨します。以下の規約・仕様はすべて 2026-06 時点の公表情報に基づきます。
| ツール | 画質 | 指示遵守 | 商用利用権 | 補償 | 日本語UI | 運用形態 |
|---|---|---|---|---|---|---|
| Midjourney V7 / V8.1 | 高（写実・芸術系強い） | 中〜高 | 有料プランで生成物の商用可（規約参照） | なし | UI英語、Discord/Web | クラウド |
| Stable Diffusion 3.5 | 中〜高 | 中 | コミュニティライセンス＋商用は Stability ライセンス契約 | なし | UI依存 | クラウド/ローカル両対応 |
| FLUX.2（Black Forest Labs） | 高 | 高 | dev は非商用、pro/ultra は商用ライセンス | なし | UI依存 | クラウド/ローカル |
| GPT Image 1.5（OpenAI） | 高 | 高（テキスト描画も改善） | 規約上、出力物の権利は利用者に帰属 | OpenAI Copyright Shield（API法人顧客対象） | 日本語可 | クラウドAPI |
| Adobe Firefly | 中〜高 | 中〜高 | 商用可（Adobe Stock等で学習） | あり（エンタープライズ向け補償） | 日本語可 | クラウド |
| Imagen 4（Google） | 高 | 高 | Vertex AI 経由で商用可 | Google Cloud の知的財産補償条項に準拠 | 日本語可 | クラウドAPI |
4. 商用利用権と補償 — 最も実務で問われる論点
業務導入で最大の躓きは「使ってよいか」です。論点は3つに分解できます。
(1) 生成物の利用権 — Midjourney は有料プランで商用利用を許容（midjourney.com/legal、2026-06 時点）、Stable Diffusion は Stability AI のコミュニティライセンス／商用ライセンスで条件分岐、FLUX.2 は dev が非商用、pro/ultra が商用契約必要（blackforestlabs.ai、2026-06 時点）。GPT Image 1.5 は OpenAI 利用規約により出力物の権利が利用者に帰属（platform.openai.com/policies、2026-06 時点）。
(2) 第三者著作権侵害リスク — 学習データに含まれる既存作品との類似は、どのツールでも残余リスクがあります。学習データを明示している Adobe Firefly や Getty の生成系は相対的にリスクが低いと位置付けられていますが、ゼロではありません。
(3) 補償（indemnification） — Microsoft 365 Copilot Copyright Commitment、Adobe Firefly エンタープライズ補償、Google Cloud の生成 AI 補償、OpenAI Copyright Shield（API の対象顧客に限定）など、ベンダーが第三者からの著作権請求を一定範囲で引き受ける枠組みが拡大しています。ただし対象プラン・対象機能・除外条件（ガードレール無効化時の生成等）が細かく規定されているため、契約文面の確認が必須です。
商用前チェックリスト
- 利用プランで商用利用が許可されているか
- 補償の対象に該当するか（プラン・地域・機能）
- 学習データの開示有無
- 入稿先（媒体社・プラットフォーム）の AI 生成物受け入れ可否
- 社内ガイドラインとの整合（モデル指定・人物の権利確認）
5. 動画生成の現在地 — Sora 2 撤退後の地図
OpenAI Sora 2 は、アプリ／Web インターフェイスが 2026-04-26 に提供終了し、API も 2026-09-24 終了予定 と公式に告知されました（OpenAI Help Center、2026-06 時点）。これにより、業務利用の選択肢は実質的に次の3軸に絞られました。
| ツール | 強み | 想定用途 | 商用利用 |
|---|---|---|---|
| Veo 3.1（Google） | 物理整合性、長尺生成、音声同時生成 | 広告本編、教育素材 | Vertex AI 経由で商用可 |
| Runway Gen-4.5 | クリエイティブ制御、編集機能の統合 | SNS、プロモ映像、ポスプロ補助 | 有料プランで商用可 |
| Kling 3.0（快手） | 写実・人物表現、コストパフォーマンス | SNS、社内動画、検証用 | プラン別に条件あり |
用途別の選び方の目安
- 広告本編：Veo 3.1 を第一候補、Runway を編集側で組み合わせる
- SNS 短尺：Runway Gen-4.5 または Kling 3.0
- 社内動画・教育素材：Veo 3.1 の音声同時生成が有効
- 検証・プロトタイプ：Kling 3.0 でコストを抑える
現時点の限界
長尺（30秒以上）の物語整合性、複雑な物理現象、特定人物の長時間一貫性は 2026-06 時点でも未解決領域です。実写ナレーション動画の代替にはなるが、ドラマ制作の代替には至っていない、というのが現場の評価です。
Sora 2 からの移行
API 終了が 2026-09-24 のため、既存パイプラインがある組織は 早期の置き換え検証 を推奨します。プロンプト互換性は完全ではなく、Veo 3.1 / Runway いずれも再学習が必要です。
6. 音声・音楽生成の実務
TTS（テキスト読み上げ） — ElevenLabs（多言語・感情表現に強い）、OpenAI gpt-4o-mini-tts（API・低遅延）、Google WaveNet / Chirp 系（Vertex AI、ナレーション用途）が主力。商用利用は各サービスの規約に従う。
音声クローン — ElevenLabs Voice Cloning、OpenAI Voice Engine 等が代表。本人同意の取得・記録 が法的・倫理的に不可欠です。声優や歌手の声を無断で模倣すると、肖像権・パブリシティ権・不正競争防止法・各国別法（米国いくつかの州法、EU 諸法）に抵触する可能性があります。
楽曲生成 — Suno v5 / v5.5、Udio v3.5、Stable Audio 3.0 が 2026-06 時点の主軸。広告 BGM や社内動画の楽曲挿入で実用域に達しています。利用権は各プランで条件分岐するため、納品物に組み込む前に規約確認が必須。
効果音 — Stable Audio 3.0、ElevenLabs Sound Effects 等が短尺効果音に対応。SE は権利クリアランスのボトルネックになりやすかった領域のため、業務効率改善の効果が大きい。
7. 入稿・運用のチェックリスト
媒体・プラットフォームへの納品時に確認すべき項目を整理します。
| 項目 | 確認内容 |
|---|---|
| 解像度 | 媒体規定（例：印刷300dpi、Web 72-150dpi） |
| 色空間 | 印刷 CMYK、Web sRGB、HDR 対応媒体 Rec.2020 |
| 透かし | C2PA（Content Credentials）対応の有無 |
| メタデータ | 生成モデル名・日時・プロンプト要旨を社内記録 |
| 表示義務 | EU AI Act（生成 AI 由来コンテンツの明示）、中国「深度合成管理規定」の表示要件 |
| 媒体ポリシー | 媒体社・プラットフォーム個別の AI 生成物表記ルール |
C2PA は Adobe・Microsoft・OpenAI 等が参画する来歴記録の標準仕様で、画像・動画・音声に来歴データを埋め込む仕組みです。Firefly、GPT Image 1.5、Veo 等が対応を進めています。
8. 失敗パターン早見表
| パターン | 内容 | 対策 |
|---|---|---|
| 著作権類似性 | 既存キャラ・作品との酷似 | 類似画像検索、社内レビュー、補償対象プランの活用 |
| ハルシネーション的細部 | 手指・文字・ロゴが破綻 | 部分再生成、人手レタッチ、テキストは別途合成 |
| 肖像権・パブリシティ権 | 実在人物の無断生成 | 実在人物の出力を避けるプロンプト、著名人ガードレール |
| 入稿フォーマット不一致 | 解像度・色空間・拡張子の不適合 | 媒体仕様書を起点にプロンプト出力指定を組む |
| 規約変更の見落とし | プラン改定・補償条件変更 | 四半期ごとに主要ベンダー規約を再確認 |
9. 本章のまとめ
第5章で身につけたテキスト生成の型は、画像・動画・音声にもそのまま持ち込めます。役割を被写体に、文体をスタイルに、構造を構図に置き換えるだけで、再現性のある運用が可能になります。
商用利用は技術選定と同等の重みを持ちます。規約・補償・学習データ開示の3点を都度確認し、ログを残す運用 が長期的な防御になります。
Sora 2 の撤退は、単一ベンダー依存が機能停止に直結することを示しました。少なくとも動画と音声では、同等成果を出せるバックアップを常時用意しておくのが業務基盤としての健全な姿勢です。