AI動画で公益を伝える:予算が限られたNGOが物語をうまく語る方法

年間の広報予算を机の上に広げてみる。2,800ドル。その半分は年末の募金メールのために取っておかなければならない。理事会は四半期会議でこう聞いてきた。「今年、まともなブランドムービーを1本作れるのか?」

地元の制作会社の見積もりを開く。12,000ドルから。撮影2日、編集3週間、音楽ライセンスは別料金。あなたはフォルダを閉じ、去年スマホで撮ったばらばらの素材をそっと開く。

この記事は、そんなあなたに向けて書いている。何百万ドルもの広報予算を持つ国際的な大組織ではなく、事業報告書を書き、動画も編集し、寄付者からのメールにも返信する「三役兼務」のポジションに向けて。公益動画1本のコスト構造を分解して見ていこう。どの工程をAIが本当に肩代わりできるのか、どの工程は絶対に削ってはいけないのか。

一、まずは計算:3分の公益動画、お金はどこに消えるのか

北米や西ヨーロッパでは、公式サイトのトップに置けて、SNS用のショート動画にも切り出せる3分のドキュメンタリーの典型的な予算はこうなっている:

• 監督/プロデューサー 3〜5日:$3,000〜6,000
• 撮影 + 照明 + 音声(2〜3人のチーム):$4,000〜9,000
• 出張・宿泊(現場が遠隔地の場合):$2,000〜5,000
• ポストプロダクションの編集・カラーグレーディング・ミックス:$3,000〜8,000
• 3言語の字幕とローカライズ:$600〜1,500
• 音楽と素材のライセンス:$300〜1,200

お金の大半は「物語を語る」ことではなく、「現場に行く」ことに消えていることがわかる。 出張費、チームの日当、機材の輸送費を合わせると、総予算の60%以上を食うことも珍しくない。そして本当の物語の核は、たいていある午後のインタビュー1本、これ以上ないほど具体的ないくつかのディテール、当事者自身が語ったひと言にすぎない。

AIが変えられるのは、まさにその後半部分だ。現場の素材が足りないとき、撮影そのものがインタビュイーを傷つけてしまうとき、予算が1回分しかないのに5言語のバージョンが必要なとき——あなたは無理に撮り直したり諦めたりする代わりに、生成映像でビジュアルを補うことができる。

ひとつの実例:上記の12,000〜35,000ドルの動画を「軽量な現地インタビュー1回(スマホ + ピンマイク)+ AIによるシーン再現 + 人力編集」に変えると、多くのケースで1,500〜4,000ドルの範囲に収まり、納品までの期間も数か月から数週間に短縮できる。

肝心なのは「AIでコストを削る」ことではなく、削って浮いたお金を、物語の質を本当に左右するインタビューと編集の2工程に再配分することだ。

二、直感に反する第一歩:まず「撮ってはいけないもの」リストを書く

ほとんどのチュートリアルは、まず脚本を書けと言う。私はもっと退屈だが命を救うことを先にやることを勧める。撮影禁止区域のリストを作るのだ。

公益コミュニケーション最大のリスクは、画質が良くないことではなく、助けたい人を傷つけてしまうことだ。国際的な人道コミュニケーションの分野では早くから共通認識がある。被写体の尊厳を尊重すること、「苦難の消費」(poverty porn)を避けること、子どもを守ること、インタビュイーの語りが逆にその人のコミュニティでのスティグマ化につながらないようにすること。

原則:そのカットを、もし実在の人がカメラの前に立っているとしたら、3年後に彼女は映像に出たせいでコミュニティで後ろ指を指されるだろうか?答えが「その可能性がある」なら、そのカットは存在すべきではない——実写であれ、AI生成であれ。

最初のプロンプトを書く前に禁止区域リストを書く。これは道徳的なパフォーマンスではなく、どの素材を使えるか、どれだけ手戻りを減らせるかを直接決めるものだ。 完成したあとで倫理審査に跳ね返され、最初からやり直すチームを私は山ほど見てきた。そのコストは、最初に20分考えるコストよりはるかに高い。

そのまま使えるチェックリストのテンプレート:

• 識別可能な顔を映さない(用途と期限を明記した肖像使用許諾書に署名がある場合を除く)
• 子どもの識別可能な映像を出さない。後ろ姿でもリスクを冒さない
• 正確な位置情報を出さない。紛争地域や迫害を受けている集団では特に厳格に
• 医療記録、身分証、名札、部屋番号を出さない
• 実際のトラウマ的な出来事を「再現」カットにしない
• 身元が逆算できる組み合わせのディテールを使わない(職業 + 村名 + 家族人数)

面白いのは、AI生成映像と組み合わせて使うと、このリストがむしろ創作の自由に変わることだ。「この角度だと彼女が特定されないか」と悩む必要はもうない。そもそも顔を撮るつもりがないのだから。

三、シーン再現:環境はAIに生成させ、「人」は視聴者に委ねる

受益者の物語で最も映像化しにくいのは、最も力強いディテールにたいてい映像がないことだ。「毎日2時間歩いて水を汲みに行く」という彼女の言葉には力がある。しかしその2時間分の素材はないし、その道を撮るために彼女の半日を奪うべきでもない。

ここでAIの価値は「ドキュメンタリーを偽造する」ことではなく、環境と雰囲気を生成し、本物のインタビュー音声に視覚的な器を提供することにある。

最も安全で効果的な3つの方法:

1. 環境だけ、人は出さない。 誰もいない教室、入口のプラスチックのバケツ、物干しロープに掛かった制服、夕暮れの土の道。これらの映像をインタビュー音声の上に重ねれば、視聴者の脳がその人を自動的に補完する。

ゴールデンアワーの誰もいない地方の教室を捉えたシネマティックなドキュメンタリーショット、傷のついた木製の机、開いた窓から差し込む暖かなサイドライトの中を漂う塵、浅い被写界深度、自然なカラーグレーディング、フレーム内に人物なし、16:9、1080p

2. 体の一部だけを見せる。 手、足、後ろ姿、机の上に落ちる影。特に手のクローズアップは使いやすい——感情を運びながら、識別されることはほとんどない。

年老いた女性の日に焼けた両手が、プラスチックの水差しから小さな金属の器に水を注ぐクローズアップ、柔らかな朝の光、ぼかされた家庭内の背景、ドキュメンタリースタイル、浅い被写界深度、顔は映さない、16:9

3. 人を物で置き換える。 古いランドセル、口の開いた靴、石油ランプ、角の折れた家族写真。

古い格言を覚えておこう。見せるより示唆するほうが効果的だ。画面で少し控えめにすれば、視聴者は感情でより多くを補う。

使用するモデルがネイティブ音声に対応しているなら、まず環境のアンビエンス(風の音、遠くの子どもの話し声、水の音)を生成し、そこに実際のインタビュー音声を重ねると、音楽だけを敷くより質感が明らかに良くなる。

越えてはいけない一線:AIで「本物に見える」架空の被害者を生成し、そこに架空の悲惨な物語を添えることは絶対にしない。 生成映像で実際のインタビューの中の場面を描くことはできるが、存在しない人をでっち上げて受益者を「代表」させることはできない。この一線を越えれば、組織全体の信頼を失い、しかもほとんど取り戻せない。

四、募金動画の90秒の骨組み

TikTok、Instagram Reels、YouTube Shorts のどこに投稿するにせよ、あるいは paid social として配信するにせよ、募金ショート動画の注意構造はほぼ決まっている:

• 0〜5秒|フック。 ひとつの数字、あるいはひとつの具体的な物。
• 5〜20秒|ひとりの人、一日のある具体的な瞬間。 具体的であればあるほどいい。「多くの家庭」は不要。
• 20〜45秒|問題はなぜ存在するのか。 説明せよ、煽るな。視聴者はあなたが思うより理性的だ。
• 45〜65秒|あなたたちがやったこと + 証拠。 ビフォーアフター1枚、受益者の言葉そのまま1文、事業データ1つ。
• 65〜85秒|具体的な行動の呼びかけ。 金額 + 換算 + 支払い方法。
• 85〜90秒|団体ロゴ + ボタン。

寄付者は「この世界はひどい」から捐めるのではない。「私の30ドルで何かひとつが良くなる」から捐めるのだ。

脚本に書くべきは「30ドルで何が得られるか」であって、「私たちを支援してください」ではない。「30ドル = 子ども1人分の1年分の浄水」は「どうか寛大なご支援を」より桁違いにコンバージョン率が高い——これはコピーライティングのテクニックではなく、抽象的な善意を決済可能な取引に変えることだ。

冒頭5秒のフックカットは、究極の視覚コントロールが必要なので、AI生成で直接作ってよい:

ほぼ空の金属のコップに一滴の水滴が落ちる極端なクローズアップ、暗い背景、右側からの単一の硬い光源、スローモーション、高コントラスト、シネマティック、9:16

五、一貫性:同じキャラクターを10のカットに登場させる

ここが現在のAI動画で最も失敗しやすいところだ。最初のカットではわずかにうつむいていたキャラクターが、5番目のカットでは別人の顔になり、10番目のカットでは上着がオリーブグリーンからブルーに変わっている。視聴者は「AI生成だ」とは言わない。「この団体が作るものは雑だ」と言う。

解決策は「キャラクターカード」を1枚書き、それを一字一句そのままコピー&ペーストしてすべてのプロンプトに入れることだ。

SUBJECT LOCK — 「Amina」:30代後半の女性、濃い肌、後ろでまとめた短いナチュラルヘアを色あせた青い布で結んでいる、無地のオリーブグリーンの長袖シャツとグレーのエプロンを着用、落ち着いた表情、装飾品なし。
LIGHTING LOCK: カメラ左からの暖かな午後遅くの窓明かり、柔らかな影。
LENS LOCK: 50mm、浅い被写界深度、ドキュメンタリーのリアリズム。

言い換えた形容詞のたびに、顔が一度変わる。 「文を自然にするため」に語を置き換えてはいけない——weathered hands と rough hands は、モデルによっては別人になりうる。

また、モデルごとに得意分野が違うので、用途に合わせて選ぶ。Klingと即梦 3.0(Jimeng 3.0)は写実的な人物で安定している。Veo 3.1はネイティブ音声を備え、別途の声の収録工程を省ける。Sora 2は物理的な動きとカットの連続性に強い。Seedance 2.0とMiniMax Hailuo 2.3は動きの大きいカットに向いている。ただし覚えておくこと:モデルを変えたら必ずまず3秒のテスト映像を出して顔が変わっていないか確認すること。いきなり本番カットを生成しない。

六、ひとつのストーリーパッケージ、五つの市場

あなたの寄付者は、同時にアメリカ、ドイツ、シンガポール、アラブ首長国連邦にいるかもしれない。同じ物語でも、市場ごとに違うパッケージが必要だ。

まず3つの画角を用意する:16:9は公式サイトとYouTube向け、9:16はTikTok / Reels / Shorts向け、4:5はMetaのフィード広告向け。同じ縦型動画を無理に横型へ引き伸ばしてはいけない——上下の黒帯は完視聴率を直接下げる。

行動の呼びかけは必ずローカライズする。 「30ドル」を翻訳するのではなく、現地の購買力と馴染みのある支払い方法に換算する:$30 / €30 / £25 / S$40 / AED 110。これがコンバージョン率に与える影響は、たいていナレーション全体を差し替えるより大きい。

プラットフォーム側の無料リソースも無駄にしない:条件を満たす非営利組織は Google Ad Grants を申請でき、月最大10,000ドル分の検索広告枠が使える。Metaにも非営利向けの専用支援がある。動画を6秒、15秒、30秒の3バージョンに切って配信し、誰が見ているかをデータに教えてもらおう。

同じ縦型動画に5回字幕を付けたら「グローバル化」だと思うのはやめよう。 コンバージョンに本当に効くのは、行動の呼びかけに含まれる通貨、支払い方法、そしてその一文がどれだけ切実に語られているかだ。

七、いきなり本編を作らない:3〜5秒テスト映像のワークフロー

これがこの記事全体で最もコストを節約できるアドバイスであり、最も見落とされやすいものでもある。

cctocv.com のようなマルチモデルプラットフォームでは、生成は秒単位の課金になる。Kling / 即梦クラスのモデルはおよそ10クレジット/秒、Seedance 2.0クラスはおよそ20クレジット/秒だ。抽象的に聞こえるが、換算すればよくわかる——90秒の動画には通常20〜30のカット素材が必要で、1つ平均4秒とすると、合計80〜120秒分の生成量になる。いきなり本番カットを出して、スタイルが違うので3回作り直せば、コストは3倍だ。

まず3〜5秒でプロンプトを検証し、それから長いカットを出す。この一手間で生成コストの半分以上を節約でき、しかも品質はほとんど落ちない。

具体的な進め方:

• 30個のプロンプトをそれぞれ3秒バージョンで走らせる。 見るのはスタイル、構図、人物が合っているかどうかだけ。
• 一度に変える変数はひとつだけ。 光と人物描写を同時に変えたら、どちらが効いたのか永遠にわからない。
• 合格したプロンプトは自分の「プロンプトライブラリ」ファイルに保存する。 次に新しい動画を作るときそのまま再利用できる。これこそが団体の本当の資産だ。
• 編集では本物のインタビュー音声をタイムラインの軸にする。 AI素材は隙間を埋めるだけであり、逆ではない。
• 本番カットはどれも20%多めに押さえる。 必ず2、3本は問題が起きるからだ。

早見表:NGOの公益動画1本のためのAIワークフロー

段階	重要なアクション	推奨モデル/ツール	ひとこと注意
企画	禁止区域リスト + 90秒の骨組みを書く	ドキュメントで十分	倫理的な境界を先に決めてから、クリエイティブを語る
インタビュー	スマホ + ピンマイクで30〜45分録音	実際の素材	音声が骨組み、AIはあくまで映像
絵コンテ	音声に沿って一文ずつ必要な映像を書き出す	表	どのカットが実素材でなければならないか印をつける
プロンプトのテスト	各プロンプトを3〜5秒走らせる	任意のモデル	一度に変える変数はひとつだけ
キャラクター固定	キャラクターカードを一字一句そのまま再利用	Kling / Jimeng 3.0(写実的な人物)	モデルを変えたら必ず顔を再検証
本番生成	1本8〜10秒	Veo 3.1(ネイティブ音声)/ Sora 2 / Seedance 2.0 / MiniMax Hailuo 2.3	素材は20%多めに確保
編集	実際の音声を軸に、AI映像で穴を埋める	お使いの編集ソフト	画面の美しさより人物の一貫性が重要
配信	16:9 / 9:16 / 4:5 の3バージョン	TikTok / Reels / Shorts / Meta ads	金額と支払い方法をローカライズ
開示	どの映像がAI生成かを明記する	エンドロールの説明またはプラットフォームのタグ	透明性は説得力を削がず、むしろ加点になる

30秒の1本から始めよう

いきなりあの3分のブランドムービーを作らないこと。まずは実在の受益者ひとり、具体的なディテールひとつ、明確な行動の呼びかけひとつを選び、30秒のものを作って公開しよう。ReelsやTikTokでの最初の3秒の維持率を見て、寄付ボタンをクリックした人がいるかを見る。フィードバックが得られてから、完全版に拡張するかどうかを決めればいい。

ツールは一度に全部そろえる必要はない。複数のモデルをまとめて試せる場所が欲しいなら、Tomato AI(cctocv.com)はKling、Veo 3.1、Sora 2、Seedance 2.0、Jimeng 3.0、MiniMax Hailuo 2.3を集約していて、出力は1080P・ウォーターマークなし、登録するだけで無料クレジットがもらえる——上の3〜5秒テストの流れを最後まで一通り走らせて検証し、それからもっと投入するかどうかを決めるのに十分だ。

公益コミュニケーションにおいて、予算が少ないことは決して最も致命的な問題ではない。本当に致命的なのは、撮影が助けたい人を傷つけてしまうこと、あるいは視聴者が見終わったあと誰ひとりの名前も覚えていないことだ。浮いた1ドル1ドルをインタビューと編集に振り向ければ、あなたの動画は10倍の予算を使った同業者たちよりずっと人間味のあるものになる。