ポッドキャスト用プレゼンタープロンプト：一人のホスト、一つのスタジオ、毎回の放送
動画ポッドキャストは、ホストとセットが毎週同じに見えるとき、番組らしく感じられます。AI動画でホストのオープニング、短いSNS用クリップ、スタジオのカットアウェイを作れますが、それにはプレゼンターとスタジオの両方を固定の参照素材から用意する必要があります。ここでのプロンプトは、座ってマイクが画面に入る構図、短い話し言葉、実際のポッドキャストスタジオの二台カメラ風の見た目を軸に組んでいます。
ポッドキャストのプロンプトがうまくいく理由
固定するものは二つです。ホストと、スタジオそのものです。RefVidではホストを保存したキャラクターとして扱い、メインカメラの角度で撮ったスタジオの写真をシーンの写真として使います。こうするとエピソードをまたいでもセット、マイク、背景が同じに保たれます。これがないと、クリップごとに棚、色、ランプが変わってしまいます。
ポッドキャストらしく構図を決めます。座っていて、胸から上が映り、ホストの前にブームアームのついた放送用マイクがあり、少しだけ中心からずらします。カメラは「ワイド」か「クローズ」と指定し、シリーズ全体でその二つの構図を保ってください。
一つ一つの話し言葉は短くします。8秒のクリップなら15〜20語程度が目安です。長い独白はまだこれらのモデルが得意とするところではありません。エピソード全体は実際に収録し、AIのクリップはオープニング、告知、カットアウェイに使ってください。
以下のプロンプトでは、長さ、アスペクト比、音声を括弧内に示しています。それらはプロンプトの本文ではなく、スタジオの設定で指定してください。ホストが一人なら、プロンプトには「ホスト」と書けば、RefVidが保存済みのキャラクターを適用します。二人の場合は名前を書きます。AvaとJunは例として使った名前なので、保存済みの名前に置き換えてください。
ホストのオープニング
プロンプト（8秒、16:9、音声オン）：ホストはスタジオのデスクに座っています。ブームアームの放送用マイクが目の前にあります。彼はカメラを見つめて言います。「おかえりなさい。今日は、小さなチームがなぜ速く出荷できるのかについて話します。」クローズショット、胸から上、カメラは固定。左からの暖かいキーライト、壁に当たる柔らかい青のバックライト。
うまくいく理由：固定したクローズの構図と20語未満のセリフで、話し方が安定します。毎週同じプロンプトを使い、変えるのはセリフだけにしてください。
プロンプト（6秒、16:9）：AvaとJunが丸いテーブルを挟んで座るスタジオのワイドショット。それぞれマイクの前にいます。二人は顔を見合わせ、同じタイミングで笑い、それからカメラの方を見ます。カメラは固定、暖かい実用ランプ、背後には吸音パネル。
うまくいく理由：二人が一緒に笑うのは、セリフを合わせる必要のない自然な導入になります。各ホストは別々のキャラクターとして保存し、両方に名前を付けて、顔が混ざらないようにしてください。
プロンプト（6秒、16:9、音声オン）：ホストはマイクに身を寄せ、肘をデスクにつき、静かに言います。「この次の話には驚かされました。」クローズショット、ゆっくりとしたプッシュイン、低めで暖かい光、背景は暗く柔らかい。
うまくいく理由：身を乗り出す動きとプッシュインで、予告に適した緊張感が生まれます。テーマ曲の前のコールドオープンとして使ってください。
SNSフィード向けのクリップ
プロンプト（5秒、9:16）：画面外の何かに反応するホストのクローズアップ。眉が上がり、ゆっくり首を横に振って微笑みます。フレーム下部にマイクが見え、柔らかいキーライト、スタジオはぼかしています。
うまくいく理由：リアクションのカットは、ポッドキャストの中でも特によく共有される場面で、言葉も要りません。編集ソフトで実際の音声クリップと組み合わせてください。
プロンプト（8秒、9:16、音声オン）：話しながら指で数を数えるホストのクローズアップ。「一つ、まず書き出す。二つ、誰かに見せる。三つ、出荷する。」カメラは固定、暖かい光、奥のスタジオランプはピントが外れています。
うまくいく理由：身振りを伴う短い列挙は、音を消して見られても注意を引きつけます。指の本数は三本までにしてください。それ以上だと指が余分に生成されやすくなります。
スタジオのカットアウェイ
プロンプト（4秒、16:9）：スタジオの小さなミキサーのフェーダーを、ホストの手がゆっくり上げるクローズアップ。レベルメーターが緑に光っています。被写界深度は浅く、暖かいランプの光。
うまくいく理由：カットアウェイは実際の収録の編集をつなぎます。手の動きはシンプルにし、デスクに読めるラベルは付けないでください。
プロンプト（6秒、16:9）：録音前の無人のスタジオをゆっくりドリーで横切るショット。椅子が二つ、ブームアームのマイクが二本、ランプが点灯します。最後の数秒で、ホストが入ってきて座ります。夕方、暖かく静かな雰囲気。
うまくいく理由：人のいない空っぽのセットから始める構成は、導入として機能します。RefVidでは全ての動画が保存した被写体から始まるため、誰もいない部屋を指定するより、ホストが後から入ってくるように指定するほうが確実です。
話し言葉と長さ
RefVidで音声をオンにすると、モデルであるKling 3.0 Omniが映像と一緒に声と部屋の音を生成します。引用符で書いたセリフは、書いたとおりに話されます。英語と中国語の発話が最も自然に聞こえます。テイクごとに口の動きとセリフが合っているか確認してください。ずれる場合は、シーンを書き直すのではなく、セリフを短くしてください。
クリップは3〜15秒で、一つのクリップには最大3つのショットを入れられ、長さは均等に配分されます。9秒のクリップなら、ショット1はAvaとJunのワイド、ショット2は話しているAvaのクローズアップ、ショット3はJunのリアクション、といった構成が可能です。
他のモデルでは長さが異なります。2026年10月時点で、Googleの Veo のドキュメントによると、Veo 3.1は4秒、6秒、8秒のクリップを生成し、参照画像を使う場合は8秒になります。
ホストが出演する全ての動画は、RefVidのスタジオで各ページに一覧表示されるため、一シーズン分のオープニングを並べて、ズレがないか比べやすくなっています。
よくある質問
- AI動画で一回分のポッドキャストを丸ごと作れますか？
- いいえ。参照ベースの動画モデルが作るのは数秒のクリップであり、長い会話ではありません。RefVidのクリップは3〜15秒です。エピソードは実際に収録し、AI動画はオープニング、告知、カットアウェイに使ってください。
- 毎週ポッドキャストのスタジオを同じに保つにはどうすればよいですか？
- メインの角度で撮ったスタジオの写真を毎回シーンの写真として使い、ホストの参照素材の組み合わせは固定し、各プロンプトで構図の指定を同じ書き方にしてください。
- 自分の顔をポッドキャストのホストとして使えますか？
- はい、ご自身の写真を使えます。他の人の場合は、その人の肖像を使う前に明示的な許可を得てください。
- AIのポッドキャストホストを毎回のエピソードに登場させられますか？
- はい。ホストとスタジオの参照素材を固定すれば可能です。クリップはオープニング、SNS用の切り抜き、カットアウェイに使ってください。
- ポッドキャスト動画AIで一回分のエピソードを作れますか？
- 長い会話は作れません。作れるのは短いホストのクリップです。実際のエピソードを収録し、その前後にこれらを使ってください。