用語をわかりやすく

テキストから動画

テキストから動画（Text-to-Video）とは、文章で書いたプロンプトだけから動画クリップを生成することです。モデルが記述をもとに被写体、動き、カメラ、ライティングを合成し、通常は数秒のクリップを生成します。

画像から動画

画像から動画（Image-to-Video）とは、静止画を動かして動画クリップにする手法です。画像が被写体と構図を固定し、プロンプトで動きを指示します。生成動画で特定の顔や商品を一貫して保つための定番の方法です。

カメラワーク

カメラワークとは、クリップの中で仮想カメラがどう動くかを指します。パン、プッシュイン、トラッキング、オービット、クレーン、ドリーズームなどです。AI動画では機材を組むのではなくプロンプトで指示し、ショットの印象を被写体以上に左右します。

ドリーズーム

ドリーズームとは、カメラを被写体に近づけたり遠ざけたりしながら、逆方向にズームする技法です。被写体の大きさは変わらないまま、背景だけが伸びたり縮んだりして見えます。ヒッチコック作品や『ジョーズ』でおなじみの「めまい効果」です。

アスペクト比

アスペクト比とは、フレームの横と縦の比率のことです。ワイドスクリーンやYouTubeなら16:9、縦型のショート動画なら9:16、正方形のフィードなら1:1、映画なら21:9が使われます。AI生成では、新しいエンジンではパラメーターとして、古いエンジンではプロンプトのヒントとして指定します。

絵コンテ（ストーリーボード）

絵コンテ（ストーリーボード）とは、各シーンのフレーミング、アクション、長さを順に並べ、作品をショット単位で設計したものです。AI動画では、クリップの長さの上限を超えるための方法になります。統一されたルックの複数のクリップを、1本の映像として再生するのです。

テイク

テイクとは、あるシーンをレンダリングした一回分の試行です。同じプロンプトで複数のテイクをレンダリングし、最良のものを残す。それが、生成動画をただ受け入れるのではなく、演出するための方法です。

最初と最後のフレーム

最初と最後のフレームを指定する生成（First/Last Frame）では、動画エンジンに開始画像と終了画像の両方を渡し、モデルがその間の動きを補間します。クリップの終わり方をコントロールする最も正確な方法です。

テンポ

テンポとは、クリップ内の動きのペースのことで、穏やか、幻想的、ダイナミック、緊迫、カオスなどがあります。被写体やカメラが動く速さと、ショットが持つエネルギーの量を左右します。

アナモルフィックレンズ

アナモルフィックレンズとは、横長の映像を圧縮してセンサーに記録し、ポストプロダクションで元に戻すレンズです。楕円形のボケ、水平方向のレンズフレア、穏やかなワイドスクリーンの伸びといった、映画らしい特徴を生み出します。

アップスケール（高解像度化）

アップスケールとは、生成した画像やクリップを後から拡大する処理で、増えたピクセルは別のモデルが補います。720pのレンダリングを、再生成せずに1080pや4Kの納品物にする方法です。

リップシンク

リップシンクとは、用意した音声トラックに口の動きが合うように顔を動かす技術です。静止したポートレートや無音のクリップを、あなたの言葉を話しているように見せられます。

Bロール

Bロールとは、ナレーションに重ねたり、メインのショットの合間に挟んだりする補助的な映像のことです。手元、ディテール、街並み、テーブルに置かれた商品などがそうです。声が主張を伝える間、Bロールが編集の流れを支えます。

エスタブリッシングショット

エスタブリッシングショット（状況設定ショット）とは、シーンが始まる前に、観客に「ここがどこか」を伝える引きの画のことです。通常はシークエンスの最初のショットで、ロケーション全体を見せる唯一のショットであることも少なくありません。

キーフレーム

キーフレームとは、生成されるのではなく内容が固定されたフレームで、動きはそれを軸に組み立てられます。AI動画では、開始フレームと、対応していれば終了フレームがキーフレームです。

参照画像

参照画像とは、プロンプトと一緒に渡す画像のことで、顔、商品、スタイルなど、その画像の要素を新しいレンダリングでも保つために使います。AI画像やAI動画でキャラクターの一貫性を保つための基本です。

フィルムグレイン

フィルムグレインとは、写真フィルム特有の細かく不規則な粒状の質感です。デジタルのレンダリングに加えることで、アナログで撮影したような雰囲気を出し、生成映像特有のきれいすぎる見た目を隠します。

画像から画像（img2img）

画像から画像（Image-to-Image）とは、プロンプトに沿って既存の画像を編集したりスタイルを変えたりする手法で、構図を保ったまま細部、スタイル、被写体を変更します。参照画像を使った生成は、その最も一般的なクリエイティブな使い方です。

逆光

逆光（コントルジュール）とは、光源が被写体の背後にあるライティングのことです。輪郭を縁取る光の輪、シルエット、レンズのグロー効果が生まれます。ゴールデンアワーの定番のルックです。

インペインティング

インペインティング（Inpainting）とは、画像の選択した領域だけを再生成し、残りには手を加えない技術です。手をマスクして描き直す、物体を消す、細部をひとつだけ変える、といった使い方をします。マスクそのものが指示になります。

ボイスクローン

ボイスクローンとは、録音した音声から合成音声を作り、新しいテキストをその声で読み上げられるようにする技術です。最新のエンジンなら約1分のクリアな音声で、声質や話し方のリズムを言語をまたいで再現できます。

音声合成（TTS）

音声合成（テキスト読み上げ、Text-to-Speech）は、書かれたテキストを話し言葉の音声に変換する技術です。表現力の高いTTSエンジンは句読点を演技の指示として読み取り、速度や表現力などの調整項目を備えているため、自然なナレーションやセリフを生成できます。

音声認識（STT）

音声認識（Speech-to-Text）は、話し言葉の音声を文字に書き起こす技術です。チャットモデルや音声合成と組み合わせると、音声で会話するループが作れます。

ボイスオーバー（ナレーション）

ボイスオーバーとは、画面に映る人物が話すのではなく、映像に重ねて流すナレーションのことです。解説動画、広告、ドキュメンタリーで主張を伝える役割を担い、映像がそれを視覚的に補います。

話者分離（ダイアライゼーション）

話者分離（ダイアライゼーション）とは、文字起こしの中で「誰がいつ話したか」を判別し、書き起こしに話者ごとのラベルを付ける処理です。インタビューを書き起こした文字の塊を、話者名とセリフが並ぶ読みやすい会話形式に変えてくれます。

ネガティブプロンプト

ネガティブプロンプトとは、文字、ウォーターマーク、余分な指、ぼやけなど、モデルに避けてほしい要素を列挙するものです。メインのプロンプトから「それがないこと」が伝わるのを期待するのではなく、生成そのものをそれらの特徴から遠ざけます。

CFGスケール

CFGスケール（classifier-free guidance）は、拡散モデルがプロンプトにどれだけ忠実に従うかを決める値です。低い値ではゆるやかで変化に富んだ画像に、高い値では自然さと引き換えに言葉どおりの画像になります。

シード値

シード値とは、生成のランダム性を初期化する数値です。プロンプト、設定、シード値が同じなら同じ結果が再現されるため、再レンダリングが運任せではなく修正作業になります。

プロンプト強化

プロンプト強化（プロンプトエンハンサー）とは、大まかなアイデアを、被写体、動き、カメラ、光、ムードといった、生成エンジンが反応しやすい構造のプロンプトに書き直す機能です。ゼロからプロンプトを考案することもできます。

演出ラック

演出ラックとは、フィルムの種類、時代、テンポ、カメラ機材、レンズ、絞り、パレット、ライティングといった、eroqのルック設定一式です。サーバー側ですべてのプロンプトに組み込まれるため、フィルム全体でひとつの美学が共有されます。

被写界深度

被写界深度とは、ショットの手前から奥までのうち、ピントが合って見える範囲のことです。被写界深度が浅いと、ぼけた背景から被写体が浮かび上がり、深いとシーン全体がくっきり写ります。

カラーパレット

カラーパレットとは、作品のカラーグレーディングで目指す、限られた色の組み合わせのことです。ネオン・ノワール、ウォームフィルム、銀残しなどがあります。ひとつに決めることで、別々のショットがひとつの作品に見えるようになります。

検閲なしAI

検閲なしAI（Uncensored AI）とは、ダーク、暴力的、挑発的なフィクションも含め、プロンプトで求められたものを拒否せずに生成するモデルのことです。確率的なコンテンツフィルターではなく、明文化された利用ポリシーによって管理されます。「ルールがない」という意味だったことは一度もありません。

クレジット

クレジットとは、AI生成のための前払い制の単位です。呼び出しごとに、トークン単位の請求ではなく公開された数のクレジットがかかるため、予算を見通せます。eroqでは、エントリーパックの料金で1クレジットが約1セントです。

MCP（Model Context Protocol）

MCP（Model Context Protocol）とは、AIアシスタントが外部ツールを呼び出せるようにするオープンなプロトコルです。MCPサーバーは動画生成などの機能を公開し、ChatGPT、Claude、コーディングエージェントが会話の中でそれを呼び出せます。

SSEストリーミング

SSE（Server-Sent Events）ストリーミングは、チャットの返答をひとつのHTTP接続でトークンごとに送信する仕組みです。応答全体の完成を待たずに、生成されたそばからテキストを表示できます。

エレメント

eroqのエレメントとは、一度保存すればプロンプトで@メンションできる、再利用可能な場所、物、スタイルのことです。同じロケーション、商品、ルックを、レンダリングをまたいで、チーム全体で使い回せます。

キャラクター（固定キャラ）

固定キャラクターとは、顔の参照画像、ペルソナ、声を一度定義しておき、画像、動画、会話をまたいで再利用するAIのキャストです。どのシーンでも同じ人物のまま登場させられます。

リミックス

リミックスとは、完成したレンダリングのレシピ一式（プロンプト、モデル、カメラ、演出ラックの設定、長さ）を入力欄に読み込み直す機能です。記憶を頼りに作り直すのではなく、そのまま修正できます。

Webhook（ウェブフック）

Webhook（ウェブフック）とは、非同期のジョブが完了したときに、プラットフォームがあなたのサーバーに送る署名付きのHTTPコールバックです。ポーリングが不要になります。数分かかる動画生成は、その代表的な用途です。

ワークスペース

ワークスペースとは、メンバー、シート、ひとつのクレジットウォレットを備えた共有のアカウント空間です。各自がそれぞれのログインを保ったまま、チームで一緒にクレジットを使い、制作できます。

ウォーターマーク（透かし）

ウォーターマーク（透かし）とは、生成したメディアに焼き込まれる目に見えるマークで、多くは隅に入るロゴです。どのツールで作られたかを示します。多くの生成ツールは、無料プランや下位プランでウォーターマークを入れ、上位プランで外します。

レート制限

レート制限とは、アカウントが毎分送信できるリクエスト数の上限です。共有のキャパシティを守るための仕組みで、並列の呼び出しを一気に送ると失敗し、同じ呼び出しを分散させると成功するのはこのためです。

APIキー

APIキーとは、プログラムをAPIに対して認証するための秘密の文字列で、リクエストのたびにBearerトークンとして送信されます。呼び出しの料金を支払うアカウントを識別します。