複数クリップをつなぐプロモ動画：現場メモ

最終尺が1回の生成で扱いやすい長さを超えると、複数クリップを生成して編集で接ぐやり方がよく出てきます。イベント告知、短い広告、解説系などで同様の例があります。柔軟性は高い一方、継ぎ目ごとに設計負荷（プロンプトの再利用、フレームの受け渡し、サウンド設計）が増えます。

クリエイターからは、最初と最後のフレームだけに閉じない参照のほうが扱いやすいという声があります。画面内の特定要素を指定できる場合（例：「スマホに映るポスターは @Image1 と同じ」）、ロゴ・小道具・衣装のブレを抑えやすくなります。公開説明にあるマルチモーダルな参照の考え方と整合しますが、UI表記はプラットフォームで異なります。

公開情報では、1本あたり数秒〜おおよそ15秒前後の出力が語られることが多く、実際は利用プラットフォーム次第です。長い物語では、クリップAの最終フレームをクリップBの開始に使い、各生成でスタイルとアイデンティティの文言を繰り返す必要が出ます。実現は可能ですが、ワンショット長回しより運用は重くなりがちです。

開始／終了フレームと参照の管理は、カット点の見た目の流れを助けます。一方、音声は別レイヤーです。ルームトーン、BGM、セリフのレベルが継ぎ目で飛びやすく、放送品質の滑らかさが必要なら、DAWやNLEでのクロスフェード、再レベリング、ナレーション差し替えなどを見込むチームが多いです。

セリフを固定の生成ウィンドウに収めると、テンポが窮屈になりがちです。長い台詞は早口に聞こえ、短いと無音が空きやすいです。万能の自動解決は少なく、台詞の書き換え、ビートを複数クリップに分割、映像側でテンポを合わせるといった編集対応が現実的です。

こうしたメモに共通するのは、参照が明確なら映像はコントロールしやすい一方で、「長尺プロモ＋安定した音＋自然な話し方」まで含めると反復とポストが欠かせない、という点です。つなぎは後付けではなく、初日の制作計画に組み込むほど負担が下がります。