なぜ帽子をかぶった猫があなたの窓の外にいるのか？TikTokのAI動画はこうして作られる

暗い駐車場の2階の窓の下に、小さな人物が立っている。縞模様の帽子のほうが、顔よりも見つけやすい。そして見上げて手を振る。これは、TikTokクリエイターが The Cat in the Hat をフィクションの夜間カメラ遭遇映像に変えた方法の一つだ。効果は、視聴者がその人物をどこで見るか、ショットをどれだけ保持するか、クリップが終わる前に何が変わるかによって決まる。猫だけがジョークの一部にすぎない。

このガイドでは、クレジット付きのクリエイター動画例を2つ使ってこの形式を説明し、その後、別の3部構成の窓視点の例を追う。空のロケーション画像、編集済みのスチル、そして出来上がったクリップだ。提示するプロンプトは試すためのレシピであり、クレジットされたクリエイターがどのように動画を作ったかについての主張ではない。

主なポイント

• このトレンドは、2003年の実写映画のダークな編集から始まり、AI製のファウンド・フッテージ風クリップへと広がった。
• 窓視点とドアベルカメラでは、明かされ方が異なる。一方は距離と視聴者方向への視線を使い、もう一方はドアへの経路を使う。
• ワンクリップ編集テンプレートは既存の映像を変更する。自分のシーンに新しい人物を出現させるには、画像編集または動画生成の工程が必要だ。
• リアルに見える結果を投稿するときはフィクションとして扱う。他のクリエイターのクリップについて話すときはクレジットを明記する。

Cat in the Hat AIトレンドは何から始まったのか？

最初に広く記録された波は、2003年の実写映画の映像を使用していた。2026年6月30日、@dannykelvin47 は不穏なキャプション付きの踊る猫編集を投稿した。他のユーザーは、不気味な音楽、粒子感、キャプションを添えて映画の瞬間を再利用した。Know Your Memeの年表は、7月上旬の変化を記録している。@rushyft のAI生成ファウンド・フッテージクリップは、映画を再編集するのではなく、そのキャラクターをホラー風の場面に想像した。

夏の終わりまでに、投稿は背の高い猫の人物を、見覚えのある通り、駐車場、戸口に配置した。静止画もあれば、携帯電話や防犯カメラの映像風に仕立てた短い動画もあった。場所があることで画像は個人的に感じられ、だからこそAIシーンも実際の目撃と誤解され得る。Euronewsはフィクションの目撃談について報じ、Oxnard Policeは現実世界の主張を伴う編集動画への懸念を記録した。以下の作品はフィクション形式の例であり、実際の遭遇の証拠ではない。

自分で作る前に、2つのクリエイター事例を見る

事例1：ドアベル視点はレンズへ向かう経路を使う

公開ショーケースでは、2026年8月の @darkcasefilesuk1 のドアベル風クリップがクレジットされている。以下の8秒の完全版例を見てほしい。人物は濡れた小道に沿って近づき、首をかしげ、ドアの近くで反応する。戸口と小道が視聴者の立っている場所を確立し、経路が被写体にカメラを動かさずに動く余地を与える。

8秒のクリエイター動画全体を無音GIFに変換したもの。公開ショーケースでは、このクリップを @darkcasefilesuk1 にクレジットしている。これは参照用クリップであり、Atlas Cloudの出力ではない。

ドアベル版では、クリップ全体をカメラのプッシュインに費やさないこと。人物を小道に入らせるか横切らせ、立ち止まり、レンズに反応し、去るか後退させる。位置の変化が、動画に始まりと終わりを与える。

事例2：窓視点は距離を明かし方の一部にする

@lastknownencounter の2026年9月のAIクリップでは、人物は夜の駐車場の下の方にいて、上から見られている。建物や駐車車両を背景に小さなままで、見上げて手を振り、スマートフォンはカーテンの後ろに一瞬隠れてから、再び外をのぞく。視聴者は遠くの何かに気づき、それが自分たちに気づいたように見えると気づく。

10秒のクリエイター動画全体を無音GIFに変換したもの。@lastknownencounter にクレジット。これはクリエイター参照であり、以下のプロンプトの出力ではない。

ここで役立つ制作上の選択はスケールだ。人物がどれだけ遠くにいるかを示すために、通りと建物を十分に画面内に残す。被写体がすぐにフレームを埋めてしまうと、窓はその瞬間にあまり寄与しなくなる。

CapCutテンプレートはAIエフェクトと同じなのか？

このトレンドを定義する単一のツールはない。「Cat in the hat」と題されたCapCutページの1つは、1つのクリップを取り込む9:16テンプレートを示している。そのプレビューは編集された猫動画だ。そのページは、あなたが提供する映像のタイミングとスタイリングを示しているのであり、あなたの窓やポーチの写真に新しい人物が挿入される様子を示しているわけではない。同じような名前のテンプレートは動作が異なることがあるため、選んだ正確なテンプレートをプレビューしよう。

中間のルートは、個人的に見える設定を最も細かく制御できる。また、何かをアニメーション化する前に最初のフレームを確認できる。

1枚の写真からオリジナルの窓視点クリップを作る

上の窓動画は明確なブリーフを与えている。遠くの人物、屋内からの視点、カメラへの遅れた反応だ。自分の写真か、使用許可のあるロケーションを使う。家の番号、判読できるナンバープレート、特定できる通行人がフレームに入らないようにする。以下に提供する例は16:9で、窓と駐車場の全体が見えるようにしている。縦型のTikTok投稿用には別途9:16版を作る。

実例：2階の窓の下にいる人物

提供された入力画像は、夜の空の駐車場を2階の窓から見下ろしている。窓と街灯の下の開けた場所が、編集者に人物を追加する特定の場所を与える。望ましいスチルは、信じられる距離にいる人間の身長ほどの白黒の猫コスチュームのキャラクターで、背の高い赤白縞の帽子と赤い蝶ネクタイが見えるものだ。この例では、実際の入力、編集済みフレーム、動画結果を順に示す。以下のプロンプトは同じアイデアの縦型再現を説明するものであり、クレジットされたクリエイターが開示したプロンプトではない。

01、提供された開始画像。窓枠、駐車車両、階段、明かりの当たった空の舗装が場面を確立している。

ステップ1：スチルに1体のオリジナル人物を入れる

参照写真を受け付ける画像エディターを使う。たとえば Seedream v5.0 Pro Edit on Atlas Cloud など。窓視点の写真をアップロードする。このプロンプトはロケーションを保持し、実例の視覚的手がかりを指定する。動画フレームとして使う前に、実際の結果を確認する。

plaintextCopy
1Edit the uploaded night view from an upstairs window. Preserve the exact window viewpoint, curtain edge, parked cars, streetlights, building positions, road surface, and perspective. On the open ground beneath a streetlight, place one distant adult-height upright cat-costume figure with a narrow silhouette, black fur, a white chest and face, white gloves, a stiff smiling mask, a tall slightly crooked red-and-white striped hat, and a large red bow tie. Keep its whole body visible and small enough to show its distance from the window. Both feet touch the ground and the shadow matches the streetlight. Keep the scene plausibly low-lit, with faint window reflections and mild phone-camera grain. Vertical 9:16. Exactly one figure. No extra people, text, logos, fake timestamp, weapons, threats, or readable address details.

02、提供された編集済みスチル。キャラクターは開けた場所に追加され、車、階段、窓視点は認識できるまま残っている。

編集済みスチルを元画像と照合する。建物と車は同じ位置にとどまり、被写体は地面に接し、帽子はスマートフォンサイズでも見える必要がある。モデルが通りを作り直してしまった場合は、動画を作る前に修正する。

ステップ2：動画に1つの出来事と1つの視点変化を与える

承認したスチルを、Kling v3.0 Turbo Image-to-Video on Atlas Cloud などのimage-to-videoツールにアップロードする。モデルが現在表示するオプションの中から、短い縦型クリップを選ぶ。動きは音なしでも読み取れるべきだ。小さな手振りのほうが、余分なエフェクトより重要だ。

plaintextCopy
1Create a 10-second vertical 9:16 fictional phone video in one continuous take, filmed from inside the upstairs window in the uploaded image. It is a quiet residential parking lot after dark: weak amber light from one streetlamp, muted colors, damp-looking pavement, faint reflections on the glass, soft phone-camera grain, and a slight natural hand tremor. The mood is strangely playful and a little uncanny, like someone unexpectedly noticing a costumed visitor outside, not a violent horror scene. Keep the exact window viewpoint, curtain edge, parked cars, stairway, buildings, road markings, lighting direction, and perspective from the source image. Do not rebuild the location.
2
3The same single adult-height cat-costume figure remains in the middle distance throughout: narrow black-fur body, white chest and face, fixed smiling mask, white gloves, large red bow tie, and tall slightly crooked red-and-white striped hat. Its feet stay grounded and its shadow follows the streetlamp. At first it stands with both feet apart, knees relaxed, shoulders slightly hunched, arms hanging loosely, and head angled down. Its movements are slow and deliberate; the hat, mask, bow tie, body size, and clothing never change.
4
5Seconds 0-3: hold the wide view so the figure looks small among the parked cars. It pauses, then gradually raises its head and looks directly up toward the window. Seconds 3-6: without walking forward, it lifts one white-gloved hand to shoulder height and gives two small, unhurried wrist waves; the other arm stays at its side. The person filming reacts with a tiny handheld shake, not a zoom. Seconds 6-8: the phone withdraws behind the curtain, which briefly covers most of the view while the camera remains inside the same room. Seconds 8-10: the phone cautiously peeks out from a slightly shifted angle. The figure takes one short, visible step closer on the pavement, plants its foot, lowers its waving hand, and keeps looking up. End on that held encounter.
6
7Natural low-light exposure and subtle night ambience if audio is available. No cut, teleportation, sudden jump toward the lens, zoom-only motion, dancing, extra figures, extra limbs, face morphing, costume change, fake CCTV overlay, timestamp, readable address or license plate, text, logo, weapon, or threatening gesture.

03、提供された15秒の動画をトリミングせずに無音GIFに変換したもの。同じ駐車場とコスチュームの人物を保っており、人物は見上げて2階の窓に近づく。これは16:9の結果で、上のプロンプトは新しい9:16版を要求している。

結果を02と比較する。ロケーションとキャラクターは認識できるままで、カメラと人物が目に見える出来事を作るべきだ。ここでは、正確な動きは事例2のクリエイタークリップと異なるが、窓視点が遭遇を成立させている。新しい生成で人物が変わったり、通りの向こうへ跳んだりした場合は、要求する動きを減らし、承認済みスチルから再実行する。

ステップ3：投稿をフィクションとして仕上げる

縦型書き出しは、明かしが決まるのに十分短く保つ。スマートフォンで視聴し、帽子と手振りがまだ読み取れるか確認し、投稿を許可されている音楽や環境音を使う。TikTokは、リアルなAI生成コンテンツにラベルを付けるべきだとしている。「fictional AI window scene」のようなキャプションは、作り話の瞬間を地域のニュースにしてしまうことなく、視聴者に見ているものを伝える。

再現を残す価値があるものにするには？

クリップは、画像がどれだけ動くかではなく、伝える出来事で判断する。読み取れる結果には、認識できるロケーション、信じられるスケールの人物、安定した服装と帽子、地面についた足、視聴者が実際に気づける反応がある。最善の修正はたいてい具体的だ。スチル内で人物をさらに遠ざける、背景の形状を守る、動きを一目と手振りだけに簡素化する。

上の実際の投稿は、このトレンドがなぜ複数の形式で機能するかを示している。映画編集は見慣れた演技を使い、カットによって意味を変える。AIの窓やドアベルのクリップは、その種のキャラクターと見覚えのある場所との出会いを捏造する。視聴者の認識とカメラの視点がジョークを成立させる。

よくある質問

Cat in the Hat AIトレンドは画像から作られているのか、動画からなのか？

両方だ。初期のダークな編集は、映画映像から作られた動画だった。後期のAI投稿には、単一画像と短いクリップが含まれる。一般的な動画ワークフローは、ロケーション写真から始め、画像編集でフィクションの人物を追加し、そのフレームをアニメーション化する。

ワンクリップテンプレートで、自分の窓写真にキャラクターを追加できるのか？

テンプレートのプレビューと入力要件を確認する。上のCapCutの例は既存のクリップを要求している。静止画に新しい人物を追加するのは、特定のテンプレートがその工程を明示的に含まない限り、別の画像生成または編集タスクだ。

元の映画映像は必要か？

いいえ。窓とドアベルの形式は、オリジナルの猫風の演者と、使用許可のあるロケーション写真で作れる。他のクリエイターの完成クリップについて話すときは、自分の素材として扱うのではなく、クレジットを明記する。

夜の街での目撃は本物なのか？

ここで扱ったAIおよび編集済みの例はフィクションだ。投稿が実在の場所を名指ししたり、現実の脅威をほのめかしたりする場合は、共有する前に主張を検証する。この記事の制作プロンプトは、明確にラベル付けされたフィクション場面のためのものだ。