動画を放り込む。字幕が付く。図解まで出る。
動画編集、毎回ゼロからやってた。録って、切って、字幕を打って、図解を作る。1本ごとに同じ作業。非効率。
だから道具を作った。動画ファイルを選ぶ。または素材を一式まとめて放り込む。あとは字幕、いらない部分のカット候補、図解、ダイジェストまで一気に進む。
私はコードを書けない。書いたのはClaude CodeとCodex。私がやったのは「こうしたい」を渡すこと。置き場所はジュンイチ業務コックピット。
作ったのは「1画面で全部やる」流れ
バラバラの道具を行き来するのをやめた。
素材を入れる。プレビューで確認する。字幕を調整する。直して書き出す。完成した動画を保存する。ダウンロードする。いらなくなったら消す。ここまでを1画面に置いた。
プレビューでは字幕の見た目、位置、サイズ、動きを先に確認できる。出してから「思ってたのと違う」を減らすため。
字幕はローカルのWhisperで作る
字幕は全部APIに投げる手もある。でも全部は預けない。
文字起こしはローカルのWhisper系を使う流れにした。手元で動かす。外に出さない部分を残す。動画を放り込んで字幕ファイルを出すやり方は、編集の現場ではもう普通の手順になっている。
問題は誤変換。固有名詞をひとつ間違えるだけで、信頼は落ちる。だから固有名詞や置換ルールを先に登録して、補正できるようにした。最後は人が見る導線も残す。AIに全部任せて、確認をゼロにはしない。
いらない部分を切る。強さは選ぶ。
無音。言い直し。撮り直しの「えーと」。
そういう明らかにいらない候補を検出するようにした。ただ、全部を自動で切ると切りすぎる。だからカットの強度を選べるようにした。軽く整えるか、ガッと削るか。判断は人に残す。
図解は、字幕の切れ端では作れない
やってみて分かったこと。字幕の一部を切り取って図解にするのは弱い。
話の流れを理解していないと、ただの文字の寄せ集めになる。だから文字起こし全体を見て、AIがテーマと要点を考えて図解を入れる形にした。
字幕を付けるだけの道具じゃない。話の中身を読んで、図解にする。ここがこの道具の山。
素材パックなら、画像も差し込む
動画1本だけじゃない使い方も入れた。
複数の動画と画像素材をまとめて放り込む。すると、画像の中身と話の中身を見て、「ここにこの画像」という差し込み候補を作る。
冒頭には、続きを見たくなるダイジェストを生成して入れる。本編の前に「これ見たい」を置く導線。
書き出して終わり、にしない
動画は出して終わりじゃない。そこから先がある。
完成した動画は保存一覧で確認できる。ダウンロードする。まとめて消す。完了した日時は日本時間で出る。サムネイルも一覧で見える。
YouTubeに出すための材料も生成する。タイトル案、概要欄、タグ、サムネイルのプロンプト。出すまでの手間を、先に削っておく。
今日うまくいかなかったところ
全部がスッと動いたわけじゃない。
字幕を付けるだけなら、すぐできた。でもそれは道具になっていなかった。プレビューで直す、書き出す、保存する、消す。ここまでつながって、やっと毎日使える形になる。途中で何度も組み直した。
図解も一度つまずいた。字幕の切れ端から作らせたら、内容がズレた。文字起こし全体を渡す形に変えて、やっと噛み合った。
どれだけ時短になるか。実際の数字はまだ取っていない。次に計測する。
持ち帰り
動画編集の自動化は、字幕で終わらない。
プレビュー、修正、書き出し、保存、削除。最後までつながって、初めて実務。
AIに図解を任せるなら、切れ端じゃなく全体を渡す。字幕の固有名詞は、間違えた瞬間に信頼を失う。辞書登録と人の確認は外さない。
使ったのは、Claude CodeとCodex、Whisper、Remotion、HyperFrames。私はコードを書いていない。渡して、確かめて、直しただけ。
次の一歩
蒼井詠の「AIエージェント はじめの30歩」（無料PDF）
→ https://aoi-ei.com/ai-cheatsheet/
非効率は罪。あなたもやってみて。