ChatGPTで15分動画を自動編集してみた｜無音の仮完成版まで作れた実録
結論から言うと、ChatGPTへ正式台本、編集ネーム、収録素材を渡し、15分ちょうどの無音動画をMP4として書き出すところまで実行できました。
完成した動画は900.000秒、1920×1080、30fps、H.264です。実際に出力されたMP4も確認し、15分間の映像として再生できました。
ただし、今回できたのは公開できる最終完成版ではなく「無音の仮完成版」です。BGMと効果音は入れておらず、固定のオープニングとエンディングも未提供だったため、指定位置にはプレースホルダーが入っています。
それでも、複数の画面収録、画像、台本、編集指示を読み取り、順番を組み、テロップを配置し、時間のずれを直して1本の動画にするところまでChatGPTで進められたのは大きな前進でした。
この記事では、「AIに動画を作らせたら一瞬で完成した」という話ではなく、実際に何を渡し、どこで止まり、どう直し、何が人間の作業として残ったのかをそのまま紹介します。
ChatGPTで15分の動画を仮完成まで作れた
今回作ったのは、YouTubeシリーズ「AI仕事DIY」Season 1の第1話です。旧ゲーム配信ブログをAI特化サイトへ作り替えた過程を、実際の画面とテロップで追う動画にしました。
動画は顔出し・声出しなしです。Google Analyticsの画面、旧ブログ、現在の「おとさんのAI仕事図鑑」、記事一覧、制作資料などを順番に見せながら、画面下のテロップで物語を進めます。
これまでChatGPTには企画、台本、編集ネーム、素材整理を任せてきました。今回は一段進めて、素材分析から動画の結合、テロップ配置、書き出し、検証までを一つの作業として依頼しました。
画面上ではChatGPTが20分18秒間作業したと表示され、最終的に15分の動画ファイルが生成されました。人間が編集ソフトのタイムラインへ素材を一つずつ並べたわけではありません。
自動編集のために渡した素材
ChatGPTへ渡した主な資料は、次のとおりです。
- 001の正式台本
- 正式台本に合わせた編集ネーム
- 現在のAI仕事図鑑を映した画面収録
- 旧ゲームブログを映した画面収録
- Google Analyticsの実画面
- 記事一覧や各記事を映した複数の収録素材
- 記事内で使用する画像
正式台本には、動画で伝える文章と話の順序があります。編集ネームには、どの文章でどの映像を使うか、テロップをどこへ出すかという編集上の指示があります。
つまり、ChatGPTへ「適当に15分の動画を作って」と頼んだわけではありません。台本を最上位の基準にし、映像のIN点とOUT点、画面の切り替え、テロップを編集ネームに沿って決めるよう依頼しました。
自動化の精度を上げるには、AIへ渡す資料の役割を分けることが重要だと分かりました。台本は内容、編集ネームは見せ方、収録素材は実際の映像という役割です。
不足した5点を追加して処理を再開した
最初から一度ですべての素材を読み込めたわけではありません。正式台本、編集ネーム、画像1点、画面収録2点の合計5点が不足しているとChatGPTから案内されました。
そこで不足していた5ファイルを同じ作業へ追加し、「音楽は後でつけます」と伝えました。今回はBGMと効果音を入れず、映像、クロップ、不透明マスク、テロップを優先した無音版として処理を続けています。
不足素材を再添付すると、ChatGPTはファイルを作業領域へ取り込み、正式台本と編集ネームを読み直しました。その後、収録素材の長さや画面を分析し、どの区間を使うかを組み立てています。
ここで分かったのは、AIによる動画制作でも素材確認は省けないことです。ファイル名が似ていたり、会話をまたいだりすると、必要な素材がすべて揃っているかを人間側でも確認する必要があります。
2カットの時間超過警告をフレーム単位で修正した
動画の書き出し中、2カットで「入力終端超過」の警告が出ました。指定したOUT点が素材映像の終わりをわずかに超えており、そのままでは指定尺より短くなる可能性がある状態です。
ChatGPTは処理を止めたままにせず、素材側のタイムスタンプの癖を避ける方法へ変更しました。各カットをフレーム単位で切り出し、指定した長さへ固定してから、全体を結合する方式で再生成しています。
修正後は警告が出ない状態で処理が進みました。さらに、完成後に各セグメントの実尺と最終尺を確認し、最終的に900.000秒へ揃えています。
この工程は今回の記事で特に残したい部分です。AIによる自動編集は、指示を出したら必ず一発で完成するものではありません。実際には、警告を読み、原因を切り分け、処理方法を変え、再度検証するところまで含めて自動化する必要があります。
900秒のMP4と編集データが完成した
最終的に生成された動画の仕様は次のとおりです。
- 再生時間：900.000秒
- 解像度：1920×1080
- フレームレート：30fps
- 映像形式：H.264
- 音声：なし
MP4だけでなく、次の編集用データも同時に作られました。
- 各素材のIN点とOUT点をまとめたCSV
- 自動編集タイムラインのJSON
- 素材分析結果
- 最終動画の検証結果
- 第2話以降で再利用する自動編集テンプレート
完成動画だけを受け取るのではなく、「どの素材を何秒から何秒まで使ったか」「どの順番で結合したか」「検証で何を確認したか」がデータとして残る形です。
この記録があることで、第2話以降はゼロから編集方法を考えず、第1話を教師データとして改善できます。1本を作る作業が、次の動画を速くする仕組み作りにもつながりました。
完成動画を15分通して確認して分かったこと
書き出された動画には、Google Analyticsのグラフ、過去にPVを集めていた記事、旧ゲームブログ、現在のAI記事一覧、AI仕事DIYの説明などが台本の順番で配置されていました。
テロップも映像の下部へ入り、「約15記事で年間26,312表示」「12か月で割ると月平均は約2,193」など、台本にある説明が実画面と組み合わされています。
一方で、動画が15分ちょうど書き出せたことと、視聴者が15分間見続けられることは別問題です。カットの間、テロップの表示時間、同じ画面が続く長さ、映像と文章の一致は、人間が実際に再生して判断する必要があります。
今回は自動検証で動画尺や形式を確認した後、要所のフレームも目視しました。技術的に正常なファイルでも、YouTube動画として伝わるかどうかは最後に人間の確認が必要です。
ChatGPTだけで公開完成にはならなかった
今回の結果は「ChatGPTだけでYouTube動画が完全自動で完成した」ではありません。正確には、人間が台本、編集ネーム、収録素材、追加指示を用意し、ChatGPTが素材分析と編集処理を進め、無音の仮完成版を作れたという結果です。
公開までに残っている作業は次のとおりです。
- 固定オープニング素材の差し替え
- 固定エンディング素材の差し替え
- BGMと必要な効果音の追加
- 全編を通したテロップとカットの目視確認
- YouTube用サムネイル、タイトル、概要欄の作成
- 最終書き出しと公開前チェック
それでも、15分のタイムラインを人間が最初から組む工程を減らせた意味は大きいです。今後は、第1話で見つかった修正点をテンプレートへ戻し、第2話以降で同じ問題を繰り返さない仕組みにします。
AI動画制作チームの仕組みを設計した過程は、関連記事「AI動画撮影チーム開発物語 第3話 仕組みの設計」で紹介しています。
https://www.otosan-fukugyo.com/ai-video-team-story-03/
また、ChatGPTへ記事制作を最後まで任せた実体験は「ChatGPT Workの使い方｜記事制作を最後まで任せて分かったこと」にまとめています。
今回の挑戦で見えたのは、AIに仕事を任せるとは、完成品を一度で出してもらうことではないという点です。必要な資料を揃え、エラーを修正し、検証結果を次回のテンプレートへ戻す。この繰り返しによって、動画制作も少しずつ「再現できる仕事」へ変わっていきます。
