Google Antigravityに動画編集のプログラムを書かせるという実践は、編集の仕事を少し違う角度から見せてくれる。
この実践はエンジニアとして環境を整えられる人が前提だ。手元の端末に必要なソフトをそろえ、AIエージェントに実行を許す範囲を管理できることが前提になっており、誰でも今日から同じことができるという話ではない。
任せられる処理と人に残る判断
今回紹介するのは、ITエンジニアのBlackWingさんが公開した実践記録だ。ショート動画や解説動画を作るとき、素材のカット割りや字幕のタイミング合わせを手作業で何時間も続ける負担を、AIエージェントに編集用のプログラムを書かせることで減らそうとしている。
使っているのは、Googleが提供する自律型のコーディングエージェントであるGoogle Antigravityだ。チャット画面で答えを返すだけのAIと違い、手元の端末で実際にコマンドを実行し、エラーが出れば自分で直してもう一度走らせる、という点が強調されている。
| 処理の例 | プログラムに任せる部分 | 人に残る判断 |
|---|---|---|
| 見どころの切り出しと結合 | 指定した区間を正確に切り出し、つなぐ | どの場面を見どころとするか |
| 合成音声との合わせ込み | 音声の長さに合わせて映像の長さを調整する | 間の取り方が自然に見えるか |
| 縦型動画のまとめ作り | 横長の素材を縦に配置し、背景と字幕を置く | 型そのものが伝わる構成になっているか |
| 仕上がりの修正 | 言葉で伝えた注文を数値に反映して書き出し直す | 何をどう直すべきかを決めること |
BlackWingさんの出発点は、動画ファイルは解像度やフレームの速さ、時刻の情報、音の波形、画面上の位置といった数値の集まりだという見方だ。そう考えれば、何秒から何秒までを切り出す、無音の区間をまとめて削る、といった処理はプログラムで正確に指定できる。
そうした処理の土台として広く使われているのがFFmpegだ。FFmpegの公式サイトは、FFmpegを、人や機械が作ったほぼあらゆるものを読み込み、変換し、分離や結合をし、配信し、加工し、再生できる代表的なマルチメディアの基盤だと説明している。
ただ、これまでの最大の壁は、そのコマンドの書き方が難しすぎることだった。細かな指定を自力で組み立てるのは、編集者にとってかなり高い壁で、結局は慣れた編集ソフトの画面に戻ってしまう人がほとんどだったはずだ。
記事は、その壁をGoogle Antigravityが壊してくれたと書く。素材の入ったフォルダーを読ませ、場面を順に軽快につなぎ、音楽をゆっくり立ち上げて縦型の動画として書き出して、と頼むと、それに合った処理の手順をエージェントが組み立てて実行してくれるという。
音声の形式が合わない、映像の速さがずれている、といったよくあるつまずきも、エージェントが記録を読んで自分で手順を直し、再実行してくれる。人は画面の編集操作と格闘するのをやめ、どういう構成にしたいかを伝える側に回る、というのが記事の描く姿だ。
記事では、Reactの仕組みで動画を組み立てるRemotionや、Pythonの動画処理の仕組みにも触れている。どれを使うかはエージェントに任せられるが、書き出された結果が意図通りかを確かめる責任は、依然として頼んだ人の側にある。
運用のこつ：GPU指定と連番の素材名
編集の中でも特に単純で繰り返しの多い部分を、はっきり切り出している。複数の素材から見どころを切り出して一本につなぐ処理、合成音声の長さに合わせて映像の長さを伸び縮みさせる処理、横長の素材を縦型に配置して上下にぼかした背景を敷く処理が挙げられている。
とくに合成音声との合わせ込みは、手作業だと驚くほど時間がかかる。ナレーションの正確な長さをプログラム側で取得し、その長さに合わせて映像の区切りを自動で調整すれば、音に合わせてカットを刻む作業が一度で決まる、というのは確かに魅力的だ。
縦型のショート動画をまとめて作る用途も分かりやすい。決まった型を一度プログラムにしておけば、素材をフォルダーに入れるだけで何十本もの動画が放っておいても書き出される。同じ体裁の動画を大量に求められる仕事では、効き目が大きいだろう。
こうした処理が現実的なのは、土台のFFmpegが映像や音声の変換から加工、結合までを一通り担える基盤だからだ。Google Antigravityが新しい編集機能を生み出しているのではなく、既にある強力な基盤を、人の代わりに正しく操作しているところに価値がある。
運用のこつとして挙げられている点も具体的だ。GPUのハードウェアによる書き出しを明示すると待ち時間が大きく縮むこと、素材の名前を連番にしておくとエージェントが順序を取り違えにくいこと、仕上がりへの注文は対話で伝えれば数値がすぐ直されることが書かれている。
素材の名前をそろえるという話は、地味だが本質的だ。プログラムに任せる編集では、人が目で見て察していた部分がすべて明示的な約束事に置き換わる。名前の付け方ひとつで結果が変わるという点は、編集の下準備の大切さを改めて教えてくれる。
また、仕上がりを確認して、この場面をもう少し短く、字幕を少し上に、と言葉で伝えるだけで直る流れは、編集者とアシスタントのやり取りに近い。画面を操作する技術より、何をどう直したいかを言葉にする力のほうが問われるようになる、とも読める。
記事の末尾には、高画質化のソフトや録音機材、小型のパソコンなどを勧める紹介の欄が付いている。紹介料を伴う案内と読める部分なので、本文の実践とは切り分けて受け取るのがよさそうだ。
記事が勧めているのは、エージェントを魔法の箱として扱うことではなく、指示と確認を小刻みに繰り返す使い方だ。仕上がりを見て、気になる点を一つずつ言葉にして直させる。この往復の速さが、手作業の編集にはない強みになっている。
試すときの備え：作業用の複製と実行範囲
編集者の目で見ると、この方法が向いているのは、構成が決まっていて同じ処理を何度も繰り返す仕事だ。定型の告知動画、同じ形式の切り抜き、字幕の体裁が決まった解説動画などは、型を一度作ってしまえば手作業を大きく減らせる。
逆に、一本ごとに間の取り方や表情の選び方で印象が変わる作品では、プログラムに任せられる範囲は狭い。どのカットを残し、どこで音を切るかという判断は、結局のところ人が再生して確かめるしかない。記事自身も、人が演出を指示する側に回る姿を描いている。
プログラムで扱う編集の強みは、同じ指定を何度でも同じように再現できることだ。FFmpegのように変換や加工を一通り担える基盤を使えば、手作業では揺れやすい細かな時刻の指定も、毎回そろった結果になる。
その一方で、エージェントに端末でのコマンド実行を許すことには注意が要る。素材の入ったフォルダーを誤って書き換えたり消したりしないよう、作業用の複製で試す、実行を許す範囲を決めておく、といった基本的な備えは、編集の効率化より先に考えておきたい。
小さな制作チームなら、まず一つの定型作業から試すのが現実的だ。たとえば毎週同じ体裁で作る告知の縦型動画だけをプログラムに任せ、残りは今まで通り編集ソフトで仕上げる、という分け方なら失敗しても影響が小さい。
また、プログラムで書き出した動画を、最後に編集ソフトで開いて確認する工程は残しておきたい。自動で作ったものほど、音量の揃い方や字幕の読みやすさに思わぬ癖が出ることがある。人の目での最終確認は省かないようにしたい。
こうした方法が広がると、編集者に求められる力の中身も少しずつ変わっていく。画面の操作に習熟することに加えて、作りたい動画の型を言葉と数値で説明する力が、これまで以上に重みを持つようになりそうだ。
すぐに試さないとしても、自分の仕事のうち繰り返しの多い部分を書き出してみる価値はある。どの作業が型にできて、どの作業が毎回の判断なのかを分けて眺めるだけでも、手作業の時間の使い方を見直すきっかけになる。
AI編集部のつぶやき
