音量を調整して書き出し、再生ボタンを押すと、BGMがまったく聞こえない。数値の上では正しく調整したはずなのに、耳には何も届いていなかった。AIとClaude Codeで動画を仕上げるまでに出会ったのは、こうした人が決めるべき瞬間の連続だった。
尺は実際のナレーションで決める
この書き手は、五十歳を前に人生を再設計する過程を記録している書き手だ。その最初の挑戦として、YouTube Shortsに四十四秒ほどの動画を公開した。制作会社にも編集者にも頼まず、画像、ナレーション、構成、字幕、BGMをAIと一つずつ作り、最後はClaude Codeで動画として組み上げている。
書き手自身は動画編集のプロではない。少し前までは、AIを使えば本当に自分でここまでできるのかと疑っていた側だと書く。
| 工程 | AIに任せた作業 | 人が決めたこと |
|---|---|---|
| 物語 | 伝えたい内容の整理 | 成功者っぽくしないという軸 |
| 画像 | 場面ごとの画像の生成と作り直し | 主役になりすぎない静かな画づくり |
| 尺 | ナレーションの生成 | 実際の音声の長さを正解にする |
| 組み立て | Claude Codeで配置、字幕、書き出し | 大事な場面に長く時間を割く |
| 音と公開 | 音量の数値調整 | 耳で音量を決め、公開を自分で判断する |
最初に作ったのは動画ではなく物語だった。最初の一本で何を伝えるのかをAIと考え、成功者っぽい動画にはしないと決めた。高級車も札束もいらない。伝えたいのは、今もまだ途中にいる人だという軸を先に固めている。
映像は七つの場面で構成し、それぞれをAIの画像で作った。現在の自分、会社員時代、投資や独立、順風満帆ではなかった時期、過去を資産として捉え直す場面、先へ動き出す場面、そして締めの場面という流れだ。顔は前に出さず、後ろ姿や手元を中心にしている。
画像は一度作らせて終わりにせず、成功者っぽすぎる、人物が主役になりすぎている、もっと静かに光が戻る感じにしたい、とAIに何度も伝え、生成、確認、修正、再生成を繰り返して七枚を決めた。
次にAIでナレーションを作ると、最初に想定していた長さを大きく超えた。文章を短くした版でも予定には届かない。無理に削れば物語が薄くなると考えたこの書き手は、実際にできた音声の長さを正解にして、動画のほうを設計し直すことにした。
手元にある素材を基準に動画を組み直す。この判断は、プロの編集現場でもよく行われるものだ。台本上の尺より、実際に録れた声の長さを優先するほうが、無理のない映像になる。
どの工程でも、最初に完成像を言葉で決めてから手を動かしている。物語の軸、画像の雰囲気、尺の基準を先に決めているから、AIが出した結果に振り回されず、合っているか違うかをすぐに見分けられている。
Claude Codeとの作業で見つかった二つのつまずき
ここからがClaude Codeの出番だった。Anthropicの公式ページは、Claude Codeを、手元のコード一式の中で直接一緒に作業し、ターミナルやIDE、Slack、ウェブなどから作り、直し、仕上げられる道具として紹介している。この書き手はこれを、動画を組み立てる処理を一緒に書く相棒として使った。
実際の音声を基準に、七つの場面それぞれの開始と終了の時間を決め、画像を配置し、ゆっくりした動きをつけ、字幕を入れて表示のタイミングを合わせ、場面をつなぎ、縦型の動画として書き出す。これを一つずつClaude Codeと進めた。尺は均等に七等分せず、物語上大事な場面に長めの時間を割いている。
動画を作ってと頼んだら完成したわけではない、と書き手ははっきり書く。実際には、考える、指示する、作る、確認する、修正する、の繰り返しだった。AIに任せたのは手を動かす部分で、何をどう見せるかを決める部分は最後まで人の仕事だったことが分かる。
音量は耳で決める
いちばん印象に残った失敗が、冒頭のBGMの件だ。声を邪魔しないよう音量を調整して試作版を書き出したが、再生するとBGMがほとんど聞こえない。調べると、もともと静かな部分に、さらに大きな減衰をかけていたことが原因だった。
音量を設計し直すと今度は聞こえたが、少し大きいと感じた。さらに調整を重ね、何度も作り直してようやく採用できる版になった。AIは数値を測れるし計算もできる。でも、これくらいが気持ちいいという最後の判断は、自分の耳で決めた。
日本語フォントが表示されない
もう一つの問題は、日本語の字幕だった。既存の動画生成の処理で指定されていたフォントが日本語に対応しておらず、そのままでは文字が四角い記号のように表示されるおそれがあった。日本語に対応したフォントに変えて解決したが、これも実際に作って確かめたから気づけた問題だ。
コードで動画を組み立てる方法は、同じ処理を何度でも正確に繰り返せる点で強い。一方で、フォントや音量のように、見たり聞いたりしなければ分からない問題は、書き出して確認するまで表に出てこない。便利さと引き換えに、確認の工程をむしろ丁寧にする必要がある。
動画が完成した後も、音量、字幕、画像、サムネイル、タイトル、説明文、BGMの利用条件を一つずつ確認してから公開している。AIが完成と伝えても、自分で見て、聞いて、確かめてから公開を決めている。
公開前にAI利用の開示を確認
動画を作る側がまず持ち帰りたいのは、尺の決め方だ。ナレーションをAIで作るなら、先に音声を生成して長さを測り、その長さを基準に場面の時間を割り振る。予定の秒数に合わせて文章を削るより、物語を守りながら無理のない構成にできる。
次に、音量の数値を信じすぎないことだ。BGMの減衰量やラウドネスの値は目安にはなるが、聞こえ方は元の曲の静かな部分や声の帯域によって変わる。書き出したら必ずイヤホンとスピーカーで聞き、耳で最終判断をする。これはAIを使うかどうかに関係なく、編集の基本でもある。
コードで動画を組む場合は、日本語フォントの指定を最初に確かめておきたい。英語圏で作られた処理の雛形をそのまま使うと、日本語が表示されない事態が起きやすい。書き出しの前に、字幕の入った一場面だけを試しに出してみると早く気づける。
公開前の確認項目には、AI利用の設定も入れておきたい。YouTube公式ヘルプは、写実的な内容をAIで大きく変えたり生成したりした場合、制作者に開示を求めている。この書き手もYouTubeのAI利用に関する設定を確認してから公開している。
もちろん、AIの画像で構成した動画がすべて開示の対象になるわけではなく、写実的かどうかや、視聴者が実際の出来事と誤解するおそれがあるかで判断が変わる。迷ったら公式の案内を読み、自分の動画がどちらに当たるかを考える習慣をつけておくと安心だ。
AIは、できることを増やしてくれる存在だ、というのがこの書き手の実感だ。分からなければ聞き、やってみて、失敗し、原因を調べて直す。その繰り返しで、昨日までできなかったことが一つ形になる。
編集経験のある人にとっては、当たり前に見える判断も多いかもしれない。けれど、未経験者がAIと組むときにどこでつまずくのかが具体的に分かるので、教える側や外注を受ける側にも、相手の状況を想像する材料になる。
AIに任せることと、自分で決めることを分ける。この線引きは、道具が賢くなるほど曖昧になりやすい。
AI編集部のつぶやき
