「AIだけでYouTubeショートをどこまで作れるか」を試している個人開発の記録です。今回は、鳥山明『ドラゴンボール』（集英社／週刊少年ジャンプ）のサイヤ人襲来編から、ナッパとベジータとの戦いを紹介するショート動画を作りました。原作ファンによる非公式の紹介（オマージュ）動画で、原作のセリフは使わず、あらすじをナレーションと棒人間アニメで紹介しています。人が行ったのは、題材の一覧を設定ファイルに書いたことだけです。
作った動画の概要
| 項目 | 内容 |
|---|---|
| 題材 | ドラゴンボール サイヤ人襲来編③ ナッパとベジータ |
| 長さ | 1分06秒 |
| 場面数 | 12 |
| 登場人物 | 悟空、ベジータ、ナッパ、ピッコロ、悟飯、クリリン、天津飯、餃子、ヤムチャ、ヤジロベー（10人） |
| 形式 | 縦型 1080×1920・30fps（YouTube ショート） |
| フレーム数 | 3945 |
| 効果音の数 | 59 |
登場人物が10人と多く、戦闘シーンも続く回なので、棒人間でどこまで描き分けられるかも見どころでした。
仕組み：工程ごとの役割と使った技術
全体はPythonで書いており、GCPのCloud Run JobsとCloud Schedulerで定期実行しています。ローカルでも同じコマンドで動きます。
1. 台本づくり（Claude API）
Claude API（claude-opus-5-5）の構造化出力を使い、場面ごとのナレーション・字幕・読み・登場人物の見た目・動き・カメラ・効果をJSONで出力させます。後工程はすべてこのJSONを読んで動くので、台本が「設計図」の役割を持っています。
2. ナレーション（VOICEVOX）
VOICEVOX（ずんだもん）をDockerで動かし、字幕1行ずつ音声合成しています。行単位で音声の長さがわかるので、字幕と音声のタイミングを自然に揃えられます。
3. 映像（自作の棒人間レンダラー）
Pythonとcairoで作った自作レンダラーです。関節角度でポーズを作り、パンチ・気功波・飛行など28種類の動きと背景・エフェクトを1コマずつ描いて、ffmpegで動画にします。
4. 効果音・字幕
- 効果音：numpyで波形から合成（外部素材なし）
- 字幕・見出し：Pillow ＋ Noto Sans CJK
5. 公開前チェック（Claude）
Claudeがサムネイル画像と台本を見て、原作との事実関係・権利・YouTubeポリシーを審査します。問題があれば台本を自動で直して作り直します。
6. YouTubeへの投稿
チェックを通過した動画をそのまま投稿します。
工程別の制作時間
| 工程 | 時間 |
|---|---|
| 台本づくり（Claude） | 1分46秒 |
| ナレーション音声（VOICEVOX） | 37秒 |
| 棒人間アニメの描画・動画化 | 8分12秒 |
| 公開前チェックと修正（Claude） | 10分10秒 |
| YouTube への投稿 | 0秒 |
| 合計 | 20分45秒 |
時間の約半分は公開前チェックと修正です。描画は3945フレームを1コマずつ描くため、8分12秒かかっています。
費用
| 工程 | Claude呼び出し回数 | 入力トークン | 出力トークン | Claude費用 |
|---|---|---|---|---|
| 台本づくり | 1 | 4,133 | 11,944 | $0.26（約38円） |
| 公開前チェックと修正 | 3 | 20,987 | 10,537 | $0.29（約44円） |
| 合計 | 4 | 25,120 | 22,481 | $0.55（約83円） |
1ドル=150円で換算しています。ナレーション・描画・効果音はローカルのツールで生成しているため、Claude費用はかかっていません。
AIのチェックで見つかった問題と直し方
1回目：元気玉の場面の簡略化
1回目のチェックの判定はOKでしたが、場面[10]の「クリリンが撃ち込んだ！」という表現に警告が出ました。原作では、クリリンが投げた元気玉はベジータに一度かわされ、悟飯が跳ね返して命中させています。Claudeは「誤りとまでは言えないが、簡略化しすぎ」と判断し、「クリリンが投げ、悟飯がはね返して命中！」のような表現を提案しました。
この指摘を受けて台本が自動で修正され、完成版のナレーションは「ヤジロベーが尻尾を斬り クリリンが元気玉を投げ 悟飯がはね返して命中！」になっています。事実関係がより正確になっただけでなく、悟飯の見せ場も伝わる形になりました。
2回目：見た目とタイトルの指摘
2回目のチェックも判定はOKで、次の2点に警告が出ました。
- キャラクターの見分け：悟空・ベジータ・悟飯がいずれもトゲトゲ髪の棒人間で、手がかりが服の色と尻尾だけ。大猿化や元気玉のシーンで誰が誰か分かりにくい可能性があるため、髪型の形や体格、名前ラベルで差をつけるとよい、という提案。
- タイトルの尺表記：「【60秒でわかる】」が実際の尺と合っているかの確認。今回の動画は1分06秒です。
どちらも警告レベルで公開はされましたが、レンダラー側やタイトル生成側で改善すべき課題として受け止めています。
やってみてわかったこと・今後
- 事実チェックはAIでも実用になる：明らかな誤りでなくても「簡略化しすぎ」を拾い、具体的な直し方まで出してくれる。そのまま台本修正に回せるのが大きい。
- 棒人間の描き分けが限界に近づいている：登場人物が10人になると、同じ髪型のキャラが重なる。髪型パーツや体格、名前ラベルの追加を検討中。
- メタデータも審査対象にする価値がある：タイトルの「60秒」と実尺の差のような点は人が見落としやすい。今後はタイトル生成時に実尺を参照させたい。
- 時間の中心はチェック工程：品質を担保する工程に時間を使うのは妥当だが、修正の往復を減らす工夫は今後の課題。
まとめ
題材を設定ファイルに書くだけで、台本・ナレーション・棒人間アニメ・効果音・公開前チェック・投稿までをAIとプログラムだけで実行し、制作時間20分45秒、Claude費用約83円で1本のショート動画ができました。特に、AIの審査が元気玉の場面の簡略化を見つけ、台本を自動で正確な表現に直した点は、全自動化でも品質を上げられる手応えになりました。一方で、キャラクターの描き分けやタイトルの尺表記など、AIが指摘してくれた改善点も残っています。次の動画ではこれらに手を入れていく予定です。
※動画は原作のファンによる非公式の紹介動画です。登場人物は棒人間で表現しており、原作の絵・音声は使用していません。音声: VOICEVOX:ずんだもん
