「AIだけで、どこまでYouTubeショートを作れるか」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）の人造人間編の導入部分を、原作ファンによる非公式の紹介動画（オマージュ）として約1分の棒人間アニメにしました。人がや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、台本・音声・映像・公開前チェック・投稿までをパイプラインが自動で処理しています。
作った動画の概要
| 項目 | 内容 |
|---|---|
| 題材 | ドラゴンボール 人造人間編① 未来から来た少年 |
| 長さ | 1分02秒 |
| 場面数 | 11 |
| 形式 | 縦型 1080×1920・30fps（YouTube ショート） |
| フレーム数 | 3735 |
| 効果音の数 | 38 |
| 登場人物 | 孫悟空、トランクス、トランクス（超サイヤ人）、フリーザ、コルド大王、ベジータ |
内容は、地球に来たフリーザ親子の前に謎の少年が現れるところから、少年の正体と未来からの警告、次回の人造人間登場への引きまでを11場面でまとめたものです。原作のセリフは使わず、ナレーション中心で構成しています。
仕組み：工程ごとの役割と使った技術
全体はPythonで書いていて、Google Cloud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くようにしてあります。
台本：Claude API（構造化出力）
Claude API（モデルはclaude-opus-5-5）に構造化出力で台本を作らせます。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で受け取り、後ろの工程はすべてこのJSONを読んで動きます。
ナレーション・セリフ：VOICEVOX
VOICEVOXをCloud Run上で動かし、1行ずつ音声合成して字幕と音を同期させています。ナレーターはずんだもん、キャラクターのセリフはキャラごとにAIが声を選び、次の回からも同じ声を使うようにしています。
映像：自作の棒人間レンダラー
Pythonとcairoで作った棒人間レンダラーで、関節角度からポーズを組み立てます。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コマずつ描き、ffmpegで動画にします。
効果音・字幕
- 効果音：numpyで波形から合成（外部素材は使っていません）
- 字幕・見出し：PillowとNoto Sans CJK
公開前チェック：Claude
Claudeにサムネイル画像と台本を見せて、原作との事実関係・権利・YouTubeのポリシーを審査させます。問題があれば台本を自動で直して作り直す流れです。
工程別の制作時間
| 工程 | 時間 | Claude呼び出し回数 | 入力トークン | 出力トークン |
|---|---|---|---|---|
| 台本づくり（Claude） | 1分30秒 | 1 | 5,235 | 9,824 |
| art_digest | 29秒 | 1 | 1,072 | 1,817 |
| ナレーション音声（VOICEVOX） | 1分26秒 | 0 | 0 | 0 |
| 棒人間アニメの描画・動画化 | 13分09秒 | 0 | 0 | 0 |
| 公開前チェックと修正（Claude） | 14分48秒 | 3 | 19,212 | 8,574 |
| YouTubeへの投稿 | 0秒 | 0 | 0 | 0 |
| 合計 | 31分22秒 |
時間の大半は描画（13分09秒）と公開前チェック・修正（14分48秒）です。チェックで直しが入ると描画もやり直しになるため、チェック工程の時間が描画とほぼ同じくらいになっています。
費用
| 工程 | Claude費用 |
|---|---|
| 台本づくり | $0.22（約33円） |
| art_digest | $0.08（約12円） |
| 公開前チェックと修正 | $0.25（約37円） |
| 合計 | $0.55（約82円、1ドル=150円で換算） |
ここではClaude APIの費用のみを記録しています。
AIのチェックで見つかった問題と直し方
公開前チェックは2回実行され、どちらも判定はOK（公開可）でしたが、警告レベルの指摘がいくつか出ました。
1回目の指摘
- サムネイルの絵と原作の食い違い：「一刀両断」の場面でトランクスが剣を持っておらず、髪も紫のまま。原作ではこの場面は超サイヤ人（金髪）で剣を使っているので、描き足すべきという指摘。
- 概要欄の表現：原作ではフリーザを倒した後にコルド大王との短いやり取りがあるため、「二人を一瞬で倒します」より「あっという間に倒します」の方が誤解を招きにくいという提案。
- 関連性の低いタグ：「ずんだもん」は音声に使っているだけで動画の内容とは直接関係しないため、タグから外すことを検討すべきという指摘。
2回目の指摘
- 髪の色がまだ合っていない：剣を持つ場面のトランクスが黒髪のトゲトゲ頭になっていて、超サイヤ人と分からない。
- 剣が棒になっている：棒人間の持ち物がまっすぐな棒（staff）で、ポーズも拳を突き出す形。テロップの「剣で一刀両断」と食い違う。
- 創作セリフの扱い：ベジータのセリフが原作の正確な引用ではない要約・創作なので、引用と誤認されないようナレーション調にすることを推奨。
1回目の指摘を受けて台本を直して作り直したことで、紫だった髪はトゲトゲ頭に変わりましたが、金髪にはならず、剣も棒のままでした。つまりAIのレビューは絵の細かい不整合をきちんと拾える一方で、レンダラー側に表現手段（剣の形状、変身後の髪色の指定など）が足りないと、台本を直しても絵に反映しきれないことがわかりました。
やってみてわかったこと・今後
- レビューは画像も見せると効く：台本だけでなくサムネイル画像を見せたことで、「テロップは剣なのに絵は棒」というテキストだけでは見つからないズレが見つかりました。
- 直す手段がないと指摘はループする：同じ種類の指摘が2回続いたのは、レンダラーの持ち物・髪型の種類が足りないためです。棒人間の小道具（剣）と、変身状態の髪色を台本のJSONから指定できるようにするのが次の課題です。
- メタ情報も審査対象にする価値がある：概要欄の言い回しやタグの関連性など、映像以外の部分にも指摘が出ました。投稿まで自動化するなら、ここも自動で直せる形にしたいところです。
- オマージュとしての線引き：創作セリフが引用と誤認されるおそれの指摘は、権利面での安全側の判断として役立ちました。今後はセリフをナレーション調に寄せる方針を台本のプロンプト側に入れる予定です。
まとめ
人の作業は題材を設定ファイルに書くだけで、約1分・11場面のショート動画を31分22秒、Claude費用$0.55（約82円）で作ることができました。台本から投稿までの流れは自動で回る一方で、公開前チェックの指摘を受けても絵の表現が追いつかない部分が残りました。次はレンダラーの表現力を増やし、AIの指摘が実際の修正にきちんとつながるところまで詰めていきます。
※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、VOICEVOX:剣崎雌雄、VOICEVOX:青山龍星、VOICEVOX:白上虎太郎、VOICEVOX:玄野武宏
