「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、原作ファンによる非公式の紹介動画(オマージュ)として、ドラゴンボール魔人ブウ編の第2話「魔人ブウ復活」を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す。
作った動画の概要
魔導師バビディの術でベジータが魔人化し、魔人ブウが復活するまでの流れを、ずんだもんのナレーションで追う内容です。原作のセリフは引用せず、流れを言い換えて紹介しています。
| 項目 | 内容 |
|---|---|
| 長さ | 2分02秒 |
| 場面数 | 18 |
| 登場人物 | 10人(孫悟空、ベジータ、孫悟飯、界王神、バビディ、ダーブラ、魔人ブウ、ピッコロ、クリリン、トランクス(少年)) |
| 形式 | 縦型 1080×1920・30fps |
| フレーム数 | 7343 |
| 効果音の数 | 80 |
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きます。
台本:Claude API(構造化出力)
Claude API(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・効果をまとめて JSON で受け取るので、後ろの工程はこの JSON だけを見て動きます。
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 AI がキャラごとに声を選び、次の回以降も同じ声を使い続けます。
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。字幕と見出しは Pillow と Noto Sans CJK で描画しています。
効果音:numpy で合成
効果音は外部素材を使わず、numpy で波形から合成しています。今回は 80 個の効果音が入りました。
公開前チェック:Claude による審査と自動修正
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。
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) | 3分32秒 | 1 | 6,151 | 23,887 |
| art_digest | 28秒 | 3 | 3,951 | 2,456 |
| ナレーション音声(VOICEVOX) | 1分14秒 | 0 | 0 | 0 |
| 棒人間アニメの描画・動画化 | 20分30秒 | 0 | 0 | 0 |
| 公開前チェックと修正(Claude) | 23分33秒 | 3 | 26,434 | 14,414 |
| YouTube への投稿 | 0秒 | 0 | 0 | 0 |
| 合計 | 49分16秒 | 7 | 36,536 | 40,757 |
いちばん時間がかかったのは「公開前チェックと修正」の 23分33秒で、描画・動画化の 20分30秒を上回りました。チェックで指摘が出ると台本を直して作り直すため、この工程には修正後の作り直しも含まれます。
費用(Claude API)
| 工程 | Claude 費用 |
|---|---|
| 台本づくり | $0.50(約75円) |
| art_digest | $0.13(約19円) |
| 公開前チェックと修正 | $0.39(約59円) |
| 合計 | $1.03(約154円、1ドル=150円で換算) |
台本は 1 回の呼び出しで出力トークンが 23,887 と多く、費用の約半分を占めています。場面ごとの動きやカメラまで JSON で書かせているためです。
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(警告のみ)でした。指摘の中身は次のとおりです。
1 回目:3 件の警告
- 悟飯の描写:当初の台本は「悟飯はついに倒された…」でした。チェックは「死亡と受け取られる可能性がある。原作では生死不明となり、のちに生存が判明する」と指摘し、ぼかした表現を提案。最終版では「悟飯はブウに敗れてしまう…」に直っています。
- 原作に近い台詞:いくつかの場面に原作のセリフに近い台詞が入っていると警告。短いので問題はないとしつつ、言い換えを基本にするよう求められました。
- サムネイルのベジータ:魔人化後の場面なのに、額の M マークがなく笑顔で描かれていると指摘されました。
2 回目:2 件の警告
- 最後のナレーションの言い回し:締めの「お楽しみになのだ!」が不自然で、「お楽しみなのだ!」のような表現を勧められました。
- サムネイルの M マーク:1 回目と同じく、魔人ベジータの額に M マークが描かれていないという指摘が再度出ました。
直ったもの・残ったもの
事実関係にかかわる悟飯の描写は自動で書き直されました。一方で、2 回目の判定が OK だったため、言い回しの指摘と M マークの指摘は最終版にそのまま残っています。いまの仕組みは「OK なら警告があっても公開へ進む」ので、警告レベルの指摘は直らないことがある、という点がはっきりしました。
やってみてわかったこと・今後
- チェック工程が一番重い:時間ベースでは全体の半分近くをチェックと修正が占めました。品質を担保する工程にコストをかける構成になっている、とも言えます。
- 警告の扱いを決める必要がある:同じ M マークの指摘が 2 回続いたのに直らなかったのは、警告を修正対象にしていないためです。誤字や同じ指摘の繰り返しは自動で直す、といったルールを足したいと考えています。
- サムネイルの見た目はレンダラー側の課題:額の M マークのような「状態を表す目印」を、台本 JSON から描画まで通す仕組みがまだありません。
- タイトルと実尺のずれ:YouTube のタイトルは「90秒でわかる」ですが、実際の長さは 2分02秒でした。今回のチェックでは指摘されなかったので、タイトルと尺の整合も審査項目に入れる予定です。
まとめ
18 場面・2分02秒のショート動画を、人の作業なし・合計 49分16秒・Claude 費用 $1.03(約154円)で作れました。AI のチェックは、誤解を招く一文を見つけて直すところまでは機能しています。次は、警告レベルの指摘をどこまで自動で直すかを詰めていきます。
※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:ちび式じい、VOICEVOX:青山龍星、VOICEVOX:白上虎太郎




