「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（オマージュ）として、『ドラゴンボール』セル編の第1回「完全体セル誕生」を作りました。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。台本、ナレーション、棒人間アニメ、効果音、字幕、公開前の事実チェック、YouTubeへの投稿まで、すべてパイプラインが自動で行いました。
作った動画の概要
| 項目 | 内容 |
|---|---|
| 題材 | ドラゴンボール セル編① 完全体セル |
| 長さ | 1分07秒 |
| 場面数 | 12 |
| 登場人物 | セル、ベジータ、トランクス、ピッコロ、人造人間17号、人造人間18号 |
| 形式 | 縦型 1080×1920・30fps（YouTubeショート） |
| フレーム数 | 4038 |
| 効果音の数 | 54 |
内容は、セルの正体と狙い、17号・18号の吸収、ベジータの挑戦、完全体の誕生までを、ずんだもんのナレーションでテンポよくたどる構成です。最後は次回への引きで終わります。
仕組み：工程ごとの役割と使った技術
全体はPythonで書いており、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。
1. 台本づくり（Claude API）
Claude API（claude-opus-5-5）の構造化出力で、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で出力します。後工程はこのJSONだけを見て動くので、台本が「設計図」の役割を担っています。
2. 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います。行単位で音声の長さがわかるため、字幕と音をずれなく同期できます。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が選んだ声を使い、次の回以降も同じ声を使い続けます。
3. 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描画しています。関節角度でポーズを組み立て、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で動画にまとめます。
4. 効果音・字幕
- 効果音：numpyで波形から合成しており、外部素材は使っていません
- 字幕・見出し：PillowとNoto Sans CJKで描画しています
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自動で投稿します。
工程別の制作時間とトークン数
| 工程 | 時間 | Claude呼び出し | 入力トークン | 出力トークン |
|---|---|---|---|---|
| 台本づくり（Claude） | 1分32秒 | 1回 | 5,576 | 10,159 |
| art_digest | 8秒 | 1回 | 1,872 | 766 |
| ナレーション音声（VOICEVOX） | 43秒 | 0回 | 0 | 0 |
| 棒人間アニメの描画・動画化 | 10分03秒 | 0回 | 0 | 0 |
| 公開前チェックと修正（Claude） | 12分15秒 | 3回 | 20,077 | 9,922 |
| YouTubeへの投稿 | 0秒 | 0回 | 0 | 0 |
| 合計 | 24分41秒 | 5回 | 27,525 | 20,847 |
いちばん時間がかかったのは公開前チェックと修正で、次が描画・動画化でした。台本そのものは1分32秒で出てきます。
費用
| 工程 | Claude費用 |
|---|---|
| 台本づくり | $0.23（約34円） |
| art_digest | $0.05（約7円） |
| 公開前チェックと修正 | $0.28（約42円） |
| 合計 | $0.55（約82円、1ドル=150円で換算） |
費用の半分以上はチェックと修正にかかっています。品質を担保する工程にコストが寄るのは、意図どおりの配分だと考えています。
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回行われ、どちらも判定はOKでしたが、具体的な指摘がいくつも出ました。
1回目の指摘
- 表現の正確さ：場面3でピッコロが第1形態のセルに「互角に立ち向かう」としていた点について、原作では押していたので「圧倒する」の方が正確だという指摘。公開版のナレーションは「セルを圧倒するのだ」に直っています
- 流れの自然さ：場面5の修行をベジータとトランクスだけで描いていたため、最終場面で悟空が唐突に登場するという指摘。公開版では「悟空たちも続く」と一言触れる形になりました
- サムネイルの見た目：セルが茶色のサルのような尻尾と黒い前髪で描かれ、別キャラクターに見えるおそれがあるという指摘。尻尾を緑にして先端を尖らせ、髪を外すよう提案されました
2回目の指摘
- 場面1の「人造人間を食べる怪物」は簡略化しすぎで、「人間を吸収し、人造人間を狙う怪物」の方が誤解がない
- 場面4の「スキをつかれて」は誰のスキか曖昧なので、状況の補足があると親切
- キャラのセリフはいずれも短く問題ない長さだが、原作の文言そのままの引用が増えないよう短いアレンジにとどめること
2回目の指摘は重大ではないとしてOK判定のまま公開まで進んだため、場面1の表現などは残っています。「warn」をどこまで自動修正に回すかは、今後調整したい点です。
やってみてわかったこと・今後
- 事実チェックをAIに任せると、「互角」と「圧倒」のような細かいニュアンスまで拾ってくれる。人が見落としやすい部分なので効果が大きい
- 場面の省略が後の展開と噛み合わない、という構成上の問題も指摘される。単なる誤字チェック以上の役割を果たしている
- 画像チェックでキャラの見た目の崩れを検出できる。一方で、レンダラー側のキャラ設定に反映する仕組みはまだ弱い
- OK判定でもwarnが残るケースがあるので、warnの扱いを段階的に決めるルールが必要
まとめ
人の作業は題材を設定ファイルに書くだけで、1分07秒・12場面のショート動画が24分41秒、Claude費用約82円で完成しました。特に、公開前チェックが表現の正確さや構成の不自然さを見つけて台本を自動で直してくれた点は、全自動化を進めるうえで心強い手応えでした。次は、指摘をキャラの見た目や細かな表現にまで確実に反映できるよう、修正ループを改善していきます。
※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:麒ヶ島宗麟、VOICEVOX:青山龍星、VOICEVOX:白上虎太郎
