「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』フリーザ編から「フリーザの変身」を題材に、59秒の紹介動画を作りました。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、ナレーションはすべてAIが書いた要約です。
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。台本・ナレーション音声・映像・効果音・公開前チェック・YouTubeへの投稿までを自動で回しています。
作った動画の概要
| 項目 | 内容 |
|---|---|
| 題材 | ドラゴンボール フリーザ編① フリーザの変身 |
| 長さ | 59秒 |
| 場面数 | 11 |
| 形式 | 縦型 1080×1920・30fps（YouTube ショート） |
| フレーム数 | 3552 |
| 効果音の数 | 44 |
| 登場人物 | フリーザ（第一〜最終形態）、ピッコロ、ネイル、孫悟飯、クリリン、ベジータ、デンデ |
フリーザが変身を重ねるたびに強くなっていく流れを、ずんだもんのナレーションと棒人間アニメで追いかける構成です。フリーザだけで4つの形態があり、登場人物は合計10。棒人間でどこまで描き分けられるかも見どころ（課題）になりました。
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。
1. 台本づくり（Claude API）
Claude API（claude-opus-5-5）の構造化出力で、場面ごとにナレーション・字幕・読み・登場人物の見た目・動き・カメラ・効果をJSONで出させます。後工程はこのJSONだけを見て動くので、台本がそのまま「映像の設計図」になっています。
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。行単位で合成することで、各行の音声の長さがそのまま字幕の表示時間になり、字幕と声のズレが起きにくくなります。
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で動画にしています。
4. 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 ＋ 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の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す仕組みです。
工程別の制作時間
| 工程 | 時間 | Claude呼び出し回数 |
|---|---|---|
| 台本づくり（Claude） | 1分13秒 | 1 |
| ナレーション音声（VOICEVOX） | 1分08秒 | 0 |
| 棒人間アニメの描画・動画化 | 8分19秒 | 0 |
| 公開前チェックと修正（Claude） | 10分38秒 | 3 |
| YouTube への投稿 | 0秒 | 0 |
| 合計 | 21分18秒 | 4 |
いちばん時間がかかったのは描画ではなく公開前チェックと修正でした。3552フレームを1枚ずつ描く描画よりも、AIによる審査と作り直しのほうが長いというのは、作る前の想定とは逆でした。
費用
| 工程 | 入力トークン | 出力トークン | Claude費用 |
|---|---|---|---|
| 台本づくり | 4,119 | 8,403 | $0.18（約28円） |
| 公開前チェックと修正 | 19,911 | 10,031 | $0.28（約42円） |
| 合計 | – | – | $0.46（約70円） |
1ドル=150円で換算しています。音声・映像・効果音はローカル処理なので、Claudeの費用はこの2工程だけです。費用でもチェック側が台本づくりを上回りました。サムネイル画像を入力に含めるため、入力トークンが多くなっています。
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回記録されていて、判定はどちらもOKでした。ただし、警告（warn）はいくつも出ています。具体的な内容が面白かったので紹介します。
1回目の指摘
- 音声クレジット：ずんだもん口調とタグから、VOICEVOX使用時は概要欄に「VOICEVOX:ずんだもん」のクレジット表記が必要だと指摘。権利面のチェックとして機能していました。
- 第三形態の見た目：サムネイルのフリーザが丸い頭に小さな角1本で、台本の「長い頭の不気味な姿」と合っていない。
- 吹き出しの向き：叫び声が悟飯とピッコロのどちらのものか分かりにくい。
2回目の指摘
- キャラの見分け：孫悟飯とベジータがどちらも同じ髪型パーツだけで描かれていて見分けにくい。
- 原作との配色・体型：第三形態の尻尾が茶色で原作の配色と違う、設定は筋肉質なのに細身に見える、後頭部が帽子のように見える。
- 事実関係の誤解：サムネイルのピッコロが×目で、死亡したように見える。原作のこの場面ではピッコロは圧倒されただけで死んでいない、という指摘。
- 表記ゆれ：タイトルは「【60秒でわかる】」、サムネイルは「【あらすじ】」で統一されていない。
特に「×目＝死亡に見える」という指摘は、文字の台本だけでは見つからず、画像を見せたからこそ出てきた事実関係のチェックでした。一方で、第三形態の頭の形は1回目でも2回目でも指摘されていて、棒人間レンダラーの表現力の限界で直しきれていないことも分かります。
やってみてわかったこと・今後
- 品質のボトルネックは「描き分け」：同じキャラの複数形態や、髪型の似たキャラを棒人間で区別するのが難しい。キャラごとの固有パーツ（配色・頭の形・決めポーズ）を増やす必要があります。
- 画像レビューは効く：台本だけのチェックでは出ない、見た目由来の誤解や原作との食い違いを拾ってくれました。
- warnの扱い：判定OKでも警告が残るケースがある。警告を次回の描画パーツ改善や台本ルールに反映する仕組みを作りたいところです。
- 表記の統一：シリーズのタイトルとサムネイルの見出しの書式は、AI任せにせず設定で固定したほうがよさそうです。
まとめ
題材を設定ファイルに書くだけで、59秒・11場面のショート動画が21分18秒、Claude費用約70円で投稿まで完了しました。AIの公開前チェックは、クレジット表記のような権利面から、ピッコロが死んだように見えるといった原作との事実関係まで具体的に指摘してくれます。次は、チェックで指摘された「描き分け」の弱さをレンダラー側で改善していく予定です。
※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
