見出し画像

AIエージェントに「ずんだもん＆四国めたん動画」を全自動で作らせてみた：VOICEVOX × Remotion × Antigravity の全記録

MAKO

こんにちは、「MAKO」です。

前回の記事「【コピペで動く】複数キャラの音声作成を完全自動化！動画制作が劇的に楽になるVOICEVOX連携術」では、VOICEVOXをDockerで動かし、API経由で音声を生成する「基礎」を作りました。

記事の最後で「次はRemotionと連携して動画にするロマンを追いかけたい」と書きましたが、ついにその時が来ました。

「台本を書いたら、あとはAIが勝手に音声も映像もまとめて動画にしてくれたら最高じゃない？」

そんな、誰もが一度は夢見る「全自動動画制作」。今回は、前回構築した音声基盤の上に、Google DeepMindの開発するAIコーディングエージェント Antigravity を司令塔として据え、 VOICEVOX と Remotion （Reactベースの動画構成ライブラリ）を完全融合させた「自律型ゆっくり動画生成システム」の完結編をお届けします。

この記事は、「動画制作を自動化したいけれど、何から手をつければいいかわからない」という方や、「最新のAIエージェントでどこまでできるのか知りたい」という非エンジニア・ビジネスリーダーの方に向けて書いています。読み終える頃には、あなたも「AIとの共創」がもたらす未来にワクワクしているはずです。

1. プロジェクト概要：何を作ったのか

コンセプト

「VOICEVOX × Antigravity：完全自律型ゆっくり動画生成エコシステム」

目指したのは、至ってシンプル。

  1. JSON形式で「台本」を書く

  2. コマンドを叩く

  3. 完成した動画（MP4）が出てくる

この間、音声合成・タイミング計算・レイアウト・エンコードまで、人間は一切手を出しません。AIが自律的に判断し、プログラムを組み立て、動画をレンダリングします。

登場キャラクター

  • 四国めたん （落ち着いた解説役）

  • ずんだもん （元気な進行役）

2. 技術スタック：三種の神器

今回の開発で活用した主要技術は以下の通りです。

  • VOICEVOX Engine: テキストを「命ある声」に変える（音声合成API）

  • Remotion: Reactの力で動画を「プログラム」する

  • Google Antigravity: システム全体の設計・実装・デバッグを担う司令塔

正直なところ、私は最初「Reactで動画を作るなんて、難易度が高すぎるのでは？」と不安でした。しかし、Antigravityという相棒が、私の拙い指示から見事なコードを組み上げていく様子を見て、その不安はすぐに驚きへと変わりました。

3. 構築の全記録：AIとの共創

① 音声合成パイプラインの自動化

まず着手したのは、前回の記事で構築したVOICEVOX連携のさらなる自動化です。Pythonスクリプトを用いて、前回のAPI基盤を叩き、台本から自動的に音声ファイルを生成。さらにその再生時間を1フレーム単位で計算し、次のRemotion工程へ受け渡す「橋渡し」の仕組みを構築しました。

② Remotionによる動画エンジンの実装

次に、生成された音声とキャラクター画像を同期させる「動画エンジン」をRemotion（React）で構築しました。
「めたんが喋っている時はめたんを強調し、ずんだもんが喋っている時はずんだもんを大きくする」といった演出も、すべてプログラムで記述しています。

4. 葛藤と解決：AIだからこそ起きた「ハマりポイント」

順風満帆に見えたプロジェクトですが、実は大きな壁にぶつかりました。
「画像のデコードエラー」 です。

用意した立ち絵画像の解像度が非常に高かったため、レンダリング時にブラウザエンジンがフリーズしてしまったのです。

「やっぱり無理か……」と諦めかけたその時、Antigravityは自律的に解決策を提示しました。
「画像リサイズスクリプトの導入」 です。
Pillowライブラリを使い、巨大な画像を自動で2000pxに縮小する処理を追加することで、エラーを魔法のように消し去ってくれました。この時の「相棒、やるじゃん！」という感覚は、AI相手だということを忘れさせるほど熱いものでした。

5. 今回の挑戦を支えてくれるリソースたち

この記事を読んで「自分も自動化に挑戦してみたい」と思った方へ、私が実際に参考にした、あるいは信頼性の高いリソースをご紹介します。

Pythonでの自動化を基礎から学ぶ

プログラミングが初めてなら、この一冊から。「仕組み」を深く理解することが、AIへの正確な指示出し（プロンプトエンジニアリング）の第一歩です。

自分の声を届けるために

動画制作にのめり込むと、やはり音質にもこだわりたくなります。定番かつ信頼の厚いこのマイクは、将来的に自分の声を学習させる際にも役立ちます。

Web/React技術の基礎固めに

Remotionを使いこなすなら、JavaScript、そしてReactの理解は不可欠です。


まとめ：AIエージェントと共創するクリエイティブの形

今回のプロジェクトを通じて感じたのは、 「AIは道具ではなく、共創するパートナーである」 ということです。

台本を書くだけで動画ができる。それは単なる効率化ではなく、私自身の想像力を何倍にも拡張してくれる体験でした。

参考になれば幸いです。

ここで紹介した動画自動生成システムを自分の手で作って動かしてみたい方に朗報です。

完全コピペでシステム構築ができるこの記事を作成しました。
興味のある方は是非ご覧ください。

あわせて読みたい人気記事

「次回は、AIにサムネイルまで作らせる検証をします！」
少しでも「面白い」と思ってくれたら、スキで教えてくださいね。

出典：

いいなと思ったら応援しよう！

MAKO よろしければ応援お願いいたします！ いただいたチップは、今後の制作のために役立てたいと思います！