YouTube Shortsを自動生成する仕組みを1から作った

AIを使えば、動画は作れる。

でも「作り続けること」は、また別の話だった。

私がつくろうとしたのは、1本の動画ではなく、何本でも動画を生み出せる「仕組み」だ。

スマホ依存を断ち切るためのAndroidアプリを作った。コードの知識がほぼゼロのまま、Claudeと問答を繰り返しながら約3週間で動くものができた。現在はテスターに試してもらっている段階だ。

このアプリを広めたかった。でもストアに置いておくだけでは、誰にも見つけてもらえない。何かで発信しなければと考えたとき、頭に浮かんだのがYouTube Shortsだった。

「1本は作れた」では終わらなかった理由

まず試しに1本作ってみることにした。

DreamMachine（AIが映像を自動生成するツール）でアニメーションを作り、Canva（デザイン・動画編集ツール）でつなぎ合わせる。そうして1本、完成した。

でも、それを見た瞬間にわかった。

音声がない。字幕もない。静かに映像が流れるだけだ。「この質感ではCMにならない」という感覚がすぐに来た。しかも同じ作業をもう一度やろうとしたとき、想像以上に手間だとわかった。ツールを開いて、素材を考えて、また一から組み合わせる。これは続かない、と思った。

質が足りない。そして、続かない。 2つの判断が同時に来た。

だから方向を変えた。1本ずつ手を動かすのではなく、動画が自動で生まれる一連の流れ（以下、仕組みと呼ぶ）を設計することにした。

動画生成にも最適なClaude

仕組みを設計しようと決めたとき、中心に置くAIを選ぶ必要があった。

ChatGPTでもできる。でも気づいたら自分が一番働いている。台本を作ってもらう。コピーして、別のツールに貼り付ける。その結果をまたコピーして、また別のツールに。手が動くのはずっと人間だ。

Claudeは違う。

ターミナル（パソコンの作業画面）から直接ファイルを操作して、次の工程に渡すところまでやり切る。このサーバント型AIとしての仕組みはnoteでも多く解説されているので詳細は割愛するが、一言でいえば「指示すると動き、終わったら次に渡す」AIだ。

しかも各工程で、それまでの全判断記録を読み込んでから処理する。だから文脈が崩れない。あいまいな指示ほど再現性が下がるが、この構造では崩れない。

さらに、音声・画像・動画レンダリングも、ClaudeがFish Audio（声を生成するツール）・FAL.ai（画像を生成するツール）・Remotion（動画として書き出すツール）を呼び出して処理する。人間がツールを切り替える必要はない。

動画を作る前に、答える問いを設計した

仕組みを設計しようとしたとき、最初に気づいたことがあった。

「動画を作る前に、決めなければならないことがある」

何のためにYouTubeで発信するのか。誰に届けたいのか。どんなジャンルで、どんな競合がいるのか。この問いに答えないまま量産を始めると、作るほどに軸がブレていく。そうなってから修正しようとすると、取り返しがつかない。

だからこの仕組みの最初のブロックは、動画を1本も作らない工程になっている。チャンネルの根本だけを決める段階だ。ここが固まって初めて、「次に何を作るか」が自然に決まっていく。

【動画を作り始める前に決めること】

01. 何で収益を得るかを決める
02. どのジャンルで戦うかを洗い出す
03. ジャンルを一つに絞る
04. 競合を調べる
05. チャンネルの立ち位置を決める
06. 動画の形を統一する

動画が生まれる工程と、その設計思想

土台が固まったら、実際に動画を生成するブロックに入る。

台本を作り、音声を入れ、映像を生成して、タイムラインに並べ、YouTubeに投稿する。この工程のほとんどをClaudeが担っている。でもここで一つ、判断が必要になった。「どこまでClaudeに任せ、どこに人間を残すか」という問いだ。

YouTubeに出した動画の一本で、公開から数秒のあいだに視聴者の半分近くが離脱した。データを確認すると、Claudeが「次に来るべき展開」として組んだシーンで急落していた。論理的には正しい構成だった。でも見ていた自分には「なんか違う」という感覚があった。その感覚が正しかったとわかったのは、数字を見てからだ。

Claudeは実行できる。でも「これは届くか」は言えない。

だから工程のなかに、人間が判断する場所を意図的に残した。台本の方向性を決めるのは人間だ。生成された映像を見て「これじゃない」と言うのも人間だ。それ以外の実行は、すべてClaudeが担う。この役割の切り分けが、この仕組みの設計思想になっている。

【1本の動画ができるまでの流れ】

07. 何を作るかテーマを集める
08. 企画の方向性を決める
09. 台本を生成する
10. 音声を入れる
11a. 映像のビジュアルを設計する
11b. 画像を生成する
11. 映像とセリフをタイムラインに並べる
11c. アニメーションを加える
11d. 動画クリップを加える
12. 動画として書き出す
13. サムネイルを作る
14. タイトルを考える
15. YouTubeに投稿する

道具には、設計者が出る

この仕組みを使い始めて、動画を4本YouTubeに出した。

1本出すたびに、気づいたことが次の設計に戻ってくる。「このシーンで離脱が起きた」「このセリフは刺さった」という観察が、また仕組みの修正につながっていく。動画を量産しながら、仕組みそのものも育っていく構造になっている。

AIを使えば使うほど、道具に自分の思想が出る。何をClaudeに任せ、どこに人間を残し、何を見せないか。その判断の積み重ねが、仕組みの形を決めていく。道具は、設計した人間の考え方を映す鏡だ。

「AIで動画が作れる時代」は来た。でも作り続けるための仕組みは、設計しないと生まれない。そしてその設計には、必ず作った人間の判断が入っている。

動画・LP・業務ツールをAIで設計することを仕事にしています。ご依頼・ご相談はこちらから。
👉 初速制作室