← マニュアル保管庫
SETUP GUIDE / 2026-09-04

Geminiで動画の型を
解析して自動生成

参考にしたいショート動画のURLを渡すと、AIがその「編集の型」を数値で取り出して、同じ型の動画を書き出します。 カットの秒数も、テロップの位置も、喋る速さも、自分では決めません。 あなたがやるのは、参考動画を選ぶことと、できたものを目で見ることです。

YOU DO
4つだけ
ANALYSIS
1分 約1.3円
DRAWING
0円
VOICE
無料・商用可

WHYこうなります

下の3本は、この手順で実際に書き出した動画です。左から作業が進んだ順です。

1. まず8秒だけ「最初のカット切替は2秒」「背景は回転する集中線」だけを実装した確認用。ここで文字のはみ出しが見つかりました。 8秒 / 音声なし
2. 声を付ける3人の掛け合いを作り、その実際の長さに映像を合わせました。テロップと声がぴったり合っています。 26.8秒 / 音声17本
3. 見直して直す気になった14秒だけを細かく解析し直して、コメント枠の出方と色を反映。追加でかかったのは1.4円です。 31.5秒 / 追加1.4円

いきなり完成品を目指さず、8秒だけ作って目で確かめる。これがこの手順の要です。

WHAT何をしているの

「AIが動画を作る」と聞くと身構えますが、やっていることは分業です。

YOU
あなた
参考にしたい動画の
URLを渡す
→
AI
Gemini
編集の型を
数値で取り出す
→
YOUR MAC
手元のMac
その型どおりに
1枚ずつ絵を描く
MEMOAIは絵を描いていません(だから安い)

31秒の動画は、943枚の絵でできています。これを1枚ずつAIに描かせたら、時間もお金も桁が変わります。

この手順では、AIが書くのは「絵を描くプログラム」だけです。943枚を実際に描くのは手元のMacで、そこは何枚描いても0円。だから長い動画にしてもAIの費用は増えません。

MEMO声が先、映像が後

先に映像のタイミングを決めてしまうと、テロップと声が最後までズレます。先に喋らせて、その実際の長さに映像を合わせる。この順番だけは崩さないでください。

できあがった動画の各項目の長さは4.4秒・3.8秒・4.6秒とバラバラになります。それが正しい状態です。喋り終わったら次へ進む、自然な作りになっています。

YOUあなたがやるのは4つだけ

残りは全部AIとMacがやります。台本とネタ選びだけは、どうしても人の仕事です。

1
Geminiの鍵(APIキー)を取る
5分 / ブラウザ / 最初の1回だけ
なぜ:動画を読ませる相手がGoogleのAIなので、あなた名義の利用許可が要ります。ここだけはAIが代われません。
  1. aistudio.google.com/apikey を開く(トップから探すより確実です)
  2. 「Create API key」を押す
  3. 出てきた AIza で始まる文字列をその場でコピーする
  4. AIに「Geminiの鍵を取ったので、安全なところに置いて」と言う
こうなればOK

AIが鍵を保存し、「使えるモデルを確認しました」と言えば完了です。鍵の文字列をチャットに貼る必要はありません(貼らないでください)。

注意ボタンが見当たらない・画面が崩れている›

英語のページなので、Chromeの自動翻訳が効いていると表示が崩れて、ボタンの位置が変わります。実際にこれで迷いました。

アドレスバー右の翻訳アイコンから「英語のまま表示」にしてください。

英語のサイトで登録や認証がうまくいかないときは、まず翻訳を疑う。これは他のサービスでも同じです。

2
参考にしたい動画のURLを渡す
1分 / 解析は15秒ほど
なぜ:カットの秒数もテロップの色も、自分で決めずに参考動画から取ります。「なんとなく」で決めた瞬間に、参考にした動画との差が出ます。
AIに貼るだけ
この動画の編集の型を解析して。
https://youtu.be/◯◯◯◯

YouTubeならダウンロードは要りません。URLをそのまま渡せます。 手元の動画ファイルでも解析できます(2GBまで)。

こうなればOK

カットの平均の長さ、切り替えの合図、テロップの位置と文字数、起承転結の秒数配分、オチの作り方まで返ってきます。

MEMO細かいところが知りたいときは「全編」より「14秒だけ」

全編を通しで解析すると「テロップは白背景に青枠」くらいのざっくりした答えになります。ところが気になる14秒だけを細かく解析し直したら、「上段は青枠・下段は赤枠」「アニメーションなしで一瞬で出る」「古い枠は消えずに残る」まで取れました。

しかもかかったお金はほぼ同じ(1.4円)です。「あの部分だけもっと細かく見て」と頼むのは、遠慮しなくて大丈夫です。

MEMO聞きたいことは1回にまとめてください(お金の話)

同じ動画にあとから別の質問を投げると、読み込み代がまた最初から全額かかります。76分の動画で試したときは、追加の質問1回でまた51円でした。

短い動画なら数円なので気にしなくて構いません。長い動画のときだけ、「聞きたいことを全部書いてから渡す」と覚えておいてください。

3
8秒だけ作らせて、目で見る
数分 / ここがいちばん大事
なぜ:文字のはみ出し・潰れ・ズレは、目で見ないと分かりません。いきなり30秒作ってから直すと、やり直しが大きくなります。
AIに貼るだけ
解析した型どおりに、まず8秒だけ動画を作って見せて

できた動画を再生して、気になったところをそのまま日本語で言えば直ります。 「文字が枠からはみ出てる」「もう少し大きく」「色が違う」で通じます。

実話1回目の書き出しで、テロップが枠からはみ出していた›

2行目が枠の下に飛び出していました。これはコードを読んでも気づけません。再生して見るしかありません。

「8秒だけ作って目で見る」を挟むのは、このためです。見つけたらそのまま言えば直ります。

実話日本語で、最後の行に1文字だけ落ちて不格好になる›

「歯医者で歯茎の状態を褒められた」+「わ」のように、最終行に1文字だけ残ってしまう状態です。日本語ではよく起きます。

「最後の行に1〜2文字だけ残らないようにして」と一度言っておけば、以降は自動で調整されます。

4
VOICEVOXを起動しておく
10秒 / 声を付けるときだけ
なぜ:ナレーションはVOICEVOXという無料のソフトで作ります。商用利用も無料で、声は全部このMacの中で作られます(どこにも送られません)。
  1. VOICEVOXのアプリを起動する(アイコンをダブルクリックするだけ)
  2. AIに「声を付けて本番の動画を作って」と言う
注意入れてあるのに「VOICEVOXに繋がらない」と言われる›

アプリを起動していないだけです。インストールしてあっても、起動していないと使えません。

VOICEVOXを開いてから、もう一度AIに頼んでください。起動から使えるようになるまで数秒かかります。

こうなればOK

声とテロップがぴったり合った動画が書き出されます。ここまで来たら、あとは何本作っても同じ流れです。

MONEYいくらかかるの

実際に測った金額です。ほとんどの場合、思っているより安く済みます。

解析した動画かかった時間費用
ショート動画 60秒15.7秒1.3円
ショート動画 3本まとめて30〜238秒各 1.8〜2.0円
気になる14秒だけ細かく—1.4円
Zoom録画 76分52秒105.4秒51.3円
目安

動画の分数 × 約0.7円。1時間の会議録画を丸ごと読ませても50円ほどです。絵を描く工程は何枚描いても0円、声も0円なので、かかるのは解析だけです。

CAREこれだけは気をつけてください

動画は「人が映っているもの」なので、ここだけ慎重に

  • 第三者が映っている・声が入っている動画は、無料の枠に送らないでください。無料枠では送ったデータがサービス改善に使われる可能性があります。自分だけが映っている動画なら無料枠で構いません。送信は取り消せません。
  • 解析結果に第三者の氏名が入ることがあります。AIが音声から拾います。外に出す前に必ず読んで、名前を抜いてください
  • ファイル名にも個人名を入れない。アップロードするとファイル名も一緒に送られます
  • 声を使ったら、クレジットの表記が必要です。VOICEVOX:四国めたん のように、使ったキャラクター名まで書きます。「VOICEBOX」と書き間違えた例がありました。誤字で済まず、条件を満たしていない扱いになりかねません
  • 参考にした動画の台本・素材・キャラクターをそのまま真似しない。取り出すのは編集の考え方だけです
  • 投稿・公開のボタンは自分で押す。AIにやらせるのは書き出しまで

Q&Aよくある疑問

台本もAIが書いてくれる?
書けますが、ネタ選びと台本だけは人がやったほうが良いものになります。この手順で自動化できたのは「編集の型を写して、その型どおりに組み立てる」ところまでです。
作った動画はどこにできる?
MP4ファイルとして手元のMacに書き出されます。AIが場所を教えてくれるので、そのまま投稿できます。
時間はどれくらいかかる?
解析は15秒ほど。書き出しは長さによりますが数分です。初めて環境を整えるときだけ、2時間ほどかかりました。2回目からは動画を渡すだけです。
途中でAIが止まったように見える
最初の1回だけ、返事に2分以上かかることがあります。失敗ではないので、少し待ってください。
Windowsでもできる?
この記録はMacのものです。既製の専用ソフト(ゆっくりMovieMaker4など)はWindows専用でMacでは使えないため、この手順を組みました。

NEXTまだやっていないこと

このマニュアルは、実際にやったところまでしか書いていません。以下は未検証です。

次に試すなら、この3つ

  • 背景の絵をAIで作って動画に差し込む。1本あたり22〜33枚必要と分かっていますが、時間と枠は測っていません
  • BGMと効果音を入れる。音源を用意していないため未着手です
  • 商品の画像を自動で取ってくる。なお売る商品の写真はAIで作らないでください。実物の質感が伝わらず、信用にも関わります