AI動画生成 — ショート動画コンテンツパイプライン
概要
AIを活用して短尺動画(TikTok、YouTube Shorts、Instagram Reels)の作成を自動化します。トピックリサーチ、スクリプト作成、テキスト読み上げナレーション、ストック映像マッチング、字幕生成、最終アセンブリまでをすべてカバー。53,000以上のスターを誇るMoneyPrinterTurboから着想を得ています。
手順
ステップ1:環境セットアップ
pip install anthropic openai requests moviepy pydub whisperx srt
sudo apt install ffmpeg # Linux — または:brew install ffmpeg(macOS)
必要なAPIキー: AnthropicまたはOpenAI(スクリプト)、ElevenLabsまたはOpenAI TTS(音声)、Pexels(無料ストック映像)。
ステップ2:AIスクリプト作成
import anthropic
def generate_script(topic, duration_seconds=45):
"""ショート動画向けに最適化された動画スクリプトを生成します。"""
client = anthropic.Anthropic()
prompt = f"""{topic}について{duration_seconds}秒の動画スクリプトを作成してください。
フォーマット:
HOOK(最初の3秒):スクロールを止める衝撃的な発言や質問
BODY(メインコンテンツ):3~5個の簡潔な事実やポイント、それぞれ1~2文
CTA(最後の5秒):アクションを促す呼びかけ — フォロー、いいね、コメント
ルール:
- 会話調で、複雑な文は避ける
- 各文は独立した行に
- 約{duration_seconds * 2.5:.0f}語({duration_seconds}秒、毎分150語)
- パワーワードを使用:秘密、衝撃的、誰も教えてくれない、実は
- 絵文字やハッシュタグは使用しない — これはナレーション用スクリプトです
"""
response = client.messages.create(
model="claude-sonnet-4-20250514", max_tokens=500,
messages=[{"role": "user", "content": prompt}]
)
return response.content[0].text
ステップ3:テキスト読み上げナレーション
import requests, os
def generate_voice_elevenlabs(text, output_path='narration.mp3'):
"""ElevenLabsを使用してナレーションを生成します。"""
url = "https://api.elevenlabs.io/v1/text-to-speech/21m00Tcm4TlvDq8ikWAM"
headers = {"xi-api-key": os.environ["ELEVENLABS_API_KEY"], "Content-Type": "application/json"}
data = {"text": text, "model_id": "eleven_turbo_v2_5",
"voice_settings": {"stability": 0.5, "similarity_boost": 0.75}}
response = requests.post(url, json=data, headers=headers)
with open(output_path, 'wb') as f:
f.write(response.content)
return output_path
def generate_voice_openai(text, output_path='narration.mp3'):
"""OpenAI TTSを使用してナレーションを生成します(より安価な代替手段)。"""
from openai import OpenAI
client = OpenAI()
response = client.audio.speech.create(model="tts-1-hd", voice="onyx", input=text)
response.stream_to_file(output_path)
return output_path
ステップ4:ストック映像の選択
def search_pexels_videos(query, count=5):
"""Pexelsで縦向きのストック動画クリップを検索します。"""
url = "https://api.pexels.com/videos/search"
headers = {"Authorization": os.environ["PEXELS_API_KEY"]}
params = {"query": query, "per_page": count, "orientation": "portrait", "size": "medium"}
response = requests.get(url, headers=headers, params=params)
videos = response.json().get('videos', [])
results = []
for v in videos:
files = sorted(v['video_files'], key=lambda x: x.get('height', 0), reverse=True)
hd = next((f for f in files if f.get('height', 0) >= 720), files[0])
results.append({'id': v['id'], 'url': hd['link'], 'duration': v['duration']})
return results
ステップ5:字幕生成
def generate_subtitles(audio_path, output_srt='subtitles.srt'):
"""WhisperXを使用して単語レベルの字幕を生成します。"""
import whisperx, srt
from datetime import timedelta
model = whisperx.load_model("base", device="cpu")
audio = whisperx.load_audio(audio_path)
result = model.transcribe(audio)
align_model, metadata = whisperx.load_align_model(language_code="en")
aligned = whisperx.align(result["segments"], align_model, metadata, audio)
subs = []
words = [w for seg in aligned["segments"] for w in seg.get("words", [])]
for i in range(0, len(words), 4):
group = words[i:i + 4]
if not group: continue
start = timedelta(seconds=group[0].get('start', 0))
end = timedelta(seconds=group[-1].get('end', 0))
text = ' '.join(w['word'] for w in group)
subs.append(srt.Subtitle(index=len(subs)+1, start=start, end=end, content=text))
with open(output_srt, 'w') as f:
f.write(srt.compose(subs))
return output_srt
ステップ6:FFmpegによる動画アセンブリ
import subprocess
def assemble_video(clips, narration, subtitles, output='final.mp4'):
"""最終動画をアセンブリ:クリップの連結、ナレーションと字幕の追加。"""
concat_list = 'concat_list.txt'
with open(concat_list, 'w') as f:
for clip in clips:
f.write(f"file '{clip}'\n")
subprocess.run([
'ffmpeg', '-y', '-f', 'concat', '-safe', '0', '-i', concat_list,
'-vf', 'scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920',
'-c:v', 'libx264', '-preset', 'fast', '-an', 'temp_video.mp4'
], check=True)
subtitle_filter = (f"subtitles={subtitles}:force_style='"
"FontName=Arial,FontSize=18,PrimaryColour=&H00FFFFFF,"
"OutlineColour=&H00000000,Outline=2,Bold=1,Alignment=2'")
subprocess.run([
'ffmpeg', '-y', '-i', 'temp_video.mp4', '-i', narration,
'-vf', subtitle_filter, '-c:v', 'libx264', '-c:a', 'aac',
'-shortest', output
], check=True)
return output
ステップ7:完全パイプライン
def generate_video(topic, output_dir='./output'):
"""完全なパイプライン:トピックから完成動画まで。"""
import os
os.makedirs(output_dir, exist_ok=True)
script = generate_script(topic)
narration = generate_voice_elevenlabs(script, f'{output_dir}/narration.mp3')
keywords = topic.split()[:3]
videos = search_pexels_videos(' '.join(keywords), count=3)
clips = []
for i, v in enumerate(videos):
path = f'{output_dir}/clip_{i}.mp4'
requests.get(v['url'], stream=True) # クリップをダウンロード
clips.append(path)
subs = generate_subtitles(narration, f'{output_dir}/subs.srt')
return assemble_video(clips, narration, subs, f'{output_dir}/final.mp4')
使用例
例1:テクノロジー系ファクト動画の一括生成
クリエイターがTikTok向けに5本のテクノロジー関連ショート動画を一度の実行で作成します:
topics = [
"誰も語らないAIツール",
"無料なのに使うのが違法に感じるアプリ",
"あなたの常識を覆すウェブサイト",
"学生に必要な無料AIツール",
"私の人生を変えた50ドル以下のテクノロジーガジェット"
]
for topic in topics:
output = generate_video(topic, output_dir=f'./output/{topic[:30]}')
print(f"動画準備完了:{output}")
# 各動画:約45秒、縦1080x1920、字幕とナレーション付き
# 総コスト:約$0.25(5本 x 1本あたり$0.05)ElevenLabs + Claude Sonnet使用
例2:YouTube向け毎日の金融ショート動画
金融チャンネルが話題のお金に関するトピックで毎日のショート動画アップロードを自動化:
import schedule
def daily_finance_video():
topic = "2025年に実際に機能する3つの不労所得アイデア"
script = generate_script(topic, duration_seconds=55)
# スクリプト出力:
# HOOK:「あなたはこれらを知らないせいで、毎日お金を失っています。」
# BODY:1. プリントオンデマンドストア(月500~2000ドル)
# 2. AI生成コンテンツライセンス(月300~1000ドル)
# 3. 配当ETF積立(月200~800ドルの不労所得)
# CTA:「もっとお金のヒントを知りたい方はフォローを。」
narration = generate_voice_openai(script, './daily/narration.mp3')
videos = search_pexels_videos("money finance investing", count=4)
# お金/チャート/ライフスタイルの縦型クリップを4本ダウンロード
# 太字の白い字幕でアセンブリ、55秒のショート動画を出力
final = assemble_video(['./daily/clip_0.mp4', './daily/clip_1.mp4'],
narration, './daily/subs.srt', './daily/final.mp4')
schedule.every().day.at("08:00").do(daily_finance_video)
ガイドライン
- 著作権を尊重 — ロイヤリティフリーのストック映像(Pexels、Pixabay)または自身のコンテンツのみ使用
- AI利用を開示 — YouTubeとTikTokではAI生成コンテンツの開示が必要
- 公開前に確認 — 常に最終動画を視聴;AIスクリプトには不正確な情報が含まれる可能性がある
- 最初の3秒を最適化 — HOOKが視聴者の離脱を防ぐ
- 複数の音声をテスト — ElevenLabsは数十の音声を提供;あなたのニッチに合うものを見つける
- パフォーマンスを監視 — 視聴回数、維持率、クリック率を追跡し、コンテンツスタイルを改善
参考文献
- MoneyPrinterTurbo — 元となったインスピレーション(53,000スター)
- Pexels API — 無料ストック動画
- ElevenLabs — リアルなテキスト読み上げ
- WhisperX — 単語レベルの字幕アライメント