
【実は簡単じゃない】 動くキャラクターが喋る解説動画を自動作成するツールを作った話
はじめに
突然なんですが、皆さんはYouTubeの解説動画を作ったことはありますか?
スライドを作って、ナレーション原稿を書いて、音声を録音して、動画編集ソフトでタイミングを合わせて……正直、めちゃくちゃ大変なんですよね。1本の動画を作るのに何時間もかかるのが当たり前の世界です。
「台本さえ書けば、あとは全部自動でやってくれないかな」
そう思って作ったのが、今回紹介するツールなんです。Markdownで台本を書いて、ボタンを1つ押すだけで、キャラクターが目パチ・口パクしながら喋る解説動画が自動で出来上がる——そんなシステムを作りました。
こちらがそのシステムを使って作った動画です。
動画の作成過程の映像はこちら
私の動画制作自体は、
— アイ@AIでできるチャンネル (@Holmes_ai_gati) March 12, 2026
①ターミナルを開いてシステム起動
②動画化したい台本を開いてボタンを押す
これだけです。
形にすることは極限まで簡単になっています。 pic.twitter.com/EV5Xpo8zUH
普段の台本執筆はObsidianでやっているんですが、Obsidianのノート上に設置した「動画生成開始」ボタンを押すだけで、裏側でパイプラインが走って、最終的にプレビュー画面が自動で立ち上がるところまで全部つながっています。
(ただし、音声ソフトの辞書機能がまだ育ち切っていないせいで言い換えが間違っているところが多少ありますが…!ただ、これは単語登録でカバーできるのである程度運用すれば言い換えも完璧にカバーできるようになります)
台本はアクアボイスなどで入力して一次情報を付与して、プラグインで校閲するといった形にしています。
もちろん、台本も全て自動化できるんですが、動画の命となる部分なのであえてこうしています。
何ができるのか
まず、このツールで実現していることを整理してみます。
入力と出力
入力: Markdownで書いた台本(テキストファイル1つ)
出力: キャラクターが喋る解説動画(1920×1080、30fps)
たったこれだけです。Markdownのテキストから、動画ファイルが出てくる。
自動でやってくれること
具体的には、こんなことを全自動でやっています。
スライド自動生成: 台本の内容から箇条書きスライド、図解、イラストを自動で作る
セクションタイトル生成: AIが台本の内容を読んで、各セクションに適切なタイトルを付ける
画像の自動生成: スライドに挿入するイラストや図解をAIが描く
スライド品質の自動チェック: AIが「この箇条書き、長すぎない?」「フォント小さくない?」と自動で評価して、基準を満たすまで改善する
音声合成: 台本のナレーション部分を音声合成ソフトが読み上げる
キャラクターアニメーション: 目パチ(まばたき)と口パク(リップシンク)を自動生成
動画合成: 背景・スライド・キャラクター・字幕・音声・BGM・SEを全部重ねて1本の動画にする
さらに「プリセット」という仕組みがあって、キャラクター画像や背景を切り替えるだけで、まったく別の見た目のチャンネル向け動画も作れるようになっています。
さらに、AIにこういう解説系の動画を作らせようとした時に、皆さんがドツボにはまりがちなのが、画像生成AIの質が生成することによってガチャ的な要素があって、クオリティがバラバラになるという点。
この問題は私も結構困らされたのですが、最終的には評価のロジックを構築して解決しました。
結構随所にこだわって作ったもので、単純にClaude Codeとかに「こんな感じのツール作って!」と言ってもこのクオリティは出せないと思っています。
なので、すみませんがこの後の詳細解説は有料記事として扱わせてください…><