Fujinさんのショート動画量産8工程（Opus 5.5・GPT Image 2.5・Gemini TTS）。台本を書くAIにも「推測は推測と書く」を貼れるか

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくんです。今回は、Fujinさん（@Fujin_Metaverse）のXの投稿「ショート動画量産システムの作り方」を紹介するね。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（投稿の冒頭）

動画生成AI・演者一切不要。

「動画生成AI・演者一切不要。」この一文から、Fujinさんの投稿は始まります。

演者がいらない。これは、賛成です。顔を出さなくても、発信は続けられます。

添付の60秒の縦動画を、6秒ごとに止めて見ました。白髪で、頭に角のあるアニメ調のキャラクターが、マイクの前に座っています。

その絵の上に、ChatGPTの画面風のカードと、大きな字幕が入れ替わります。字幕には「なぜ知ったかぶりするの？」と出ていました。

動画を生成しなくても、絵と画面と字幕を重ねれば、60秒の動画になる。ここが、私は面白かったんです。口や手の形はコマごとに違って見えましたが、生成なのか差し替えなのかは、コマからは分かりません。

私の手元にも、plan.json に絵の指示と字幕と読み上げ文を書いて、動画にする設計図があります。同じ型かどうかは、分かりません。

演者不要の動画も、部品に分けて見ると、何でできているかが見えてきます。そこから、自分の1本を考え始められます。

好きな動画を6秒ごとに止めてみる　ショート動画を1本選んで、6秒ごとに止めます。見えた部品と、コマからは分からないことを、紙の左右に分けて書いてみてください。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（①と②の工程）

①Opus 5.5にリサーチさせる ②台本を書いてもらう

①でOpus 5.5にリサーチさせて、②で台本を書いてもらう。ここが、この投稿でいちばん気になった所です。

添付動画の字幕に、ChatGPTの知ったかぶりを防ぐ3行が出ていたからです。

「分からないことは『分かりません』と答えて」「推測で答えるときは、推測だと書いて」「大事な情報には、どこで確認できるか添えて」。

この3行は、ChatGPTに答えさせる時の話です。でも私は、台本を書くAIにも貼りたいと思いました。①のリサーチに推測が混ざったら、そのまま台本の1行目になるからです。まだ8工程で試してはいません。

分身AIに自己紹介やブログを書かせて、捏造や憶測を見た時、消されたと感じました。それは単なる事実の精度ではなく、「想いや愛や魂」だったんです。

だから、体験ストーリーは、憶測も捏造もない事実だけで語ると決めています。

台本をAIに任せることには、賛成です。ただ、台本の根になる事実だけは、任せる前に自分で照らし合わせたい。この3行は、その入口になると思っています。

台本の1行目の根を決める　次に作る動画の台本の1行目に使う事実を、1つ選んでください。元の資料で照らし合わせられる事実から選んで、出典を台本の横に書きます。書けなければ、その1行は台本から外します。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（③の工程）

③Gemini 3.8 Flash TTSで音声クローン作成

③は、声の準備です。Gemini 3.8 Flash TTSで、音声クローンを作ります。

気になったのは、誰の声をクローンにするのかが、投稿の本文に書かれていないことです。

Googleの公式ブログ（2026年9月23日）には、声の複製の条件が書かれています。本人の声か、使う権利のある声の、30秒ほどの音声サンプルから作れます。作る前に、声の持ち主が同意を話した録音を出します。その録音は、参照した声の話者と一致している必要があります。生成した音声には、SynthIDという透かしも入ります。

私のクローンは、自分の声です。講座動画のナレーションに使っています。聴き比べに使ったGeminiの2本も、Google側に保存してあった自分の声のクローンでした。

声で感じることは、テキストではないものがいっぱいあります。言霊というか、響くんです。

だから③は、技術の工程に見えて、先に決める工程だと思っています。誰の声か。使っていい範囲はどこまでか。他人の声なら、持ち主の同意の録音が、公式の条件です。この2つを決めてから、クローンを作ります。

声の持ち主と範囲を1行で書く　声のクローンを作る前に、声の持ち主と、使っていい範囲を1行で書いてみてください。他人の声なら、持ち主本人の同意の録音を出せるかも、あわせて1行に書きます。出せないなら、その声は使いません。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（④の工程）

④台本をもとにTTSsで音声化

④は、台本を声にする工程です。どのTTSを使うかは、投稿に書かれていません。

私は、同じ台本9行を、自分の声で5本の読み上げにして、全部聴き比べました。ElevenLabsが3本（v3・v4・v4 Turbo）、Geminiが2本（3.8 Flashと3.8 Flash-Lite）。v3は本番で作ったものをそのまま使い、残りの4本を新しく作りました。

文字起こしAIで台本と照らした一致率の平均は、5本とも0.90から0.93。ほぼ横並びです。差が出たのは、行ごとでした。

AI氣道『ElevenLabsとGemini 3.8 TTSの料金と声。同じ台本9行を自分の声で5本聴き比べた結果』より

「逆にGeminiの2本は、冒頭の1行目で崩れました。「SNSでそう騒がれた事件」が、Flashでは「SNSで捜査を上げた事件」（0.72）、Flash-Liteでは「SNSで捜査分かれた事件」（0.75）と聞き取られています。」

行ごとの差は、『ElevenLabsとGemini 3.8 TTSの料金と声。同じ台本9行を自分の声で5本聴き比べた結果』で書いています。

この数字は、文字起こしAIが聞き取った結果です。耳で聞いた発音の誤りとは、同じではありません。

AI秘書の凛ちゃんが名乗る行では、9月まで使っていたv3だけが、名前を「ディント」と聞き取られました。

v4とv4 Turboは、平均が同じ0.93でした。数字では、決められません。選んだのは、5本を全部聴いた私です。好みだったのは、v4 Turbo。品質は十分で、Geminiより好きでした。

数字は、判断の材料です。決めるのは、耳です。ここは、AIに渡さない所だと思っています。

この聴き比べは、台本1本と、自分の声1つだけです。Gemini 3.8 TTS全体の評価ではありません。

1行目を2種類で読み上げて聴き比べる　自分の台本の1行目を、2種類の読み上げで作ってみてください。必ず耳で聴いて、どちらで出すかを決めます。数字を出すなら、文字起こしの一致率は別の行にメモします。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（⑤の工程）

⑤GPT Image 2.5で素材生成してもらう

⑤は、動画に使う絵の素材です。GPT Image 2.5に作ってもらう、と書かれています。

添付動画の絵は、アニメ調のキャラクターの1枚絵と、ChatGPTの画面風のカードに見えました。どの絵がGPT Image 2.5で作られたのかは、投稿からは分かりません。

絵の素材で、私がいちばん気になるのは、絵の中の日本語です。AIに日本語を描かせると、崩れた記号のようになることが多かったからです。

私が試したのは、GPT Image 2.5ではなく、Grokの動画生成です。9月16日の記事の作業は、私の依頼でAIが手を動かしました。私がしたのは、最初の一言と、出てきたものへのダメ出しです。

AI氣道『【婆が如く】AI動画の作り方noteをGrokだけで再現してみた｜できたこと・崩れたこと』より

「この動画で一番の発見は、出したい日本語は「」で囲んで書けば、そのまま絵の中に描かれるということでした。」

「」で囲む発見は、『【婆が如く】AI動画の作り方noteをGrokだけで再現してみた｜できたこと・崩れたこと』で書いています。

出したい日本語は、「」で囲む。これだけで、絵の中に描かれました。

ただ、限りもありました。大きなタイトル文字は出るのに、ポスターの中の小さい看板は、読めない文字になっていました。GPT Image 2.5で同じことが起きるのかは、まだ試していません。

日本語の入った絵を、小さな1枚で試す　絵に入れたい日本語を、1つだけ選んでください。「」で囲んで頼んで、出てきた絵の文字を声に出して読みます。読めなければ、その文字は絵に入れず、字幕で入れる側に回します。これは私からの提案で、投稿が勧めている方法ではありません。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（⑥と⑦の工程）

⑥全ての素材を動画編集で合わせる ⑦書き出して最終チェックする

⑥で素材を編集で合わせて、⑦で書き出して最終チェックをします。最終チェックを工程に入れているのは、賛成です。

私のリールでは、この確認を、AIが先に始めていました。

書き出した57秒版の音声を、AIが文字に起こし直して、元の台本と突き合わせる。最初の書き出しは、つなぎ目が4か所おかしいと、AIが報告してきました。

「ブリーフィング」の頭が切れて、「イフング」と聞こえた、というのもその1つです。

私は、確認までAIに任せていいと思っています。制作だけでなく、味見と直しまで任せたいからです。

ただ、書き方には線を引いています。偽りとは「事実じゃないことを事実のように振る舞うこと」だからです。

文字起こしが「イフング」と返したことは、記録で確認できます。でも、実際の音がそう欠けたのかは、耳で確かめるまで言い切りません。だから「発音が崩れた」とは書かず、「文字起こしではこう読めた」と書きます。

「ここは直したい」という想いは、そのまま書いてかまいません。

書き出した音を文字に戻して、耳で確かめる　完成した動画の音を、文字起こしにかけてみてください。台本と並べて、違う所の時刻をメモします。その時刻だけ、耳で聴き直します。「文字起こしでの読み」と「耳で確かめた結果」は、別々に書きます。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（⑧の工程・伏せ字は投稿のまま）

⑧イン◯タやTikT◯kに投稿させる

⑧は、投稿です。イン◯タとTikT◯kに投稿させる、と書かれています。伏せ字は、投稿のままです。

ここが、私の「ちょっと待って」です。

私のリールの話を、短く並べます。9月28日の朝、投稿先を伝えました。AIは、YouTubeを非公開のままアップロードして、TikTokは投稿ボタンの手前まで入力を済ませていました。

9時9分に確認が届き、9時17分に私が「両方公開する」を選びました。公開は、9時18分です。

AI氣道『ショート動画作りをClaude Opus 5.5に任せたら、ワンプロンプトで公開まで進んだ』より

「判断がいる時は、AIの側からスマホに質問が届きます。公開・配信・削除みたいな取り返しのつかない操作は、必ずこの手前で止まる。だから安心して任せられる。」

リールの中で私が話した言葉は、『ショート動画作りをClaude Opus 5.5に任せたら、ワンプロンプトで公開まで進んだ』で書いています。

私は、投稿までAIに任せる方向に、賛成です。AIが仕上げて、公開の手前で止まる。それも、委ねる形の1つだと考えています。

ただ、自動で投稿できることと、出してよいことは、別です。発信では、外部公開は必ず明示承認を得ると決めています。

⑦はできの確認で、⑧は出していいかの判断です。投稿の本文には、人が承認する場所が書かれていません。あるのかないのかは、分かりません。

公開の前に止まる設定かを調べる　AIに任せている自動投稿が1つでもあれば、投稿先の管理画面を開いてみてください。人の承認を待って、下書きか非公開のまま止まる設定かを調べて、「ある」「ない」「分からない」のどれかを書きます。予約投稿は、承認なしでも時刻が来れば出ることがあるので、「ある」には数えません。

Fujinさん（@Fujin_Metaverse）のXの投稿「Opus 5.5 × GPT Image 2.5 × 3.8 TTS ショート動画量産システムの作り方」（2026年9月26日）（投稿の結び）

これで作成から投稿まで完全自動化可能。

投稿は、この一文で8工程をまとめます。続けて「えぐいですよね。」と書いて、詳細PDFはリプでDMする、と案内しています。

8工程が1本の線でつながっているのは、見事です。作成から投稿まで、AIが持つ。この方向には、賛成です。

ただ、「完全自動化できる」と、「受け取る人に届く」は、別です。何を、なぜ、その人に届けるのか。そこを抜いたまま、作れる本数だけ増やしたくありません。

「魂は渡さないだろ。魂は込めるもの。」と、私は言っています。目的と、守りたいものと、判断軸は、先に自分で掘る。そのうえで、実行や量産のボールを、人にもAIにも仕組みにも委ねます。

そして、できあがった型の温度を、身体で確かめます。「違和感。しっくりこない。ワクワクもウズウズもない」。このサインが出たら、まだ出しません。

私が確かめたのは、投稿の本文と、添付動画のコマと、Googleの公式ブログと、自分の過去の記録までです。8工程を通しで動かしたわけではありません。詳細PDFも、受け取っていません。

8工程のどこに、「これは自分が語って違和感がないか」と問う場所を置くか。私は、公開の直前に置きたいと、今は思っています。

8工程を紙に書いて、問いを置く1か所に印をつける　まず、作りたい動画を1行で書きます。次に、その動画の作り方を8つの工程に分けて書きます。投稿の8工程を借りても構いません。書けたら、「これは自分が語って違和感がないか」と問う1か所に印をつけてください。

Fujinさんの8工程を読んで、私は、賛成する所と、待ってと言う所を分けました。調べる、台本、声、絵、編集、投稿。作成から投稿まで、AIに持ってもらう。この方向には、賛成です。

待ってと言う所は、公開の手前です。自動で投稿できることと、出してよいことは、別です。私のリールは、公開の手前で止まって、私が選んだ1分後に公開されました。

手放さない所は、何を、誰に届けるかです。声は、数字が横並びでも、5本を全部聴いて選びました。確認はAIに任せます。ただ、事実じゃないことを事実のように書くことだけは、しません。

動画の3行（分からないと答える・推測は推測と書く・確認先を添える）は、台本を書くAIにも貼ってみたいと思っています。まだ試してはいません。

あなたの一歩は、8工程を紙に書いて、「これは自分が語って違和感がないか」と問う1か所に印をつけることです。