AI料理動画の作り方を、ChatGPTからCapCutまで順に追う

出典: 新しいAIジャンルが激アツ！48時間でバズる方法【完全無料ツール】

AI料理動画って、聞いたことありますか？デザートやケーキの作り方を見せるショート動画を、AIで作るジャンルです。動画の前半は、このジャンルがどれくらいの数字で語られているか、という話から始まります。

吉田さんは、最近AI料理動画の伸びがものすごく、数百万回再生される動画が次々に出てきている、と話します。

吉田ゆうすけさん（動画 0:11〜）

最近このようなAI料理動画がものすごく伸びていて、数百万回再生される動画も次々と出ています。

話はそこから、これほど伸びているのに、このジャンルを扱っている人はまだほとんどいない、という指摘に移ります。

吉田ゆうすけさん（動画 0:20〜）

それにもかかわらず、なぜかこのジャンルについて取り上げている人、まだほとんどいないんですね。

動画は例として、ある海外のFacebookページを見せます。

458万回再生や268万回再生の動画があり、投稿のほとんどはショート動画。デザートやケーキ、お菓子の作り方を紹介するものでした。

YouTubeにも同じスタイルの動画がある、と吉田さんは続けます。登録者は48万人を超え、100万回以上再生された動画がいくつかある、という紹介です。

別のチャンネルは、投稿が約270本で、登録者は47万人超。100万回再生の動画があり、200万回以上のものもある、と話は進みます。

さらに吉田さんは、このチャンネルがショート動画を投稿するだけで、毎月少なくとも2,800ドルを稼いでいると見られていて、日本円で約44万円以上になる、と話します。

吉田ゆうすけさん（動画 1:24〜）

このチャンネルは、このようなショート動画を投稿するだけで、毎月少なくとも2800ドルを稼いでいるというふうに推定されていて、日本円にすると約44万円以上にもなります。

動画は続けて、このAI料理動画の作り方を、最初から最後までステップ形式で紹介すると話します。

見本に流したとろけるチョコケーキの動画も、すべてAIで作ったものだ、と吉田さんは説明していました。

動画が見せているのは2つです。数字の大きいジャンルがあるという話と、そのジャンルの作り方。

実は、数字の話で思い出す場面があります。10月18日。50kgダイエットのインスタに出す料理ショートを、AIが毎週見直す作業でのことです。

私は、リサーチはしているのか、再生がまわっている料理リールをベンチマークして、と返しました。AIはしていなかったと認めて、その場で3本の再生数を読み直しています。

一番多い1本は12,463,599回で、AIが物差しに勧めたのはこの1本です。私が選んだのは、次に多い1本、1,821,295回のほうでした。

正直、数字はAIに頼めば並べてもらえます。再生回数や登録者の数が教えてくれるのは、その数字が出ている、という事実だけ。

月2,800ドルの見込みも同じです。自分の動画で同じになる根拠にはならない数字。

で、どの数字を物差しにするかは、人が選ぶところです。簡単に、今すぐ、という言葉が付く話ほど、足す前に一度疑いたい。

じゃあ、数字の前に何を見るのか？

数字の大きさより、自分がこのジャンルで作り続けられるかを先に見ます。

作り方の最初の段階では、まだ動画は1本も作りません。何を作るかを考える作業を、まるごとチャットAIに渡すところから始まります。

最初に要るのはAIチャットボットだ、と吉田さんは話します。

ChatGPT、Claude、Gemini、DeepSeekなど好きなものでよく、今回はChatGPTで進めます。

動画はまず、料理の案を考える所から、動画生成で使う指示文を作る所までを順に進める指示文を、ChatGPTに貼って送る場面を見せます。

返ってくるのは、作れる料理動画のカテゴリーの候補。

ヘルシースイーツ、自宅で作れるファストフード、15分で作れる夕食などが並び、吉田さんは1番のヘルシースイーツを選びます。

吉田ゆうすけさん（動画 3:57〜）

今回は1番のヘルシースイーツを選んで次に進みます。すると選んだカテゴリーをもとに10種類の料理アイディアを提案してくれます。

話はそこから、選んだカテゴリーをもとにした10種類の料理案へ進みます。その中から、2番のとろけるバナナチョコマグケーキが選ばれました。

少し待つと、この料理動画を作るための指示文が出てきます。

ショート1からショート5までの5本分で、1本ごとに料理の別の工程を受け持つ形だ、と吉田さんは説明します。

受け持つ工程が1本ごとに違うので、5本を順に並べると、1つの料理が出来上がるまでの流れになる、という作りです。

吉田ゆうすけさん（動画 4:22〜）

生成された5つのプロンプトはショート1、ショート2、ショート3、ショート4、ショート5みたいな形で、それぞれ料理の異なる工程に対応しています。このプロンプトをもとに5つの動画をすべて生成して最後につなぎ合わせることで、1本のショート料理動画を完成させます。

ここでAIが広げたのは、カテゴリー、料理案、5本分の指示文の3段。その間で選んでいたのは、ずっと吉田さんです。

AIは横に広げます。人間は縦に掘ります。10個の案から1つを選ぶところが、その縦に掘る入口です。

案が10個並ぶと、どれもよさそうに見えて、かえって決めにくい。ここでAIに案を足させても、選ぶ重さは減りません。

選ぶ基準を持たないまま、AIが出した順に進めたらどうなるでしょう？誰が作っても、似た動画が並んでしまうんです！

選ぶのは案だけではありません。同じ10月18日、AIに料理ショートの見本を頼んだ時、私は「声も入れてフルスペックで作って欲しい」「アニメーションやグラフィックも最高品質」と書きました。作らせる前に、水準を言葉で先に決めた形です。

どこまでの出来を求めるか。それも、AIに渡す前に決める一手です。水準を決めるのは、いつも人の側です。

案はAIに広げさせて、選ぶ一手と水準を決める一手は、自分で持ちます。

指示文がそろったら、次は映像を作る段です。使うのはGoogle Flowの画面。指示文を貼るだけで、料理の場面は本当に動き出すのでしょうか？

1つ目の指示文をコピーして、Google Flowで新しいプロジェクトを作ります。生成の前に、まず動画の設定を決める手順です。

向きは縦型の9対16。YouTubeショートやTikTok、Instagramのリールに出すからだ、と吉田さんは話します。

吉田ゆうすけさん（動画 4:58〜）

今回はYouTubeショートやTikTok、Instagramのリールなどに投稿するショート動画を作るので、アスペクト比は縦型の9対16に設定をします。

設定は、動画モードで720p、1本10秒前後、出力数は1のまま。画面はそこまでを手早く見せます。

指示文を貼って生成すると、1本目が完成。仕上がりを見た吉田さんの感想は、違和感の少ない動画になった、というものでした。

吉田ゆうすけさん（動画 5:36〜）

完成した動画を見てみるとかなり自然な動画に仕上がってますね。

2本目は、ChatGPTに戻ってショート2の指示文をコピーし、Flowに貼って生成します。できたら、崩れていないかをその場で確認。

話はここから同じ作業のくり返し。ショート3から5も同じ手順で作り、5本をダウンロードして、順番が分かる名前を付けておきます。

実は、この章でやっていることは新しい技ではないんです。同じ指示文を貼って、生成して、確かめます。その作業を5回くり返すだけです。

同じ設定のまま回すから、5本の向きと長さがそろう。そろっていれば、あとでつなぐ時の手間が減ります。設定を途中で変えないほど、確かめる所も減っていきます。

私は、AIに頼んで縦動画を28本作りました。失敗は2回。どちらも同じ指示の2回目で成功しています。道具はGoogle Flowではなく、Grokのほう。

長い動画を1枚の絵から1本で作ると、途中で顔が二重に重なることがありました。そこで、カットごとに別の動画にして、切ってつなぐことに。

同じ人物が出る連続カットでは、指示文の頭に毎回、同じ人物の説明を書きました。

FlowでもGrokでも、やることは同じです。指示を出して、出てきた物を見て、直すか通すかを決めます。

縦ショートでは、動画にする前に、先に画像を作ってもらうこともあります。AIに作ってもらった縦ショートで、私は「先に画像作ってみせてやり直し」と返しました。

動画にする前に、1枚の絵で方向を確かめます。この順番は、Flowの5本づくりにも使えます。

私の記事より（AI動画の作り方が実物で分かる｜サブスクで作った22本の作例）

Grok で作った動画は全部で28本。失敗は2回あって、どちらも同じ指示の2回目で成功しました。

失敗した2回は、指示を変えずにやり直して通っています。だから、くり返す作業はAIに渡していい。人が持つのは、つなぎ目を見る目のほうです。

5本を並べたあとに見るのは、順番どおりに続いているかと、料理の見た目が途中で変わっていないかです。

5本が、1つの料理として続いているか。そこを見るのは私です。

映像の5本がそろったら、残りは声と音です。ナレーションを足し、効果音とBGMを重ね、字幕を入れて1本にまとめる段。手数がいちばん多いのは、ここかな。

ChatGPTのナレーション原稿をコピーして、Google AI Studioを開きます。料理の雰囲気に合う声を選び、原稿を貼って音声を生成する手順です。

吉田ゆうすけさん（動画 6:49〜）

Google AIスタジオを開いて料理動画の雰囲気に合う音声を選んだら、先ほどコピーした原稿をテキストボックスに貼り付けて音声を生成します。

ナレーションは数秒で完成。吉田さんは、生成した音声を聴いて確かめてからダウンロードする、と話します。

編集に使うのはCapCut。5本と音声を取り込み、決めた順に並べ、その下に音声を置いて、映像と声のタイミングを合わせます。

AIで作った動画には、最初から音が入っていることがあります。吉田さんが料理と相性がいいと挙げたのは、切る音、混ぜる音、注ぐ音、焼ける音。

吉田ゆうすけさん（動画 7:36〜）

また、AIで生成した動画には最初から音が入っている場合があるので、料理動画の雰囲気が良くなるのであれば、こうした音を残しておいてもOKです。

そのぶん、ナレーションが埋もれないよう、元の動画の音量は下げておきます。

吉田ゆうすけさん（動画 7:59〜）

ただし、ナレーションが聞こえにくくならないように注意してください。元の動画の音量を下げて、ナレーションがはっきり聞こえるように調整をします。

BGMは、YouTubeのオーディオライブラリから収益化にも使える素材を選ぶ場面。はみ出しを切って終わりをそろえ、音量も控えめにします。

字幕はナレーションの内容をテキストから入れ、料理が目立つよう小さめに。最後に全部が合っているかを確かめて書き出せば、YouTubeショートやTikTok、Instagramのリールに投稿できる、という流れです。

編集の山場はどこか？音の重なりを整えるところ。ナレーションと元の音とBGMが、ぶつからずに聞こえるかを合わせていく作業です。

声について、私の記録をひとつ。10月8日、GPTs研究会が9,000人を超えた知らせの縦ショート（約20秒）を、AIに頼んで作りました。

声を別の声に差し替える設定を3通り試すと、書き起こしではどれも、9000人の所が9点や13人などにつぶれる結果に。同じ日、私は「声かえないで」「そのままのバージョンみせて」と返しています。

数字がつぶれたことは、書き起こしで分かりました。一方、9000人という言い方の自然さや、声と口の合い方は、機械では測れません。AIからも、そこは聞いて判断してください、と返ってきました。

編集のほうは、同じ日に「テンポはやくジャンプカットをして」と頼みました。AIは1カットを0.6秒から4秒にして、約20.5秒を12カットで組み直しています。

吉田さんの手順でいえば、タイムラインに並べて、映像と声のタイミングを合わせる所です。切る長さは、AIに渡せます。

声と音は、作ったあとに耳で聴いて、最後に決めます。

手順は、書き出しまで進みました。では、吉田さんは最後に何を伝えて動画を締めたのでしょうか？完成した1本を見せたあと、話は作り方から、始めるかどうかへ移ります。

吉田さんは、完成した動画を最後に再生して見せます。

中身は、冒頭の見本と同じとろけるチョコケーキの動画でした。ここまでの手順が、1本にまとまって流れます。

まとめの話は、撮影や編集が大変そうで動画の発信をためらう人や、何を投稿すればいいか分からない人に向けたものです。

そこで一歩が止まる人に、吉田さんが語りかけます。

ネタ探しや撮影に時間を取られ、結局何も始められない人もいます。

動画は、今回の手順なら料理の知識や撮影機材を持たなくても、料理の案から動画づくりまでAIで進められる、と話します。

吉田ゆうすけさん（動画 10:11〜）

しかし、今回ご紹介した方法なら、料理の知識や撮影機材がなくても、AIを使って料理のアイディアから、動画制作までを進めることができます。

吉田さんは、海外ではこの種の料理動画が数百万回再生されていて、顔を出さず撮影もせずに挑める新しい選択肢になっている、と見ています。

吉田ゆうすけさん（動画 10:23〜）

実際に海外では、こうした料理動画が数百万回再生されていて、顔出しや撮影をせずに、挑戦できる新しい選択肢になっています。

話の締めは、今回の手順を参考に、まずはAI料理動画を1本作って発信を始めてほしい、という呼びかけです。

顔を出しません。撮影もしません。動画が示したのは、その入り口の低さです。

ネタ探しや撮影で止まっていた人には、この低さが最初の扉になります。ネタ探しも撮影も、手が止まりやすい工程です。そこが軽くなるなら、始めるきっかけとして意味があります。低い入り口は、まず1本作ってみる理由になります。稼ぎの保証とは、別の話です。保証されているのは、顔を出さなくていい、という入り口だけです。

で、気になるのは稼ぎの数字ですよね？月2,800ドルは、動画の中の見込みです。

大きな数字は、物差しにする前に、誰が言った数字なのかを先に見ておきたい。

数字が大きい話は、手間なく稼げます、という言い方に近づきやすいからです。だから私は、手間なく稼げます、という嘘をつく仕事は引き受けません。月2,800ドルの見込みも、この線で読んでいます。

私の記事より（動画を撮影せず、判断だけを自分で持って、曲と映像をAIに任せた記録）

私は動画を撮影しておらず、編集の作業も行っていません。

入り口が低いことと、続けて稼げることは、別の話です。

撮影しないことは、楽をすることではありません。手を動かす場所が、カメラの前から選ぶ所へ移るだけ。

じゃあ、続くかどうかは何で決まるのか？何を作るかを選ぶ手と、出す前に確かめる手。この2つは、入り口がどれだけ低くても、手元に残ります。

私なら、だれでも同じようにできる、という言葉は、努力を軽く見る言葉として一度疑います。そのうえで、まず1本作ってから決めます。

動画を順に追うと、ジャンルの数字から始まり、チャットAIでの料理案と指示文、Google Flowでの縦の5本、ナレーションとCapCutの編集へ進みます。最後が、顔出しも撮影もしない選択肢でした。

持ち帰りの1つ目は、数字は動画の発言として読んで、物差しにする1本は自分で選ぶこと。

2つ目は、くり返す作業はAIに渡して、つなぎ目と声は最後に自分で確かめること。3つ目は、手間なく稼げる、という言葉を疑うこと！

私なら、まず自分の仕事を2つに分けてみます。AIに渡せる作業と、自分が選ぶ一手は、分かれていますか？