Claude Codeで台本から動画を作る手順を、最初に1分の見本を頼む流れでmanaさんが解説

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、manaさん（株式会社MakeAI CEO）のX記事「Claude Opus 5.5 × 動画編集の教科書」を紹介するね。紹介する HyperFrames は、私はまだ手元で試していません。

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（はじめに）

Claude Code に HyperFrames と声・絵の道具をつなげば、台本を貼るだけで作例8本のような動画が作れます。

記事の冒頭に、作例8本が並びます。8本とも、Claude Code（モデルは Claude Opus 5.5）が作りました。CMは、8本の1分版から絵を拾い、128BPM の曲の拍に合わせてつないだものです。

作例1は、GPT Image 2.5 Sunburstで作った紺パーカーの男の子が話す解説動画です。作例2はAIで生成した女性の案内役で、manaさんが「全部は動かさないで。

どう考えても動かした方が目に止まる部分だけ。」と頼むと、動かす場所が5か所に絞られたんです。

作例3〜5は、台本を最初から最後まで読み上げる3部作です。第2話と第3話は、第1話の絵だけを組み合わせて作りました。作例8は、人物もロボットもAIで生成したリール広告です。

ここまでの6本は、絵と声を作って組む側です。残る2本は、手元に話し手の映像がある側。

作例6は、manaさんがHeyGenで作った話し手の映像をClaude Codeに渡して、編集してもらった解説動画です。作例7は、その一部を縦長に組み直したショートです。

作例6の編集は、声の文字起こしが軸でした。台本の各文字が何秒に話されたかが分かるので、決めた文字が話される少し前に、カットとテロップを置けます。

この切り方は、私のリールと同じ型です。私が9月27日に頼んだリールは、AI氣道のYouTubeにある7分41秒の動画から、57秒を切ったものでした。Opus 5.5は絵を描いていません。

音声を単語ごとの時刻つきで文字に起こして、その時刻から切る位置を決めていました。

AI氣道『Opus 5.5で動画を作る型をサムさんが解説。描く型と切る型、どちらで頼むかが分かる』より

「手元に撮った動画があるなら、切る型。何もない所から作るなら、描く型。素材があるかどうかで、最初に選ぶ型が決まります。」

私は、このリールの作り方を「切る型」と呼んで読むことにしました。『Opus 5.5で動画を作る型をサムさんが解説。描く型と切る型、どちらで頼むかが分かる』で書いています。

作例6・7は切る型、作例1〜5・8は描く型の側に入ると、私は読みました。頼み始める前に「自分の手元に素材はあるか」を1回決めておくと、見る作例も絞れます。

頼み方は、記事の最初の一言がそのまま使えます。

台本は貼った。これで動画を作って。一旦作った後、1.5倍速

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（第2章）

つまり、動画編集が「編集ソフトを手で操作する作業」から「テキストを書いてコマンドを打つ作業」に変わるんですね。

仕組みは、HyperFramesという道具が動画づくりを置き換えるところにあります。HyperFramesは、HeyGenがGitHubで公開している道具です。

動画の1場面を、Webページと同じHTMLの要素で書きます。いつ出ていつ消えるかはdata-startとdata-durationという項目に書きます。

動きはGSAPという部品集で書き、書き出すとMP4の動画ファイルになります。

使うコマンドは4つです。「npx hyperframes init」で動画づくりのプロジェクトを作り、「check」で書き方の誤り、文字のはみ出しや重なりを調べます。

「snapshot」は指定した時刻の画面を画像にし、「render」がMP4への書き出しです。

元記事の言い方では、人がやるのは台本を渡して、出てきた動画を見ること。コマンドを覚える必要はなく、Claude CodeがMacの上で打って、「check」の結果を読んで直します。

崩れに気づかないまま仕上がらないか、が気になりますよね。

記事によると、Claude Codeは書き出した場面の静止画を並べて見て、崩れた書体、テロップの改行ミス、背景だけになっていた場面を自分で見つけて直しています。

つまずいた所は、各フォルダのREADMEに「踏んだ罠」として書き残し、次の動画ではそれを読んでから始めます。

推測: 動画の1場面が文字で読める形になると、後で直す所を指で探さなくて済むのかもしれません。元記事の説明を読んだ私の受け取りです。

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（第3章）

インストールも Claude Code に頼めるので、手で打ち込む必要はないんです。

インストールと聞くと、黒い画面に文字を打ち込む作業を思い浮かべて、身構えますよね。元記事が用意したのは、MacとClaude Codeです。

HyperFramesにはNode.js・FFmpeg・Chromeが要ります。書き出し用のChromeは、HyperFramesが自分で入れます。

FFmpegと、音声を文字に起こすwhisperは、Homebrew（Macに道具を入れる仕組み）で入れています。

外の道具とのつなぎ方は3種類です。

1つ目はAPI。サービスの機能をプログラムから呼ぶ窓口で、声のElevenLabs、絵と動く絵のRenoise、声が不自然に聞こえるかを判定するTypeSafe Jevをつないでいます。

2つ目は MCP。Claude に外の道具をつなぐ差し込み口で、音つきの動画の Higgsfield と、動画を上げて視聴ページを作る UTAGE です。

3つ目はスキルで、Claude Codeに入れる手順書と道具です。LovartとHyperFramesがこれにあたります。

manaさんは、全部をつなぐ必要はないと書いています。足りない道具は「npx hyperframes doctor」で分かるので、出てきた名前をClaude Codeに伝えて入れてもらう、という流れです。

道具の名前を覚えるより、doctor に聞いて、出てきた名前だけを入れていくほうが身軽だと思います。

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（第4章・手順1〜4）

1文ずつ録ると、文ごとに声の高さが跳ねてしまうんです。

manaさんは、作例2の1回目の仕上がりを聞いて「音が変なところがある。特に冒頭。」と伝えました。Claude Codeが調べると、原因は1文ずつ別に録っていたことでした。

そこで、数段落まとめて録るやり方に変えています。手順は4つです。

手順1は台本を貼ること。手順2は読みの指定で、読み間違えやすい語は、読み上げ用の文だけ書き換えます。手順3は、150〜250字ずつ1回で読ませます。

文の切れ目のいちばん静かな所で段落に切り分け、端を少しずつ小さくして、プツッという音を防ぎます。

手順4は確かめと録り直し。whisperとScribeの両方が同じ所で台本と違ったら、読み違いと見ます。引っかかった所は3回録って良いものを選びます。

例が具体的です。「2、3日後に」が「2、3日ごとに」と読まれたときは、読み上げ用の文だけ「2、3日たってから」に変えました。manaさんが挙げるコツは、画面の文字と読み上げの文を分けて持つことです。

テロップは台本のまま正しい表記で出し、声だけ言い換えます。

私の講座動画も、台本を1行ずつ読ませて、つないでいます。声の聴き比べの記事では、同じ台本9行を5本の声で読ませて、文字起こしと照らしました。

数字はほぼ横並びでした。差がはっきり出たのは、たった1行です。v4とv4 Turboは同じ0.93で、一致率だけでは決めず、5本を通しで聴いて一番を選びました。

manaさんは、文字起こしで引っかかった所を3回録って、良いものを選んでいます。文字起こしだけで済ませず、声を聴いて確かめる。そこは、私の聴き比べと同じです。

AI秘書の凛ちゃんが動かす「静かな語り動画」の手順書にも、画面に出す字幕（sub）と、声で読ませる文（narration）が、別々の欄にあります。manaさんの「分けて持つ」と同じ形です。

manaさんの言う声の高さの跳ねが、私の講座動画にも出ているかは、まだ言えません。聞き直して確かめていないからです。推測: 1行ずつ読ませてつなぐ形は、つなぎ目で声の高さがずれやすいのかもしれません。

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（第4章・手順7）

効果音と声と BGM がばらばらのまま渡すと、書き出しが途中で止まることがあるからです。

手順5は絵です。絵を何枚も作ると、同じ人物のはずなのに顔が少しずつ変わってしまうことがあります。顔を先に決めて、その顔の画像を渡しながらポーズを作ると、場面が変わっても同じ人物として並べられるんです。

作例2では、Claude Codeに候補4人の顔を作らせて、manaさんが1人を選んでいます。

手順6は場面を組むこと。段落ごとに場面の種類を割り当て、HyperFramesのHTMLにします。種類は、放射線の背景、黒板、スマホの画面、申し込みボタン、よくある質問などです。

テロップは台本から自動で作り、たとえば「身につけ」を「身に」と「つけ」に分けて2行にしない、という決まりで改行します。

手順7は書き出しで、効果音・声・BGMを先に1本の音にまとめてから、「check」、「render」の順に進めます。

効果音と声とBGMが合わせて491本あったとき、最後の音の合成が時間切れで止まったそうです。

手順8は仕上げ。音量を -14 LUFSにそろえます。LUFSは、耳に聞こえる大きさで測った音量のことです。1.5倍速版と時間つきの台本も作り、場面ごとの静止画を並べて、最後の確認をします。

書き出した後の確認は、私のところでも起きていました。57秒のリールを書き出したあと、AIは、音声を文字に起こし直して、元の台本と突き合わせていたんです。

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

「AIの報告によると、最初の書き出しはつなぎ目が4か所おかしかったんです。」

57秒版を書き出した直後に、AIがやっていたことです。『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。

つなぎ目のおかしさは、たとえば「ブリーフィング」の頭が切れて、「イフング」と聞こえたこと。「起きたら」が「あら」になったこと。このリールでは、文字にして台本と並べることで見つけていました。

このリールでは、欠けた音を見つけたのは文字でした。manaさんが探したのは、書き出した後の静止画です。直しは、先に作った102秒版にも同じやり方で届いていました。

次に私が頼むなら、書き出した後の文字起こしと修正も、最初からAIの仕事として頼みます。私は、戻ってきた見本を確認します。

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（第5章・見本への直し）

最初の大勢いる画像、ちょっと宗教っぽいからもう少しリアルな感じに変えて。

長くて細かい指示文が要るのかと思いますよね。manaさんの依頼は、どれも短い一言でした。最初の一言は、先ほどの「台本は貼った。これで動画を作って。一旦作った後、1.5倍速」です。

第1話では、Claude Codeが全編の前に冒頭1分の見本を作って見せてくれました。全編を作る前に、冒頭1分で直したい所を出し切れます。

見本への直しは、感想の形のままです。引用の「宗教っぽい」という感想だけで、Claude Codeは群衆の絵を、普通に人が行き交う展示会の報道写真風に描き直しました。ほかにも、こう送っています。

「サムネぽくしてほしいわ。中央にどんとでかい文字置いて。」「全体的にもう少しブルーなシックなビジネス感のある背景にしてほしい。」。直し終えたら「完成させて！OKだから！」で全編へ進みます。

2本目は、台本を貼って「次。同じ要領」と書くだけです。人物の直しは「女性老けすぎ。」の一言で、候補4人の顔から選び直せました。短縮版は「長尺の方、冒頭1分だけのカット版出して」で足ります。

調べ物も一言で頼んでいます。女性向けの実際のリール16本を測らせると、調べた16本では、一般の投稿は約1.2秒ごとにカットが変わり、フラッシュや回転のような転換効果は1つも使われていませんでした。

そこで作例8は、効果を使わず、寄りと引きの切り替えだけで22カットに組んでいます。

見てから次を決める順番は、私のリールでも起きていました。ショート動画をAIに任せた記事に、「先に102秒版が届いて、それを見てから「60秒以内の短い版も作る」を選んでいます。」と書いています。

私が返事をしたのは、翌朝の8時42分です。

manaさんは、1分の見本を直してから全編へ進みます。私は、完成した102秒版を見て、短い版を足しました。次にやるなら、全編の前に見本を頼みたいと思います。

AI氣道『AIのSonnet 5.5に動画編集を任せる3ステップをJayさんが解説。切る・見た目を決める・見て直す』より

「私の言い方だと、1回分を手で直し切ってから型にする」

1本目を直し切ってから、型にする。「次。同じ要領」は、その型を使う2本目です。『AIのSonnet 5.5に動画編集を任せる3ステップをJayさんが解説。切る・見た目を決める・見て直す』で書いています。

manaさん「Claude Opus 5.5 × 動画編集の教科書」（X Article）（第6章・声と絵が変になる所）

「4件」の「ん」が短すぎて、whisper が「4K」と書いたことがあります。

最後の章は、manaさん自身がつまずいた10か所です。前半の5つは、書き出しが止まる所です。

音が491本あったときは、先に1本の音にまとめてから渡します。書体は、861字をまとめて頼むと字の指定が無視されたので、200字ずつに分けて読み込みます。

35分を1ページにすると「snapshot」と「check」が時間切れになったので、確かめたい時間帯だけのページを作って確認します。

傾けたカードは「check」がエラーを出すので、その行だけ重なりを許す指定を足します。BGM は素材に60秒ごとに3秒の無音があり、1分ごとに途切れたので、拍の位置でループさせて作り直します。

後半の5つは、声と絵が変になる所です。1文ずつ録った声の跳ねは、第4章のとおり数段落まとめて録って直します。声の端のプツッは、頭に少し無音を入れ、端をフェードして防ぎます。

whisperは、時刻なしで書き起こすと長い音声の文を丸ごと落とすので、時刻つきで書き起こします。

そして、引用にある「4K」の例です。書き起こしが台本と違う所は、録り直しの目印になります。群衆の絵が、プラカードを掲げて歓声を上げる図になったときは、普通に行き交う展示会の報道写真風に描き直しました。

読み違いの見つかり方には、私の記録が2つあります。1つは見つかった例です。5本の声を比べた記事では、v3だけ、AI秘書の凛ちゃんの名前が「ディント」と聞き取られました（一致率0.80）。

「4K」と同じ、書き起こしが台本と違うことで見つかりました。

もう1つは、見逃した例です。「静かな語り動画」の手順書には、「地味」が「血味」と読まれたのに、67%一致でPASSした、と記録されています。文字列の一致で確かめた検品では、見逃したということです。

手順書は、読み（カナ）で比べる道具を使う決まりにしています。

「4K」も「ディント」も、書き起こしが台本と違うと気づけた例。「血味」は、文字列の一致では見逃した例です。数字が合格でも、名前や大事な言葉は、耳で確かめたいと思います。

manaさんの記事は、HyperFramesで動画を文字に変え、Claude Codeに書き、実行し、画像で確かめてもらう手順の教科書です。声はまとめて録り、画面の文字と読み上げの文は別に持ちます。manaさんが遭遇した10か所には、それぞれ直し方がついています。

今回紹介したのは、元記事の文章です。HyperFrames と、manaさんの構成での動画づくりは、私は試していません。作例の動画そのものも、私は見ていません。ElevenLabs は、すでに私の講座動画の声で使っています。

最初の一歩は、手元の台本を1本選び、Claude Codeに「npx hyperframes init」を実行させること。そのうえで、「台本は貼った。これで動画を作って。」に続けて「全編の前に、冒頭1分の見本を作って」と頼みます。見本が出たら、気になる所があれば1つ感想のまま伝えます。見本が1本そろったら、完了です。