Claudeで動画制作、動画生成AIを使わずコードで映像を作る方法

出典: 動画生成AI、使ってません。Claudeで動画制作

動画の冒頭に流れた、番組の紹介動画。これが動画生成ではなくコードで作られていた、と動画は明かします！ 映像を見ただけで、何で作ったか分かりますか？

動画の冒頭には、番組の紹介動画が流れます。ピンクのラジオが回り、スピーカーの網目に入っていくと、番組のロゴが出る映像でした。

出演者の一人が、今の動画は何で作ったと思うか、と問いかけます。答えは、動画生成ではなくコードでした。

別の一人が、Claude の Opus 5.5 にコードだけで作ってもらった動画だ、と答えます。ここでいうコードは、プログラミングのソースコードのことです。

ロゴやイラストの素材を使い、1秒ごとにこの位置をずらす、といったことをコードで指定する、と説明されます。画面にも、素材とコードで動画に、の文字。

一つ前の世代の Opus 5 の頃にも同じことはできたが、今より少しショボかった、と動画は言います。

Opus 5.5 で何が変わったのか。それが次の一言です。

動画の出演者（動画 1:50〜）

このコーディングがうまくなったからこういうグラフィック的なコード生成もすごくうまくなって圧倒的にアウトプットのクオリティが高い動画も作れるようになったということです。

前の動画では、丸と三角を組み合わせて人っぽく動かす、記号的な表現が限界というイメージだった、と出演者の一人は振り返ります。

コードで動画を作ること自体は、どのモデルでも可能。ただ、1回の指示だけではきれいにならず、細かい制御が要った、と話します。

スライド画像に演出を差し込む程度なら十分だった、とも。

動画の出演者（動画 3:21〜）

そう。映像作品的なものまでできるようになったっていうのが今回の進化ですね。

ここで見せたいのは、冒頭の映像そのものなんですよね。動画生成AIを使わなくても、ここまで映像になるという見せ方。

ロゴやイラストは、番組がすでに持っている素材です。その並べ方と動かし方を書いているのが、コードの側。

絵を一から描かせるのではなく、手元の物をどこに置き、何秒目にどう動かすか。決め事は、そこに集まっているんですよね。

コードで動画を作ること自体は、一つ前の世代の頃にもできたんです。ただ、1回の指示ではきれいにならず、細かい制御が要った、と動画では説明されます。

それが Opus 5.5 では、記号的な表現を越えて、映像作品と呼べる所まで。動画の話の芯は、この差なんですよね。

素材は、番組がもともと持っている物。そこへ、置き場所と動く順番をコードで書き足していく形です。

コードが書くのは、何秒目に、どこへ、どう動かすか。

何を映すかは素材が決めて、どう見せるかはコードが決めます。冒頭の映像は、この分担で見ると読みやすいです。

動画を作る道が、増えたんです。私はそう見ています。

素材を用意しておくのは人の側、配置と動きをコードに書くのはAI。私は、この分担で見ています。

で、画面に出たプロンプトは、拍子抜けするほど短いものでした！ それでも映像になったのは、先に素材が渡っていたからです。

画面に、プロンプトの全文が出ます。中身は、動画生成AIを使わない動画を作ること。テーマは番組のプロモーション動画、という指定です。

動画の画面に出たプロンプト（動画 3:55〜）

あなたの最大限の能力を使って動画生成AIを使わない動画を作って、テーマはジェネトピのプロモーション動画です。

続けて、AI動画で作っていないのか、と誰もが驚くようなものを、と求めています。

表現手法はお任せ。方向性が色々あるなら最大3本まで作って、とも書かれています。

出演者の一人は、小学生が言いそうな指示、神プロンプト、と笑います。

別の一人の返しは、長年の歴史からひねり出した、のひと言。要約すると、最大限かっこよくしとけ、という指示ですｗ

素材の渡し方は、手元の環境です。番組のロゴ、動画のタイトル、ブランドカラーが入っていて、Claude がそれを集めて演出を考えた、と話します。

ウェブ検索ではなく、手元の素材を辿った形。

画面にも、素材をもとに作る、と出ます。素材（ロゴ・タイトルなど）、演出（雰囲気や色を考える）、動画（コードで形にする）の3段の図。

動画の画面に出たClaudeの返答（動画 4:34〜）

ジェネトピのプロモ動画を3本（各30秒・16:9）作り、上に送りました。

返事の続きは、3本とも最後の2〜3秒で、これはコードで描いている、と種明かしする作り、というものです。

3本の中身は、ピンクのラジオの中に飛び込む映像、約26万個の点が動く映像、ブランド色のインクが流れる映像。

インクは、流体の計算をブラウザ上で毎コマ解く、と画面に出ます。

短い指示で通ったのは、素材が先に渡っていたから。

ロゴもタイトルも色も、最初から手元に揃っている状態。だから一行の指示でも、番組らしい映像に寄ったんですよね。

私は2026年10月16日、Opus 5.5 と HyperFrames で、今日何曜日だっけ、というお題を、頼み方を変えて動画にしました。1つ目は、一行で頼んだ版です。

1回目に頼んだ文は、今日何曜日だっけ、BGM付きの30秒のかっこいいモーショングラフィックスで教えて、全力を出してください、というものです。

AIは約25分で作り、書き出しを3回しました。できたのは、黒と金の画面。

グリッチと呼ばれる画面のノイズ、閃光、画面の揺れ、衝撃波の輪。光る、揺れる、弾けるが、頼んでいないのに次々に入ってきました。

私の読みでは、AIはかっこいいを、派手な演出を足していくことだと受け取っています。

7つの指定を書いて頼み直した版は、AI氣道の色と字になりました。揺れと閃光は出ていません。残ったのは、言いたいことが1つだけ。

書かなかった所は、AIの好みで埋まります。動画のプロンプトが短くても番組らしく寄ったのは、ロゴとタイトルとブランドカラーが先に渡っていたから。

私の記事より（Opus 5.5 と HyperFrames で動画を作らせ、一行で頼む版と細かく指定する版を見比べた記事・一行で頼む動画と細かく指定する動画の見比べの節）

私の読みでは、一番効いたのは使わない表現の1文です。AIが得意な派手な演出を、先に止めておけるからです。

動画のプロンプトも、短いのは確かです。といっても、動画生成AIを使わない、という一番外側の線は、最初に引いてあるんですよね。

以前の私が書いた、使わない表現を先に止める、と同じ向きの動きです。

AIに渡すのは目的だけでは足りません。素材と背景、それに使わない表現まで渡すと、出来上がりが自分の側に寄ってきます。

一行の指示なんて、手元の素材の上に乗った最後の一枚。表に見える短さより、裏で渡した物のほうが効いています。

私なら、一行で頼む前に、素材と使わない表現を先に渡します。

そもそも、なぜコードを書くだけで映像が動くのでしょうか？ ここは出演者が、AIに作ってもらった解説動画で答えた所。仕組みが分かると、直しやすい理由まで見えてきますよ！

仕組みを聞かれた出演者の一人は、よくわからないので、AIに教えてもらった、と答えます。そのAIが作った約85秒の解説動画が、そのまま流れる構成。

解説動画によると、動画を作るAIには2つのやり方があります。1つは、画家のように一コマずつ絵を描くやり方。

2つ目は、何秒目に何がどこにあるかを書いた設計図を作るやり方です。

今回の動画は後者。ブラウザが設計図のとおりに描いて、一コマずつ撮影します。1秒に30枚つなげれば動画になり、画面にも、30コマ＝1秒、と出ます。

動きは、一定の速さで滑らせるだけか、加速して着地して少し弾ませるか。

配置は、真ん中に並べるだけか、余白と強弱で目線の通り道を作るか。その差が映像に出る、という説明です。

動画の出演者（動画 5:57〜）

AIのプログラミングの腕がそのまま映像の質になります。

100個の図を同じルールで動かし続けても、崩れずに増やせる作り。

ただ、一発で完璧には書けない、と解説動画は続けます。差がつくのは、撮って、見て、直すの繰り返し。

文字のはみ出しや重なりを、仕上がる前に自分で見つけて直します。同じ時刻なら必ず同じ画面になるので、1文字だけ変えても、他のコマは壊れません。

AIが作った解説動画のナレーション（動画 6:27〜）

AIは絵がうまくなったんじゃない。映像を設計して見て直し切れるようになったんです。

見終えた出演者は、自分が説明するより100倍分かりやすい、と一言。

これまでソフトで作っていたグラフィックの映像を、AIがやってくれるようになった、という反応です。

配置を変えたい時も、プログラムなので、高さを変えて、と頼めば制御できる、とも話されます。

絵の上手さより、設計の仕方と、見て直す回数。映像の質を決めているのはそっちだと、私は見ています。

正直、この章は、私の手元の作り方にいちばん近い話なんですよね。

私は2026年10月10日、インスタ用の動く投稿を、動画生成AIを使わずに7本作りました。

Mac の中のHTMLのアニメを1コマずつ撮り、ffmpeg でつないだ形です。

長さは各4〜6秒で、通しの連結版は36秒。書き出しは2分40秒でした。作り方のコードの設定は、1秒30コマにしていました。

設計図どおりに1コマずつ撮って、つなぐ流れ。動画で説明された仕組みと私の作り方は、そこが同じ考え方なんです。

私は2026年10月16日、一行で頼んだ動画で、この撮って、見て、直す、が実際に起きました。

1回目の書き出しで、10.5秒の時点、上のスロットは金の字を出しているのに、下の帯は土を指していたんです。それでも、書き出しの道具の自動検査は合格。

このずれに気づいたのは、AI自身。書き出した動画からコマを切り出して見て、上の字と下の帯が合っていないのを見つけ、3回目の書き出しで直しています。

私は手を動かしていません。

そこで、AIに頼んだ一手。検査のあとに、ffmpeg で1秒ごとにコマを切り出して並べ、AI自身に目で確かめさせました。動画は再生せず、止まった絵を並べて見るだけ。

検査の合格と、見た目の合格は別物。

でね、見る作業はAIに回せても、これでいい、と決めるのは私の目。ここは手元に残します！

コードで作る動画は、何でもできる魔法ではありません。強い所と、まだ難しい所。動画はその2つを分けて話していて、選ぶ時の目安になります。

メリットの1つ目は、直したい所だけ直せることです。

動画生成AIだと、文字が崩れたシーンだけ作り直そうとしても、他のところ（キャラクターの顔など）まで変わってしまう、と話されます。

動画の出演者（動画 8:15〜）

なんで文字とか数字とか色とかちょっとだけ動きを変えたいみたいな細かい制御とかは全部コード上で指定してできるんで、

画面に出る言葉も、直したい所を指定する、文字の位置などを指定して修正、動画全体を作り直す手間を減らす、の3点。

2つ目は、再現性が高いこと。前回と同じものが同じにでき、バリエーションも作りやすい、と動画は続けます。

動画の出演者（動画 8:27〜）

再現性が高いですよね。前回やったやつが全く同じものができる。

文字や数字の入った動画とも相性がいい、と話されます。冒頭の動画の文字は全部コード。

宇宙のようなロゴの動きも、画像を貼ったのではなく、ロゴ画像を認識した上で再現するコードで作っている、という説明です。

話はデメリットへ。人物や風景、映画のようなカメラで撮る映像は、引き続き動画生成を使う必要がある、と動画は言います。

動画の出演者（動画 9:40〜）

はい。ま、でも実写はまだ難しいす。

画面にも、実写のような表現は別の選択肢も、人物や風景をリアルに見せる映像には動画生成AIも使い分ける、と出ます。

ほかの作例は、コードで作ったドット絵の動画。

サーバー室とピンクのロボットが並ぶ映像で、こういうグラフィック動画は動画生成を使わずにできる、と話されます。

強い所と難しい所が、はっきり分かれた整理。ここまで線がくっきりしていると、選ぶ側は迷いにくいんですよね。

直したい所だけ直せるか、実写をリアルに見せられるか。軸が2本あれば、作る前に考えることが減ります。

文字や数字が主役の映像はコード、人物や風景が主役の映像は動画生成。動画の整理を一言にすると、この分け方になります。

私の記事より（動画を、描く型と切る型に分けて読んだ記事・動画は、描く型と切る型に分けて読むの節）

描くのではなく、すでにある映像を切る。私は、これを切る型と呼んで読むことにしました。

動画で語られた、コードで映像を描く道は、私が書いた描く型の側です。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。

素材が先にあるか、ないか。この順で考えると、描くか切るかの最初の分かれ道で迷わずに済みます。

AIは、道具の数を横に広げてくれる存在。その中のどれを使うかを、場面ごとに縦に選ぶのは人の側なんです。

同じものが同じにできる再現性も、私には、直す回数を増やせる理由に見えます。

1本を丸ごと作り直さず、気になった所だけを直して、また見直し。

その往復を何度でも回せる道。

実写が要る場面で、無理にコードへ寄せる必要はありません。反対に、文字が主役の映像を生成で作り直し続けるのも、遠回りになりがち。

文字の位置や数字を一部だけ変えたい映像なら、直したい所だけ直せるコードの道。人の表情や風景の空気を見せたいなら、生成の道。

どちらも手放さずに使い分けるのが、私の結論です。

ここから、動画の話はお金に移ります。動画生成で作る場合と、コードで作る場合。2つをお金で並べると、どこに違いが出るのか？ここは、動画で話された中身を順に並べます！

最初は、コードで作る場合の話から。かかるのはトークンの使用量だけ、と動画では話されます。

動画生成のほうは、1本15秒くらいで数百円になる、と出演者の一人は話します。しかも修正は必ず入るので、1本の値段はさらに上がる、という整理です。

動画の出演者（動画 11:53〜）

かかりますね。普通に1本15秒とかで数百円とかになって絶対修正入るから

ここで、出演者の一人の体験談がひとつ。

動画生成を1回やろうとして、4秒くらいのフルHDの動画を作ろうとしたら300円かかり、そこで挫折した、という話です。

これまで動画は、気合いが要る人や、仕事で必要な人が使うもの。コードで作る形なら、今まで動画をやってこなかった人にも広がる、と話は続きます。

オープニングムービーを発注する話も出ます。発注だと指示を出しづらく、修正は2回までのような制約つき。コードなら無限にパターンが作れる、という対比です。

動画の出演者（動画 13:00〜）

だってこのオープニングムービー発注するとしたら何十万かかるじゃないですか。

動画生成は、1本15秒で数百円になります。しかも修正は必ず入りますから、1本の値段はそこから上がっていきます。

コードで作る側は、かかるのはトークンの使用量だけ。お金の物差しが、2本の道でまったく違う形。

動画生成で直すたびに起きるのは、作り直し。1本の値段は、直すほど増えていきます。

一方、コードで作る形は直したい所だけ直せる、というのが動画の整理です。同じ映像を土台にして、何度でも手を入れられる形。

私は2026年10月16日、Opus 5.5 と HyperFrames で、頼み方を変えて、動画を作りました。AIの書き出しは、3回、2回、1回、4回。

一行で頼んだ版が3回。7つの指定を書いた版が2回。お手本の頼んだ文をそのまま渡した版が1回。お手本の動きだけを借りて、AI氣道の15秒に作り直した版が4回です。

同じ道具でも、1回から4回まで。直す回数は、頼み方で変わります。

だから比べる時は、1本の値段の前に、何回直しそうかを見積もってみてください。でね、値段はそのあと。

もうひとつ見るのは、映像の主役です。文字や数字なのか、人物や風景なのか？

文字や数字が主役ならコードの側。人物や風景が主役なら動画生成の側。第4章の使い分けが、そのままお金の比べ方にもつながります。

動画の最後の話題は、道具選びです。どのモデルに頼むか、何を素材として渡すか。作り始める前に決めておきたい所が、ここにまとめて並びます。

いちばん上手くできるのは、今のところ Opus 5.5、と動画では説明されます。

コーディング能力がいちばん高いのが Claude 系のモデルなので、そこにやらせたほうがアウトプットが良い、という理由です。

ざっくり指示しても、いい感じに仕上げてくれるという話。

Claude のほうがセンスがいい、とも話されます。なぜそうなるのかを聞かれると、わからない、と答えます。

動画の出演者（動画 14:11〜）

なんでかはわかんないですね。

素材はあったほうがいい、と出演者の一人は話します。

ロゴがあると雰囲気が伝わるので、差し込んでほしい素材は、差し込んでほしいと伝えて渡す、という整理です。

ウェブページやウェブサイトを渡して、このサービスの紹介動画を30秒で、と頼んでもいけると思う、とも話されます。

画面に出るのは、ロゴや参考サイトも渡す、の文字。伝える、添える、確かめる、の3段です。

使った道具は HyperFrames。30秒、1秒30コマのコマを重ねて動画にして、BGMも入れる、と説明されます。

動画の出演者（動画 15:11〜）

これは、え、ハイパフレームは使ってますね。

HyperFrames がなくても、自分でコードで動かすことはできます。ただ、使ったほうが精度が出る気がする、と話は続きます。

感想の場面もあります。出演者の一人は、粘土を少しずつ動かして写真を撮っていく、子どもの頃のアニメを思い出した、と話します。

動画の出演者（動画 15:56〜）

いや、このクレイヤー思い出しました。ちょっとずつ動かして粘土とかそういうの動かして写真撮って動画にしてくみたいなって子供の頃よく見るじゃないですか。あれ天才だなと思ってたやつをクロードがやってくれてるみたいな。

それを受けて、別の出演者は、何の努力もなくやっているけれど、電力だけは消化している、と返します。

最後は、次回のエンディング動画を作ろう、という話に。ところが動画の最後の画面には、エンディング動画は作られませんでした、と出る小ネタが入っていますｗ

素材と道具の話は、結局ひとつの所に戻ってきます。渡す側が、何を持っているか。

HyperFrames は、HTMLで書いた動きを、動画のファイルに書き出す道具です。先に公開した記事は、手元で試す前の段階の紹介。

その後、2026年10月16日に、実際にAIに頼んで作りました。

私の記事より（manaさんのX記事を紹介して、Claude Code で台本から動画を作る手順をまとめた記事・冒頭のあいさつの節）

紹介する HyperFrames は、私はまだ手元で試していません。

そのうえで、素材はあったほうがいい、には私は賛成です。ロゴや色の素材は、動画の見本の側。

そこに足したい物がひとつあります。自分が残したい一言です。

見本だけでは、その一言を置く場所がありません。

Opus 5.5 がいちばん、は出演者の見立てです。私の判断は、モデル選びより先に、渡す物を決めること。

私なら、素材と一緒に、残したい一言を1つだけ渡します！

動画は、動画生成AIを使わない紹介動画から始まり、使ったプロンプト、コードで映像が動く仕組み、メリットとデメリット、お金の話、モデルと素材の選び方、の順に進みました。

私が持ち帰ったのは、1つです。映像を作る道が1本増えても、何を残すかを決めるのは人の側に残ること。

で、次に動画を作る時の私の順番は、素材を集めて、残したい一言を決めて、使わない表現を書いてから頼む、です。

次に動画を作る時、素材と一緒に渡す一言は、決まっていますか？