大東 信仁（ものくろ） こんにちは、今日は動画編集の話。
AIで、動画編集と字幕が全部自動でできるような予感がして、試しに2分ほどの動画を撮りました。
最初は、話題のChatGPTのDotsにやってもらうつもりで、そのためにChatGPTのプランも、1ヶ月だけ上げまして。
が、
Dotsでは、動画編集がうまくできませんでした、動画ファイルをアップロードしようとしたら、ファイルサイズが大きすぎるとのエラーに。
20MBまでのファイルしかアップできないようで。
で、Claude Code に動画を渡して頼んだら、顔の明るさ補正、字幕、「えー」「あー」のカット、コンクリート部屋の反響を抑えるところ、注釈のテロップまで、全部やってくれました。
1行もコードは書いていないんです、全部、話し言葉で頼んだだけで、できました。
※2026年10月時点の話です。Dotsは今後、動画編集に対応するかもしれません。
その動画がこちら。
Dotsに、字幕も編集もやってもらうつもりだった
動画の中でも話しているんですが、Dotsで、字幕も編集も全部やってくれたらなと思っていたんですよね。
「えー」とか「あー」とかの言葉も、カットしてくれたらいいなと。
Dotsは、2026年9月末の OpenAI の DevDay で発表された、ずっと動き続けてくれるAIエージェント。
Pro と Business Premium のプランで使えます。
(正直、Mac miniを24時間動かしているので、Dotsいらないのかな、とも思っているんですが、Mac miniを手元に持っていない人の方が多いはずなので、Dotsで全部回るなら、それはそれで良いなと。Mac miniを24時間動くAI専用機にした話は、こちら)
Dotsでは、動画編集ができなかった
ということで、この動画は、Claude Code で編集しています。
動画の中にも「実はDotsでは動画編集できなくて、この動画はClaude Codeで全部編集しました」と注釈を入れてと、これまた話し言葉で指示して出来ました。
Claude Codeに頼んだのは、話し言葉だけ
実は、この動画の前に、1分ほどの別の動画でも同じように頼んでいて、そのとき言ったのが、
「顔が暗いのを、もうちょっといい感じにしてほしい」
「聞き取りやすいように編集して、字幕もつけて」
の2つ。
この動画には「これもやって」だけ。
あとは、出来上がるたびに、
「カットしてね」
「コンクリートの壁がある部屋で撮っていて、反響しているので、もっとクリアにして」
という感じです。
Claude Code のモデルは、Opus 5.5。プランは Max の200ドルプランです。
顔の明るさと、音量
iPhoneで撮った動画は、HDRという形式で記録されているらしく、そのままだと明るさの調整がしにくい様子。
Claude Code は、Macに入っている機能で普通の映像に変換する小さなツールを自分で作って、そこから、顔のまわりだけをふんわり明るくしていました。
窓を背にした逆光だったので、背景の窓はそのままで、顔だけが明るくなっています。
音量は、マイクの設定を間違っていて、、、音量がかなり小さかったらしく、-38.5 LUFS という数字が出ていまして、YouTubeの基準らしい -14 LUFS に合わせてくれました。これだけでも、手作業だったら、、手間が大きくかかったと思います。
「ドッツ」「アストラ」を、自分で調べて字幕を直していた
字幕は、Whisper という文字起こしのAIで起こして、Claude Code が手直しする流れ。
文字起こしだと「ドッツ」「アストラ」とカタカナで出てくるんですが、Claude Code がWebで検索して、OpenAIの「Dots」と「GPT-6 Astra」のことだと調べて、表記を直していました。
「話題のDotsも座りたいし」は「触りたいし」に、「ホルダー」は「フォルダ」に。聞き間違いも直してくれています。
あと、「Mac miniを24時間動かしている」のところ。
文字起こしでは、何度やっても「20時間」になっていたんですよね。
Claude Code は、すぐ後に「24時間Mac mini」と言っているのと、前の動画でも24時間と話していたことから「24時間」と判断して、さらに、その部分だけを切り出して文字起こしし直して、「24時間」で合っていることを確かめていました。
「えー」「あー」のカットは、思ったより手間がかかっていた
Whisperは、話し言葉をきれいな文章にしてしまうので、「えー」や「あの」を文字に残さないらしい。
そこで Claude Code は、音声を息継ぎのところで約60個のかたまりに分けて、ひとつずつ文字起こしして、「あの」「まあ」だけのかたまりを探していました。
その途中、「えー」と判定されたかたまりが、実は「優秀でー」の語尾だった、というのも、2通りの文字起こしを突き合わせて見抜いていた。
結果、カットしたのは、「まあ」「あの」「なんか」などのフィラーと、「24時間MacBook、あ、違う、MacBookじゃない、言い間違った」の言い間違いの部分。
0.4秒より長い間は、0.35秒に詰めて、
2分8秒の動画が、1分53秒に。
Claude Codeが、自分のミスに自分で気づいて直していた
Claude Code は、まだ、直接、音を聞くことができないんですよね。
なので、カットした動画をもう一度文字起こしして、つなぎ目の前後で言葉が欠けていないかを、確かめていました。
1回目。
「お手元に」が「お手も」に、「思考レベル」が「高レベル」になっていた。
原因は、この動画の声が小さめで、小声の部分まで「無音」と判定して削っていたこと。本当の無音の大きさを測り直して、基準を変えていました。
2回目。
まだ「思考」の「し」が欠けていた。
「あの」と「思考」の間で、音が途切れている場所で切ったつもりが、その途切れは「こう」の「k」を発音する直前の、一瞬の無音だったらしい。
前後をつないだ音声を何通りも作って文字起こしして、「し」が残る切れ目を探し直していました。「でもこれもですね」の「ね」も同じように欠けていたので、一緒に直してくれています。
3回目。
今度は、映像が音声より2コマ(約0.07秒)遅れていた。
カット前の動画と1コマずつ見比べて見つけて、原因(時刻の計算の丸め誤差らしい)を直していました。
コンクリート部屋の反響は、Macに入っている機能で抑えた
撮った部屋がコンクリートの壁で、声が反響して、ちょっと聞き取りにくかったんですよね。
(声が小さい講座動画を Claude Code で聞きやすくした話は、こちら)
Claude Code が使ったのは、macOSに標準で入っている「AUSoundIsolation」という、声を分離する機能。
これを呼び出して利用していました！すごい！
128秒の音声が、1.6秒で処理完了と速い。
ここでも、ひとつ落とし穴がありまして、この機能は「遅れはゼロ」と申告するのに、実際は声が0.056秒遅れて出てくるらしく、そのままだと口の動きとずれていたらしく、
Claude Code は、元の音声と波形を比べて遅れを測って、ずれを直していました。
言葉の終わりから0.2秒後に残る響きは、Claude Code の計測で -17.4dB から -27.8dB に。
処理っぽい音にならないように、分離した声85%に、元の音15%を混ぜる形で完了にしていたようです！
注釈テロップと、投稿文まで
最後に、テロップを2つ入れてもらいました。
Dotsの話をしている場面には、左上に小さく「実はDotsでは動画編集できなくて、この動画はClaude Codeで全部編集しました」。
プランを上げた話の場面には、画面の上に大きく「Dotsで出来ず、Claude Code Max200プランで動画編集しました」。
YouTubeのタイトル案と概要欄、タグも、Claude Code に作ってもらっています。
まとめ
Dotsで動画編集をやってもらうつもりが、出来ず、
Claude Code に動画を渡して、話し言葉で頼むだけで、字幕、カット、明るさ、音の調整、全部 出来ました！
ひとつ注意なのは、Claude Code は音を聞けないこと。
文字起こしと数値で確かめてはくれるけど、最後に自分の耳で聞いて確認するのは、人間の仕事ですね。
動画の最後で「人間が作業する時代、終わったのかな」と話していたんですが、少なくとも、この動画の編集は、話し言葉で頼むだけで終わりました。
※2026年10月時点の話です。Dotsは今後、動画編集に対応するかもしれません。
