編集はGPTとGeminiに任せました。

数時間分の配信を渡して「ショート動画に使う場面を5つ選んで」と頼んだら、AIは本当の編集ポイントを見つけてくれるのでしょうか？

同じ公開トーク動画と同じ依頼をGPTとGeminiに入力しました。YouTubeリンクだけを入れた場合と、タイムコード付きの字幕を一緒に渡した場合で、結果がどう変わるかも確認しました。

結論から言うと、どちらも場面を探す用途には使えました。ただし、推奨されたタイムコードをそのまま切り出してアップロードできるほどではありませんでした。

YouTubeリンクをGPTに入れるだけで、どこまでできるのでしょうか？

まず、45分の公開YouTube動画のリンクをGPTに入力し、次のように依頼しました。

この公開配信の動画から、30〜60秒のショート動画にできそうな場面を5つ選んでください。

各候補について、開始時刻と終了時刻、何が起きたのか、
最初の3秒で使えるフックと、ショート動画に向いている理由を書いてください。
似た場面は1つだけ残してください。

回答する前に、必ず動画の実際の内容を確認してください。
動画を直接確認できない場合は推測せず、まずそのことを知らせてください。

GPTは、動画本文、字幕、タイムラインを読み込めなかったと回答しました。内容を推測して候補を作らずに止まった点は、むしろよかったと思います。

は、YouTubeリンクの動画内容を確認できないと回答しました。

現在のOpenAI chat-latest モデルのドキュメントにも、入力はテキストと画像で示され、動画には対応していないと記載されています。ChatGPTのウェブ機能はアカウントや時期によって異なる場合がありますが、少なくとも今回のテストでは、1つのリンクから長い動画を読み込ませる方法は機能しませんでした。

字幕ファイルを渡すと、GPTが場面を選びました。

同じ動画の自動字幕を、タイムコード付きのVTTファイルとして受け取り、添付しました。今回は約49秒後に、5つの場面候補とおすすめ順位が出てきました。

最も高く評価された場面は 11:02~11:34の個人的な体験談でした。実際の字幕と比較すると、その時間帯にその話があったのは確かでした。長い字幕からテーマと位置を探す作業は達成できました。

ただし、その区間をそのまま切り出すのは難しい状態でした。本題が始まるのは11分8秒頃ですが、推奨された開始点には前の話が約6秒分入り込んでいました。終了点を延長した箇所は、次の出演者が新しい話を始める文の途中でした。

GPTが「文が終わるように調整した」と説明した内容と、実際のカットは異なっていました。候補を探すことと、編集可能な開始点・終了点を決めることは、別々に確認する必要がありました。

GeminiはYouTubeリンクだけで候補を作りました。

Geminiには字幕ファイルを別途渡さず、同じYouTubeリンクとプロンプトを入力しました。今回は、5つの場面とそれぞれのタイムコードがすぐに出てきました。

は、公開YouTube動画からショート動画の候補とタイムコードを作成しました。

Geminiが見つけた場面は、ゾンビに感情的に話しかける状況、脳なしで生きる生物、古代のミイラの話、感情と投資経験談、すぐに怒るための生存戦略など、互いに大きく異なるテーマでした。

公開字幕を自分で確認すると、5つの場面すべてに、その時間帯の実際の内容がありました。1つのリンクでテーマとおおよその位置を探す作業は、GPTに字幕ファイルを別途渡す方法より簡単でした。

ここにも確認すべき点がありました。Geminiが「最初の3秒のフック」として書いた文は、実際の最初のセリフというより、内容をもとに新しく作った文に近いものでした。推奨された開始点が説明の途中になっている場面もありました。

結果は動画によっても異なりました。同じように、字幕のない1時間32分の公開アーカイブを入力したところ、Geminiも内容とタイムコードを確認できませんでした。公開YouTubeリンクだからといって、常に同じ結果になるわけではありませんでした。

自分で試すなら、この手順が最も簡単です。

1️⃣ GeminiではまずYouTubeリンクを入れます。: 公開動画なら、まずリンクだけで内容を読み込めるか確認します。

2️⃣ 結果が得られない場合は、タイムコード付き字幕を用意します: VTTやSRTなど、時刻情報を含む字幕をGPTまたはGeminiに添付します。動画ファイルを受け取るツールを使う場合は、数時間分の配信を一度にアップロードするより、1時間程度に分割して扱うほうが簡単です。

3️⃣ 候補の数と回答形式を正確に指定します: 後で比較しやすいように、開始時刻と終了時刻、場面の説明、最初のフック、選定理由を必ず求めます。「確認できない場合は推測しないでください」という文も入れておくと安全です。

4️⃣ 元動画で推奨区間を再生します: 最初のセリフが切れていないか、結論の後に大きな反応が残っていないか、フックの文が実際のセリフかを確認します。

1本の動画から素材を探すだけなら、この方法だけでも最初から見直す時間を短縮できる場合があります。

場面を見つけたからといって、編集が終わるわけではありません。

どちらのツールも「どこを見ればよいか」は教えてくれました。ただし、実際のショート動画にするには、まだ作業が残っています。

字幕だけを分析すれば、話されている内容は見つけられますが、視聴者の心に本当に響いた瞬間を見逃してしまいます。何気ない言葉でも、チャットが突然流れ込み、投げ銭の後に配信者の反応が少し遅れて現れる場面があります。

ClipSprayはほかに何を見ているのでしょうか？

ClipSprayは動画と字幕だけを見ているわけではありません。チャットの流速、投げ銭、声の変化、配信中に起きたイベント、前後の反応を見て候補を見つけます。シグナルが一瞬跳ねた場所を機械的に選ぶのではなく、その前に何が起き、配信者がどう反応したかを確認します。

候補のタイムコードで終わらせるのではなく、選ばれた区間を実際にカットし、字幕と縦型画面を適用してショート動画として出力します。長い配信から編集ポイントを見つける基準は次のとおりです。 AI動画編集プログラムで何を切り出すかが重要な理由わあ CHZZKショート動画の編集手順にもまとめています。

動画が1本だけなら、GPTやGeminiに直接依頼しても十分使えます。同じ作業を配信ごとに繰り返すなら、AIが候補をいくつ挙げるかより、その後の確認と実際の編集をどこまで減らせるかが重要です。

よくある質問

GPTにYouTubeリンクを入力すると、ショート動画の区間をすぐに見つけてくれますか？

今回のウェブテストでは、YouTubeリンクだけでは動画の内容とタイムラインを読み取れませんでした。代わりにタイムコード入りの字幕ファイルを添付すると、シーンの候補と開始・終了時刻を作成できました。結果は動画、アカウント、機能の提供状況によって異なる場合があります。

GeminiはYouTube動画を直接分析しますか？

Geminiは公開YouTube URLを扱う機能を案内しています。実際のテストでも、字幕のある公開動画はリンクだけで候補を作成できましたが、字幕のない別のアーカイブでは内容を確認できませんでした。リンクなら常に同じ結果になるわけではありません。

AIが推奨したタイムコードをそのまま切り出してもよいですか？

そのまま切り出すより、元動画で冒頭と末尾を再生して確認するほうがよいでしょう。今回のテストでも、本題の前に別の言葉が入っていたり、次の話者の新しい文の途中で終わっていたりする区間がありました。

AIで長い配信を編集するとき、何を一緒に確認すればよいですか？

字幕から話されている内容はわかりますが、視聴者が実際に反応した瞬間は見逃してしまいます。ショート動画候補の精度を高めるには、チャットの流速、投げ銭、声の変化、場面転換、イベント前後の文脈を合わせて確認する必要があります。

出典

• OpenAI Chat最新モデルのドキュメント
• Google Gemini API動画理解ドキュメント