今日、この記事と同時に、3分26秒のアニメーションを私たちのYouTubeチャンネルに公開しました。Syncingのプロモーション映像を企画していたとき、「Syncingの開発で使っているワークフローを、映像づくりに持ち込んだらどうなるだろう？」という問いから始まったミニプロジェクトの成果です。マインクラフトのような四角いブロックでできたひよこが、私たちのSyncingアプリを舞台に一日を過ごす、セリフのない短い映画 — 『The Little Chick』。お堅いSaaSの説明動画より、キャラクターIPを通したアプローチのほうが届くのではないか、と考えました。こういう映像を作るのは初めてでしたが、アニメーションスタジオも動画編集ソフトもなしに、Claudeと一緒に作り切ることができました。100%満足というわけではありませんが、初めてのYouTube長編としては、悪くないと思っています。

この記事はその制作記です。まず数字から:

最終成果物	1920×1080 · 30fps · 3分26.6秒
制作期間	作業セッション3回 — 約1日
生成AI支出	約33ドル（fal実測 25.28ドル[映像・音楽・効果音] + 画像 約8ドルの概算 — 大半が「俳優の演技」クリップ）
効果音	無料のプロ用ライブラリ1,802ファイル + ライブラリにない音だけ生成で補完（費用は上の33ドルに含む）
音楽	0円（YouTubeオーディオライブラリ）
編集ソフト	なし — PremiereもCapCutも使っていません。すべてコード（Remotion）
それ以外すべて	もともと契約していたAIサブスク（Claude・月額定額）
最終スタック	Claude Code（AIコーディングアシスタント — 絵コンテ・コード・検収） · Remotion（Reactで映像をレンダリングするツール） · Google Veo 3.1 fast（演技クリップ・fal経由） · gpt-image-2（画像・OpenAI） · CassetteAI（効果音生成） · ffmpeg（クロマキー） · YouTubeオーディオライブラリ（音楽）

表の「それ以外すべて」の行が、この記事の核心です。この映像の本当の予算を決めたのは「生成AIをいくら使ったか」ではなく、「何を生成せず、コードで解決したか」でした。

発想 — 俳優だけ映像AI、舞台はコード+画像

AIで映像を作るというと、ふつうは「テキストを入れると映像が出てくる」ツールを思い浮かべます — Sora、Google Veo、Seedanceのような。私たちも、そうしたツールだけで完成させる道を検討し、結論としては見送りました。

「全部まとめて生成すればいいのでは？」 — 三つの理由で見送りました。正確に言えば、できたとしても割に合わないのです。

第一に、長い映像も、実は「一発生成」ではありません。 この記事を書いている時点で、映像生成モデルが一度に出せる長さは8〜15秒前後です — 私たちが使ったGoogle Veoは1回8秒。数分の映像を作ってくれる「延長」機能を持つツールもありますが、中を覗けば、前のクリップの最後の場面を次のクリップの起点にしてつなぐ連鎖生成です。結局、誰かが短いクリップをつないでいる — ツールがつなぐか、自分がつなぐかの違いでしかありません。

第二に、つなぐ工程をAI任せにすると、キャラクターの一貫性を保つのが難しくなります。 前のクリップの最終フレームを次の起点にする方式は、コピーのコピーを作るようなもので、つなぐたびに姿・照明・小道具が少しずつ変わっていきます。一貫性が崩れた瞬間、元のキャラクターはもういません。私たちは逆に、カットごとにキャラクターの基準画像から新規に生成する方式にしました — 8秒ごとに変形がゼロにリセットされるので、完成版では最後まで同じひよこが出てきます。

第三に、失敗したときの被害の大きさと費用が違います。 まとめて生成するなら、カット割り・カメラ・タイミングをプロンプト一段落に詰め込むことになり、どこかが気に入らなければ全体を作り直す博打になります。8秒1クリップで1〜2ドルですから、3分ならそれだけで数十ドル — 修正のたびに同じ額です。短い単位なら、失敗はそのクリップ一つに閉じ込められます。実際に失敗は何度かありましたが、どの失敗もカット一つ分の費用を超えませんでした — 何があったかは後ほど。

実は、この三つは推測ではなく授業料です。この映像の前に、ショート動画で二度払いました。一本は通しの生成ドラフトで作ってみたところ — 絵は良かったのに、画面に謎の文字が混ざり、つなぎ目を直す方法が「全部引き直し」しかなく、お蔵入り。次の一本は場面ごとに分けて作ったら、今度は場面ごとにキャラクターが微妙に違う。この映像の工程 — 8秒単位、そして毎カットの基準画像 — は、その二つの失敗から出てきた答えです。

私たちは8秒というモデルの限界を、そのまま作業単位として受け入れました。

そして、映画のVFX現場のやり方を裏返してAI映像制作に持ち込みました。映画は俳優をグリーンバックの前で撮り、背景をCGで合成します。私たちはその逆です。

• 俳優（ひよこの演技）だけを生成AIで撮る — 単色背景の前で、8秒の短い演技クリップとして。
• 舞台・カメラ・照明・タイミング・字幕・音の配置はすべてコードで — Reactで映像を作るツールRemotion、いわば「コードで操作する動画編集ソフト」で。舞台の演出で足りない部分は生成画像で補います。
• 舞台の大部分は実際のアプリ画面キャプチャ — なぜ実物でなければならないかは次章で。

この分業が費用構造を変えます。生成映像は秒単位でお金が出ていきますが、コードは何度直してレンダリングしてもタダです。そしてそのコードを書く仕事は、AIコーディングツールのClaude Codeがやります — 費用は、もともと払っていた月額サブスクだけ。使うたびに課金される側（生成）を最小に抑え、定額の側（コード）に仕事を寄せる。これがこの作り方のすべてです。

映画の現場にたとえると、役割はこう分かれます:

映画の現場なら	今回の制作では
俳優	生成AI（Google Veo） — 8秒ずつ演技だけ
舞台セット	実アプリ画面キャプチャ + 生成背景画像
カメラ・照明・編集	Remotionのコード
監督 — すべての判断と最終決定	人間。私です

この表で出演料が発生するのは「俳優」の一枠だけです。

ただ — この費用の話より先に決まっていた一線があります。次章はその話です。

なぜ100%生成にしなかったのか — お金より先にある理由

費用だけが理由なら、「生成AI 100%」も選択肢だったでしょう。しかしこの映像はプロダクトの公式チャンネルに載るもので、そこにはお金に換算できない、譲れない線が二本あります。

第一に、虚偽広告の一線。 画像・映像の生成モデルは「それらしいアプリ画面」を実に上手に描きます — 存在しないボタン、作っていない機能、実際と違うレイアウトが、自然に混ざって出てきます。その画面がプロダクト映像に入った瞬間、それは演出ではなく虚偽表示になります。プラットフォームのポリシーも同じ場所に線を引いています — YouTubeがポリシー違反を判定する基準は「誇張かどうか」ではなく、「動画は約束したものを見せたか」です。私たちは実際に体験しました: サムネイル実験で生成モデルに全権を渡したら、モデルは偽のアプリUIを描き、アプリ名まで勝手に発明したのです。売れる絵は知っていても、私たちのプロダクトは知らない、ということです。

第二に、誤情報の一線。 視聴者は画面に映るものからプロダクトを学びます。生成画面の不正確なディテール — メニューの位置、操作の順番、クリックで起きること — は、ユーザーに間違った使い方を教え、実際のアプリを開いたときの「動画と違う」という裏切られた感になって返ってきます。マーケティングの問題ではなく、プロダクトへの信頼の問題です。

だから絵コンテを書く前に、防衛線を引きました: 「アプリの動作は実画面キャプチャのみ」。生成AIはアプリ画面に手を触れず、俳優（キャラクターの演技）だけを受け持ちます。この映像の中でアプリがしていることは、すべて実際のアプリを起動して画面録画したものです。

まとめると — 「生成AIをどこまで使うか」の境界線は、予算が引くより先に正直さが引きます。費用の最適化は、その線の内側の話です。

プリプロダクション — 絵コンテが半分。Claudeは頭脳であり企画者。

ここまでが設計の話。ここからは実際に作った順です — 作業はチャットセッション3回、実作業時間はおよそ1日でした。最初のセッションでは本編の撮影に入りませんでした。代わりに二つのことをやりました。

工程の検証。 「キャラクターの演技だけクロマキー（単色背景だけを透明に消す技術 — 次章で詳しく）で抜き、背景とカメラはコードで」が本当に成立するのか、AIエージェントを複数並列に走らせて業界事例と公式ドキュメントを調べ — 決め手として、2ドルほどの事前検証テストを先に回しました。キー色の候補3色（グリーン/ブルー/マゼンタ）でファーストフレームを3枚 → 8秒の演技クリップを1本 → クロマキー → アプリ画面への合成まで、最小費用で全工程を一度通し、「この工程は成立する」を実物で確かめてから本制作に入りました。大金を使う前に、少額で仮説を検証する — これが超低予算制作の最初の教訓です。

絵コンテ。 出発点のコンセプトは「セリフのない昔のサイレント映画のように」でした。完成版がその文法を教科書どおりに実装した、という意味ではなく — 発想の起点をそこに置いた、という話です。作り方は最初から最後まで対話でした。私がClaudeに方向を伝えると絵コンテの草案が返ってきて、場面ごとに「これは良い」「ここは変えて」と答えると、直した版がまた返ってくる。絵コンテはこの往復で第2稿まで練り上げました — 実は、この記事に出てくる「直した」「決めた」は、すべてこのチャットの往復のことです。

そうやって骨格が決まりました: エディタ画面を池と勘違いしたひよこが飛び込むオープニング、ブロックの階段を登ってタイトルを完成させる場面。そして防衛線（「アプリの動作は実画面のみ」）は絵コンテの冒頭に一行で刻まれ、すべてのカットを生かすか殺すかの最初の基準になりました。

もちろん、Claudeがfalの有料モデルやOpenAIのgpt-image-2を自由に呼び出せるよう、スキル — 豊富なエージェントリサーチをもとに自作した手順書 — でつなぎ込みをあらかじめ済ませておきました。だからClaudeは頭脳として、ツールとエージェントを実際に指揮し操作する立場にあり、私は自由な会話でコミュニケーションしながら、調整し、方向を決めるだけでよかったのです。

クロマキー — 配信の技術をAI映像の組み立てに持ち込む

クロマキーは、ライブ配信でいつも見るあの技術です — 配信者が緑の背景の前に座ると、背景だけが消えて、ゲーム画面の上に人だけが残る。今回の制作の要は、この映像編集の技術をAI生成映像の組み立てに持ち込んだことです: ひよこを単色背景の前で演技させ、その色だけを透明に消して、実際のアプリ画面の上に載せる。

標準と違うのは色だけです。うちのひよこは黄色い体に紺のトリムなので、理論上はグリーン（黄色には緑成分が含まれる）もブルー（紺）も危険でした。ところが事前検証で3色を実測すると、静止画では3色ともきれいに抜けました。最終採用はマゼンタ — キャラクターのどの色からも一番遠く、圧縮で色の境界がにじむ映像でも最も余裕が残る色だからです（ffmpegクロマキー · similarity 0.18 / blend 0.14）。教訓: キー色は慣習ではなくキャラクターのパレットが決める。そして静止画で抜けても、映像で抜けるとは限らない。 このとき決めた数値はすべて記録してあります — その記録が後に何になるかは、記事の最後で。

撮影 — お金が出ていくのはここ

撮影は2段構えです。

ファーストフレーム画像。 各演技カットの始まりになる静止画を生成します。私たちはgpt-image-2を高品質設定で使いました — 1枚あたり0.2〜0.3ドルほど、低品質なら1セント未満です。Nano Banana（Gemini）のような他の画像生成AIでもできる段階です。ここで肝心なのが、キャラクターの基準画像セット（リファレンスシート）を毎回添付すること — キャラクターの3D基準レンダーとターンアラウンド（正面/側面/背面）を一緒に送ってはじめて、毎カット同じひよこが出てきます。プロンプトの文章だけでは、カットが増えるほど必ずブレます。

画像→映像（image-to-video）生成。 検収を通ったファーストフレームに演技を指示して、8秒のクリップを生成します（Google Veo 3.1 fast — 画像を渡して動きだけを付けるimage-to-videoモード）。全支出の4分の3がこの段階に集中しました — 映像生成21回（事前検証1回 + 本編20回・リトライ込み）。自動で残る生成ログによれば、この映像に使ったAPI呼び出しは1日で62件 — 映像21、画像29、音楽2、効果音10（バッチ呼び出しのため、実際に生成された音は数十個）。映像以外を全部足しても9ドルほど — 全体の4分の1です。

<生成されたままの演技クリップ3本 — マゼンタ背景の8秒。この状態でクロマキーに入る>

生成の順番にも節約の仕掛けを入れました — 一度に全部作らず、まず5本だけ試験生成して、このキャラクターの動きをモデルがどう扱うかを確かめてから、残りに進みました。

検収の罠 — 止め絵だけ見て合格させてはいけない

ここで一度、手痛くやられました。生成された全クリップをフレームストリップ（映像からフレームを等間隔に抜いたグリッド画像）で検収して全部合格にしたのに — 実際の再生で2本のクリップがフレームの間でまったく別の生き物に変形していたのです。最後に再生を直接見て、自分の目でようやく見つけました。ストリップはフレームの間を見られません。

変形した2カットは再生成せず、合格済みの静止画 + コード演出で回避しました（遠ざかる後ろ姿なら、静止画をコードで動かしても違和感がありません）。超低予算制作の二つ目の教訓: 失敗した生成を再生成で取り返そうとせず、コードで回避できるならそうする。再生成はお金で、コードはサブスクなら追加負担ゼロです。

舞台の組み立てはすべてコード — 編集ソフトなしの編集

ショットリストは全部で28カット。そのうち生成クリップ（ひよこの演技）が入るのは一部で、残りはアプリ画面・静止画・コード演出だけで作ったカットです — だから映像生成21回で28カットになります。舞台の材料は三つでした: 実際のアプリ画面キャプチャ（原則）、生成した背景画像（夏空や夕焼けなど、アプリの外の場面）、そしてその材料を動かすRemotionのコード。実アプリのキャプチャの上にクロマプレート（透明背景のひよこの演技）を載せ、カメラのプッシュイン・パン・アイリスワイプ（サイレント映画のあの丸い幕閉じ）・夕暮れ→夜→朝焼けのタイムラプス・平面画面から立体空間へ落ちる落下まで、コードで演出しました。

コード演出の力は、修正がタダなことに尽きます。「ひよこの登場を0.3秒遅らせて」は数字ひとつの変更で、夕焼けのタイムラプスも時間を空の色に対応させる関数ひとつ。この映像は6分の企画から4分21秒へ、さらに最終3分26.6秒へと二度大きく縮み、アウトロは丸ごと作り直され（宇宙でのワークアウト → 撮影現場のメイキング映像 + クレジット）、落下は画面外へ完全に消えるよう角度を引き直し、カットの継ぎ目はサイレント映画式の「長いまばたき」で隠しました — すべてコードの修正と再レンダリングで、追加支出はゼロでした。

サウンドの戦い — 生成AIが崩れた唯一の戦線

この制作記でいちばん正直に書くべきところです。テキストで音を作らせるAIは、音程が命になる音で完全に失敗しました。 生成した効果音47種を敷いて再生してみたら、私には耳をつんざくような音でした。オープニングの音は12種をオーディションして全滅。再生成では答えに近づきませんでした。

ひとつ但し書きを — これは純粋にツールのせいではないかもしれません。私たちには音楽・サウンドの専門知識がなく、欲しい音を注文する語彙そのものがありませんでした。サウンドデザイナーが正確な用語で指示していれば、結果は違ったかもしれません。私たちが確認できたのは「素人の言葉で頼むと、使える品質にならない」というところまでです。

途中では、Pythonのコードで楽器音を直接合成する試みもありました — 費用はゼロでしたが、「サウンド全面見直し」を決めたときに全量廃棄。タダでも、聴くに堪えなければ意味がありません。

生き残った答えは二層でした。

1. 無料のプロ用ライブラリ — Sonniss GDCバンドル（ゲーム開発者会議が毎年配るプロ品質のパック・商用OK）+ おなじみの効果音ラボ + Kenney（CC0）。合わせて1,802ファイル、すべて無料の音の倉庫を検索できるように整備し、違和感のあった音20か所をここで見つけたプロの音源に差し替えました。生成より検索のほうが安く、品質は比べものになりませんでした。
2. 音楽はYouTubeオーディオライブラリ — 収益化OK・クレジット表記不要。そして曲が決まった瞬間に「ミュージックロック」の原則を立てました: 曲が映像の長さを決め（最終版は曲の後にエンディングの静寂3秒を足した3分26.6秒）、曲そのものには絶対に手を触れない。編集が音楽に合わせる — 逆はやらない。

正直に書き添えると、生成効果音が全滅したわけではありません。セミの声、ひよこの鳴き声のように、ライブラリを探してもない音は生成分をそのまま残しました。 見えてきた境界線はこうです — 環境音・ノイズまでは使える。楽器の音のように「音程」が正確であるべき音から、崩れ始める。

ライセンスはすべて原文を直接読み、表にして残しました — 無料素材ほどライセンスの裏取りが命綱です（私自身が拾ってきた無料パックのひとつは、出所が不明瞭で品質に関係なく不採用にしました）。

最後の判断はいつも人間 — 機械で合わせたビートのほうが不自然だった理由

AIとコードがどれだけ安くても、最後の判断は人間のままでした。どの段階も最終関門は私の目と耳です — 4分21秒の初稿を聴いて「3分台へ、効果音は全部剥がして、音楽は一曲に」という大手術を決めたのも、オープニング音の候補12種を全部落として無料ライブラリから耳で選び直したのも、私でした。

象徴的な出来事をひとつ。音楽のBPM（109.1）を実測して、カットの境目9か所と効果音のアクセント3か所 — 計12か所をビートに数学的にぴったり合わせました。計算上は完璧。ところが実際に聴いてみると — 「前より変になってない？」 全部元に戻しました。数学的に正しい同期が、人間の耳には合わなかったのです。ここから三つ目の教訓が生まれました: いちばん高価なリソースはAPIではなく、人間が見て聴く時間。その判断を数値で置き換える試みは、このプロジェクトでは一度も成功しませんでした。

「AI動画・完全自動化」の広告について — できること、できないこと

この記事を読んでいる方なら、「プロンプト一行でYouTubeチャンネルを完全自動化」のような広告を見たことがあるはずです。私たちは今回の制作で、それに近い仕組みを実際に組んでみた形になるので、できることとできないことを切り分けてお伝えできます。

映像生成AIの品質そのものは、本当に高い。 短いクリップは本当に数分で出てきます。プロンプト一行で8秒のそれらしい映像が出てくる瞬間の驚きは誇張ではないし、静止画の品質も高く、クリップ単価も広告どおり安い。私たちの最初のクリップもそうやって生まれました。

ただし、次の壁には必ずぶつかります。 私たちがぶつかった順に:

• 同じキャラクターが二度出てきません。 1本目は完璧なのに、2本目から別の生き物が出てくる。広告の映像がどれも8秒前後なのはこのためで、基準画像の仕組みなしに「同一キャラクターが出続ける長い映像」は、かなり難しい挑戦です。
• 失敗作は画面に出てきません。 再生中に変形したうちの2クリップがまさにそれです。完成版だけを見ても、そんな失敗があったとは分かりません — 広告のデモ映像も、うまくいったテイクだけを並べられるという前提で見る必要があります。
• 「自動」は組み立ての手前で終わります。 カットを割り、タイミングを決め、物語として成立させる — 映像制作の本体は、どのツールも自動ではやってくれませんでした。AIが実行するにしても、目標を定めて品質を引き上げるのは人間の仕事です。
• 型がきっちり決まったコンテンツはいずれ自動化されるでしょう。ただ、その仕組みを組み上げる過程とアイデア自体には、結局人間の洞察と関与が要ります。

決算

項目	手段	支出
生成AI使用料 — 演技クリップ21回 + 音楽・効果音の試行	fal（Veo 3.1 fast · MiniMax · CassetteAI）	25.28ドル（実測） — 大半が演技クリップ。生成した音楽・効果音はほぼ不採用、一部のみ残存
ファーストフレーム・背景画像29枚	gpt-image-2（OpenAI）	約8ドル（高品質単価からの概算）
効果音ライブラリ1,802ファイル	Sonniss · 効果音ラボ · Kenney	0円
最終音楽	YouTubeオーディオライブラリ	0円
絵コンテ・コード・組み立て・検収・合成・レンダリング	AIサブスク（Claude）+ 私のノートPC	定額（追加支出ゼロ）

合計約33ドル — 映画のチケット3枚分です。そして支出の4分の3が、「俳優の演技」という一点に集中しています。

試してみたい方へのチェックリスト

1. 生成するものとコードでやるものを、最初に切り分ける。 使うたびに課金されるもの（映像生成）は最小に、無限に修正することになるもの（カメラ・タイミング・編集）はコードで。
2. Claudeのモデルに映像を直接作らせると品質は粗い。Claudeの持ち場はエージェントとツールの指揮です。ただしコードでやる映像効果は、すべてClaudeで制御できます。得意と不得意をはっきり分けて理解すること。
3. 本格的に使う前に、1〜2ドルで設計した全工程を一度通す（事前検証）。 仮説が崩れたら、そこで止まればいい。
4. キャラクターの基準画像セット（リファレンスシート）を作り、毎回の生成に添付する。 プロンプトの文章だけでは一貫性は必ず崩れます。
5. キー色はキャラクターのパレットが決める。 静止画のキーイングテスト（タダ）を済ませてから、映像にお金を使うこと。
6. フレームストリップ検収を信じない。 必ず実際の再生で検収し、失敗カットは再生成の前にコードでの回避策を検討する。
7. 効果音は生成の前にまず検索。 Sonniss GDC・Kenney・効果音ラボ — プロ品質が無料で積み上がっています。生成はライブラリにない音だけに使い、ライセンスは原文を自分で読むこと。
8. 音楽が決まったら、映像を音楽に合わせるほうが楽でした（ミュージックロック）。逆をやると編集が無限ループに陥ります。
9. 最終判断は人間の持ち場に残す。 数値と自動化が人間の目と耳に勝ったことは、うちの現場では一度もありませんでした。

最後にひとつ。今回の制作でいちばん価値のある成果物は、実は映像ではありません。マゼンタの数値、検収のルール、音の調達の順序、映像制作のスキル — ぶつかって学んだことすべてを、次の制作のための手順書として残しました。だから2作目は1作目より安く、速く作れます。超低予算制作の最後の教訓はこれです: 一本作ったら、映像と一緒に「作り方」も残すこと。

---

ひよこはオーディションに受かりました。次の出演作も準備中です。🐤