「話すのは苦じゃないのに、動画にする手が止まる」
音声配信は続いている。ネタもある。
なのにYouTubeのチャンネルだけ、何ヶ月も止まっている人へ。

僕がまさにそうでした。

理由ははっきりしています。Youtube動画は工程が多すぎるんです。

文字起こしして、誤変換を直す
要点をまとめて、スライドを作る
スライドの表示タイミングを、音声に合わせる
字幕を入れる
顔出ししたくないので、代わりの絵を用意する

自分でやれば時間が溶ける。外注すればお金が出ていく。

そして一番きついのは、これが1本ごとに、毎回まるごと発生することです。

撮影が面倒なのではありません。撮ったあとの編集等々が面倒なんです。

※ちなみに、この文章の下で紹介している動画も、このスキルで作りました。

たなか主夫の実績

ご挨拶が遅れました。たなか主夫と申します。

専業主夫をしながら、BUYMAで無在庫物販をしています。

スクリーンショット 2026-09-04 に 03.17.09 午前.png

無在庫物販BUYMA歴12年。最高月収190万円
スクール運営、コミュニティ運営、教材販売など、教育業も
Kindle3冊出版。3冊ともAmazonベストセラー達成
Amazon、メルカリ、ブログアフィリエイト、情報商材販売
X、Instagram、YouTube、音声配信で情報発信を継続中

一つのプラットフォームに依存しないよう、複数の入り口でマネタイズしています。

その中で、ずっと詰まっていたのが動画でした。

「音声は撮れるのに、動画にできない」

——これを自分で解くために作ったのが、このスキルです。

音声を渡すと、動画まで作るスキルを作りました

Claude Code(またはCodex)に入れて使う、2本組のスキルです。

audio-to-social-video … 音声 → 文字起こし → 誤変換の修正 → 要約字幕 → 確認用スライド(PowerPoint) → 合成
icon-lipsync-video … あなたのアイコンを、音声に合わせて口パクさせる

音声ファイルを1つ渡して「動画にして」と言うだけで、ここまで進みます。

↓

タイムスタンプ付きの文字起こし
音声入力にありがちな誤変換の修正(あなたの専門用語に合わせて)
読める要約字幕(丸写しの逐語録にはしません)
あなたのお好みテンプレートの配色・デザインを引き継いだスライド作成
画面右下でアイコンがしゃべる、口パクキャラ
字幕・スライド・口パクキャラを合成したYoutubeの動画生成
YouTubeのタイトル5案・概要欄・チャプター・サムネイル・X告知文

口パクキャラは、一度作れば次から使い回せます。
最初に口パクキャラの作成をします。
リップシンク（音声との同期）がうまくいっているかの確認をしましょう。
2本目からは、そのまま使いまわせるので生成スピードが上がります。

実際に、17分の音声を1本まるごと通しました

「できます」と言うだけでは何も伝わらないので、開発画面をいくつか。

このスキルで作った動画が、そのままYouTubeに上がっています。

17分・スライド27枚・字幕167区間。フルサイズで確認できます。

↑スライドと字幕、口パク動画を合成しています

僕の音声配信「一つのプラットフォームに依存するのは危険」を元に、Youtube用の動画を作成しました。

スクリーンショット 2026-09-04 に 03.20.25 午前.png

元の音声 …… 17.0分
文字起こしした区間 …… 376区間
直した誤変換 …… 67語
作成した要約字幕 …… 167区間
作成したスライド …… 27枚
完成した動画 …… 17.0分 / 1920×1080 / 24fps
かかった外部APIの費用 …… 0円

※2026年9月2日に実行した記録です。所要時間は、音声の長さやパソコンの性能によって変わります。

こだわったのは「勝手に完成させない」ことです

スライドは、必ず一度あなたに見せます

AIが最後まで走り切って、できたものを見たら中身が違う。これが一番つらいですよね。

トークンを無駄に消費しないように、動画を合成する前に止まるようになっています。

「スライドを直接編集できるPowerPointファイル」を出力するので、個別に修正をすることができます。もちろん音声でAIに修正してもらうことも可能。

気に入らない所は、あなたがPowerPointで直してください。

直したファイルを返せば、「その内容のまま」動画にします。AIが勝手に作り直すことはありません。

追加のお金はかかりません

文字起こしは、あなたのパソコンの中で動く無料のもの(faster-whisper)を使います。

音声を外部の有料サービスに送りません。1本いくら、という課金は発生しません。

※Claude Code(またはCodex)の利用料は別途必要です。

検品が組み込まれています

AIが作ったものを、AI自身が機械で検査します。人の目視は最後だけです。

スライドの文字が枠からはみ出していないか
右下の口パク窓に、文字や図が重なっていないか
字幕の時間が重なっていないか、長すぎないか
完成動画の解像度・fps・音声・尺が揃っているか
口パクの円から色がはみ出していないか

聞き取りに自信がない箇所は、正直に印をつけます。
固有名詞や数字であやしい所には【要確認】と入れて、あなたに判断してもらいます。分かったふりをして断言しません。

こんな人に向いています

音声配信やラジオはやっているが、YouTubeまで手が回っていない人
顔を出さずに動画を出したい人
動画編集の外注費を、そろそろ止めたい人
スライドを自分で確認して、直してから出したい人
過去の音声が、資産のまま眠っている人

こんな人には向いていません

Claude CodeもCodexも使わない人(ブラウザ版のClaudeやChatGPTでは動きません)
自分で撮影して、凝った編集をしたい人
公開まで全部自動でやってほしい人(確認で必ず止まります)
買えば再生数が伸びると思っている人(動画を作る道具であって、伸ばす保証はありません)

特に1つ目は注意！Claude CodeもCodexも使っていない方は、買わないでください。

使い方

1. スキルを入れる

配布ファイルを展開して、スキルフォルダに入れます。分からなければZipを添付して「このスキルをセットして」でOKです。

2. 音声ファイルを渡す

「この音声から解説動画を作って」と言って、ファイルを渡します。

3. 口パクの短いテストを見る

8〜15秒の短いテストが届きます。ここで口の動きを確認します。初回だけアイコンの位置合わせをしますが、2本目からは飛ばせます。

4. 参考にしたいスライドを渡す

「こんな見た目にしたい」という資料があれば、この時点で渡します。PowerPoint・Keynote・PDF・画像、どれでも構いません。無ければ標準のデザインで進みます。

5. 文字起こしとスライドを確認する

要約字幕の一覧と、編集できるPowerPointが届きます。直したい所を直して返してください。

6. 完成動画を受け取る

承認した内容だけで合成します。あわせてYouTubeのタイトル案・概要欄・チャプター・サムネイル・X告知文も届きます。

YouTubeへの投稿は、あなたが行います。
公開ボタンをAIに渡さない設計にしています。取り返しのつかない操作は、人が押すべきだと思っています。

動作環境

Claude Code または Codex(ブラウザ版のClaude・ChatGPTでは動きません)
Python 3
FFmpeg / FFprobe
Pythonの部品4つ(Pillow / NumPy / faster-whisper / python-pptx)
スライドを画像にする手段(Keynote または LibreOffice。MacはKeynoteで動作確認済み)

導入で詰まった場合の手順も、スキルの中に入っています。「環境を用意して」と言えば、AIが順番に進めます。

よくある質問

Q. AIツールに詳しくなくても使えますか?

Claude Code(またはCodex)を起動できれば大丈夫です。あとは日本語で「この音声を動画にして」と言うだけです。

Q. 1本作るのにどれくらいかかりますか?

17分の音声で、文字起こしから完成まで通しました。実際の時間はパソコンの性能と、あなたがスライドを確認する時間によって変わります。（初回は30分ほどでした）

勝手に作成してくれるので、あなたの手が必要なのは「初回口パクのチェック」「スライドの微調整」だけです。

Q. キャラクターのイラストは付いてきますか?

付いていません。あなたのアイコンを使います。口の開き方が違う絵を数枚用意する形と、パーツを重ねる形の2通りに対応しています。どちらも初回に位置合わせをして、保存します。イラストはXアイコンをベースにGeminiやChatGPTの画像生成を使うと楽です。

Q. 音声が外部に送られませんか?

文字起こしは、あなたのパソコンの中で完結します。音声ファイルを外部の文字起こしサービスに送りません。

Q. スライドのデザインは選べますか?

選べます。参考にしたい資料を渡せば、その配色・余白・見出しの作りを引き継ぎます。渡さなければ標準のデザインで進みます。僕はCanvaで気に入ったテンプレートをダウンロードしています。

Q. 縦動画(リール・ショート)も作れますか?

完成動画は横向き(1920×1080)です。縦向きでは出力しません。ただし「ここを切り出すと15〜30秒のダイジェストになる」という区間と、その要約テロップの案は毎回出します。縦向きへの組み直しは、別途ご自身で行ってください。

Q. 買い切りですか?

買い切りです。このスキル自体に追加の課金はありません。改善したときは、このページのバージョン欄でお知らせします。

Q. 再生数は伸びますか?

保証できません。これは動画を作る手間を減らす道具です。何を話すか、誰に届けるかは、あなたの発信の中身次第です。

このスキルについて

このスキルは、僕自身の動画制作の手順をまとめたものです。使う人の環境・素材によって結果は変わります。再生数や収益を保証するものではありません。
完成物の最終確認と、公開の判断は使用者自身で行ってください。
Claude Code(またはCodex)の利用料は別途必要です。このスキル自体に追加課金はありません。
文字起こしの精度は音声の状態に左右されます。固有名詞・数字は必ずご確認ください。
普段の発信内容をAIエージェントに読み込ませることで文字起こしの精度が上がります。

バージョン

v1.0(2026年9月4日) 初版

v2.0(2026年9月5日) 第2版

【2026/9/5 追記】ver 2.0 を公開しました

スライドに画像を入れられるようになりました!

スクリーンショット 2026-09-05 に 18.55.01 午後.png

画像をフォルダに入れるだけ。AIが話の流れを読んで、ちょうどいいページへ自動で配置します
キャラやロゴは「共通素材」に置けば、次の動画からも使い回しできます
画像は右下の口パク枠を絶対に踏まない座標に固定。踏んだら警告が出ます
アイコンは丸く抜けます

購入済みの方は、ダウンロードリンクから ver 2.0 を取り直してください。

ver 1.0も残してあります（上書きしていません）。

今のバージョンで動いている方、新機能を使わない方そのままで大丈夫です。

※購入後もアップデートします。

最新版は同じリンクからダウンロードできます。

購入後の受け取り

それでは、眠っている音声を動画にしていきましょう。

こちらからダウンロードしてください👇