「話すのは苦ではないのに、縦動画にする手が止まる」

音声配信は続いている。YouTubeの横動画も、前のスキルで音声を渡すだけになった。
なのにリール・ショートだけ、何ヶ月も止まっている。

僕がまさにそうでした。

理由ははっきりしていて、いま伸びている「トークリール」は工程が多すぎるからです。

約1秒ごとに切り替わる字幕を、音声に合わせて置く
大事な言葉だけ、色を変えたり、大きくしたり、縦書きにしたりする
1.5〜2秒ごとに画角を切り替えて、飽きさせない
話の途中の「間」を全部詰める(空白は離脱になる)
数秒に1回、絵や画面を差し込む
顔出ししたくないので、代わりのキャラを喋らせる

自分でやれば1本に半日。外注すれば1本数千円。
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。撮ったあとが面倒なんです。

作成者について

初めまして。

こちらのスキルを開発した、たなか主夫と申します。

ChatGPT Image 2026年9月25日 05_45_31.png

普段の僕は専業主夫をしながら、BUYMAで無在庫物販をしています。

最近の活動実績はコチラ↓

無在庫物販BUYMA歴13年。延べ500名以上を支援
サポートした方から、月利100万円到達5名・月利50万円以上9名
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
X、Instagram、YouTube、音声配信で情報発信を継続中

前作「音声を投げるだけで、スライド付きの解説動画ができるAIスキル」で、横動画は音声を渡すだけになりました。
次に詰まったのが縦動画です。「横は回るのに、縦が作れない」

——この悩みを解決するために作ったのが、今回のスキルです。

音声を渡すと、縦型トークリールまで作るスキルを作りました

Claude Code(またはCodex)に入れて使うスキル「talk-reel(トークリール)」です。

開発はClaude Codeで進めているので、現時点ではClaude Codeで使う方をお勧めします。（Codexでも動きます）

音声ファイルを1つ渡して「トークリールにして」と言うだけで、ここまで進みます。

↓↓↓

音声の整形(前後の無音を詰め、話の途中の間も詰めて、音量を配信基準に揃える)
タイムスタンプ付きの文字起こし(あなたのパソコンの中で完結)
約1秒ごとの1行字幕(日本語の文節で切ります。単語の途中では切りません)
白・極太・太い黒フチの字幕を、顔のすぐ下に(顔にはかけません)
大事な言葉の強調(赤／白地に黒文字のボックス)、縦書きの決めゼリフ、黒画面の一言、左右比較カード、列挙
画像カットイン(絵を全面に差し込み、上に字幕を重ねる。絵はChatGPT等で作った画像を置くだけ)
あなたのキャラが、口だけ動いて喋る(首は固定。角度違いの絵があれば、カットの切り替わりでだけ入れ替えます)
1.4〜2.1秒ごとの固定画角の切り替え(ズームイン・アウト使いません)
字幕の切り替わりに合わせた効果音を追加可能
冒頭のフック、上のタイトルカード、最後の「保存して」のCTA等を再現
表紙画像を自動で切り出し(冒頭フック。伸びているリールは基本このパターン)
1080×1920・24fps。そのままInstagram・TikTok・YouTube Shortsに出せます

2_演出6コマ.jpg

設計のもとになったのは、実際に伸びているトークリールです。
インスタ運用で知られる発信者さんのリール10本、同ジャンルの発信者さんのリール9本、そして僕自身の過去リール10本を、字幕を1枚ずつ読む機械で解析しました。
「字幕は約1秒ごと・1枚6〜10文字・画面の57%の高さに1行」「カットは1.7秒ごと」「画像の差し込みは1本に4回」「BGMは無し」——この数字の通りに作るようにしました。
音や映像をそのまま使うことはしていません。数字だけを真似しています。
※この数字は初期設定です。
字幕の速さ・大きさ・フォント、カットの間隔、効果音の回数は、あなたのパターンに合わせて変えられます(「字幕をもう少しゆっくり」「このフォントにして」のように日本語で頼めばOK)。
お手本にしたい人のリールを同じ機械で測る道具も付いているので、同じジャンルで伸びている人に寄せた「自分の型」を作れます。

実際に、僕の音声配信の一部を1本通しました

実際に処理にかかった時間を計測しました。

僕の音声配信(14分)から41秒を切り出して、最後まで通した記録です。

元の音声: 41.2秒(間を詰める前は42.6秒)
字幕の数: 15枚(約1.1秒ごと・1行)
画角の切り替え: 24回(約1.7秒ごと)
画像カットイン: 3枚(合計約9秒)
縦書きコメント/画面切り替え・黒画面: 各1回
効果音: 16箇所
描画にかかった時間: 約40秒(Apple Silicon Mac)
完成した動画: 43.7秒 / 1080×1920 / 24fps
かかった外部APIの費用: 0円

※2026年9月23日に実行した記録です。所要時間はパソコンの性能によって変わります。

3_コマ一覧_検品シート.jpg

完成した動画はこちらです。
【Instagramに投稿した動画】

こだわったのは「機械で検品して、勝手に完成させない」ことです

顔部分に字幕を被せません

初期設定で字幕は「あごのすぐ下」に置きます。大きな見出しも、縦書きも、顔にかかりません。
これは人が目で見るのではなく、完成前にプログラムが検査します。 かかっていたら止まります。

モデルに余計な動きをさせません

口パクツールにありがちな「カクカク頷く」動きも、「ズームイン/アウトする」ような忙しない動きも、意図的に入れていません。
口だけが音声に合わせて開き、無音で閉じる。基本画角は固定で、定期的に切り替わります。

※実際に伸びているリール構成をべーすにしています。

会話と会話の「間」を詰めます

トークリールは空白があると離脱されてしまうため、話の途中の0.35秒以上の間を、0.15秒まで詰めます。
文字起こし・字幕・口パクは、詰めたあとの音声に合わせるので、ズレません。

（カスタマイズ可能です）

追加の費用は掛かりません

文字起こしも、口パクも、字幕も、効果音も、AIエージェントが代行。あなたのパソコンの中で完結します。
fal等の外部有料サービスは必要ありません。

（1本いくら、といった追加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。

スキルには検品機能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9項目検査します。人の目視は最後だけです。

解像度・fps・音声・尺が揃っているか
字幕がスマホのUI(下のキャプション、右のボタン列)に重なっていないか
字幕が顔にかかっていないか
無音のところで口が閉じているか／話しているところで口が動いているか
口の動きと声が合っているか
7秒以上、画面が変わらない区間がないか

文字起こしの誤変換は、あなたの言葉で直せます。
「仕組み課→仕組み化」のように辞書を1行足せば、次から全部直ります。固有名詞や数字は、最後に必ず目で確認してください。

好みで選べます

型: 伸びているリール寄せ(推奨)／字幕ゆっくり2行／控えめ(効果音なし)／強め
フォント: いまのトークリールに近い4書体を同梱(Google Fonts・商用可)／Mac標準のヒラギノだけ
タイトルカード: 大きく／小さく／出さない
効果音: 役割ごとに差し替え。頻度も1行で変えられます
カットの間隔・字幕の大きさ・画角の順番も、設定ファイルの1行で変えられます

長い音声からも、切り出せます

音声配信や講座の録音(10分〜60分)から、「30〜60秒の見どころ」を切り出す道具も入っています。
文字起こしをもとに「話のまとまり」を一覧にして、AIが3案に絞り、あなたが選ぶだけです。切る位置は自動で「息継ぎ」に吸着します。
1本の配信から、リールが3本取れます。

台本から作りたい人には、テンプレも

伸びているトークリール10本の文字起こしを読んで、流れを4ブロックに分けました。
「①結論を1文 → ②あなたも多分そう → ③リスト／問題→解決 → ④締め」。
テーマを一言伝えれば、AIがこの型で30〜60秒の台本を書き、あなたはスマホで録るだけです。

投稿文も、表紙も、一緒に出ます

Instagramのキャプション(1行目は動画の結論)、YouTubeショートのタイトル3案と概要欄を、動画と一緒に下書きします。
表紙は動画の冒頭フックのコマを自動で切り出します。伸びているリール10本は、全部「冒頭のコマがそのまま表紙」でした。

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、縦動画まで手が回っていない人
顔を出さずに、自分のキャラで出したい人
動画編集の外注費を、そろそろ止めたい人
いま伸びているトークリールの型を、数字ごと自分の発信に使いたい人
前作(横動画スキル)を使っていて、縦も揃えたい人

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だけでは動きません)
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つ目が重要。Claude CodeかCodexを使っていない方は、買わないでください。

キャラクターについて(大事なところなので先に書きます)

あなたのキャラを使います。用意のしかたは3通りで、まず同梱のサンプルキャラで1本通してから、自分のキャラに進めます。

A. 1枚のアイコン(Xのアイコンなど)しかない人 ← いちばん簡単
付属のツールが、絵に「口の開き4段階」を描き足して、設定ファイルまで作ります(5分)。口の位置を数字で指定するだけで、AIに絵を描かせないので線がズレません。もっと自然な口にしたければ、AIで描いた口の絵に差し替えられます。

B. VTube StudioにLive2Dモデルがある人
付属のツールで、角度3種×口4段階の止め絵12枚を自動で撮ります(5分)。一度撮れば、以後は使い回しです。角度の切り替えが入るので、いちばん「動いている感」が出ます。

C. 前作「話すだけ動画くん」の口パーツを持っている人
そのまま使えます。

どれも、初回に8〜15秒の試作を見てもらってから本番に進みます。

5_キャラ3ルート.png

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、サンプルで1本通して」でOKです。

2. キャラを用意する(初回だけ)

上の「キャラクターについて」のA・B・Cで用意します。サンプルキャラで先に1本通せます。

3. 音声ファイルを渡す

「この音声をトークリールにして」と言って、ファイルを渡します。30〜60秒の録り下ろしが一番きれいに仕上がります。長い音声なら「見どころを3つ出して」で切り出しから始まります。

4. 字幕の下書きを確認する

約1秒ごとに割った字幕と、AIが選んだ強調・見出し・縦書き・カットインの案が届きます。誤変換があれば辞書に足します。カットインの絵は、AIが出したお願い文をChatGPT等に貼って作り、フォルダに置くだけです。

5. 完成動画・表紙・投稿文を受け取る

機械検品を通った動画と、確認用のコマ一覧、表紙画像、Instagram/YouTubeショート用の投稿文が届きます。気になれば「タイトルカードなしで」「動き控えめで」のように言い直せば、その場で作り直します。

投稿は、あなたが行なってください。
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: 開発はClaude Codeで進めているので、現時点ではClaude Codeで使う方をお勧めします(ブラウザ版のClaude・ChatGPTだけでは動きません)
Mac(Apple Silicon推奨): 動作確認はMacです
Python 3.11以上
FFmpeg / FFprobe: 動画と音声の処理に使います
Pythonの部品4つ: Pillow / NumPy / faster-whisper / janome
フォント: 4書体を同梱(Google Fonts・OFL・商用可)。Mac標準のヒラギノだけでも動きます
キャラの絵: 1枚のアイコン、VTube Studio(Live2D)、または口の開き違いの絵。サンプル同梱

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。

おまけ: ライバルのリールを測るコンパスとして(上級者向け)

お手本にしたい発信者さんのリール10本を、字幕を1枚ずつ読む機械で測って「型」を出す道具も入れました(字幕の間隔・文字数・位置・縦書きの秒数・カット間隔・画像差し込み・効果音)。

このスキルはとりあえずの縦型動画を作るためのものではなく、見られる動画作成を意識しています。

市場のお手本・照合・自分の3軸で比較すると、「お手本との差=直す箇所」が分かります。
※お手本の映像・音声等のデータはあくまで改善の資料として参考にするだけです。計測後は削除します。

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「この音声をトークリールにして」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?

すでにモデルデータがある場合。

41秒の音声で、文字起こしから完成まで数分でした(描画そのものは約40秒)。

作業で必要なのは二箇所。「字幕の下書きを見て、誤変換を直す」箇所。カットイン等で使いたい素材があればそちらをアップする点です。

Q. 長い音声から、見どころだけ切り出せますか?

できます。話のまとまりを一覧にして、AIが3案に絞り、あなたに提案してくれます。

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サービスに送りません。

Q. BGMは付きますか?

付けません。伸びているトークリールはBGM無しが主流です(BGMは顔を出さない人が映像や静止画に乗せる型で使われます)。

必要なら動画投稿時にアプリ等で付けてください。

Q. 付属の効果音はどう言った音ですか? 自分の好きな音に変えられますか?

字幕の切り替わり用の短い音(「トッ」「チッ」など)と、見出し・転換・締め用の音が入っています。役割ごとに差し替えられるので、お持ちの効果音を入れることもできます。

Q. 前作(横動画スキル)を持っています。何が違いますか?

前作は横(1920×1080)のスライド解説動画、今作は縦(1080×1920)のトークリールです。口パクの仕組みは共通なので、前作で作ったキャラの設定はそのまま使えます。

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。

現在980円は先行価格になります。10部売れた時点で1,480円に値上げします。

スキルの改善をした際は、このページのバージョン欄でお知らせします(v1.0→v2.0では、字幕の型・間詰め・画像カットイン・切り出し・台本テンプレ・投稿文・表紙・リサーチ道具が増えました)。

Q. 再生数は伸びますか?

保証はできません。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、音声配信者の動画制作を支援するものです。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。
字幕・カット・効果音の設計は、公開されているリールを解析した「数字」をもとに生成しています。他者の映像・音声は含まれていません。
同梱フォントはGoogle Fonts(SIL Open Font License)です。同梱の素材等は自由に使えますし、お好みの素材を追加することも可能です。

最初の10部まで980円の先行価格にて販売します。10部売れた時点で1,480円に値上げします。

（ここから有料エリア：配布ファイルとセットアップ手順）