公開日：2026年07月23日
バージョン：VIPP Ver.1.0
最終動作確認日：2026年07月23日

リリース記念にて大幅値下げ中！

はじめに

AIを使えば、きれいなキャラクター画像を一枚作ること自体は、それほど珍しくなくなりました。

文章を入力すればキャラクターが生成され、音声AIを使えば声を付けられます。動画生成サービスを利用すれば、そのまま短い映像にすることもできます。

しかし、それを何本も継続して作ろうとすると、少しずつ問題が見えてきます。

次に生成したら、キャラクターが別人になる
髪型、衣装、瞳の色が変わる
前回と声が違う
動画を作るたびに料金やクレジットを消費する
使用しているサービスが変わると、制作環境全体が止まる
以前作った素材が、次の制作へつながらない

一回だけ動画を作るなら、それでも大きな問題にはならないかもしれません。

しかし、同じキャラクターを繰り返し登場させたい場合や、自分の作品として長く育てたい場合、毎回すべてを生成し直す方法には限界があります。

そこで作ったのが、VIPPです。

VIPPは、キャラクター素材、背景、音声、LLMが生成した台本を組み合わせ、Google Colab上で縦型ショート動画を作るためのシステムです。

目指したのは、文章を一行入力するだけで、すべての判断をAIへ丸投げする仕組みではありません。

変えたくないものは素材として固定し、変えたい部分だけをAIに考えさせる。

この考え方を中心に設計しています。

VIPPとは

VIPPでは、一度用意したキャラクター画像や背景を、次の動画でも繰り返し使用します。

利用者が行うのは、主に次の作業です。

キャラクターや動画の方向性を決める
VIPPが生成したプロンプトをLLMへ渡す
LLMが作った素材や動画台本をVIPPへ戻す
音声、配置、動画設定を確認して出力する

利用者が、セリフ、感情、ポーズ、演出を一行ずつ手作業で考えることを標準にはしていません。

キャラクターの性格、話し方、世界観、動画テーマなどをVIPPへ入力すると、LLMが解釈しやすい形へ整理されたプロンプトが生成されます。

そのプロンプトをLLMへ渡すことで、LLM側が次の内容を考えます。

動画全体の構成
キャラクターのセリフ
セリフごとの感情
使用するポーズ素材
適用するモーション
VIPPが読み取れる形式への変換

全体の流れは、次のようになります。

キャラクターの設定と動画テーマを決める
↓
VIPP 3がLLM用プロンプトを生成する
↓
LLMが背景・キャラクター素材・動画台本を作る
↓
生成した素材をGoogle Driveへ保存する
↓
LLMが生成した台本をVIPP 4へ渡す
↓
音声とMP4動画を出力する

人間が目的、好み、禁止事項を決める。

VIPP 3が、その情報をLLMへ渡しやすい形へ整理する。

LLMが、画像、セリフ、感情、ポーズ、モーションを考える。

VIPP 4が、その結果を実際の音声と動画へ変換する。

これがVIPPの基本的な役割分担です。

完成デモ動画

以下は、実際にVIPPで作成したデモ動画です。

この動画では、次の素材を使用しています。

背景画像1枚
同一キャラクターのポーズ素材5枚
LLMが生成した動画台本
イントネーションなどを調整した完成済みWAV音源

※今回のデモ動画は、複数のポーズ・モーション・音声処理を確認するため、約69秒の構成になっています。YouTube Shortsは現在3分以内の縦型動画に対応していますが、通常のショート動画を制作する場合は、視聴テンポや他サービスへの展開も考慮し、1分以内を目安にLLMへ台本を生成させることを推奨します。(Google サポート)

VIPPへ素材と台本を読み込ませ、次の処理を行っています。

セリフに合わせたポーズ切り替え
上下移動、横揺れ、ズームなどの簡易モーション
指定色背景の透過
セリフ間の無音時間調整
動画開始前と終了後の静止時間
背景とキャラクターの合成
MP4動画への出力

デモ動画で使用した主な設定は、次のとおりです。

背景透過色：#00FF00
色誤差：80
白ふち：2

今回のキャラクター素材では、輪郭付近に緑色の揺れが残っていたため、色誤差を80に設定しています。

色誤差を高くすると、指定色に近い色まで広く透明化できます。

その一方で、キャラクター本体に似た色が使われている場合は、その部分まで透明になる可能性があります。

通常は初期値の30から確認し、背景色が残る場合だけ少しずつ上げてください。

今回のデモでは、配置プレビューでキャラクター本体に影響がないことを確認したうえで、色誤差80を使用しています。

白ふちは、背景上でキャラクターの輪郭を見やすくするために2へ設定しています。

白ふちは必須ではありません。使用する背景とキャラクターの組み合わせに応じて、0から調整できます。

VIPPの強み

1．有料APIを使わず、API料金0円から始められる

VIPPは、最初から有料APIを必須にしないことを前提に設計しています。

動画を一本生成するたびに、

画像生成API
音声生成API
動画生成API
外部サービスの生成クレジット

へ料金を支払う構造ではありません。

中心となる環境は、次のような無料で利用できるツールです。

Google Colab
Google Drive
VOICEVOX
Style-Bert-VITS2
FFmpeg
無料枠で利用できる対話型LLMや画像生成AI

無料枠や各サービスの利用制限の範囲内であれば、動画を作るたびにAPI料金が加算されることはありません。

これは、単に「安い」というだけの話ではありません。

動画制作では、一度で完璧な結果が出るとは限りません。

台本の雰囲気を変える
セリフを短くする
声の速さやイントネーションを調整する
キャラクターの位置を直す
モーションを変更する
セリフ同士の間を調整する
複数の動画を作って比較する

こうした試行錯誤のたびに料金が発生すると、失敗すること自体が負担になります。

VIPPでは、有料APIの残高を気にせず、納得できるまで試すことを目指しています。

もちろん、Google Colabをはじめとした無料サービスには、実行時間、混雑、利用可能な計算資源などの制限があります。

永久に無制限で無料利用できることを保証するものではありません。

利用者自身が有料のLLM、画像生成サービス、クラウド環境などを選んだ場合は、別途料金が発生します。

それでも、

有料APIを契約しなければ、制作を始めることすらできない。

という構造を避けることが、VIPPの重要な設計思想です。

2．LLMが台本と演出を考える

VIPPでは、利用者が動画台本を一行ずつ手書きすることを前提にしていません。

利用者が入力するのは、主に次のような情報です。

キャラクター名
キャラクターの役割
性格
話し方
世界観
視聴者との関係
避けたい表現
動画テーマ
動画で伝えたい内容

VIPP 3は、これらの情報をLLMが解釈しやすい形へ整理し、台本生成用のプロンプトとして出力します。

LLMは、そのプロンプトをもとに、

何を話すか
どの順番で話すか
どの場面で喜ぶか
どの場面で驚くか
どのポーズを使うか
どの動きを付けるか

まで考えます。

利用者の役割は、文章の執筆作業ではなく、方向性を決め、生成結果を確認することです。

生成された内容に違和感がある場合も、台本をすべて自分で書き直す必要はありません。

たとえば、LLMへ次のように伝えられます。

もう少しふざけた内容にしてください。

喜び、驚き、怒り、悲しみの画像を最低1回ずつ使ってください。

同じモーションを連続させないでください。

最後は宣伝文句ではなく、短いオチで終わらせてください。

このような自然な言葉で追加指示を出し、LLMに台本全体を修正させます。

人間が細部を手作業で埋めるのではなく、LLM側へ解釈を任せることも、VIPPの重要な要素です。

3．使用するAIやツールを組み換えられる

VIPPは、特定のAIサービスだけで完結するシステムではありません。

画像、音声、台本、動画処理、保存先を分離しているため、それぞれを交換できる構造を目指しています。

たとえば、

台本を生成するLLMを変更する
キャラクターを作る画像生成AIを変更する
VOICEVOXからStyle-Bert-VITS2へ変更する
外部で調整したWAV音源を使用する
背景だけ別の画像生成環境で作る
動画サイズやモーションを変更する
保存先やフォルダ構成を変更する

といった組み換えが可能です。

VIPP自体が画像生成AIなのでも、音声AIなのでもありません。

複数のAIや無料ツールを、ひとつの動画制作工程として接続するための土台です。

VIPPでは、有料APIを使用しない代わりに、LLMとColabの間を手動のコピー＆ペーストで接続します。

一見すると原始的ですが、特定のAPI、料金体系、認証方式へ依存しないという利点があります。

使用中のLLMや音声AIが使えなくなった場合でも、制作環境全体を捨てるのではなく、必要な部分だけを交換する余地があります。

AI関連サービスでは、アップデート、仕様変更、無料枠の変更、提供終了などが頻繁に起こります。

ひとつのサービスへ制作工程をすべて預けた場合、そのサービスが使えなくなった時点で、環境全体が停止します。

VIPPでは、

壊れた部品だけを交換する。

という考え方で運用できます。

ただし、標準構成から別のAIや処理方法へ変更する場合は、最低限のバイブコーディング知識が必要です。

コード全体を理解する必要はありませんが、

エラー全文をLLMへ渡す
変更したい内容を説明する
指定されたコードへ差し替える
ファイル名や保存先を確認する
実行結果を見て追加修正する

といった作業は必要になります。

標準構成のまま利用する場合は、本記事の手順に沿って操作します。

4．一度作った素材が、次の動画にも残る

VIPPで特に重視しているのが、素材を資産として積み上げることです。

一般的な自動生成型の動画サービスでは、文章を入力すると、その場で画像、音声、動画が生成されます。

手軽ではありますが、毎回すべてを生成し直すため、

前回と顔が違う
衣装が変わる
声が変わる
世界観が揺れる
同じキャラクターとして積み上がらない

という問題が起こりやすくなります。

VIPPでは、一度作った素材をGoogle Driveへ保存し、次の動画でも再利用します。

保存されるものは、完成動画だけではありません。

キャラクター画像
ポーズ素材
背景画像
キャラクター設定
音声設定
音声モデル
調整済みWAV
動画台本
生成用プロンプト
動画設定

これらが次回以降の制作資産として残ります。

一度作ったキャラクターを使って、

商品紹介
解説動画
SNS用ショート動画
告知動画
ギャグ動画
記事の補足動画
キャラクターによる案内動画

などへ展開できます。

毎回、別のキャラクターをゼロから生成する必要はありません。

背景や台本を変えても、同じキャラクターと同じ声を使えば、投稿全体に一貫性が生まれます。

最初は単なる一枚のAI画像として見られるかもしれません。

しかし、同じキャラクターが繰り返し登場すれば、

「前にも見たキャラクターだ」

と認識されるようになります。

これが、単発のAI画像と、長期運用できるキャラクター資産の違いです。

5．高性能なPCを前提にしない

VIPPでは、動画生成や音声処理の中心にGoogle Colabを採用しています。

すべての処理を、利用者のPCだけで実行する構造ではありません。

手元の端末は、主に次の操作へ使用します。

ブラウザでColabを開く
Google Driveへ素材を保存する
設定を入力する
LLMへプロンプトを渡す
セルを実行する
完成した動画を確認する

そのため、高性能なGPUを搭載したPCを持っていない場合でも、利用を始められる余地があります。

VIPP Ver.1.0では、次の端末で正常に動画生成まで完了することを確認しています。

PC
iPad

スマートフォンからもブラウザ経由で操作できる構成を目指していますが、画面サイズやGoogle Driveのファイル操作を考えると、PCまたはiPadでの利用を推奨します。

スマートフォンでの完全な動作は、現時点では保証していません。

Colabを採用した理由は、単にPythonを実行しやすいからではありません。

高価なGPU搭載PCを購入しなければ、入口にすら立てない。

という状態を避けるためです。

VIPPでできること

現在のVIPPでは、主に次の処理に対応しています。

キャラクター設定からLLM用プロンプトを生成
LLMによる背景・キャラクター素材の作成支援
LLMによる動画台本の生成
LLMによるセリフ、感情、ポーズ、モーションの選択
生成された構造化台本の読み込み
縦型MP4動画の生成
同一キャラクターの5種類のポーズ切り替え
セリフに応じた画像切り替え
上下移動
横揺れ
ズーム演出
キャラクターの大きさと位置の調整
指定色背景の透過
透過済みPNGの利用
白ふちの追加
VOICEVOXによる音声生成
Style-Bert-VITS2による音声生成
外部で調整したWAV音源の利用
セリフ間の無音時間調整
動画開始前と終了後の待機時間調整
Google Driveへの設定、素材、音声、動画の保存
作成済み素材の再利用

VIPPは、動画を作るたびにキャラクター画像を自動生成し直すシステムではありません。

一度用意したキャラクター素材を固定し、台本、声、背景、モーションを変更しながら動画を作るシステムです。

LLMとVIPPを接続する動画台本

LLMが生成する動画台本には、セリフだけでなく、使用するキャラクター素材やモーションも含まれます。

出力例は、次のような形式です。

<01/normal/soft_y>はじめまして。私は超優秀なアシスタント、ASIです。</01>
<02/happy/bounce_y>台本と声と素材を組み合わせて、一本の動画に仕上げます。</02>

この形式は、利用者が一行ずつ手作業で書くためのものではありません。

LLMが考えた演出を、VIPPが読み取れる形で受け渡すための中間形式です。

内部では、それぞれ次の情報を表しています。

01
セリフの順番

normal
使用するキャラクター素材

soft_y
適用するモーション

タグ内の文章
音声化するセリフ

通常利用では、この構造を完全に覚える必要はありません。

VIPPが生成したプロンプトをLLMへ渡し、LLMから返された台本をVIPPへ貼り付けます。

タグを直接編集する方法は、出力形式を理解した利用者向けの補助的な方法です。

動作確認について

本ツールは、開発中のGoogle Drive環境をそのまま使っただけではありません。

配布用ノートブックを複製したうえで、Google Drive内の「VIPP」フォルダを完全に削除し、初期状態から動作確認を行っています。

VIPP 1からVIPP 4までを順番に実行し、次の工程が正常に完了することを確認しました。

Google Drive内への必要フォルダの作成
実行環境の準備
キャラクター設定の保存
LLM用プロンプトの生成
背景画像とキャラクター素材の読み込み
音声の生成および読み込み
指定色背景の透過
キャラクターの配置とモーション処理
MP4動画の出力

音声については、次の3種類で動画を生成できることを確認しています。

VOICEVOX
Style-Bert-VITS2
外部で調整した完成済みWAV音源

また、PCとiPadの両方で、VIPPのUI操作から動画生成まで正常に動作することを確認しています。

有料部分に含まれるもの

有料部分では、VIPP本体の配布と、動画を一本完成させるまでの手順を解説します。

主な内容は次のとおりです。

VIPP本体
Google Colab用ノートブック
初回セットアップ手順
通常起動手順
Google Drive内のフォルダ構成
キャラクター設定の入力方法
LLM用プロンプトの生成方法
LLMに背景とキャラクター素材を作らせる方法
LLMに動画台本を作らせる方法
自然な言葉による台本の修正方法
キャラクター素材の作成方法
指定色背景の作成方法
背景画像の作成方法
VOICEVOXの使用方法
Style-Bert-VITS2の使用方法
調整済みWAV音源の使用方法
キャラクターの位置とサイズの調整
指定色背景の透過方法
配置プレビューの確認方法
MP4動画の生成方法
エラー発生時の確認方法
動作確認用デモ素材
動作確認用の台本サンプル
キャラクター画像生成用メタプロンプト
既存画像の背景色を修正するメタプロンプト
更新履歴

このような方に向いています

自分のキャラクターを動画で使いたい
AI画像を一枚作って終わりにしたくない
有料APIを使わずに動画制作を試したい
キャラクターや声を継続して使いたい
セリフや演出の作成をLLMへ任せたい
Google ColabやGoogle Driveを利用できる
高性能なPCを持っていない
複数の無料AIやツールを組み合わせたい
完全自動より、再現性や素材管理を重視したい
コードを一から書くのは難しいが、説明に沿った操作はできる
LLMと相談しながら制作環境を改造したい

このような方には向いていません

文章を一行入力するだけで、素材の準備から完成動画まで完全自動で終わるサービスを求めている

Google Driveへの素材配置や、LLMとのコピー＆ペーストも行いたくない
GoogleアカウントやGoogle Colabを使いたくない
ブラウザやGoogle Driveでのファイル操作が難しい
外部サービスの仕様変更に関係なく、永久に同じ状態で動くことを求めている
導入、素材制作、設定、動画完成までの個別代行を求めている
映画や3Dアニメーションのような高度な映像を自動生成したい
標準構成からの改造も、手順に沿った操作も一切行いたくない

必要なもの

VIPPを利用するために必要なものは、次のとおりです。

Googleアカウント
Google Drive
Google Colabを開けるブラウザ
インターネット環境
文章生成に利用できるLLM
画像生成に対応したLLMまたは画像生成AI

基本的な使用に、有料APIの契約は必要ありません。

背景画像とキャラクター画像は、事前に完成品を用意する必要はありません。

VIPP 3へキャラクター設定や動画の方向性を入力すると、画像生成用のプロンプトが作成されます。

そのプロンプトを画像生成に対応したLLMまたは画像生成AIへ渡し、背景画像とキャラクター素材を作成します。

すでに使用しているキャラクター画像や背景画像がある場合は、それらをVIPP用の素材として調整して使用することもできます。

利用するLLM、画像生成サービス、音声環境などによっては、利用者の選択により別途料金が発生する場合があります。

利用規約・免責事項

購入前に、以下をご確認ください。

動作環境について

本ツールは、Google Colab、Google Drive、Python、FFmpeg、VOICEVOX、Style-Bert-VITS2など、複数の外部環境やソフトウェアを利用します。

各サービスやライブラリのアップデート、仕様変更、無料枠の変更、提供終了などにより、将来的に同じ手順で動作しなくなる可能性があります。

すべての端末、ブラウザ、Googleアカウント、Colabランタイムでの動作を永久に保証するものではありません。

無料利用について

VIPPは、有料APIを使用せずに動作させることを前提に設計しています。

ただし、利用者が選択するLLM、画像生成サービス、音声モデル、クラウド環境などによっては、別途料金が発生する場合があります。

Google Colabをはじめとした無料サービスには、利用時間や計算資源などの制限があります。

永久に無制限で完全無料であることを保証するものではありません。

生成物の権利について

使用する画像、音声、台本、モデル、キャラクターなどの権利確認は、利用者自身で行ってください。

第三者の著作権、商標権、肖像権、音声に関する権利、その他の権利を侵害する用途には使用しないでください。

購入者が自身で用意した素材から生成した動画は、各素材、モデル、LLM、音声環境、使用サービスの規約を守る範囲で利用してください。

再配布について

本ツールを利用するために、配布されたGoogle Colabノートブックを、購入者自身のGoogle Driveへ複製することは認められています。

ただし、本記事の本文、配布コード、配布ファイル、説明画像および同梱素材を、第三者へ無断で転載、共有、再配布、譲渡または販売することを禁止します。

購入者自身が作成した動画や、購入者自身が権利を持つ画像、音声、台本などについては、この限りではありません。

生成物を公開または販売する場合は、使用した画像、音声モデル、LLM、外部サービスなどの利用規約を、利用者自身で確認してください。

サポートについて

記事内容の誤りや、案内している標準環境で再現する不具合については、可能な範囲で確認します。

次の内容は、原則としてサポート対象外です。

個別環境への導入代行
キャラクター画像の制作代行
音声モデルの制作代行
動画台本の個別制作
外部サービス固有の不具合
標準構成から大きく変更したコード
個別用途に合わせた大規模改造
Googleアカウントや端末固有の問題
無期限、無制限の個別対応

不具合を報告する場合は、使用端末、実行したセル、表示されたエラー全文、使用した音声方式などを添えてください。

返金について

本商品は、購入後に内容を閲覧できるデジタルコンテンツです。

購入後の返金については、販売プラットフォームの規約に従います。

内容、必要環境、対象ユーザー、制限事項をご確認のうえ購入してください。

販売価格について

本記事は、初期のハードルを極限まで下げて多くの方に手に取っていただくため、【100円スタートの段階的値上げ方式（1週間限定）】を採用します。

売上部数、または公開からの経過期間に応じて段階的に価格が上昇し、最終的に通常価格【3,980円】に着地します。

■ 価格変動のルール

スタート価格： 100円 （※先着10部限定）
値上がり仕組み： 10部売れるごとに価格が段階的に上昇（最終着地：3,980円）
公開期間： 1週間限定（期間終了、または上限部数到達の時点で通常価格へ移行します）

⚠️ ご注意
価格の変更は手動で行うため、深夜帯などの販売状況や作業タイミングによって、切り替え時間が多少前後する場合があります。表示価格が現在の価格となりますのでご了承ください。
今後、説明、対応環境、サンプル、機能、トラブル対策などの追加に伴い、記事内容をアップデートしていく予定です。
一度ご購入いただいた方は、価格が値上がりした後も、追加料金なしで引き続き最新の内容を閲覧いただけます。