はじめに

2026年8月3日更新: 第21章「3面図1枚から、喋るキャラを量産する"スキル」を追加しました。
2026年8月2日更新: 第20章「1枚の絵から、喋る動画までを1本のラインにする」を追加しました。1枚のイラストからループ動画・アセット・喋る動画までを"自動"で通しで作る特典スキルパッケージと、その導入手順です。
2026年8月3日更新: 【追加特典2】「3面図1枚から、喋るキャラを量産する"スキル"」を追加しました。キャラクターの3面図を1枚置いておくと、テーマを言うだけで一枚絵からアセットまで増えていくラインです。
2026年8月2日更新: レビュー特典を「しゃべるキャラ動画セット」に拡張しました。キャラクターボイス100本に加えて、口パク用のキャラアセット40体（4人×横長5・縦長5）をお渡しします。音声を当てるだけで喋る動画になります（受け取り方はレビュー投稿後にご案内します）。
2026年6月1日更新: 第18章「MPT-custom『LRC-Maker』で字幕・BGM・テロップを合成する」と第19章「完全ローカル・無料でAIキャラ動画を量産する『MPT-custom - VoxCPM2 Edition』」を追加しました。

まず、この教材で作れるようになる動画を見てください。

※Youtubeの仕様の都合上、縦長動画を横長動画に変換して表示させています。

これは、下記1枚の画像から作ったものです。

この画像も、下記のキャラクターシートから生成しています。

つまり、1枚のキャラクターシートから始めて、喋る字幕付き動画まで作れるようになるのがこの教材です。

さらに、このシステムは短い喋る動画だけでなく、応用としてリップシンク付きのMusic Video制作にも使っています。

Music Videoは必要なアセット数が多いので、制作自体は正直大変です。「放課後プロローグ」では70アセットぐらい作りました。

スクリーンショット 2026-04-14 184220.png

ただ、この構成だと作った素材がその場限りで無駄になりにくく、立ち絵、差分、口パク用素材、ループ素材などを使いまわしながら展開できます。
そのぶん、素材を積み上げるほど制作ラインが強くなり、使いまわしを前提にしながらでも、良質なリップシンクMVまで作れるのがこのシステムの強みです。

しかも原価は、1本あたり約10円前後

コストを比較してみます。

本教材の最小構成（原価目安）※2026年3月29日現在

※前提：画像1枚生成 = 6円（$0.04 × 150円換算）

i2v系の高品質動画生成APIと比べると、数十倍〜200倍以上低コストで回せます。

画像崩れなし・音声も3分まで安定

この教材の構成には、もう1つ大きな強みがあります。

何本作っても画像の一貫性が崩れない。 キャラクターシートを起点にした生成フローを使うため、量産しても同じキャラクターのまま動画が出せます。
音声も3分程度まで違和感なく生成できる。 ElevenLabs のTTSを使うことで、長めのセリフでもキャラのトーンが崩れません。
カスタマイズ次第でより個性的な動画に。 ベースの構成を理解してしまえば、キャラ・声・演出・字幕スタイルなど、好きなところから自分色に変えていけます。

ローカルPCとAPIを組み合わせて、ここまで低コストで量産できる構成は、現時点ではほとんど存在しません。

実際に、このラインでYouTube Shortsを量産しています

これは、この教材のラインから出しているYouTubeチャンネル「STARFLIGHT GIRLS」のショート一覧です。現時点で 59本。撮影もしていませんし、収録もしていません。全部このラインから出したものです。

再生数は、伸びるものと伸びないものがはっきり分かれます。並んでいるところで 801回・821回・1375回・745回・1141回。そのすぐ隣に、9回のものもあります。数字を大きく見せる気はないので正直に書くと、当たり外れは普通にあります。

ただ、量産できるラインを持っていると、この「外れ」がコストになりません。1本の原価は約10円で、作る工程はほぼ自動です。外れても、次を出せばいい。一発当てにいくのではなく、出し続けて当たりを拾いにいく、という戦い方ができます。

実際に出しているものを2本、置いておきます。

「社内情報は渡せない。だからAIには道具だけ作らせています」

「1〜2年うまくいかなかったSNSの自動化が、やっと動き出した話」

キャラクターが喋り、まばたきをして、字幕が乗っています。元になっているのは、静止画1枚とテキストだけです。

全部セットアップして、第20章・第21章を入れると「全自動」になる

ここまで読んで、「毎週何本も出すなんて、そんな手間はかけられない」と思ったかもしれません。

そのとおりです。手で回していたら続きません。 だからこの教材は、最後に自動化まで持っていきます。

本編（第9章〜第19章）で工場を組み立てたあと、第20章と第21章の2つのスキルを入れると、これまで人が目で判断していた工程がひとつながりになります。

  キャラの3面図を1枚だけ置いておく
        ↓  「〇〇のテーマで作って」と言う   ← 人がやるのはここだけ
  テーマ別の一枚絵を生成            ← 第21章（特典5）
        ↓
  16:9 / 9:16 にクロップ
        ↓
  まばたきするループ動画にする       ← 第20章（特典4）
        ↓
  口を消して、口パク用アセットにする
        ↓
  品質を数値でチェック（未達なら自動でやり直し）
        ↓
  キャラクターとして自動登録
        ↓
  セリフを喋る字幕付き動画にする

人が触るのは、いちばん上の「テーマを言う」だけです。一枚絵の生成も、ループ動画も、口消しも、品質チェックも、キャラ登録も、喋らせるところも、そのまま自動で進みます。

AIコードエディタ（Claude Code）に、こう言うだけです。

色んな衣装で4キャラ×3テーマの16:9アセットを作って

実際に一度で回したときの実測がこれです。

1セッションで作ったキャラアセット：24体
かかったAPI料金：$0（Codex CLI経路）
品質スコア（総合）：0.915 〜 0.972（合格ラインは0.75）
口の追跡成功率：全件 1.0

ここも正直に書いておきます。「全自動」＝「速い」ではありません。 まばたきループの生成に1体20〜30分かかるので、24体だと待ち時間込みで数時間です。ただし、その間あなたは何もしなくて構いません。寝ている間に回して、朝には素材が積み上がっている、という使い方が現実的です。

前のセクションのショート一覧が59本まで伸びたのも、これがあるからです。1本ずつ手で作っていたら、この本数にはなりません。

第20章・第21章は、購入者特典（特典4・特典5）として配布しているパッケージです。導入手順と実例は、それぞれの章にまとめてあります。

この教材を作っている人

この教材は、単にAIの話題を追っている人が書いた教材ではありません。
実際に作り、回し、改善し、必要なら自分でツールまで作ってきた人間が、再現できる形に落とし込んだ教材です。

私はガクシと申します。

本業では製薬・化学系の研究開発に携わりながら、個人では生成AI・Python・Webアプリ開発を活用した情報発信、教材制作、ツール開発を継続しています。

この感覚は、そのまま今のAI活用にもつながっています。
単に「新しいモデルを試す」のではなく、AIをどう実務に落とし込み、どう制作ラインとして回る形にするかを重視しています。

これまでに複数のアプリを公開し、Udemy講座も3本リリースしてきました。
X、ポッドキャスト「ガクシチャンネル」、メールマガジン、技術ブログ「pythonツールラボ」でも継続的に発信し、オンラインセミナーやコミュニティ登壇でも生成AI・個人開発・実務活用を扱ってきました。

さらに、AIアイドルプロジェクト Starflight Girls を自らプロデュースし、キャラクター、音楽、MV、発信まで一貫して制作・運用しています。

つまりこの教材は、AIツールの紹介ではなく、実際に作って回している側の視点で組んだ構築教材です。
単なる小技集ではなく、あなたの環境で実際に回る「動画工場の作り方」 を渡すことを狙っています。

もしあなたが、

AIでキャラを作るだけで終わりたくない
実際に動画として動かしたい
単発ではなく量産できる形にしたい

と思っているなら、この教材はかなり相性がいいはずです。

リンク

公式サイト

この教材は、「ローカルAI動画工場」を自分のパソコン上に構築するための教材です。

ここでいう「ローカルAI動画工場」とは、キャラクターを作り、画像を作り、動画を作り、しゃべらせ、字幕付き動画として出力するまでの流れを、なるべく自分の環境で回せるようにした制作ラインのことです。

目指しているのは、単に動画を1本作ることではありません。あとから何本も回せる、自分専用の動画生成ラインを持つことです。

このあと無料公開パートでは、まず次の4点を整理します。

この教材が向いている人 / 向いていない人
この教材で使うツール全体像
なぜこの教材が構築キット型なのか
価格・特典・アップデート方針

最初から全部を完璧に理解する必要はありません。まずは全体像をつかみ、必要なところから1つずつ組み立てていってください。

完成形のイメージが少し掴めたところで、この教材が何を目指しているのか、次の章で全体像を先出しします。

この教材の完成形

この教材の完成形

ここでは、この教材を最後まで進めたときに、どんなものが作れるようになるのかを先に全体像として示します。

この教材は、単に「画像を1枚生成する」「動画を1本出す」といった単発の話ではありません。
目指しているのは、キャラクターの設計から、喋る字幕付き動画の出力までを、ある程度分業化・部品化し、自分の環境で繰り返し回せる状態にすることです。

言い換えると、この教材の完成形は、
"喋るキャラ動画を量産できるローカルAI動画工場" を自分の手元に作ることです。

完成形として目指すもの

この教材の完成形では、次のようなことができるようになります。

キャラクターのベースデザインを決める
キャラクターの三面図を作る
その三面図をもとに、別シーンのキャラ画像を作る
画像からローカルで短い動画を作る
ループ用の動画素材を作る
繰り返し使えるアセットを作る
キャラに喋らせる
喋った内容に合わせてLRCを作る
字幕付きの縦動画として仕上げる
この流れを1本ごとの手作業ではなく、半ば"工場"的に扱える状態まで持っていく

ここで大事なのは、完成形が「何か1つのアプリ」ではないことです。
完成形は、複数のツール・スクリプト・設定・素材・作業手順がつながった"ライン全体"です。

この教材で最終的に出力したい動画

最終的に目指す動画は、次のようなものです。

縦長のショート動画
好きなキャラクターが画面内で存在している
キャラクターが口パク・リップシンクしながら喋る
必要に応じて目パチや待機モーションがある
字幕（キャプション）が付いている
TikTok / YouTube Shorts / Instagram Reels などに流しやすい形式になっている

つまり、単なる「AI動画」ではなく、
"キャラ運用ができる動画素材" を作れるようになることが、この教材の大きな到達点です。

実例として使うプロジェクト：Starflight Girls

Starflight Girlsは、この教材のために置いた飾りのキャラクターではありません。
AIでキャラクターを作り、音楽を作り、ビジュアルを作り、動画として動かし、発信までつなげるという、この教材の思想そのものを体現するプロジェクトです。

Starflight Girlsとは

Starflight Girls（スターフライトガールズ） は、
「昼は高校生、夜はアイドル」という二面性を軸にした、ガールズアイドルプロジェクトです。

放課後、夜景、星、軌道、境界線の光。
そうしたモチーフをまといながら、音楽・ビジュアル・動画を横断して世界観を育てています。

ブランドの核には、

「放課後、光速。 / Borderlight your life.」

という思想があります。
10代のきらめきと、大人になってから振り返ると胸に刺さる青春の余韻。その両方を内包した、少し特別なアイドル表現を目指しています。

メンバー紹介

黒華ルナ: クール担当。静けさと視線で空気を支配する“夜の引力”
紫透レイ: ピアノ、シンセ担当。世界観をやわらかく整える“紫の導き手”
蒼音ライラ: ギタリスト、ベーシスト。低音と余白で魅せる“蒼い残響”
月城ソフィア: ドラマー。前に進む勢いを生む“月光スパーク”

この教材での位置づけ

今回の教材では、Starflight Girlsのキャラクターたちは、単なる紹介用ビジュアルでは終わりません。

挿絵として登場し、教材全体の世界観を形作る存在になる
実際にハンズオンで使うキャラクター素材として活用する
1枚絵から、しゃべる・動く動画へ発展させる実例として登場する

という形で、実際の制作フローの中に組み込まれます。
つまり Starflight Girls は、見せるためのキャラクターであると同時に、AI動画制作の実践素材でもあるということです。

どこまでをローカルで行い、どこをAPIで補うのか

この教材の完成形は、「完全フルローカル」に限定していません。
実際には、次のようにローカルとAPIを役割分担させる形を想定しています。

APIやクラウド側で担うもの

キャラ画像生成
三面図生成
シーン画像生成
必要に応じた高品質画像生成
ElevenLabs を使った TTS（音声生成）
GPUが弱い場合の代替動画生成　(ローカル生成はVRAM16GB以上が目安)

ローカル側で担うもの

ComfyUI を使った i2v / FLF2V
ループ動画化
キャラのアセット化
TTS とアセットの結合処理
LRC / Remotion による字幕付き動画出力
バッチ処理や周辺ツールによる半自動化

この構成にしている理由は単純で、
すべてを無理にローカルへ寄せるより、得意な工程ごとに役割分担した方が、全体として強いからです。

ローカルだけで完結すること自体を目的にするのではなく、
最終的に"継続して使える動画工場"になることを優先しています。

最低限、料金が発生するもの

この教材は、できるだけローカルで回せる構成を目指していますが、
現実的にはいくつかの工程で最低限の費用が発生します。

あらかじめ、ここは整理しておきます。

1. ElevenLabs のTTSの使用

キャラが自然に喋る動画を作るために、現時点では ElevenLabs のTTS利用を前提にしています。
そのため、Starter Plan（月5.5ドル）以上を推奨します。商用でなければ無料版でも約1万文字まで使えます。

音声品質や使いやすさを考えると、現段階ではここがかなり強いです。
一方で、この部分は今後の教材アップデートで、無料系のTTS（たとえば qwen3-tts など） の導入も検討しています。

2. nano-banana 系/GPT-Image-2画像生成

キャラ画像、三面図、シーン画像などでは、fal.ai / Gemini API を使った nano-banana 系/GPT-Image-2の画像生成を想定しています。
目安として、1枚あたり約0.04ドル程度です。

もちろん生成回数によって上下しますが、キャラ設計や三面図づくりの試行錯誤を考えると、ここは少額ながら継続的に使う部分です。

3. 動画生成の代替クラウドルート

ComfyUI が快適に使えない場合や、ローカルGPU環境が不足している場合は、
動画生成をクラウドに逃がす必要があります。

その場合は、

fal.ai の従量課金
Vidu などの動画生成サービスの契約

といった選択肢が入ってきます。

つまり、この教材は「完全無料で全部回す」ことを前提にはしていません。
ただし、どこをローカル化し、どこを有料APIに任せるかを選べるようにすることで、全体のコストと品質のバランスを取れるようにしています。

この教材の完成形は「完成品アプリ」ではない

ここは誤解が起きやすいので、はっきり書いておきます。

この教材の完成形は、
何か1つの統合アプリが完成することではありません。

もちろん、特典ツールやスクリプト、Chrome拡張、Pythonファイルなどは用意します。
ただし本質はそこではなく、

各部品の役割を理解して
必要なところをつなぎ
自分の環境で調整し
実際に動画が出せるラインにする

というところにあります。

つまり完成形は、
あなた自身の環境に最適化された"自分専用"の動画生成ラインです。

人によって、

GPU性能
ストレージ構成
API利用量
どこまでローカルに寄せるか
どこまで自動化したいか

は違います。
だからこそ、この教材では「全員に同じ完成品」を配るのではなく、
自分の環境に合った工場を組み立てることをゴールにしています。

完成したときに得られるもの

この教材を最後まで進めて完成形まで到達すると、手元には単なる知識ではなく、次のような資産が残ります。

キャラ設計の型
三面図ベースの画像生成フロー
ローカル動画生成ライン
ループ動画化の手順
アセット化の知識とツール
TTS連携フロー
字幕付き出力フロー
それらをつなぐバッチ処理や運用ルール
自分の環境に合わせた修正ノウハウ

これは、単発の作品よりも価値があります。
なぜなら、一度作って終わりではなく、次の動画、次のキャラ、次のシリーズに使い回せるからです。

この教材が目指しているのは、まさにその状態です。

完成形のイメージが掴めたところで、この教材が誰に合うのか・誰には合わないのかを先に整理しておきます。期待値のズレがあると途中で迷子になりやすいので、ここは読んでおく価値があると思います。

この教材が向いている人 / 向いていない人

この教材は、完成済みアプリを受け取って終わりの教材ではありません。
設計図と特典ツールを使いながら、自分の環境でラインを組み立てていく教材です。

そのため、合う人と合わない人がはっきり分かれます。
先にそこを明確にしておきます。

この教材が向いている人

AIで何かを作ってみたい人
ローカルAIや動画生成に強い興味がある人
自分で工夫して、独自の動画生成フローを組み立てたい人
単発生成ではなく、あとで量産できる仕組みを持ちたい人
多少詰まっても、AIコードエディタを使いながら前に進める人
Claude Code や Codex、Antigravity などを、実制作で使えるレベルまで持っていきたい人
Chrome拡張 / Python / React（Vite） / GitHub をまたいで、1つの制作ラインとして理解したい人
完成品を消費するより、仕組みそのものを手元に持ちたい人

この教材が向いていない人

完成済みアプリをそのまま受け取って、すぐ使いたい人
エラーや環境差に対して、まったく調整したくない人
AIコードエディタを使うつもりがない人
Python や GitHub、拡張機能、設定ファイルなどに強い抵抗がある人
仕組みを理解するより、最短で1本だけ作れればよい人
試行錯誤や微調整を一切やりたくない人

この教材は、完成品の消費者向けではなく、構築者向けです。
逆に言えば、その前提に合う人にとっては、単発のノウハウではなく、あとから使い回せる制作基盤が手元に残ります。

構築者向けと分かった上で進むなら、どんなツールを使うのかを先に把握しておく方がスムーズだと思います。次の章では、この教材で登場するツールを無料・有料・特典の3種類に整理します。

この教材で使うツール全体像

この教材の完成形は、1つの万能ツールで完結するものではありません。
複数のツールを工程ごとに使い分け、それらをつないで1本の動画生成ラインにしていきます。

ここでは、無料ツール / 有料ツール / 特典ツールの3つに分けて整理します。

無料ツール

ComfyUI

wan2.2 の i2v や flf2v を動かすための、ローカル動画生成の中核です。
シーン画像から短い動画を作る工程、ループ素材を作る工程で使います。

Python

バッチ処理、整形、抽出、連結など、周辺の配管を担います。
この教材では、見えないところで一番多く働く基盤の1つです。

GitHub

特典コードの配布、更新版の追跡、差分確認、Issue確認などで使います。
この教材は読み切りではなく、あとから育てていく性質があるため、GitHub と相性が良いです。

Remotion

最終的な字幕付き縦動画を書き出す工程で使います。
LRC と組み合わせて、TikTok や Shorts にそのまま出せる形まで持っていきます。
Remotion を使うため、Node.js 環境も必要です。

有料ツール

nano-banana（fal.ai API / Gemini API）

キャラ画像、三面図、シーン画像などの生成で使います。
画像生成部分は品質と安定性を優先し、クラウド側を使う前提で組んでいます。

ElevenLabs API

キャラに自然に喋らせるための音声生成で使います。
現時点では、TTS部分の主力として考えています。

特典ツール

banana-muffin-chrome

キャラ作成、三面図作成、シーン画像生成など、nano-banana 系の画像生成フローを扱いやすくするための Chrome 拡張です。

comfyui-batch-runner

ComfyUI 周辺のバッチ処理、整理、抽出、ループ素材化などを補助するための Python ツールです。

MPT-custom

ループ動画からのアセット化、口形状の切り出し、mouthless 動画作成、音声との結合などを補助するツール群です。

LRC-maker

字幕用の LRC を作る工程や、その後段の Remotion 連携を進めやすくするための補助ツールです。

補足：このシステムの肝になる MotionPNGTuber

正直、この教材の中でもかなり「うまい仕組みを使っている」パートがここです。

AIで作ったキャラを喋らせたい人は多いです。でも実際にやろうとすると、ここでだいたい2択になります。

普通のPNGTuberでサクッと作る
Live2Dまで頑張って作り込む

ただ、この2つの間には大きな空白があります。

普通のPNGTuberは手軽な反面、どうしても「静止画が口をパクパクしている感」が出やすい。
一方でLive2Dは表現力が高い代わりに、制作コストも学習コストもかなり重いです。

そこで刺さるのが、ろてじんさんが公開している MotionPNGTuber です。

MotionPNGTuberとは？

一言でいうと、「PNGTuber以上、Live2D未満」のちょうどいいところを突いた仕組みです。

本家GitHubでも、MotionPNGTuberは「動画ベースのリアルタイム口パクシステム」と説明されています。
つまり、ただの1枚絵を動かすのではなく、短いループ動画をキャラの土台として使うのがポイントです。

これによって、従来のPNGTuberでは出しづらかった

髪の揺れ
服やアクセサリーのなびき
微妙な体の動き

まで表現しやすくなります。

しかも、Live2Dのように最初から細かいモデリングを作り込まなくてもいい。
MP4のループ動画と、口のスプライト画像があれば始められる。 これがかなり強いです。

要するにMotionPNGTuberは、

「AIで作ったキャラを、重すぎる制作工程なしで、ちゃんと“生きている感じ”に近づけるための実践的な中間解」

です。

何がそんなに良いのか

この仕組みが強いのは、見た目が良くなるだけではありません。
あとから量産しやすい形でキャラ資産を作れるのが本質です。

一度ベースとなるループ動画を用意して、口パク用の素材を整えてしまえば、

台本を変える
音声を変える
背景や演出を変える

といった差し替えで、別動画を横展開しやすくなります。

本教材としてかなり重要なのはここです。
単発で「1本だけ喋る動画を作れました」で終わる話ではなく、キャラクター運用を工場化しやすいんです。

AI解説動画、AITuber運用、ショート動画量産のどれをやるにしても、毎回ゼロから動画を組み直すのは重い。
でもMotionPNGTuber系の考え方だと、最初にキャラ資産を作り込むぶん、後ろが一気に楽になります。

仕組みをかみ砕いて言うと

難しく見えますが、やっていることはかなり分解できます。

まず、キャラが少し揺れている短いループ動画を用意する
その動画から、口の形の素材を切り出す
元の口を消したベース動画を作る
音声やマイク入力に合わせて、口の素材をリアルタイムで重ねる
すると「元からそのキャラが喋っている」ように見える

つまり、動きのリッチさはループ動画で確保し、喋っている感じは口パク合成で作るわけです。

この分け方がうまいから、見た目と運用性のバランスがいいんです。

ろてじんさんのnoteでも触れられている通り、いまはAI画像生成の精度がかなり上がっています。
つまり、オリジナルキャラを作る難易度が以前より大きく下がったんですよね。

だからこそ次に出てくる課題は、
「そのキャラをどうやって自然に動かすか？」です。

ここでMotionPNGTuberはかなり現実的です。

PNGTuberより見栄えがいい
Live2Dより導入のハードルが低い
しかもアセット化すれば使い回せる

この3つが揃っているので、AIキャラ運用の現場でちょうど使いやすいんです。

この教材でやること

本教材では、この MotionPNGTuber をそのまま触って終わりではありません。
この仕組みを土台にして、口パク動画作成用にカスタマイズしたアプリ MPT-custom を使って、実際に喋る動画を作っていきます。

流れとしては、

ループ動画からアセットを作る
口パク素材を抽出する
位置合わせを調整する
キャラクターとして登録する
TTSで喋らせる
字幕までつけて仕上げる

という形です。

つまりこのパートは、単なるツール紹介ではありません。
「AIキャラを量産できる制作ライン」にどう接続するかまで含めて扱います。

本家 MotionPNGTuber が優れているのは、土台の考え方が非常に良いこと。
そして MPT-custom で狙っているのは、その土台をさらに 解説動画量産やAIキャラ運用に寄せて使いやすくすること です。

しかもMITライセンス

本家 MotionPNGTuber は MIT ライセンスで公開されています。
かなりありがたいです。仕組みを学ぶにも、触って試すにも、改造して使うにも入りやすい。

さらに本教材で使う私のカスタム Python アプリ MPT-custom も MIT ライセンス とします。
なので、自由に改変・再配布してもらって大丈夫です。

もし改良版を作ったら、ぜひ共有してください。
こういうツールは、使う人が増えるほど強くなります。

参考リンク

MotionPNGTuber 解説note
MotionPNGTuber GitHub

ここを読むと、「なぜ今この方式がちょうどいいのか」がかなり腹落ちするはずです。

補足2：前提にしている環境

この教材では、単にツールを入れるだけでなく、AIコードエディタを相棒にして組み立てることを前提にしています。
そのため、Claude Code やCodex、 Antigravity のような AI コーディングエージェントは、実質的に必須に近いツールです。

作者の環境

OS：Windows 11
CPU：Ryzen 5
メモリ：64GB
GPU：RTX 5060 Ti（VRAM 16GB）
ストレージ：SSD 2TB

推奨スペックの目安

Windows 10 / 11
Core i5 / Ryzen 5 以上
メモリ 16GB以上
ComfyUI を快適に使うには NVIDIA グラボ推奨
動画生成まで考えると VRAM 16GB以上推奨
画像・動画・中間生成物が増えるため、SSD は多め推奨
ストレージはローカル動画生成AIモデルファイル(約数十GB)が入る容量が必要

グラボがない場合や NVIDIA 系 GPU が用意できない場合は、
ComfyUI ベースのローカル動画生成は厳しくなります。
その場合は、動画生成だけクラウド側のルートを使う構成も選択肢になります。

ツールの全体像が見えてきたところで、なぜこの教材が完成品配布ではなく構築キット型なのかを整理しておきます。この考え方を理解しておくと、後の工程で詰まったときの対処がしやすくなります。

なぜこの教材は"構築キット型"なのか

なぜこの教材は"構築キット型"なのか

この教材は、完成済みアプリをそのまま渡す形ではなく、
部品を理解しながら自分の環境で組み立てていく構築キット型として作っています。

これはわざと面倒にしているのではなく、扱う工程と環境差を考えると、その形が一番現実的だからです。

一発導入が難しい理由

画像生成 / 動画生成 / アセット化 / TTS / 字幕出力まで、複数の工程がつながっています。
PCスペック、OS、ドライバ、Python環境、ComfyUI 周辺の状態によって、同じ手順でも挙動が変わります。
とくにローカル動画生成と MotionPNGTuber 周辺は、環境差と調整の影響が大きい領域です。
そのため、「全員が完全に同じ形でワンクリック動作する完成品」を配るより、設計図と補助ツールを渡し、自分の環境で最適化していく方が再現性が高くなります。

AIコードエディタ前提にするメリット

パスや設定の差分を、その場で調整しながら進められます。
エラーが出たときに、原因切り分けと修正を前に進めやすくなります。
Pythonファイルや設定ファイルの小修正を、自力ですべて抱え込まずに進められます。
結果として、この教材の構築難易度を大きく下げられます。

昔なら重かった「環境ごとに合わせて組む」という作業も、
今は AIコーディングエージェントを使う前提なら、かなり現実的になりました。

だからこそ得られる力

この方式で構築すると、手元に残るのは単発の完成品ではありません。

自分の環境で実際に動く動画生成ライン
どこを直せば改善するか分かる状態
次のキャラや次の企画に流用できる部品と手順
今後のアップデートや派生ルートにも追従しやすい土台

一度構築を越えてしまえば、
そこから先は 再利用性の高い、自分専用の動画工場 として回せるようになります。

この教材で渡したいのは、完成済みの箱ではなく、
あとから自分で増設・修正・量産できる制作基盤です。

構築キット型という設計の理由が分かったところで、最後に価格・特典・今後のアップデート方針を確認しておきます。購入前に気になるポイントをここで先にまとめています。

価格・特典・アップデート方針

価格

この教材は、公開後も内容を増やし続ける設計です。今が最も低い価格で入れるタイミングです。

早い段階で入った方が、教材の完成度が上がっていく過程を同じ価格のまま追いかけられます。

現在の価格は 4,980円です。2026年8月11日（火）の朝に、6,980円に改定します。2026年8月10日（月）23:59までにご購入いただいた場合は、4,980円のままです。

特典

購入者には、本編を読んで終わりではなく、実際に「自分の動画工場が動く状態」まで最短で持っていくための3つの特典を付けます。

この教材で本当に重いのは、知識を読むことではなく、手元でラインを立ち上げることです。環境構築で止まる、素材化や調整で詰まる、欲しい機能を足したくなって止まる。この3つを潰すために、今回はただのオマケではなく、制作速度そのものを底上げする特典に寄せました。

特典1：4大「工場モジュール」一式

この教材の核になる4アプリを、バラバラの知識ではなく「1本の制作ライン」として渡します。ゼロから全部を作る必要はありません。最初から、回る形に寄せた土台を持った状態でスタートできます。

banana-muffin-chrome — キャラ設計、三面図、シーン画像生成の起点を作る Chrome 拡張
comfyui-batch-runner — 画像から動画への量産ラインを支えるバッチ処理ツール
MPT-custom — ループ素材のアセット化、口パク、喋る動画づくりの中核ツール群
LRC-maker — 字幕作成と最終仕上げを一気に前へ進める補助ツール

全部を自力で調べて組むと、最初の数日は「作る」より「調べる」で終わりがちです。ですが最初から部品があると、読んだ知識をそのまま手元のラインに落とし込みやすい。つまりこの特典は、学習用の資料ではなく、制作開始を早めるための実戦パーツ集です。

特典2：特製自動化Skills

ここがかなり強いです。AIコードエディタに毎回ゼロから頼むのではなく、「この作業はこの skill に任せる」という形で、止まりやすい工程を専門化して進められます。特に MPT-custom 周辺の詰まりやすい作業を、かなり前に進めやすくなります。

install-deps — Python、Remotion、mouth tracking 周りの依存をまとめて整え、環境不良の復旧まで支援
create-assets — ループ動画からMPT-custom用アセット作成を実施
mouth-track-diagnose — スクショや track 結果からズレの原因を切り分け、調整すべき値の当たりを出す
sfg-tiktok-video — テキスト資料から台本、TTS、字幕、MP4 まで一気通しで生成
そのほかにも、用途別に呼び出せる自動化 skill を同梱

普通は「何を頼めばいいか」を考えるところから重いですが、skill 単位で起動できると、作業の切り分けが一気に楽になります。これは単なる補足資料ではなく、詰まりやすい工程を短縮して完走率を上げるための実戦用オートメーションです。

特典3：アプリ改造用プロンプト集

この特典は、配布物をそのまま使うだけで終わらず、4つのアプリを自分仕様に育てるための起点です。AIコードエディタへそのまま貼れる形で、改造の最初の一投目になるプロンプトを整理しています。

banana-muffin-chrome に別画像モデルや動画生成を追加する起点プロンプト
comfyui-batch-runner に監視、自動投入、永続キュー、レポート、新モデル追加を入れる起点プロンプト
MPT-custom に品質チェック、感情プリセット、環境診断、複数キャラ対応を足す起点プロンプト
LRC-maker に波形、自動分割、多言語、スタイルプリセットを足す起点プロンプト　など

もちろん、これは「貼れば100%一発成功する呪文集」ではありません。ですが、何もないところから仕様を考えるより圧倒的に速い。欲しい改造を言語化して、実装の起点を最短で作れるだけで、AIコードエディタの使い勝手は大きく変わります。

この教材とは別に発生する費用

教材代とは別に、実運用では一部の生成コストが発生します。

ElevenLabs：Starter Plan（月5.5ドル）以上を推奨。無料版でも試用可能だが、商用不可
nano-banana 系画像生成：fal.ai / Gemini API を使う想定で、1枚あたり約0.04ドルが目安
ローカルGPUが厳しい場合：fal.ai や Vidu など、クラウド動画生成の費用が別途発生する可能性あり

1動画あたりの原価は約10円前後（「はじめに」のコスト表を参照）。運用コストは業界最低水準の構成です。

アップデート方針

今後は、次のような内容を段階的に追加していく予定です。

fal.ai 対応の強化
自動化・バッチ化の強化
高品質なクラウドルートの整理
無料系TTSルートの検討
つまずきやすい箇所の補足と修正版の追加

更新情報は、教材本文の追記だけでなく、特典コードや GitHub 側の更新とも連動して追える形にしていく想定です。購入後に一度読んで終わりではなく、少しずつ育っていく教材として運用します。

この動画工場でできること

動画工場が完成した先に、何がありますか？

この教材で構築したラインは、仕組みを持つことが目的ではありません。そのラインを使って何を発信し、どこに向かうかがゴールです。

以下は、この動画工場を使った展開例です。

AIキャラで毎週投稿する

Starflight GirlsのXアカウント・YouTubeチャンネルがそのモデルです。

毎週1〜3本のショート動画をキャラが喋る形式で投稿
工場が回っていれば、台本を書いてTTSに流すだけで量産できる
同じキャラ資産を使い回すため、投稿コストは回数を重ねるほど下がる

「毎週投稿できる体制を整える」という目標を持っているなら、この動画工場はそのための直接的なインフラになります。

解説・教育系ショート動画をAIキャラで量産する

AI・技術・副業・ライフスタイルなど、自分の得意分野の解説をAIキャラに喋らせる
TikTok / YouTube Shorts / Instagram Reels に流してチャンネル登録者を伸ばす
キャラへの親近感が積み上がると、次の展開（コミュニティ・有料教材・Brainなど）への導線が作りやすくなる

アフィリエイト・商品紹介動画をAIキャラで作る

紹介したい商品・サービスの台本をAIキャラが喋る形式で動画化
noteやBrain、X発信と連携させることで、コンテンツ→成約の流れが作れる
動画という形式は、テキストより滞在時間が伸びやすく、信頼感も伝わりやすい

AITuberとして発信・コミュニティを育てる

キャラクターを軸にしたXアカウントやYouTubeチャンネルを育てる
ファンが付いてきたら、コミュニティやメンバーシップに発展させる
AITuberとしての「世界観」と「発信の継続性」を、この動画工場が支える

「工場を作ること」はスタートです。その工場を使って何を積み上げるかで、1年後の景色が変わります。

購入前に必ず読んでください

この教材は、完成済みアプリを受け取ってすぐ使うタイプの教材ではありません。
AIでキャラクターを作り、画像を作り、動画を作り、喋らせ、字幕付き動画として出力するまでの制作ラインを、あなたのPC環境に合わせて組み上げていく「構築キット型」の教材です。

そのぶん、ハマればかなり強い武器になります。
一方で、「手順通りに進めれば、どのPCでも同じように必ず動く」ことを保証する教材ではありません。特に後半の MotionPNGTuber 系パートは、環境差の影響を強く受けます。購入前に、この前提だけは必ず理解しておいてください。

先にお伝えしたい重要事項

この教材は「完成品の配布」ではなく、「自分の制作環境を構築する教材」です。
とくに MotionPNGTuber / MPT-custom 周辺は、この教材の中で最も難易度が高いパートです。
PCスペック、GPUの機種、VRAM、ドライバ、Python、Node.js、FFmpeg などの環境差によって、手順通りに進めても同じ挙動にならないことがあります。
再現性を上げるように構成していますが、すべての環境で完全に同一の動作を保証するものではありません。
つまりこの教材は、「即完成する商品」ではなく、AIも使いながら自分の動画工場を組み上げていく教材です。

AI読み込み・個人利用について

本教材は、学習のサポートを目的として「AI読み込み」を許可しています。

この教材をPDFとして保存し、NotebookLMなどに読み込ませたり、教材の一部をコピーして、Claude Code、Codex、Antigravityなどの個人用スキルやアシスタントを作成したりするのも大歓迎です。

ただし、教材本文・PDF・抜粋・要約・教材をもとに作成したアシスタントやスキルの配布、販売、一般公開はご遠慮ください。あくまで購入者ご本人の学習・制作補助としてご利用ください。

特に詰まりやすいポイント

ComfyUI の導入、モデル配置、API連携　※NVIDIA系GPU推奨
MotionPNGTuber 系のリアルタイム口パクまわり　※CPUのみでOK
MPT-custom のセットアップと依存ライブラリ　※CPUのみでOK
GPU / VRAM / ドライバの相性
Windows 側の権限設定、セキュリティソフト、パスの問題
Python / Node.js / FFmpeg など複数ツールの共存

このあたりは、教材の手順に問題がなくても、ローカル環境差で引っかかることがあります。
特にローカル動画生成や MotionPNGTuber 系は、PCスペックやGPU条件の影響が大きく、環境によっては想定よりかなり難しくなる場合があります。

NVIDIA 系GPUが使える環境のほうが進めやすいですが、難しい場合は、動画生成だけクラウド側のルートを使う逃がし方もあります。
この教材では、そうした代替ルートも含めて「最終的に回る形」を目指します。

購入前チェックリスト

次の項目に、できるだけ多くチェックが入るか確認してください。

Windows PCでのセットアップ作業に抵抗がない
Chrome拡張、Python、Node.js、GitHub などの導入作業に抵抗がない
エラーが出たときに、ログを見ながら1つずつ切り分けるつもりがある
MotionPNGTuber / MPT-custom は環境差で詰まる可能性があると理解している
可能なら NVIDIA 系GPUを使える、または一部をクラウドルートに切り替える判断ができる
Claude Code / Codex / Antigravity など、AIコーディングエディタを併用する前提で進められる
「1クリックで完成する教材」ではなく、「自分の動画工場を作る教材」だと理解している
多少の試行錯誤を許容してでも、量産できる仕組みを手元に持ちたい

チェックがほとんど付かない場合は、現時点では購入後の満足度が下がる可能性があります。
逆に、ここを読んだ上で「それでも自分の環境に動画工場を作りたい」と思えるなら、この教材とはかなり相性がいいはずです。

以上が無料公開エリアの全内容です。教材の全体像・対象者・ツール構成・設計思想・費用感をひと通り確認できたと思います。次の有料パートでは、実際の構築手順を順番に進めていきます。まずは全体像が頭に入った状態で、1つずつ組み立てていきましょう。

全体の流れを把握する

banana-muffin-chromeによるAI画像生成からはじまり、ComfyUIでの動画生成、ElevenLabsによる音声合成、MPT-customによる動画工場の完成まで、23本のハンズオン動画を1つのドキュメントにまとめました。各パーツをつなぎながら読み進めることで、AI動画工場の全体像が一本のラインとして見えてきます。

教材を最大限に活かすために、まず全体の制作フローを頭に入れておきましょう。各章で何をしているのかが格段に理解しやすくなります。