オール SaaS ウェブツール
月 1 本未満;技術に興味がない場合
$20–60/月 · 低
△ サブスク代が 1 本の収益を超える;編集が単純作業化してきた
図面セット · L0–L3
顔出しなしで YouTube 動画を作る
言いたいことはあるが、顔は出したくない。動画編集ソフトの道は月 $50+ のサブスクと、 1 本ごとに数時間のタイムライン作業を意味する。パイプラインの道は動画をコードとして扱う: 自分の声を録音し、AI が文字起こしと字幕アラインを行い、映像はコードがレンダリングする—— 毎回同じ「機械」を再利用できる。このページはまず全ての作り方の地図を示し、 その上で私たちが毎週実際に走らせている道に印を付ける。
設計思想
顔出しなしのチャンネルが売るのは声と視点です。パイプラインがあるのは、新しい回にかかるのが編集ではなく考えることだけになるためです。
声がブランド
視聴者が戻ってくるのは、あなたの考え方と話し方のためです。タイムライン、字幕、レンダリングは自動化しても、人が本当に見に来ている部分は自動化しません。
1 本の動画はコード
台本、録音、テンプレートから作り直せるなら、誤字の修正は再レンダリングで済み、素材を並べ直す夜は要りません。
磨き込みより視聴維持
視聴者が離れるのは最初の 30 秒で、トランジションではありません。視覚効果より先に、冒頭のつかみとテンポに力を注ぎます。
一人で、お金より時間がある、作れば作るほど 1 本あたりのコストを下げたい—— ならコードパイプライン(推奨マーク付き)へ。月 1 本未満なら SaaS ルートも選択肢。
図番L0
最初の 1 本
使う人あなたと最初の視聴者
月額$0
①なぜ上がるか
そもそも番組として成り立つかを知りたい段階です。まだ誰も 2 本目を待っていないので、システムを作るより 1 本を完成させることが大事です。
②アーキテクチャ
声を録音し、音声モデルに字幕を作らせ、残りは手持ちの簡単な編集ソフトで組み立てます。自動化はしません。どの手順が繰り返されるかを学んでいるのです。
Δ この段階で追加
- + まともなマイク
- + 台本のテンプレート
地図上の形: セミローカル(録音 + AI 字幕 + テンプレ編集)
③ツール
すべて無料のローカルツールで。この段階で買う価値があるのはマイクだけです。音が悪いと、地味な映像よりずっと早く視聴者が離れます。
④コードとテスト
- 完成した回を、スマホで音を消して見る。字幕だけで伝わるべきです。
- アップロード前にラウドネスを測る。小さすぎる音や音割れは最初の回で最も多い欠点です。
- 手作業の手順をすべて書き出す。そのリストが次の段階の仕様書です。
図番L1
毎週の番組
使う人次の回を待つ登録者
月額$0–10
①なぜ上がるか
毎週同じ 20 回のクリックを繰り返しています。更新のリズムができた今、編集に使う 1 時間は台本に使えなかった 1 時間です。
②アーキテクチャ
1 本の動画はビルドになります。台本、録音、字幕の強制アライメント、コードのテンプレートによる映像レンダリング、最後に 1 回の合成。コマンド一つで素材が完成品になります。
Δ この段階で追加
- + コードでレンダリングする映像
- + 再利用できるシーンテンプレート
- + 素材から動画までコマンド一つ
地図上の形: フルコードパイプライン(私たちの道)
③ツール
マウスだけでなくスクリプトから操作できるツールを選びます。クリックでしか動かないものは、あとでエージェントに任せられません。
④コードとテスト
- ツールとモデルのバージョンを固定し、先月の回も同じように作り直せるようにする。
- テンプレートごとに参照フレームを残し、新しいレンダリングと比較する。
- ラウドネスは耳ではなく、パイプラインで自動チェックする。
図番L2
収益化したチャンネル
使う人視聴者、スポンサー、プラットフォームの権利システム
月額$10–50
①なぜ上がるか
チャンネルが収益を生み始めました。今や著作権の申し立て一つで 1 本の収益を失い、生の録音を一つなくせば、その回は二度と直せません。
②アーキテクチャ
パイプラインに三つが加わります。すべての素材の出所とライセンスの記録、生の録音のバックアップ、公開前のチェック。有料の音楽や素材は、その記録を通してのみ入ります。
Δ この段階で追加
- + 素材ごとのライセンス記録
- + 生の録音のバックアップ
- + 公開前の権利チェック
- + テンプレート内のスポンサー表記
地図上の形: フルコードパイプライン(私たちの道)
③ツール
何よりも先に、正規ライセンスの音楽と素材にお金を使います。1 本分の収益を失わないための最も安い保険です。
④コードとテスト
- ライセンス記録のない素材はレンダリングに入れない。パイプラインに拒否させる。
- 生の録音は 2 か所にバックアップする。レンダリングは作り直せても、その収録は作り直せません。
- まず非公開でアップロードし、権利チェックを待ってから公開する。
図番L3
複数チャンネル・多言語
使う人複数の言語の視聴者
月額$50–300+
①なぜ上がるか
一つの録音で複数の言語やチャンネルに届けられるのに、自分のマシンでのレンダリングがボトルネックになっています。
②アーキテクチャ
レンダリングはクラウドのキューへ移り、台本は言語ごとに人のレビュー付きでローカライズされます。合成音声は、ブランドが許し、プラットフォームの開示ルールを満たす場合にだけ使います。
Δ この段階で追加
- + 一括レンダリングのキュー
- + 人がレビューするローカライズ台本
- + 合成コンテンツの開示ラベル
地図上の形: フルコードパイプライン(私たちの道) · フル AI 生成(合成音声・合成映像)
③ツール
ローカライズは品質が静かに落ちる場所です。レンダリング能力を増やす前に、言語ごとのネイティブレビュアーの予算を確保します。
④コードとテスト
- 合成音声や映像には、各プラットフォームの現行ルールに従ってラベルを付ける。
- すべてのバッチを、すべての言語で、公開前に抜き取りレビューする。
- 言語ごとに視聴維持率を追う。視聴者を失う翻訳は、翻訳がないより悪い。
アーキテクチャ全景
取り得るすべての形。その大半は「まだ作るべきでないもの」を知るためにある。
セミローカル(録音 + AI 字幕 + テンプレ編集)
週次ペース、デスクトップツールに抵抗がない場合
$0–20/月 · 低〜中
△ 毎回同じ 20 クリックを繰り返している——それはまだ書かれていないスクリプト
フルコードパイプライン(私たちの道)
週 1 本以上、一人、限界コストをゼロに近づけたい場合
ベースは $0/月 · 初期は中程度、軌道に乗ればほぼゼロ
△ チャンネル収益が録音時間を買い戻せるようになったら、音声も自動化へ
フル AI 生成(合成音声・合成映像)
複数チャンネルの量産戦略;声がブランドでない場合
$10–100+/月 · 中
△ プラットフォームの合成コンテンツ表示が厳格化中;視聴維持率の低下が最初のサイン
本当に必要な概念
各概念に平易な一文とたとえ話をひとつずつ。ツールモジュールをクリックしても同じ解説が出る。
- 強制アラインメント
- 既知の台本の各単語を、音声内の正確なタイムスタンプに対応付けること。
- ≈ 歌った瞬間にその文字が光るカラオケの歌詞。
- フレームレートとタイムライン
- 動画は静止画の高速連続表示。30fps なら 1 フレームは 1/30 秒。
- ≈ パラパラ漫画——各ページに何を描くかをコードが決める。
- レンダリング
- コードやタイムラインの記述を実際の映像フレームに変換する、最も遅く CPU を食う工程。
- ≈ パン作りのオーブン工程——レシピは完成、あとは熱と時間の仕事。
- コーデックとコンテナ
- コーデック(H.264)はピクセルの圧縮方式、コンテナ(.mp4)はそれを入れる箱。
- ≈ 真空パック(コーデック)と配送用の段ボール(コンテナ)。
- ラウドネスとダッキング
- 話している間は BGM を自動で下げる。プラットフォーム側も全体音量(LUFS)を正規化する。
- ≈ MC がマイクを握った瞬間に音楽のフェーダーを下げる、腕のいい DJ。
skill.md を持ち帰る
このシナリオ用のスキル中心主義スターターファイル——最初のプロンプトの前にエージェントへ。計画・スタック・既知の落とし穴が入っている。