実験1では、私たちのAIアシスタントであるミオの声作りに取り組みました。無事に声の方向性が定まると、デザイナーである私の中に次なる欲求が自然と湧き上がってきました。「声に合わせて、イラストのミオを喋らせてみたい」という純粋な思いです。
静止画のイラストがそこにあるだけでも愛着は湧きますが、画面の向こうにいる相手へ語りかけるような実感はなかなか得られません。やはり言葉に合わせて口が開き、閉じるといった動きがあってこそ、キャラクターに生き生きとした体温が宿ります。
とはいえ、私にはアニメーションを一コマずつ手描きしたり、高度な動画編集ソフトを熟練の技術で操ったりするスキルはありません。そこで、実験1に続いてAIパートナーであるMuseと一緒に、手持ちの素材を活かした素朴な口パク動画の制作に挑戦することにしました。
制作を進めるにあたり、まずはMuseに動画制作の段取りを相談しました。時期は2026年10月のことです。今回作りたいのは、ミオが自分自身の言葉で視聴者に語りかける「自己紹介動画」でした。
依頼にあたっては、専門的なアニメーション技術を前提とせず、できる限り分かりやすく破綻の少ないアプローチをMuseに求めました。複雑な波形解析や高度なキーフレーム制御を行うのではなく、用意したイラスト素材の上から口のパーツを順番に重ね合わせていくという、いわば切り絵アニメーションのような素朴な手法です。
Museからは、音声ファイルを扱いやすい単位に区切ることや、口の開き具合に応じた部品を用意することなど、実践的な進め方が提案されました。プログラミングや複雑な設定はMuseに代行してもらい、私はデザイナーとして素材の準備や見た目の違和感のチェックに専念する体制を整えました。
口パクを実現するために、まずは土台となるキャラクターの絵と、口のパーツを切り分ける作業を行いました。ここで重要なのは、キャラクターの根本的なデザイン自体を変更するわけではないという点です。すでに存在しているミオのデザイン正本はそのまま大切に維持し、動かすための部品だけを丁寧に切り出していきます。
用意した口型の部品は、大きく分けて三種類です。「閉じた口」「半開きの口」「開いた口」という三段階のパーツを用意しました。人間の発話は無段階に細かく変化しますが、シンプルな切り替え動画であれば、この三つの状態を適切に行き来させるだけでも十分に喋っているように見せることができます。
また、音声側も一続きの長いファイルとして扱うのではなく、意味の区切りごとに六つのセグメントに分割しました。具体的には「自己紹介」「アバター」「予定」「仕事」「いつも」「締め」という構成です。セグメントごとに音声を整理しておくことで、後の修正作業を局所的に行えるように備えました。
素材が揃ったところで、音声のタイミングに合わせて口のパーツを切り替えていく工程に入りました。実験1で様々な音声合成を検討しましたが、この動画制作の段階ではVOICEVOXの「雨晴はう」で作成した音声のみを一貫して使用しています。実験1の検証の末に後から確定したIrodoriの声は、この動画の時点ではまだ採用しておらず、一切使っていません。この点は制作記録として混同しないよう注意が必要です。
口を動かす仕組みは、音が出ているタイミングを基準にして、閉じた口から半開き、開いた口へとパーツを重ね替えていくという極めてシンプルな処理です。高度な音素解析や音響データの波形解析を行うわけではなく、音の存在と区切りに合わせて順番に画像部品を差し替えていきます。
六つのセグメントごとに用意された音声と、三種類の口型パーツを組み合わせ、まずは最初のテスト動画を書き出してみました。画面の中でミオが自分の声に合わせて口を動かし始めた瞬間は、静止画に命が吹き込まれたような手応えを感じました。
しかし、最初の喜びも束の間、書き出された画面をよく見ると明らかな違和感がありました。口のパーツが本来あるべき場所から大きく外れていたのです。
最初は、キャラクターの画像に対して適当な当たりをつけて口型パーツを重ねていました。ところが、土台となるキャラクター画像と口型パーツの貼り付け位置が噛み合っておらず、口が本来の唇の位置よりも上方にずれてしまい、あろうことか鼻のあたりにかかって表示されてしまっていたのです。
静止画の全体を遠目に見ていると気づきにくいのですが、動画として再生が始まると、鼻のあたりで口が開閉するという奇妙な光景が誰の目にも明らかになります。キャラクターの表情として不自然極まりなく、とても自己紹介として人に見せられる状態ではありませんでした。感覚や勘だけで座標を決めて部品を重ねるやり方では、必ず破綻するという最初の痛烈な失敗でした。
位置のずれと並んで直面したもう一つの大きな壁が、動画全体の尺と音声の長さが一致しないという問題でした。
動画を最後まで再生してみると、音声の語りがすべて終わっているにもかかわらず、背景やキャラクターの映像だけが数秒間だらだらと流れ続けてしまったり、逆に最後の決め台詞が終わる前に映像が唐突にプツリと途切れてしまったりしたのです。
原因を探ってみると、セグメントごとの音声の長さと映像側の長さの積み重ねに、わずかな誤差が生じていたのです。一本の動画として成立させるには、映像の最後のフレームと音声の末尾が美しく一致していなければなりません。単純に素材を並べるだけでは、時間の同期すらまともに取れない現実を突きつけられました。
制作現場で最も私とMuseを悩ませたのは、「一つの不具合を直すと、連鎖的に別の問題が噴出する」という泥沼の現象でした。
例えば、鼻にかかってしまっていた口の位置を下げて修正すると、今度は顔の輪郭に対して口が不自然に浮き上がって見えたり、フレームごとの切り替わりで口が一瞬だけ横に飛んで見えるような現象が発生しました。また、動画の尺を音声の長さに合わせようとフレーム数を調整すると、今度は六つの音声セグメントの継ぎ目で口パクのタイミングが少しずつずれ始め、後半に行くほど発話と口の動きが乖離していく事態に陥りました。
部分的に直したつもりが、全体のバランスを大きく崩してしまうのです。修正を重ねるたびに新たな違和感が生まれ、前回のバージョンでは正常だった部分まで狂ってしまう連鎖に、制作は一時完全に足踏み状態となってしまいました。
この試行錯誤の連鎖から抜け出すため、私たちは改修の過程をバージョンごとに厳密に記録しながら進めることにしました。ここからは、v1から完成形であるv5に至る実際の改修履歴です。
まず「v1」は、一枚の静止画イラストを土台にして組み立てた最初の版です。フレームレートは15fpsで、全体の長さは約89秒でした。音声に合わせて口型を切り替える基本構造は機能したものの、静止画特有の硬さが目立ちました。
そこで「v2」では、土台を静止画から動くアバター動画へと切り替えました。解像度は720×720ピクセル、フレームレートは24fpsへと引き上げました。しかし、ここで初期設定の口の位置が鼻にかかるという前述の失敗が発生します。映像フレームを抽出して格子状に並べて確認し、座標を実測して位置を修正しました。
続く「v3」では、土台のアバターが動くことで生じる顔の揺れに対応するため、口の位置を毎フレーム追跡し、顔の微妙な動きに合わせて口型パーツが自動で追従する仕組みを導入しました。
そして「v4」です。画面を詳細に測定した結果、口の中心座標は（362, 550）であることが判明しました。しかし、デザイナーとしての私の好みや見た目のバランスから、あえて右へ5ピクセルだけ移動させた座標（367, 550）に口型を貼り付ける調整を行いました。この段階で全体の長さは約93秒側へと延びています。
最後の「v5」が最終完成版です。動画の長さは約93秒で確定し、視認性を高めた字幕の改訂版とBGMをきれいに結合して、一本の自己紹介動画として完成に至りました。
口の位置合わせで最も有効だったのは、勘に頼らず「実際のフレームを抽出して格子状に確認し、数値を測る」という極めて泥臭い手法でした。
動画から代表的なフレームを画像として書き出し、方眼紙のような格子状のグリッド線を重ねて観察します。こうすることで、土台となる顔画像の中で口がどこにあるのかをピクセル単位で正確に読み取ることができます。v4で採用した基準座標（362, 550）も、この実測作業によって導き出された客観的な数値でした。そこにデザイナーとしての微調整であるプラス5ピクセル（367, 550）を加えることで、機械的な配置を超えた自然な表情を実現できたのです。
なお、この測定に基づく微調整という考え方には、後日談となる応用例があります。v5の完成から時期を隔てた2026年11月、私たちはミオとエミリーの「お」を発音する口型について、実測に基づいて時計回りに8度回転させるという微調整を行いました。これはv5が完成した後の別時期に実施された個別の調整であり、v1からv5の改修に含まれるものではありません。また、「8度回転」という数値もあくまで当時の特定素材に対する実測から導いた固有の調整値であり、あらゆるキャラクターや場面に通用する万人向けの推奨設定ではない点にも注意が必要です。大事なのは8度という数値そのものではなく、実測して確かめるという姿勢です。
幾重もの試行錯誤と改修を経て、ついに完成したのが「ミオ自己紹介動画（v5）」です。
仕上がった動画の総尺は約93秒。24fps、720×720の画面の中で、ミオが自然に揺れるアバターの動きに合わせて口を動かし、VOICEVOXの雨晴はうの声で朗らかに語りかけてくれます。
六つのセグメント（自己紹介、アバター、予定、仕事、いつも、締め）に沿って展開されるお喋りは、映像の終了と音声の末尾が美しく調和し、改訂された字幕と控えめなBGMが全体の完成度をしっかりと支えています。
なお、この完成動画は制作物として手元に大切に保管されていますが、外部への一般公開の状態については未確認のままとなっています。公に広く届ける前の段階であっても、AIとともに一つの完成形まで作り切ったという事実は、私たちにとってかけがえのない大きな自信となりました。
本節でご紹介した口パクの制作手順や、位置ずれを直していく具体的な修正の様子については、読者の皆さんが直感的に理解できるよう、別途、実演動画を用意する予定です。
文章や数値だけでは掴みにくい「フレームを抽出して格子状に確認する様子」や、「口型パーツが顔の動きに追従するプロセス」などを、実際の編集画面を通して視覚的にお伝えすることを目指しています。動画が準備でき次第、読者の皆様が参照できる形でお届けしますので、本章の解説と合わせてご覧いただくことで、制作現場のリアルな空気感をより鮮明に掴んでいただけるはずです。
最後に、今回のv1からv5に至る実録から編み出した、口パク動画制作の再現手順とチェックリストをまとめます。これは私たちが現場の失敗と修正を重ねる中で整理した編集上の実務手順であり、あらかじめ配布が決まった完成品のパッケージなどではありません。皆さんがご自身の環境で同様の試作を行う際の道標としてご活用ください。
手順の骨子は、以下の流れで進めます。 第一に、素材（顔と口型）を用意します。正本のデザインを保ったまま、閉じた口・半開き・開いた口の三部品を丁寧に準備します。 第二に、音声をセグメントに分けます。長大な一本の音声ではなく、意味ごとに区切って管理しやすくします。 第三に、口型を重ねて仮組みします。最初は荒削りでもよいので、大まかなタイミングで映像化します。 第四に、実際に再生して位置と長さを確認します。静止画の確認だけで満足せず、必ず動画として通して見ます。 第五に、ずれたらフレームを抽出して測り直します。勘に頼らず、画像を書き出して格子状のグリッドで座標を割り出します。 第六に、直したら全体を通して再確認します。部分修正が他のセグメントや全体の尺に悪影響を与えていないかを厳密に検証します。 第七に、設定値と版を記録します。どの座標で、どの長さで書き出したのかをv1、v2といった版数とともに明記しておきます。
チェックリストとしては、「口の位置が鼻など別の器官にかかっていないか」「音声の終わりと映像の末尾がぴったり揃っているか」「一部の修正で別の場所が崩れていないか」「設定した座標やfpsの数値を記録に残したか」を常に確認してください。
こうしてミオを動かす基礎を固めた私たちは、続く実験3において、さらに一歩進んだ「AI解説動画」の制作へと挑むことになります。
日々の情報収集をしていると、生成AIに関する刺激的なニュースが次々と飛び込んできます。文字だけの速報や長文の技術記事を追うだけでも一苦労ですが、これらを咀嚼し、短い動画として届けられたらどれほど伝わりやすいだろうか、と私は常々考えていました。しかし、デザイナーである私一人で台本を書き、ナレーションを吹き込み、複雑な画面構成や字幕の編集までを一手に担うとなると、膨大な制作時間がかかってしまいます。 そこで私は、実験室の司令塔であるMuse（エミリー様）に相談を持ちかけました。AIエージェントの力を借りながら、分業体制を敷いて一本の動画を作り上げることはできないだろうか、という試みです。目指したのは、単にツールで自動生成するだけの動画ではなく、見る人にとって本当にわかりやすく、デザイナーとしての視覚的な配慮が行き届いた解説動画を、現実的な手間で制作する工程を確立することでした。
動画制作の最初の工程は「調査」です。いくら見栄えの良い映像を作っても、元となる情報の正確性が揺らいでいては、解説動画としての価値が失われてしまいます。そこで私は、情報の収集と整理をMuseに依頼することにしました。 ただし、ここで肝心なのは「Museに丸投げして終わり」にしないという点です。AIは膨大な情報から要点をまとめるのが得意ですが、ニュースの文脈を取り違えたり、発表された日付を曖昧に把握したりすることがあります。そのため、調査工程における私の確認ポイントは「内容と日付の正しさを自分の目で確かめること」に置きました。Museが集めてきたトピックの原典にあたり、公式な発表資料や一次情報と突き合わせます。特にAI分野のニュースは数週間の差で前提条件が大きく変わるため、日付の確認は極めて重要です。また、第三者が作成したインフォグラフィックをそのまま動画に埋め込むような安易な流用は避け、情報は自分たちで咀嚼したうえで、独自の図解として再構築する方針を固めました。
調査によって確かな事実関係が揃ったら、次は「台本」の制作へと移ります。ここでは役割分担を明確にし、台本の執筆はCOCO（Claude）に担当してもらいました。司令塔であるMuseが全体の方向性を指示し、文章の構成力に長けたCOCOが具体的なセリフやナレーション原稿へと落とし込んでいく形です。 台本工程における最大の確認ポイントは、何よりも「全体の自然な流れ」です。文字で読んだときには論理的に破綻していなくても、実際に人が耳で聞いたときにすんなりと頭に入ってくるかどうかは全くの別問題だからです。難解な専門用語が連続していないか、一文が長すぎて息継ぎの場所を失っていないか、導入から結論までの展開に無理がないかを慎重に吟味しました。 また、この段階で視覚的な比喩表現も検討します。概念的な技術の仕組みを言葉だけで説明しようとすると、どうしても説明的で退屈な台本になってしまいます。そこで「この部分はイラストによる比喩で視覚的に見せよう」といった大まかな演出プランを台本の中に織り込みながら、言葉と映像が互いに補い合う構成へと仕上げていきました。
台本が整ったら、次はその原稿をもとに「音声」を作成します。今回のAIニュース解説動画では、ナレーション音声としてVOICEVOXの「雨晴はう」を採用することにしました。落ち着きがありながらも親しみやすく、ニュースを明瞭に伝えるのに適した声質だと判断したためです。 音声工程での確認ポイントは「正しい読み」と「聞き取りやすさ」の二点に尽きます。合成音声ツールにテキストを流し込むと、専門用語やアルファベットの略語、漢字の訓読みと音読みの取り違えなど、思わぬ読み間違いが頻繁に発生します。たとえば技術用語のイントネーションが平坦すぎたり、文末のニュアンスが不自然だったりすると、視聴者の集中力は一瞬で途切れてしまいます。そのため、生成された音声は一行ずつ細かく試聴し、イントネーションのアクセントやポーズ（無音の間隔）を手作業で丁寧に調整していきました。ナレーションは動画の骨格となるため、妥協のない調声が求められます。
音声ファイルが出揃った段階で、次は「長さの決定」という極めて重要な工程に入ります。多くの映像制作では、画面の動きや絵コンテに合わせて後から音声を当てはめることがありますが、私たちの制作手順では完全に逆のアプローチを取っています。つまり、確定したナレーション音声の実尺を基準にして、シーンごとの秒数を決めていくのです。 この工程での確認ポイントは「台本段階の想定と、出来上がった実尺のズレ」を正しく把握することです。文字数から計算した想定時間と、実際に自然なポーズを挟んで読み上げた音声の長さには、必ずと言っていいほど乖離が生じます。急ぎ足で喋らせて想定の秒数に押し込めると、視聴者が内容を理解する時間が奪われてしまいます。逆に間が空きすぎれば間延びした印象を与えてしまうでしょう。 そのため、各カットの秒数は音声の長さに合わせて柔軟に伸縮させ、映像のフレームレートに合わせた正確なタイムラインを設計します。音声という確定した時間軸を先に敷くことで、後続の画面設計が格段に安定するのです。
時間軸が確定したら、いよいよ「図解・キャラクター・字幕」を画面上で組み合わせる工程に進みます。デザイナーとしての私の腕の見せ所であり、最も判断力を求められる場面でもあります。 ここでの確認ポイントは「各要素の配置と読みやすさ」です。画面上に置かれる情報には、明確な優先順位がなければなりません。ナレーションに合わせて表示される字幕、概念を直感的に伝えるための図解イラスト、そして画面に親しみやすさを添えるキャラクター画像。これらが互いの領域を侵し合わないよう、緻密なレイアウトを施す必要があります。 私はここで、いくつかの明確な制作ルールを設けました。まず、比喩を用いて抽象的な概念を伝える箇所には、視覚的なイラストを積極的に配置すること。また、動画全体の雰囲気を崩さないよう、統一されたカラーパレットとフォントを選び、世界観と連続性を保つことです。さらに音響面への配慮として、BGMの音量は声の邪魔にならないよう十分に小さく設定し、ナレーションに対して約-24dBを目安として運用しました。映像と音声が調和した心地よいバランスを追求していきます。
しかし、最初からすべてが順調に進んだわけではありませんでした。初期の試作段階では、画面設計において手痛い失敗を経験しています。その代表的なものが「文字の重なりによる読みにくさ」という問題でした。 画面の情報量を増やそうとするあまり、解説用の補足テキストと、音声に同期して表示される字幕の表示領域が近接しすぎてしまい、特定のシーンで文字同士が視覚的に重なってしまったのです。あるいは、背後に配置した図解の輪郭線と文字のストロークが干渉し、パッと見た瞬間に単語として認識できない場面も生まれてしまいました。 動画における文字は、本のように自分のペースで立ち止まって読み返すことができません。流れていく時間の中で、一瞬で目に飛び込んで理解できなければ、それは文字としての役割を果たしていないのと同じです。「文字の重なりを絶対に避け、読みやすさを最優先にする」という当たり前でありながら最も重要な原則を、私はこの手痛い試作を通じて痛感させられました。
文字の重なりとは別に、もう一つデザイン面で大きな反省点となったのが「枠だらけの窮屈なレイアウト」という問題でした。 情報をわかりやすく整理しようと意識するあまり、私は無意識のうちに画面内のあらゆる要素を四角い枠線で囲ってしまっていたのです。トピックのタイトルを枠で囲み、解説文を枠で囲み、図解を枠で囲み、キャラクターの立ち絵の周囲にまで枠を設けるといった具合でした。その結果どうなったかというと、画面全体が仕切り線で分断され、余白が極端に失われて、見る人に息苦しさと強い窮屈感を与える画面になってしまったのです。 枠線そのものが悪なのではありません。問題は、何を際立たせるべきかを考えずに、安易に枠で区切って安心しようとした私の判断の甘さにありました。本当に必要な枠なのかを厳しく吟味し、不必要な枠線は思い切って削ぎ落とすこと。そして、十分な余白の確保や、要素の配置バランス、文字の太さや色の強弱によって情報のまとまりを見せることの大切さを、この失敗から深く学びました。
前述した二つの明確な欠陥――文字の重なりによる読みにくさと、枠の多さによる余白のなさ・視線の窮屈さ――を抜本的に解消するため、私たちはバージョンを重ねて画面設計の改良に取り組みました。 初期の試作であるv1から見直しを始め、文字の重なりを徹底的に排除した安全領域の再設定や、窮屈な枠線を整理して十分な余白を確保するアプローチを一つずつ試していきました。細かな調整を愚直に積み重ねた結果、2026年10月30日に完成したのが「AIニュース解説動画v3」です。完成したv3の実測尺は約100秒となりました。 v3の画面では、雨晴はうの明瞭なナレーションとともに、必要な情報だけが心地よい余白を伴って配置され、視線の誘導も極めてスムーズになりました。初期バージョンに漂っていた息苦しさは消え、短い時間の中で要点が心地よく伝わる仕上がりになったと感じています。ただし、だからといって「v3の完成をもってすべての問題が完全に解決した」と慢心することはありませんでした。実際に一つの形を作り上げたからこそ、さらなる表現の幅や、より複雑な解説動画へ応用する際の新たな課題も見えてきたからです。
AIニュースv3の制作で得られた手応えと教訓をもとに、私たちは次なる挑戦へと歩みを進めました。それが、2026年11月2日に完成した「ChatGPTとCodexの利用枠が共通化される」という話題を扱った解説動画の制作です。 この動画は、単一のナレーターによるニュース速報とは異なり、左右にミオとエミリーが立ち、中央のボード画面で解説を進めるという、より複雑な対話型の構成を採用しました。キャラクターのセリフに合わせた口パク（リップシンク）の実装に加え、ナレーションには実験1でキャラクター性に合わせて確定させたIrodoriの合成音声を投入しています。さらに、二人の掛け合いのリズムを損なわないよう、背景に流れるBGMも世界観に合わせて新しく生成し、適切な音量バランスで配置しました。 この制作プロセスも、すべてMuseの司令のもとで統括され、台本作成や素材の組み立てが進められました。完成した動画の長さは約4分に達しました。実はこの仕上がり尺は、台本を執筆していた段階で想定していた時間よりも長く伸びてしまったという経緯があります。二人の生き生きとした掛け合いや、丁寧な図解のステップを映像として成立させようとすると、想定していた尺の中に収めることの難しさを改めて実感させられました。なお、この動画の主眼はあくまでも制作工程の検証にあり、共通枠という外部の仕様そのものを確定的に論じることではありません。完成と公開は別の事柄であり、制作を通じて得られた実践知こそが最大の収穫でした。
こうして私たちの実験室からは、約100秒の「AIニュース解説動画v3」と、約4分の「ChatGPT×Codex解説動画」という、性質の異なる二本の成果物が無事に完成を迎えました。 どちらの動画も、調査から台本、音声、画面設計、そして最終的な組み立てに至るまで、AIと人間が密接に連携しながら作り上げた実直な制作の結晶です。AIに任せられる部分と、人間のデザイナーが責任を持ってコントロールすべき境界線が、この二本の制作を通じて極めて鮮明になりました。 ここで読者の皆様にお伝えしておきたいのは、成果物が完成したということと、それを広く世の中に公開したかどうかは別の事柄であるということです。私たちが目指したのは、ソーシャルメディア等で再生回数の数字を競うことではなく、再現性のある動画制作の工程を確立し、その中でデザイナーが下すべき判断の基準を体系化することでした。実際に手を動かして一本の形にまとめ上げたからこそ得られた知見は、何物にも代えがたい価値を持っています。
ここまで文章で制作の経緯をお伝えしてきましたが、実際の画面構成の推移や、キャラクターと字幕がどのように動くのかについては、やはり動画そのものをご覧いただくのが一番わかりやすいはずです。 そこで、本書の読者の皆様に向けた補足コンテンツとして、「顔出しなし解説動画の作り方」をテーマとした実演動画を、本書とあわせて用意する予定です。なお、先ほどご紹介した完成済みのAIニュース動画そのものを実演動画としてそのまま流用するのではなく、制作のポイントや画面設計の意図をわかりやすく振り返るための解説動画として、別途制作を進めています。準備が整い次第ご案内しますので、楽しみにお待ちいただければ幸いです。
今回の実験を通じて確立された動画制作の流れは、以下の「7工程」に集約することができます。読者の皆様がご自身の環境で動画制作に取り組む際の参考にしていただけるよう、再現手順としてまとめました。 第1工程は「調査」です。内容と日付の正しさを原典と照らし合わせて確認します。 第2工程は「台本」です。全体の自然な流れと、耳で聞いたときのわかりやすさを検証します。 第3工程は「音声」です。正しい読みとイントネーション、聞き取りやすさを一行ずつ確認します。 第4工程は「長さ決定」です。出来上がった音声の実尺を基準にして、想定との差を把握しながらタイムラインを確定します。 第5工程は「図解・キャラクター・字幕」の設計です。配置のバランスと読みやすさを徹底的に磨き込みます。 第6工程は「組み立て」です。動画全体の連続性やトランジションの滑らかさを整えます。 そして第7工程が「検品」です。文字の重なり、デザインの窮屈さ、音量バランスなどを実際に通しで再生して厳密にチェックします。 検品で違和感が見つかれば、該当する前の工程へ迷わず戻って修正を施します。なお、この手順は私たちの実践から編んだ編集上の指針であり、すべての環境での成功を保証するものではありませんが、迷ったときの道標になるはずです。
動画制作をゼロから始める負担を軽減し、制作のクオリティを安定させるために、私たちは実践の中で使用した設計フォーマットを「動画テンプレートT1〜T4」として整理し、付録Bに編纂しました。 T1は、構成案からセリフや演出の指示までを過不足なく落とし込むための「台本テンプレート」です。 T2は、文字の重なりや要素の乱雑化を防ぐための「画面設計テンプレート（固定レイアウト）」です。安全領域や字幕の配置ゾーンをあらかじめ定めています。 T3は、動画の内容を一目で伝え、視認性を高めるための「サムネイル テンプレート」です。 T4は、動画の末尾で視聴者に適切な余韻を残すための「エンドカード・クレジット テンプレート」です。 なお、付録Bに編纂されていることと、ダウンロード提供が始まっていることは別です。提供の形は未確定であり、確定し次第ご案内します。まずは各テンプレートの設計思想を理解し、画面づくりの補助輪として役立ててください。
動画が形になった後、客観的な視点でその出来栄えを評価するのは想像以上に難しい作業です。どれほど気をつけて作っていても、自分自身の思い込みによって細かな欠陥を見落としてしまうことが珍しくありません。そこで私たちは、最後の検品工程を確実に遂行するための「動画添削チェックリスト」を作成し、こちらも付録Bに編纂しました。 このチェックリストは、単に機械的な項目を埋めるためのものではなく、デザイナーとして「視聴者の視線に寄り添えているか」を自分自身に問い直すための思考ツールです。文字の重なりは本当にないか、画面が窮屈な枠線で息苦しくなっていないか、ナレーションとBGMのバランスは適切かといった、実験で得られた反省点をそのまま確認の視点として反映させています。 本文ではチェック項目の全文転記は控え、考え方の案内に留めますが、付録Bとあわせて活用することで、動画の完成度を一段階引き上げることができるはずです。
こうして動画制作の工程を固めた私たちは、次に、毎回同じ指示を繰り返すのではなく、一度作った進め方を「秘密道具」としてMuseに覚えさせる試みへと進むことになります。次の実験4では、そのスキルの設計と運用の記録をお届けします。
AIを使ってデザインや文章の相談をしていると、ある段階で同じ壁に突き当たります。「毎回、同じ背景やルールを説明するのが大変になってくる」という問題です。
たとえば自分のネットショップの改善案を出してもらうとき、「私の店はこういう商品を取り扱っていて、ターゲットはこんな人で」と前提から打ち込んでいきます。しかし、別の日に商品を並べ替えたときや、プロフィールの文章を手直ししたいとき、またゼロから同じ前提を打ち直さなければなりません。
コピペ用のメモを用意する手もありますが、指示文が長くなるにつれて貼り付けるだけでも手間がかかります。前回の会話で伝えた細かなニュアンスも、新しいチャットを開けばリセットされてしまいます。「この面倒な説明や決まりきった依頼手順そのものを、AIにあらかじめ覚えさせておけないだろうか」。そう考えたのが、この実験を始めたきっかけでした。
ここで言葉を整理しておきましょう。AIに対してチャット画面から送る指示や質問を、一般に「プロンプト」と呼びます。プロンプトはその場で素早く疑問を投げかけたり、アイデアを広げたりするのに適しています。思いついたことをパッと書いて即座に答えをもらう軽快さは、プロンプトならではの強みであり、決して劣っているわけではありません。
一方で、本書で「スキル（秘密道具）」と呼んでいるものは、まったく別の特別な技術というわけではありません。実態はプロンプトと同じ言葉で書かれた指示文ですが、その場限りのやり取りで終わらせず、「何度も繰り返し発生する仕事の手順と判断基準を、1つの独立したファイルとして整理したもの」を指しています。
毎回「次の基準で評価して、必ずこの順番で出力してください」と入力する代わりに、仕事の進め方や採点基準、出力の形式をまとめた指示書をファイルとして保存しておくのです。そうすれば、必要なデータだけを渡すだけで、いつでも一定の品質の結果を受け取ることができます。なお、指示ファイルの読み込ませ方や仕組みはツールごとに異なるため、まったく同じ形式があらゆるAIサービスでそのまま動くわけではありませんが、「再利用できる仕事の型を整えておく」という考え方は共通しています。
スキルとして仕事を任せる指示書を作るとき、どのような組み立てにすればAIは迷わず働いてくれるのでしょうか。試行錯誤の中で見えてきた基本の構造は、次の3つの要素です。すべてのスキルが厳密にこの3つだけで作られているわけではありませんが、実用的な型を作る上での頑丈な土台になります。
1つ目は「入力（何を渡すか）」です。AIに仕事を頼むとき、材料となる情報が足りなければ、AIは想像で隙間を埋めてしまい、現実離れした答えを返します。そのため、「ショップ名」「扱っている商品」「店の方針」など、判断に必要な情報をあらかじめ決め、所定の枠に埋めて渡せるようにします。
2つ目は「判断基準（どう判断するか）」です。ただ「いい感じにアドバイスして」と頼むと、AIは文脈によって褒めちぎったり、逆に重箱の隅をつつくような指摘ばかりになったりします。これを防ぐために、「この6つの観点から見る」「それぞれ5点満点で採点する」「5点は即戦力、1点は機会損失と定義する」といったブレない物差しを書き込んでおきます。
3つ目は「出力形式（どう返すか）」です。返答の並び順や構成を明確に指定します。「総評から始めて、スコア表を出し、残すものと直すものを分け、最後は今すぐやるべき一手だけを書く」と型を決めておけば、受け取る側も迷わず行動に移せます。
こうした「仕事の型」を一から自分の手だけで書き起こそうとすると、とても骨が折れます。入力項目は何が必要か、判断基準はどう言葉にすれば漏れがないか、出力形式はどう指定すれば崩れないか。考えること自体が骨の折れる文章作成作業だからです。
そこで私は、指示書そのものの下書きをMuseに手伝ってもらうことにしました。「ネットショップの見た目や構成を診断したい。そのための手順書を作りたいので、必要な入力項目と評価の物差し、出力のフォーマットを一緒に考えてほしい」と相談したのです。
自分ひとりでは見落としがちな評価項目も、対話しながら進めることで「価格帯の示し方も必要ですね」「実績を載せているかどうかも信頼に関わりますね」と、抜け落ちていた視点を次々と補い、言語化できました。人間側が目的と現場の感覚を提示し、Museがそれを「再利用可能な指示文の構成」へと整えていく。自分専用の秘密道具をAIと一緒に作るこのプロセスは、有能な相棒と業務マニュアルを共同制作しているような感覚でした。
こうしてMuseとの対話から生まれた秘密道具の第1号が、「店構え診断スキル」です。自分のネットショップが訪れた人にとって分かりやすく、信頼できる形になっているかをチェックするための道具です。
このスキルでは、まず入力フォームで店の基本情報を集め、集まった情報をもとに次の6つの診断軸で採点します。軸の名称は「何屋さんか（屋号・肩書き）」「看板（ヘッダー・アイコン・サムネイル）」「棚（看板サービスの一致）」「価格の錨」「文章（プロフィール構成）」「信頼材料（証拠の配置）」と定めました。
採点は各軸5点満点、合計30点満点です。主観でブレないよう、明確な物差しも決めました。5点は「即戦力」、4点は「ほぼ良好」、3点は「惜しい・改善余地あり」、2点は「弱い」、1点は「機会損失が発生している」という5段階です。さらに、入力時に「店の方針」が空欄のままだった場合は、「棚」と「価格の錨」の2軸は無理に採点せず「保留」とするルールも設けました。店がどこを目指しているのか分からない状態では、棚の並びや価格設定が適切かどうか判断できないからです。
出力の順序も固定しました。必ず「総評 → スコア表（軸・点数・根拠つき、合計／30） → 残すもの → 直すもの → 次の一手（1つだけ）」という流れで返答させます。さらに、大切な禁止事項として「実績を捏造しないこと」を明記しました。AIが気を利かせて「お客様の声が多数寄せられています」などと存在しない事実を補ってしまうのを防ぐためです。
店構え診断スキルを形にしていく中で、ひとつの課題に気づきました。診断の精度を高めるには「店の方針」をしっかり入力することが重要なのですが、そもそも自分の店の方針や強みを簡潔な言葉で書き出すこと自体が、店主にとっては難しい作業だということです。
そこで、店構え診断の手前で使える秘密道具第2号として「棚卸しスキル（v1）」を制作しました。これは、用意された7つの選択式の質問に順番に答えるだけで、頭の中が整理され、自然と「店の方針の下書き」が出来上がる対話型の道具です。
質問の7項目は、「やってきたこと」「ありがとう」「好きなこと」「使える道具」「渡し方の好み」「誰の役に」「使える時間と最初の一歩」という構成にしました。過去の経験や感謝されたこと、無理なく使える時間などを振り返ることで、言葉にしづらかった自分の軸が浮き彫りになっていきます。
設計上の推奨順序としては、「まず棚卸しで自分の方針を整理し、出力された方針の下書きを持って店構え診断にかける」という流れを想定していました。あらかじめ方針を固めておけば、「棚」や「価格の錨」の採点も保留にならず、より精度の高いフィードバックを受けられると考えたからです。
さて、ここで実際の記録について、正直に書いておかなければならないことがあります。道具の設計順としては「棚卸し → 店構え診断」が理想でしたが、現実の私の実験履歴は違いました。私自身のネットショップについては、棚卸しスキルを実行する前に、早く試してみたい一心で、いきなり店構え診断を実行してしまったのです。私の手元にある「診断レポート第1号」は、棚卸しを経由せずに直接診断へ進んだ実測記録となっています。
返ってきた診断レポート第1号の結果は、合計「14／30点」でした。これは他人の店の話ではなく、私自身が運営しているネットショップの情報を入力して得られた生の結果です。半分にも満たない数字に一瞬ドキリとしましたが、これは客観的・科学的な経営評価ではなく、私が設定した物差しに照らしてAIがどう判定したかという目安にすぎません。
それよりも重要だったのは、出力がスキルの設計どおりに機能しているかの確認でした。点数の高低に一喜一憂するのではなく、レポートの細部を検証したのです。確認したのは、各軸に「なぜその点数なのか」という根拠が付いているか、最後の「次の一手」が1つだけに絞られているかという、出力形式そのものでした。点数の良し悪し以上に、定めた判断基準と出力形式が守られているかを確認する。これが、この実験で身につけた検証の姿勢でした。
もっとも、最初からすべてが順調だったわけではありません。店構え診断スキルが現在の形に落ち着くまでには、いくつもの失敗がありました。
最初のころに作った指示文で診断を走らせてみると、出力される結果が私の期待と大きくずれることが度々ありました。たとえば「良い点と悪い点を教えて」とだけ大雑把に頼むと、AIが過剰に気を遣って当たり障りのないお世辞ばかりを並べたり、逆に教科書通りの一般論を長々と出力したりしたのです。これでは現場の改善に役に立ちません。
原因を探ってみると、AIに渡す「目的」と「判断基準」が曖昧だったことにありました。「何を基準にして良い・悪いとみなすのか」という物差しが指示文の中に書かれていなかったため、AIはその場ごとの独自の解釈で適当に評価を下していたのです。また、指示文に特定のケースを想定した例文や内輪の専門用語が紛れ込んでいたせいで、AIがその文脈に引っ張られ、偏った診断結果を出すこともありました。指示する側の設計が少しでも曖昧だと、AIの出力はあっという間にブレてしまうのだと痛感しました。
こうした失敗を経て、店構え診断スキルは大幅に改訂され、現在の「v1.1」になりました。指示ファイル自身に記録されている変更差分は、主に次の4点です。
第1に、「店の方針の入力枠」を正式に追加しました。店主がどこを目指しているのかという文脈を入力として渡せるようにし、方針が書かれていない場合は無理に推測させず「棚」と「価格の錨」の2軸を保留にする分岐を組み込みました。
第2に、「特定の案件への過学習の除去」です。初期の指示文に混ざっていた特殊な例文や内輪用語を削ぎ落とし、どんな店でも公平に診断できるよう、汎用的な表現へ整理しました。
第3に、「診断軸の重なり整理と採点基準の明記」です。初期は似たような観点で重複していた評価軸を整理し、6つの独立した軸に再編しました。そして各軸に、1点から5点までの具体的な採点物差しを言葉で定義し直しました。
第4に、「スコア表への根拠の必須化」です。数字を並べるだけでなく、点数の横に「どの記載を見てそう判断したのか」という裏付けを必ず併記することを義務付けました。
これらの改善で、感情に流されず、一定の基準に基づく建設的なフィードバックを返してくれる道具へと進化させることができました。
この実験で手元に残った成果物は、2つの指示ファイルと、1つの診断レポートです。
1つ目は、改善を重ねて頑丈に仕上がった「店構え診断スキル（v1.1）」の指示ファイルです。6つの軸と5段階の評価基準、厳格な出力順序が書き込まれた、私専用の秘密道具第1号です。
2つ目は、診断を受ける前の土台作りとして設計した「棚卸しスキル（v1）」の指示ファイルです。7つの問いによって自分の強みや活動方針を引き出すこの道具は、すでに完成はしていますが、私自身の店ではまだ実行していません。「道具として制作すること」と「実際に使って検証すること」は明確に別の段階です。この棚卸しを自分の店に適用して方針を導き出し、その結果をもとに診断を受け直す作業は、今後の検証課題として残されています。
そして3つ目が、前述の「診断レポート第1号（合計14／30点）」です。このレポートに使われたのが改訂前のv1か改訂後のv1.1かは今となっては未確定ですが、自分の店の現状を映し出し、次の一手を照らしてくれた貴重な実測記録となっています。
文章で手順を読むだけでなく、実際の画面でMuseとやり取りしながらスキルを組み上げていく様子を見たいという方も多いと思います。そこで本書とあわせて、ミオちゃんによるスキル制作の実演動画も用意する予定です。
動画の中では、チャット画面でMuseにどのように話しかけ、どんな問いかけを通じて仕事の型を整理していくのか、その対話の流れをお見せする予定です。具体的な操作や言葉のキャッチボールを見ていただくことで、「AIに指示書を作らせる」という作業が思いのほか身近なものだと実感していただけるはずです。
皆さんが自分の仕事や活動に合わせてオリジナルの秘密道具を設計できるように、今回の実験から導き出した再現手順をまとめました。これは試行錯誤を後から整理した編集上の手順案です。順番に沿って考えていくことで、迷わずに自分専用のスキルを組み立てることができます。
1. 繰り返す仕事を選ぶ：日々の中で、何度も似たような指示をAIに出している仕事を見つけます。 2. 目的を決める：AIに任せることで最終的に何を得たいのかを一言で定義します。 3. 渡す情報を決める：AIが判断するために必要な材料（入力項目）をリストアップします。 4. 判断基準を作る：何を良しとし何を課題とするのか、評価の物差しと守るべきルールを明文化します。 5. 出力形式を決める：受け取る側が使いやすいよう、返答の並び順や構成を定めます。 6. 小さく試す：出来上がった指示書を読み込ませ、手元のデータでテスト実行してみます。 7. 出力と根拠を確認する：返ってきた答えが形式を守っているか、判断に根拠があるかを点検します。 8. 修正する：ズレやお世辞、ブレがあれば、判断基準の言葉を補強して指示文を書き直します。 9. 版と変更点を記録する：改善内容をファイル内にバージョン情報（v1.0、v1.1など）として書き残します。
なお、実際に使える正式なテンプレートや設計キットは巻末の付録Cに収録していますので、制作を始める際はそちらを活用してください。
自分専用の秘密道具を手に入れたことで、AIに任せられる仕事の輪郭がぐっと鮮明になりました。次の実験5では、Museと一緒に実際に動く「Webサイト」を作り上げ、インターネット上に公開する挑戦へと進みます。