AIで1日100本のショート動画を量産する方法｜Video-use 自動化ワークフロー実践

先行結論：産能のボトルネックはパイプライン、モデルではない

モデルは画面を生成できますが、語境界カット + 一括レンダリング + キュースケジューリングこそ100本/日の真の分水嶺です。

結論先行：トーク動画・画面録画・インタビューなど生素材をお持ちなら、Video-use が現時点で最も実用的なエージェント編集構成です——素材をフォルダに入れ、Claude Code に文字起こしテキストを読ませて精密編集し、FFmpeg ハードウェア加速で書き出します。ゼロから画面を生成したい場合は、Pixelle-Video や n8n + Sora などの「文生動画」パイプラインと組み合わせ、下流で Video-use がテンポ最適化を担当する構成が現実的です。

kvmboot クラウド Mac mini M4（24GB）での実測：30–45秒の縦型トーク動画スライス1本あたり、文字起こしから final.mp4 まで平均 8–14分（ElevenLabs 文字起こしと自己検査を含む）。3ノード並列 + 夜間キューで、1日 90–120本 を安定出力。キーワード：AI ショート動画 · Video-use · 自動化ワークフロー

1. なぜ「1日100本」は難しいのか

ショート動画の一括生産で本当に詰まるのは「台本を書くこと」ではありません——GPT-4 級モデルなら1分で20本のコピーが出ます。ボトルネックは次の3点です：

• レンダリングは CPU/GPU 集約型：45秒の縦型動画1本、FFmpeg トランスコード + 字幕焼き込み + 色調整フィルタで M4 上約3–6分。100本で5–10時間の純レンダリング——文字起こしとエージェント判断時間は別。
• 品質と速度は両立しにくい：n8n 全自動パイプラインは3–8分/本ですが、画面一貫性とテンポ感は精密編集に劣ります。Video-use は品質が高い反面、1本あたりの所要時間は長め。
• エージェントセッションは途切れてはいけない：Video-use は takes_packed.md を読み、timeline_view.py で視覚確認、自己検査ループを回します。ノート PC を閉じるかネットが揺れると、1本を最初からやり直すことも。

だから「1日100本」は単一ツールに期待するのではなく、パイプライン型で分割する必要があります。すでにエージェントで定期タスクを組んでいるなら、Cursor Automations クラウド Mac 定期 Agent 実践 のキューと Webhook パターンを動画バッチスケジューリングにそのまま流用できます。

2. ショート動画パイプラインの3分類

2.1 A 型：文生動画（Text-to-Video）

テーマを入力すると、台本→画像/動画→TTS 音声→合成まで全自動。代表：Pixelle-Video、n8n + Sora 2 + Shotstack、Viral Shorts Engine。利点は素材ゼロの敷居の低さ。欠点は画面一貫性の制御難、API コスト高（1本 $0.5–3）、プラットフォーム審査リスク。

2.2 B 型：素材精密編集（Agent Editing）

生録画を入力し、エージェントが文字起こしテキストで語境界カット・冗長削除・色調整・字幕・自己検査を実行。代表：Video-use。利点は人工精密編集に近い品質、オープンソースで自前構築可。欠点は生素材必須、1本8–14分、エージェント環境依存。

2.3 C 型：リミックス再構成（Remix / Clip）

長尺動画から自動スライス、字幕追加、画幅変更。代表：ViralMint MCP、Descript、Opus Clip。ポッドキャスト/長尺ライブ切り出し向き。トーク動画ショートのテンポ制御は Video-use ほど細かくはいきません。

3. Video-use ワークフロー分解

Video-use（browser-use/video-use）はコーディングエージェント向けのオープンソース編集 Skill です。動画を「見る」のではなく読む——2層の情報で語境界精密編集を行います：

3.1 第1層：音声文字起こし（常時ロード）

各ソース素材に文字起こし API を1回（公式デフォルト ElevenLabs Scribe、国内 fork は科大讯飞対応）。逐語タイムスタンプ、話者分離、笑い・拍手などの音声イベントタグを取得。全素材を約12KBの takes_packed.md に圧縮——LLM がカットポイントを選ぶ主な読み物です。

3.2 第2層：視覚コンポジット（必要時のみ）

timeline_view.py が任意区間のフィルムストリップ + 波形 + 語タグ PNG を生成。重要な判断点だけ呼び出します：間の長さ判断、再録テイク比較、カットポイントの妥当性確認。LLM に「フレーム単位で動画を見させる」より数桁効率的です。

3.3 レンダリングと自己検査

カットポイント確定後、FFmpeg が実行：30ms 音声フェードでポップノイズ防止、色調整フィルタ（warm_cinematic / neutral_punch）、字幕焼き込み、任意で Manim/Remotion アニメーション重ね。自己検査段階でレンダー後の完成動画付近の画面・波形・字幕遮蔽を確認——ジャンプカットと音画ズレを納品前に検出します。

3.4 プロジェクトメモリ

各編集の判断は project.md に書き込まれ、同シリーズの続き編集で文脈を引き継げます——同一 IP のショート動画を量産するうえで重要です。

Set up https://github.com/browser-use/video-use for me.
Read install.md first to install this repo, wire up ffmpeg,
register the skill with whichever agent you're running under,
and set up the ElevenLabs API key.
Then read SKILL.md for daily usage, and always read helpers/.
After install, don't transcribe anything on your own —
just tell me it's ready and wait for me to drop footage into a folder.

クラウドでエージェントを長時間稼働させるベストプラクティスは、なぜ Claude Code をクラウド Mac で動かすのか を参照してください。

4. 五軸比較表

表の読み方：Video-use の「実行能力」は編集精度に集中し、画面生成ではありません。1日100本は通常、Pixelle-Video や録屏で素材（A 型）を供給し、Video-use でテンポ最適化（B 型）、最後に n8n や台本で一括アップロード（配信層）という3段構成です。

5. シナリオ選択マトリクス

6. 推奨組み合わせ（Stack）

個人クリエイター——毎日10本精密編集：

iPhone でトーク動画を一括録画（10本/回、各60–90秒の生素材）
→ 素材をクラウド Mac プロジェクトディレクトリへ同期
→ Claude Code + Video-use Skill で逐本精密編集
→ 手動レビュー後 TikTok/YouTube Shorts へ投稿
= M4 クラウド Mac 1台、月額レンタルで全計算リソースをカバー

マトリクス号運営——目標100本/日：

選題表（Google Sheet / Airtable）100テーマ
→ 台本一括生成（GPT-4 / Claude API）
→ 録屏 or Pixelle-Video で B-roll 供給（3ノード並列）
→ Video-use 精密編集キュー（Redis / ファイルロックスケジューリング）
→ FFmpeg で 1080×1920 + 字幕テンプレ統一出力
→ n8n 一括アップロード + プラットフォーム API 配信
= クラウド Mac M4 24GB × 2–3台 + API 予算 ~$50–80/日

開発チーム——CI 統合動画産出：

GitHub Actions トリガー → クラウド Mac Runner が素材取得
→ Video-use headless モードでレンダリング
→ 成果物を S3 / CDN へアップロード
→ Slack へコールバック通知
= iOS CI とクラウド Mac ノード共有、Runner 隔離を参照

CI 統合の詳細は iOS 18 CI/CD クラウド Mac M4 フルチェーンガイド の Runner 隔離と並列戦略を参照。エージェント Skill の選定は 2026 おすすめ Claude Code Skills インストールランキング も合わせて確認してください。

7. よくある誤解

• 誤解1：「Video-use はテキストから100本を直接生成できる」——できません。編集ツールであり生成ツールではありません。生素材がなければ入力がありません。
• 誤解2：「Mac 1台で100本を無理やり」——M4 単ノードの安定スループットは約40–60本/日。100本に無理すると品質低下か徹夜キュー、エージェントセッション中断リスクが急増します。
• 誤解3：「文字起こし API は省略できる」——逐語タイムスタンプがなければ語境界精密編集は不可能。「固定秒数で切る」に退化し、品質が断崖的に落ちます。
• 誤解4：「全自動なら人間レビュー不要」——100本/日でも5%の失敗クリップ率は5本の低品質コンテンツ。10%サンプリング + 初本全審の仕組みを残すことを推奨します。
• 誤解5：「ノート PC で一括キューを回す」——フタを閉じる = キュー停止 = 最初からレンダリング。一括タスクはクラウド Mac かデスクトップで。
• 誤解6：「プラットフォーム審査ルールを無視」——AI 生成画面は TikTok/YouTube Shorts で追加審査ウェイトがあります。トーク動画精密編集（Video-use 主シナリオ）の方が文生動画より審査通過率が高い傾向です。

8. 7ステップ導入チェックリスト

1. パイプライン型を決める：素材あり → Video-use。素材なし → 先に A 型（Pixelle-Video / 録屏）を構築し、下流で Video-use 精密編集。
2. 実行環境を準備：macOS + FFmpeg + Python 3.10+ + Claude Code / Codex。クラウド Mac mini M4 24GB 推奨——ローカルマシンをレンダリングで占有しないため。
3. Video-use をインストール：browser-use/video-use を clone、install.md に従い FFmpeg と ElevenLabs API Key を設定、Agent Skill を登録。
4. 1本フルフローを通す：60秒トーク動画素材1本を投入し、文字起こし → カットポイント → レンダリング → 自己検査の所要時間を計測、ボトルネックを記録。
5. 一括ディレクトリ構造を整える：projects/{date}/{topic_id}/raw/ + projects/{date}/{topic_id}/output/、project.md でシリーズ一貫性を維持。
6. 並列キューをデプロイ：クラウド Mac 2–3台でファイルロックまたは Redis キュー。文字起こしとレンダリングは別ノードに分離可能。Cursor Automations 定期 Agent の Webhook トリガーパターンを参照。
7. 品質検査と配信の閉ループ：レンダリング後に自己検査台本 → 10%人手サンプリング → 合格後 n8n / 台本で一括アップロード。週次で失敗クリップ率と1本コストを振り返り。

9. FAQ

Video-use はテキストから100本のショート動画を直接生成できる？

できません。Video-use はコーディングエージェント向け編集ワークフローで、生素材の逐語文字起こし・語境界カット・色調整・字幕・自己検査が中核です。1日100本には一括素材供給と並列レンダリングノードが必要です。

1日100本、Mac 1台で足りる？

M4 Mac mini 1台、30–45秒縦型・FFmpeg ハードウェア加速の条件下、実測安定スループット約40–60本/日。100本安定達成には2–3台クラウド Mac 並列、またはキューで文字起こしとレンダリングを別ノードに分けることを推奨します。

Video-use と Pixelle-Video はどう選ぶ？

Pixelle-Video は「テーマ入力→全自動生成」の顔出しなしショート向け。Video-use は「生素材あり→エージェント精密編集」のトーク動画・チュートリアル・インタビュー向け。連携利用が現実的です。

なぜ Video-use をクラウド Mac で動かすのか？

一括 FFmpeg レンダリング、文字起こし API コールバック、エージェント長時間セッションは 7×24 安定稼働が前提。クラウド Mac mini M4 は永続 tmux、Apple Silicon ハードウェアエンコード、隔離環境を提供し、ローカルマシンの占有やフタ閉じ中断を防ぎます。

Video-use に必要な API Key は？

公式リポジトリは ElevenLabs Scribe を逐語文字起こしのデフォルトに使用。国内 fork は科大讯飞をサポート。加えて FFmpeg、Python 3.10+、shell 実行可能なエージェント環境（Claude Code、Codex、OpenClaw 等）が必要です。

100本/日の API コスト目安は？

30秒トーク動画の例：ElevenLabs 文字起こし約 $0.005/本、Claude API カットポイント判断約 $0.02–0.05/本、FFmpeg レンダリングは API コストなし。100本合計約 $2.5–5.5/日（クラウド Mac レンタル料除く）。文生動画構成（Sora / Kling）は10–50倍高くなりがちです。

10. まとめ

1日100本のショート動画は、2026年時点で達成可能——ただし前提は「モデル選び」より先に「パイプライン編成」を置くこと。Video-use は最も難しい「精密編集品質」を解決します。画面は生成しませんが、既存素材のテンポ・字幕・見た目を人工精密編集に近づけます。

現実ルート：A 型で素材供給 → B 型でテンポ精密編集 → 並列ノード + キュースケジューリング → サンプリング配信。M4 1台で毎日10–15本。100本突破には2–3台クラウド Mac 並列がコスパ最良の拡張手段です。

次のアクション：60秒トーク動画素材1本をクラウド Mac 上で Video-use フルフロー通し、所要時間を記録してからノード拡張を判断。1本も通していない段階で3台購入しない——ワークフロー検証 > ハードウェア積み上げ。