Whisper API・Claude API・VOICEVOX・FFmpeg を1本のパイプラインに連携し、台本または音声から字幕付きナレーション動画を自動生成する Windows 11 対応の Python ツールです。GUIなし・.bat 1クリック起動、フォルダ一括処理にも対応します。このサイトはご依頼内容を拝見して実際に設計・一部試作したうえでの提案デモです。
台本テキスト、または音声ファイルの入力から、字幕同期済みの完成動画出力まで。すべて設定ファイルから調整可能な形で構築します。
Whisper API でタイムスタンプ付き文字起こしを取得。音声ファイル or 台本テキストどちらの入力にも対応。
Whisper APIClaude API に送信し、句読点・改行・1行文字数をYouTubeテロップ向けに自動最適化。
Claude APIローカル VOICEVOX API (localhost:5021) にテキストを送信し、ナレーションWAVを自動生成。
VOICEVOX API背景素材＋ナレーション＋テロップをFFmpegで合成。音声の長さに合わせて字幕タイミングを自動同期。
FFmpeg設定ファイルの解像度指定を切り替えるだけで、横型ロング動画・縦型ショートの両方を同じパイプラインから出力できます。
横型ロング（YouTube通常動画向け）
縦型ショート（config切替のみで生成）
「マニュアル通りに環境構築 → .bat実行 → エラーなく10〜15分動画が出力」という検収条件を前提に、環境依存で詰まりにくい構成・手順書を設計します。
面談・通話は不要とのご希望どおり、要件確認から納品後のフォローまですべてココナラのメッセージで対応します。
APIキー・Claudeモデル名・字幕デザイン・背景素材パスはすべて外部設定化。モデルが新しくなってもコードを触らず運用できます。
台本テキストを入力すると、Whisper→Claude→VOICEVOX→FFmpegの4ステップが実際に進行するイメージをブラウザ上でシミュレーションできます。
🎬 インタラクティブデモへ進む