
目的
AIやパソコンに慣れていない会社員に向けて、新しいAIの使い方と、実際に試した結果を見せるYouTube動画をCodexが作った。題材は、2026年11月5日にGoogleが発表した Gemini Omni 1.2 Flash の紹介と使い方。その実演として、マグカップの写真1枚から15秒の動画を生成し、元の形がどこまで保たれたか、AIが何を描き足したかを見比べた。
自分でやったこと
- Codexが出した企画3案から3番を選んだ。選んだ理由は、11月5日に発表されたばかりのGemini Omni 1.2 Flashを紹介して使い方を教える題材にしたくて、その実演として「商品写真1枚から15秒の紹介動画」がちょうどよかったから
- Google Flowにマグカップの画像と指示文を入れて15秒の動画を生成し、その操作画面を録画した(生成した動画も別に用意)
- ナレーションはVOICEVOXの四国めたんで、台本読みからWAVへの書き出しを自分でやった。台本の修正後は、必要な箇所の音声を差し替えた
- 編集途中の動画を見て、マグカップだけが大きく映る場面や、最後が視聴者への質問のまま終わる点を伝えた
- 投稿は自分でYouTube Studioを開き、Codexの手動手順の案内に沿って行った。現在は一般公開されている
AIにやってもらったこと
- 企画:その週に公開されたYouTube動画6本、前週公開でその週に伸びた参考動画1本、Xの投稿10件を調査し、企画を3案に整理(選定基準は、YouTubeなら「再生数がチャンネル登録者数の2倍以上の動画が3本以上」、Xなら「話題のポストで1,000いいね以上」など)。選ばれた企画を題材メモに記録
- 台本:Googleの公式発表とGoogle Flowの公式手順を確認して台本を書き、実際の操作録画と生成結果に合わせて修正
- 素材:白いマグカップの元画像やモニター背景を画像生成で作成。Googleの発表は公式画像やロゴを使わず、要点を独自の解説画像にまとめ直した。Flowに入力する指示文も作成
- 編集:ユーザーが用意したWAVと操作録画をもとに、PythonとFFmpegで本編を編集。元画像と生成動画を左右に並べた15秒の比較映像を作り、全編の字幕タイミングにはfaster-whisperを使用。最後に7秒の締め画面(紹介・クレジット)を追加
- サムネイル:明るい作業机のデザインを数案作り、「写真1枚で15秒」と「マグカップはどう動く?」の2枚を用意(採用はB案)
- 投稿準備:説明文とハッシュタグ(#Codex を含む)を用意し、手動で非公開に保存する手順を案内。なお、Codex自身によるアップロード操作は2回試みたが、ブラウザ操作が止まって未実施だった


結果
- 完成した動画は約7分37秒。一般公開済み
- 動画タイトル:『2026年11月5日発表のGemini Omni 1.2 Flashの紹介と使い方を初心者の管理者にCodexが教えるために作った動画』
- 作業の経過時間は、ネタ探しの依頼から投稿完了の報告まで約5時間21分(買い物、食事休憩など待ち時間を含む)
- つまずいた点:読み上げ音声を作り終えた後に台本が実演に合わせて更新され、音声と説明が食い違って差し替えが発生した/最初の編集ではモニター表示と字幕が一部の場面だけだったため、本編全体をモニター内に収め直した/生成した15秒の映像では「最後の2秒でカメラを止める」指示に動きが残り、その違いは比較場面でそのまま紹介した
感想・気づき
ナレーションは四国めたんさんにおまかせしたけど、台本読みから書き出しは私がやることになって大変だった。台本差し替えでげんなりしたが、差し替えはやってくれた。ただ動画作成はCodexがスムーズに早くやってくれて、時間の多くが私が足を引っ張っても、ここまでやってくれるんだと感心しました。
次に試したいこと
AI任せの動画で、どこまで見てもらえる動画を作れるかがテーマ。その第一目標として、YouTubeの収益化までをAI任せでやれるか?です。
AIの感想(Codex)
元画像と15秒の動画を並べたことで、カップの持ち手がどう見えるか、指示したカメラの動きがどこまで再現されたかを、視聴者と一緒に確かめられる構成になりました。一方で、私が実演後に台本を更新したため、作り終えた音声の差し替えが発生しました。ユーザーが試して録画した素材があったからこそ、具体的な比較ができました。投稿操作は途中で止まり、最後は手動手順を案内するところまでが私の担当でした。


コメント
良かった点:企画探し、台本、素材、編集、サムネイル、投稿準備までを分けて記録し、写真1枚から作った動画の比較も見せている点です。気づいた点:実演に合わせた台本修正は、作成済み音声の差し替えにつながるため、素材と台本の順序が制作の負担に影響します。次に試すと面白そうなこと:AI任せの制作でどこまで見てもらえる動画にできるかを続け、収益化までの過程を記録することです。
良かった点:AIやパソコンに不慣な会社員層に向けたYouTube動画の企画立案から、トレンド調査、台本作成、FFmpegを用いた動画編集、サムネイルのバリエーション制作、そして公開手順の整理に至るまで、Codexが全方位的にサポートして無事に公開までこぎつけている点です。マグカップの画像1枚から15秒の動画を生成する実演というテーマが非常に分かりやすく、視聴者の興味を惹きやすい構成になっています。気づいた点:企画や素材作成、字幕の自動生成(faster-whisper)などはAIが非常に高い精度でこなせる一方、YouTube Studioへの最終的な動画アップロードやブラウザ操作といった実務の部分では自動化が途中で止まってしまうことがあり、最後の仕上げや手動での確認プロセスが依然として欠かせないという現実的な境界線が見えてくるのが面白いところです。次に試すと面白そうなこと:今回作成した「Gemini Omni 1.2 Flashの紹介動画」に対するYouTube上での視聴者の反応や再生数の伸びをAI(Codexや他のモデル)に分析させ、そのフィードバックをもとに次回作の企画やタイトルのつけ方を改善するサイクルを回してみたいです。
ネタ探しから台本・編集・サムネイルまでCodexに一貫して任せた記録が、作業の流れごと読めて面白かったです。特に、元画像と15秒の生成動画を並べて「元の形がどこまで保たれたか」を確かめる構成は、検証として分かりやすく、読者も一緒に見比べられます。つまずいた点(台本更新による音声の差し替えや、「最後の2秒でカメラを止める」指示に動きが残ったこと)を隠さず書いてあるのも信頼できます。気になったのは、台本の更新と音声作成の順番の食い違いで、実演→台本確定→音声作成の順を最初に決めておけば防げたかもしれません。次は、指示文の言い回しを変えると最後の2秒の動きがどう変わるか、試してみると面白そうです。