【AI音声＋自動字幕】システムの操作説明動画を作ってみた話

✅ 目次

はじめに：なぜPR動画を作ることにしたのか
使用ツールと構成全体の概要
Step 1：業務操作映像を収録する
Step 2：字幕原稿とナレーション台本の設計
Step 3：Google Colab で音声と字幕を自動生成

　3-1. ナレーション文章のタイムコード設計
　3-2. .srtファイルの生成
　3-3. gTTS + pydub + ffmpeg を使ったColabコード
Step 4：Adobe Premiere Pro で編集＆合成

　6-1. 音声と字幕の取り込み
　6-2. テロップとカット調整
Step 5：YouTubeにアップして社内外に共有
まとめ：自作動画＋AI音声の可能性と今後の展望

1. はじめに：なぜPR動画を作ることにしたのか

今回は、あるクライアント企業向けに導入している互助会会員管理システムの操作マニュアルを、ただのテキストではなく、「PR効果も兼ねた動画」でわかりやすく伝えることを目的に、動画化にチャレンジしてみました。

実際の操作フローを可視化しながら、

どのボタンを押すのか？
なぜその操作が必要なのか？
どんな便利な機能があるのか？

といった点をナレーションと字幕つきで直感的に伝えたいと思ったのがきっかけです。

また、今回は単なる説明動画ではなく、

「このシステム、すごく便利そうだな」

と視聴者に思ってもらえるように、ちょっとしたPRの要素も盛り込むよう意識しました。

🎯 動画にした理由は大きく3つ：

口頭や文書だけでは伝わりにくい操作の流れを、直感的に理解してもらえる
AI音声と自動字幕で、ナレーション収録の手間をゼロにできる
あとから見返してもらえる「資産」として活用できる

実際に作ってみた感想としては、

「ナレーションや字幕の調整が思ったよりスムーズにできて、むしろ動画のほうがラクかも…」

というくらい、AIの力をうまく活用できた印象です。

2. 使用ツールと構成全体の概要

（ChatGPT-4o × Google Colab × Adobe Premiere の三位一体）

今回のPR動画制作は、たった2時間で仕上がりましたが、

それを可能にしたのが以下の3つのツール連携です。

🧰 使用ツール一覧

ツール名	目的	補足
ChatGPT-4o	台本生成・字幕構成・タイムコード設計	映像をアップロードしてナレーション文とsrt構成を出力
Google Colab	ナレーション音声と字幕ファイルの生成	ChatGPTが書いたPythonコードを実行してmp3とsrtを出力
Adobe Premiere Pro	映像編集・音声＆字幕の合成	Colabで作った素材をそのまま読み込んで編集
Windows標準録画機能	操作映像のキャプチャ	Win + Gで収録。シンプルで十分
YouTube（限定公開）	社内外への共有	URLを送るだけでマニュアル共有完了！

🎯 構成全体の流れ

STEP 1：操作映像を録画（音声なしでOK）

↓

STEP 2：ChatGPT-4oに動画をアップしてナレーション＋字幕を自動設計

↓

STEP 3：Google Colabでmp3音声と.srt字幕ファイルを出力

↓

STEP 4：Premiere Proで音声・字幕を合成して編集

↓

STEP 5：YouTubeに限定公開でアップ＆共有

特にChatGPT-4oの映像解析能力と、

Colabで即時に音声と字幕を出力できるPython環境のおかげで、

「人手をかけずにちゃんと伝わるマニュアル動画」を驚くほどスムーズに作ることができました。

続いて「3. 操作映像を収録する」へ進みます！

3. 操作映像を収録する

まずは、互助会会員システムの操作画面を録画します。

録画には、特別なソフトは使わずに、「Windowsの標準画面録画機能（Windowsキー + G）」を使いました。

特別な設定もいらず、サクッと収録できるのが便利ですね。

🎥 ポイント

音声なしで操作だけ録画（ナレーションはAIで後から合成）
操作のテンポは少しゆっくりめに
画面サイズやウィンドウ位置に注意（Premiereで編集しやすくなる）

この映像が、あとで字幕とナレーションを載せるベースになります。

4. 字幕原稿とナレーション台本の設計

（＋ChatGPTでの自動構成）

録画した映像ができたら、次はナレーションと字幕の準備です。

ここが一番面白いポイントでもあり、AIのありがたみを感じた部分です。

🔄 ChatGPTに動画をアップして内容を解析

まず、録画した動画ファイル（例：入金入力.mp4）をそのままChatGPTにアップロードしました。

動画をアップすると、以下のような流れで進められます：

ChatGPTが映像を見て、操作の流れを解析
各操作に対応した説明文を自動生成
タイムコードごとの字幕原稿（.srt形式）を出力
音声合成用の台本としてもそのまま活用できる

🧠 AIにナレーションを考えてもらうときのコツ

映像の長さに応じて、ナレーションを5〜8秒ごとに区切るよう依頼
無音が長くなりすぎないように、「PR的な補足コメントも入れて」と伝える
例：「操作説明に加えて、使いやすさをアピールする文も入れてください」など

⏱ タイムコード付きナレーション原稿（例）

00:00:00,000 –> 00:00:06,000

会員を選択し、F6入金入力を開きます。

00:00:06,000 –> 00:00:12,000

入金方法を選びます。登録済の支払方法が選択できます。

00:00:12,000 –> 00:00:18,000

金額と、必要に応じて備考を入力します。

ChatGPTが操作の流れとタイミングに合わせてちょうどよい長さとスピードで台本を組んでくれるので、ここでほぼ「完成台本」と言っていいレベルのものが出来上がります。

5. Google Colabで音声と字幕を自動生成

（gTTS + pydub + ffmpeg）

ChatGPTで台本とタイムコード付き字幕（.srt）ができたら、

次はAIにその台本を読ませて、ナレーション音声（mp3）を自動生成します。

ここでは、無料で使えるGoogle Colabを使いました。

Pythonが使えなくても、コピペで動かせるので安心です。

💻 Colabで使った主なライブラリ

ライブラリ名	用途
gTTS	Googleの音声合成ライブラリ（日本語対応）
pydub	音声の合成・編集（無音の挿入や結合など）
ffmpeg	音声スピード変更（1.3倍速・ピッチ維持）に使用

🧪 実際のColabコード（サンプル）

!pip install gTTS pydub

from gtts import gTTS

from pydub import AudioSegment

texts = [

“会員を選択し、F6入金入力を開きます。”,

“入金方法を選びます。登録済の支払方法が選択できます。”,

“金額と、必要に応じて備考を入力します。”,

“入金日をカレンダーから選択します。”,

“確認後、F8登録ボタンをクリックします。”,

“入力内容はすぐに反映。スムーズな操作が可能です。”

]

segments = []

for text in texts:

tts = gTTS(text=text, lang=’ja’)

tts.save(“temp.mp3”)

segment = AudioSegment.from_file(“temp.mp3”)

segments.append(segment)

segments.append(AudioSegment.silent(duration=500)) # 短い無音

final_audio = sum(segments[:-1]) # 最後の無音は除く

final_audio.export(“入金入力_ナレーション音声.mp3″, format=”mp3”)

🎛 補足：ffmpegでスピード調整（1.3倍速）

!ffmpeg -i 入金入力_ナレーション音声.mp3 -filter:a “atempo=1.3” 入金入力_ナレーション_高速版.mp3

この処理で、ナレーションがテンポよく再生されるようになります。

（ピッチはそのまま、スピードだけが上がるのがポイント）

✅ 出力されるファイル

入金入力_ナレーション音声.mp3（通常速度）
入金入力_ナレーション_高速版.mp3（1.3倍速）
入金入力_PR字幕.srt（字幕ファイル）

これで音声と字幕がそろいました。

次のステップでは、これらをPremiere Proで合成して完成動画に仕上げます。

完璧に理解しました。

では「ChatGPTがコードを生成し、Google Colabで実行 → AI音声と字幕ファイルを出力 → Premiereにそのまま取り込めた」

という流れをしっかり押さえた上で、第6章を完全リライトしました👇

6. Adobe Premiere Pro で編集＆合成

（ChatGPT×Colab×Premiereの連携が最強だった）

Google Colabで生成した「AIナレーション音声（mp3）と字幕ファイル（.srt）」が揃ったら、

あとはこれらを操作映像に組み込むだけで、完成版動画がほぼ出来上がります。

今回は、映像編集に Adobe Premiere Pro を使用しました。

🔗 ChatGPT + Colabで生成された素材が“そのまま使える”

ChatGPTに動画をアップして、ナレーション文とタイムコードを生成してもらい、

その出力されたコードをGoogle Colabに貼り付けて実行するだけで、以下の2つの素材が得られます。

ファイル名	内容
互助会会員管理システム_ナレーション.mp3	Google Colabで合成された日本語AIナレーション音声
互助会会員管理システム_PR字幕.srt	ChatGPTが操作映像を解析して自動で生成した字幕ファイル

Colabでは、gTTS（音声合成）・pydub（音声編集）・ffmpeg（スピード調整）を組み合わせて、

動画のタイミングにぴったり合った音声ファイルを出力しています。

🎞 Premiereでの作業は「読み込むだけ」

Premiere Proでは、以下のようにファイルをタイムラインに並べただけで、

ナレーションと字幕がぴったり映像に合っている状態で完成に近づきました。

🟦 映像：互助会会員管理システム.mp4

🔊 音声：互助会会員管理システム_ナレーション.mp3

🔤 字幕：互助会会員管理システム_PR字幕.srt

手動でのタイミング調整は一切不要。

これは、事前にChatGPTが操作の流れを見てColab用の正確なタイムコードを生成してくれていたからです。

📤 最後に書き出し（mp4）

解像度：3840×2160（4K UHD）
フレームレート：30fps
映像ビットレート：推奨範囲内で高品質設定（YouTube推奨設定）
音声：AAC（320kbps）

今回はあえてシンプルな構成にしましたが、

冒頭にタイトル画面を加えたり、強調したい部分に装飾を入れるなどの演出もPremiereなら柔軟に対応できます。

次は、この完成動画をYouTubeに限定公開して共有する工程へ進みます！

→「7. YouTubeにアップして社内外に共有」へ！

承知しました！

ではその「全体の所要時間はたった2時間程度だった」という点を強調したうえで、7章のラストにまとめコメントとして反映した完全版を再掲します👇

7. YouTubeにアップして社内外に共有

（限定公開でスムーズ共有）

完成した動画は、社内関係者やクライアントにもすぐに見てもらえるよう、YouTubeにアップロードして限定公開という形で共有しました。

YouTubeを使う理由はとてもシンプルで：

✅ ブラウザがあれば誰でもすぐ見られる
✅ データ容量が重くない（送受信しないで済む）
✅ 社外にも「URLだけ」で共有できる
✅ 後から差し替え・削除・再アップも簡単

🚀 アップロード手順（ざっくり）

YouTubeにログイン
[動画のアップロード] をクリック
ファイルを選択（例：互助会会員管理システム_操作説明_PR動画.mp4）
公開設定 →「限定公開」を選ぶ
説明欄にちょっとしたメモや補足を入れて「完了」

💡 タイトルと説明文の例

タイトル：互助会会員管理システム｜入金入力の操作ガイド
説明文：本動画は、互助会会員管理システムのF6入金入力機能に関する操作方法と利便性を紹介するPR映像です。

✅ 驚くべきことに、制作にかかった時間は“たった2時間”

このプロセス全体──

映像のアップロード → ナレーションと字幕の生成 → Colabでの音声合成 → Premiereでの編集 → YouTubeへのアップロード

まで、最初（キャプチャ動画をもらってから）から最後までかかったのはわずか2時間程度。

ナレーション録音や字幕作成、タイミング調整といった本来は時間がかかる作業が、すべてAIとColabで自動化されたことで、驚くほどスピーディーに仕上げることができました。

📩 社内・社外への共有も超スムーズ

社内：Slackやメールでリンク共有 → すぐ視聴可能
クライアント：説明を兼ねてURL送付 → 操作理解を深めてもらえる
資料添付ではなく「動画1本」で済む → 印象・理解度アップ

出来上がり　→　互助会会員管理システム