長尺動画から縦型ショートを自動生成する仕組みを作って、最初にできた3本を試写にかけたところ、全部ボツになりました。動画自体は本編の内容をそのまま使っているのに、なぜか「見る価値がない」と感じてしまう仕上がりだったのです。
結論から書きます。原因は、ショートを「本編への予告編」として作ったことでした。ショート動画は本編の一部を切り出したものではなく、単体で完結していないと成立しない別のフォーマットです。長尺から縦型ショートを自動生成する仕組みを作る過程で実際に踏んだ4つの失敗と、そこから明文化した設計原則を、以下に順番にまとめていきます。「ショート動画 作り方 長尺 切り出し」や「YouTube ショート 伸びない 構成」で悩んでいる方の参考になれば幸いです。
私は別名義で歴史・地理系の解説動画チャンネルを運営していて、10分前後の本編から縦型ショートを自動生成するパイプラインを作っています。本編のレンダリングはReactで動画を組む仕組み(Remotion)を使い、字幕と音声も自動生成、ショートの切り出しもスクリプト化してあります。仕組みとしては動いていました。それでも、できあがった動画は試写で全落ちしました。
自動化そのものには自信がありました。本編を1本仕上げるたびに、台本・字幕・音声から自動で候補を切り出せる状態を作っていたからです。手作業なら数時間かかる工程が数分で終わる。そこまでは狙いどおりでした。落とし穴があったのは、切り出す「対象」の設計そのものでした。仕組みが動くことと、出てきたものが単体のコンテンツとして成立することは、まったく別の話だったのです。
予告編にしたショートは、全部「だから何？」で終わった
最初に作った3本は、本編への引きを作る予告編型でした。本編の一番おいしい部分はあえて見せず、「続きは本編で」という形で締めくくる構成です。テレビ番組の次回予告と同じ発想で、悪くない狙いだと思っていました。
ところが試写にかけると、3本とも同じ理由で落ちました。見終わったあとに「だから何？」という感想しか残らないのです。理由はシンプルでした。視聴者はショートを、本編とセットの導入部としてではなく、単体のコンテンツとして見ています。引きだけを見せられても、次の行動にはつながりません。
作り直した完結型は3本とも尺を測り直し、40.6秒・39.2秒・32.1秒に収まりました。作り直しにあたっては、本編でいちばん強いオチをショート側に解禁しました。出し惜しみをやめたということです。3本目はクイズ形式にして、「問い→答え→意外な事実」までをショート単体で完結させました。
振り返ると、予告編型を選んだ判断そのものは間違っていなかったと思います。本編への導線を作りたいという狙いは自然です。問題は、その狙いを優先するあまり、ショート単体としての満足度を後回しにしていたことでした。導線は、単体で満足できるコンテンツのあとに付いてくるものであって、導線のためにコンテンツを未完成のまま出す判断は逆でした。
自動生成には「本編を見ている前提のセリフ」が紛れ込む
2つ目の失敗は、セリフの文脈でした。ショートの台本は本編の台本からチャンクを拾う仕組みで作っているため、「概要欄にまとめました」のような、本編を視聴している前提のセリフがそのままショートに混入していました。
本編を通しで見ている人には自然な一文でも、ショートだけを見ている人にとっては意味が通りません。何を指しているか分からない言葉が、単体で完結すべきショートの中に唐突に現れる形になっていました。
対処として、複数の区間をジャンプカットでつなぐ機能(segments)をビルドスクリプトに追加しました。文脈依存のチャンクを飛ばして、別の区間と連結できるようにする対応です。既定の挙動そのものは変えていません。あくまで、必要なときに不要なチャンクを避けられる選択肢を増やした形です。
この失敗が厄介だったのは、混入したセリフ自体は文法的に何もおかしくない、という点でした。単語の誤変換や構文エラーのように機械的に検出できるものではなく、「本編を通しで見ていないと意味が分からない」という、文脈依存という性質の問題です。エラーとしては出てこないので、最終的には試写で人間の耳で聞いて気づくしかありませんでした。
横動画を縦に切り出しても、画面の下2/5は埋まらない
3つ目の失敗は画面設計でした。16:9で撮っている本編の映像から9:16の縦動画を切り出すと、画面の下2/5がただの余白になります。情報量が足りず、縦画面として成立しませんでした。
試写でもらったフィードバックは「なんの動画かわからない」という一言でした。横動画をそのまま中央でトリミングしただけでは、タイトルも文脈も画面の外に置き去りになっていたのです。
対処として、下段に拡大パネルを常設しました。本編の注目領域を切り出して拡大表示する部分です。あわせて、タイトル帯を画面上部のヘッダとして常時表示する形に分離しました。共通部品を抽出したうえで、縦専用のコンポジションを新しく作り直しています。横動画の一部を切り抜くのではなく、縦画面用にレイアウトを設計し直した、という言い方が正確だと思います。
ここで学んだのは、「切り出し」という言葉自体が思考を狭めていたということです。9:16のフレームを16:9の映像の上に置いて、はみ出た部分を削る作業だと考えている限り、下2/5の余白は解決しません。縦のフレームを起点に、そこに何を配置するかをゼロから決める作業だと捉え直して、ようやくレイアウトが定まりました。
字幕の開始秒を、音声の開始秒だと思い込んでいた
4つ目の失敗がいちばん厄介でした。ショートの音声トリム開始位置に、字幕ファイル(TSV)に書かれた行の開始秒をそのまま使っていたのです。
この設定で書き出したショートのうち2本で、冒頭の単語が欠けていました。発話の音響的な立ち上がりより、字幕の開始秒のほうが数百ミリ秒遅かったためです。トリムの起点をそこに合わせると、話し始めの数十文字が音ごと切り落とされてしまいます。
原因を突き止めると、当たり前のことに気づきました。字幕の表示タイミングと、実際に声が発せられるタイミングは別物です。字幕は読みやすさを基準に置かれていて、発話開始と厳密に一致するとは限りません。パイプラインを組んでいる最中は、この2つを同じものとして扱ってしまっていました。
対処は、音声区間検出の結果、つまり有声区間の実測開始秒を正としてトリム起点を再計算する形に変更しました。そこから0.1秒弱のリードを取り、話し始めが欠けないようにしています。修正後は音声認識ツールで書き起こし直し、語頭の欠落がゼロになったことを確認しました。
この失敗の怖いところは、映像を普通に再生しただけでは気づきにくいことでした。数百ミリ秒の欠落は、通しで見ていると聞き逃してしまう程度の差です。実際、最初の試写では別の要因(構成の悪さ)に気を取られていて、この欠落自体には気づけていませんでした。あとから1本ずつ耳だけで聞き直したときに、初めて違和感の正体が分かった格好です。字幕という「読みやすさのために調整された情報」を、そのまま「発話という物理現象のタイミング」として扱ったことが、そもそもの取り違えでした。
指摘は「その場で直す」でなく「ルールに昇格」させる
4つの失敗を経て、いくつかの設計原則を明文化しました。予告編型のショートは作らない。本編の一番強いオチはショート側に解禁する。「先ほどの」「概要欄の」のような文脈参照チャンクを冒頭に置かない。数字が行をまたぐと読みづらいので、改行位置は手動で制御する。どれも、一度指摘を受けて直しただけでは終わらせず、次から同じ議論をしなくていいようにルールとして残したものです。
これはEMとしての仕事の進め方と同じだと感じています。レビューで出た指摘を、その場の修正だけで終わらせるか、チームの標準として残すかで、次に同じ問題が起きる確率は変わります。同じ指摘を2回受けたときは、たいてい個人の作業の問題ではなく、設計そのものの問題です。誰か一人が気をつければ防げる話ではなくなっているからです。
まとめ：縦動画は切り出しではなく作り直しだった
縦動画は横動画の一部ではなく、別のフォーマットです。今回の4つの失敗はどれも、その前提を見落としたまま「切り出せば作れる」と考えていたところから生まれていました。短い尺で成立させる条件は、単体で意味が閉じていることです。引きの強さは、完結していないことの代わりにはなりません。
自動生成パイプラインは、元になる台本や字幕の性質をそのまま引き継ぎます。字幕のタイミングを音声のタイミングとして扱うような取り違えは、手作業なら途中で違和感に気づけても、機械化すればするほど見えにくくなるものです。今回の学びをまとめると、ショートを長尺の付属物として扱わず、単体のコンテンツとして設計し直すこと、そして一度出た指摘は個別対応で終わらせずルール化しておくこと、この2点に尽きます。
私は現役EMとして、1on1やチーム運営の仕組み化について書いています。1on1管理のNotionテンプレート(無料Lite版)を公開中です → 試してみる。X: @anikuma_tech
コメント