1本の音声から3つの成果物を生み出す、ほぼ全自動の仕組み

1本の音声を3つの成果物へ展開

わたしはSpotifyやVoicyなどで、基本的に毎日音声配信をしています。自分のチャンネルで収録した音声は、横長動画、ショート動画、記事の3つへ展開しています。

ぶっちゃけ、この3つはほぼ全自動です。1回収録した音声を、複数の場所へ届ける仕組みがすでにできています。

フォルダーへの保存を合図に文字起こし

収録すると、パソコンの中にm4a形式の音声ファイルができます。わたしは、そのファイルをいつも同じフォルダーへ置いています。

フォルダーを監視するプログラムが新しい音声を検知すると、GroqのAPIを使う文字起こしが始まります。

手元の負荷を避けてクラウドで処理

パソコンには、ローカルで使えるWhisperも入っています。ただ、今回はGroqで文字起こししています。

Whisperを使うと、動画生成にも使いたいパソコンの処理能力を取られてしまいます。そのため、文字起こしはクラウド側へ任せています。

音声と同じ長さの横長動画を自動生成

まず、音声と同じ長さの横長動画を作ります。10分の音声なら10分、11分なら11分のビデオポッドキャストというイメージです。

横長動画では、着物のキャラクターが口パクで解説します。イケハヤさんのAI動画講義スキルと、わたしのモーション用スキルを組み合わせています。

完成した動画はRondoやDiscordで確認します。チェックマークの絵文字で承認できれば、YouTubeへのアップロードや、先に配信した音声エピソードの動画への差し替えまで自動で進みます。

見どころを切り出してショート動画へ

2つ目はショート動画です。文字起こしをもとに見どころを選び、切り取った音声を縦型動画へ仕上げます。

着物の女性が話すイラストに加え、Codexで生成したイラストも差し込みます。

動画と投稿文はRondoかDiscordで確認し、気に入らない場合は紹介するリンクを指定して作り直します。承認後は各媒体へ追加しています。

Podyに着想を得た記事づくり

3つ目は記事です。けんすうさんが作ったPodyというサービスに着想を得た形で、音声の内容から記事を作っています。

記事はだいたい良い形に仕上がるため、自分のホームページへ載せるところまで進めています。

Xの記事にも流用したいと考えています。ただ、Xの記事へ貼り付ける工程はまだ調べきれておらず、ここだけは自動化の途中です。

1本の音声から、横長動画、ショート動画、記事の3つが生まれます。YouTubeやSpotify、SNS、自分のホームページなど、展開先も広がっています。

SubstackでCoworkを試す合同ライブ

最後に、8月21日金曜日の18時から、Substackでライブをすると案内しました。Udemy公式を運営するベネッセと合同で、参加者の面倒なことをCoworkへ実際に任せてみる企画です。

CoworkやAIエージェントが気になるけれど、まだ使ったことがない人へ向けた内容です。耳だけでの参加でも構いません。

まとめ

1本の音声を横長動画、ショート動画、記事へ展開する、ほぼ全自動の仕組みが語られた回でした。完成物を承認して複数の媒体へ届ける流れと、Xの記事だけは自動化の途中という率直な現状も共有されました。