
Claude CodeにMV動画を頼んだら16分でできた話-Claude Opus 5.5
どうも。
nekoです。
今日もAIしてますか?
最近、Claude Code Opus5.5を使ったクリエイティブ界隈(なんじゃそりゃ)で、
「動画を全部Claude Codeで作る」
という記事や作品をちょこちょこ見かけますよね。
とうぜん、気になりますよね…笑。
Claude Codeというと、Webサイトやアプリを作ったり、プログラムを書いたりする使い方が一般的ですが、
動画を作る(Opus5.5のコードでね)
という使い方もできます。
ということで、今回は実際に子ども向けのアニメMVを1本作ってみました。
できたのがこれ。
Claude Codeを使ったクリエイティブ界隈(なんじゃそりゃ)で、ちょっとバズってる「動画を全部Claude Codeで作る」やつ
— neko (@neko_3) October 7, 2026
自作した歌詞をSunoで曲にして、アレンジとリミックスした音源データと歌詞をClaude Codeに読み込んで「子ども向けのアニメMV作って」と伝えたら、できたのがこれ pic.twitter.com/RBi2p8MUzo
まずは曲を作る
今回作ったのは、
「パンツはくはく」
という、タイトルそのままの子ども向けの曲です。
ざっくり、
どんな曲にするか考える
歌詞を書く
Suno用のプロンプトを作る
何曲か生成する
その中からいちばんいいものを選ぶ
アレンジ、リミックスする
Logic Proでマスタリングする
という感じで仕上げました。
ここまでは、普通に音楽制作です。
で、曲が完成したところで、
この曲にどんな映像をつけるか
を考えます。
今回は子ども向けなので、
カラフルな2Dアニメで
歌詞に合わせてキャラクターが動いて
カラオケのように歌詞も表示される
という方向にしました。
Claude Codeに渡したもの
動画制作のためにClaude Codeへ渡したのは、
完成した曲データ
歌詞のテキスト
この2つだけです。
そして、
「この曲の子ども向けの2DアニメMVを作って」
と依頼します。
基本的にはこれだけ。
ここから先の動画制作はClaude Code側で勝手に進めてもらいました。
今回、動画生成AIは使っていない
まぁ、やっぱりこれですよね…笑。
今回の動画は、動画生成AIを使っていない。
一般的な動画生成AIは、画像や文章を渡して、そこから数秒の動画そのものを生成して、それを繋いで作ることが多いと思うんですが、
今回は
Claude Codeが、
動画を作るためのコードを書き
そのコードで映像を作っている
これですよね。
ざっくりした流れはこうです。
最初に曲を時間軸に合わせて分析
↓
曲の展開や歌詞のどの部分がどのタイミングで歌われているか調べる
↓
その時間軸に合わせてアニメーションを静止画で1コマずつ描く
↓
全コマ描き終えたら全部つなげて1本の動画にする
2,131枚の静止画を作っていた
今回完成したMVは約71秒。
1秒間に30枚の絵を使っているので、
最終的には、
2,131枚
の静止画を作っています。
これを、AIとしてのClaudeではなく、Claude Codeが書いたコードで描いてます。
先に、
この時間ではこのキャラクターをこの位置に描く。
この時間になったら動かす。
この歌詞になったら文字を変える。
という台本を作って、あとはコードが2,131枚の絵を書き出していく。
それを曲データと一緒につないで、このMVが完成しました。
曲のタイミングも自動で合わせる
ぼくは、
「この歌詞は3.2秒から」
「ここでサビに切り替える」
といった時間指定などはしていないので、
Claude Code自身が曲データと歌詞を分析して、
歌詞が歌われている時間的な位置と内容を自動的に調べています。
その結果を使って、
カラオケの文字表示
場面の切り替え
キャラクターの動き
などを曲に合わせて演出しています。
これはやっぱりすごいですね。
完成した曲と歌詞と世界観を渡せばほぼ自動で作れる
ということですから。
いや、動画生成AAIならわかるんですよ。
そういう存在なので。
これをコードで実装したというのがすごいなと。
作って終わりではなくチェックもする
こういうのは助かりますよね。
制作途中の画面を自分で確認して、
表現としておかしいところ
文字が重なっているところ
キャラクターの位置がおかしいところ
などをチェックして直す。
つまり、
曲を分析する
↓
時間軸を作る
↓
映像を作る
↓
動画にする
↓
チェックする
↓
おかしい部分を修正する
↓
もう一度作る
というところまでClaude Code側で進めてくれています。
動画制作にかかった時間は16分
気になる作業時間の記録です。
Claude Codeに曲と歌詞を渡してから、
曲の分析
映像の設計
コーディング
アニメーションの制作
確認
修正
動画の書き出し
までで、
実作業時間は16分くらいでした(Opus5.5中)。
完成した動画は、
1分11秒で2,131コマ
それを16分で作っています。
コーディングも入っているので、なんともエグいです。
あ、コードで動画を作っているのでトークン量が少なく済むのも、費用対効果としてすごいですね。
動画生成AIとは別の方向の面白さ
いまAI動画というと、とうぜん動画生成AIの話が中心になりますよね。
もちろん、それもすごい。
とんでもない映像が次から次へ出てきます。
Claude Codeの場合は、
「この映像を作って」
と依頼すると、
その映像を作るための仕組みごと作ってしまう。
これって、ぜんぜん違うことですよね。
ユーチューバーになるためにYouTubeから作ってしまうようなものですから。
ひとくちにAIの動画生成といっても、まったく別の選択肢ができたというのはすごいことだと思います。
どれを選ぶか。
なにをどう作るか。
それできるのが人間のすごいところでもあり、これから先の未来で求められるものですよね。
Claude Code(Opus 5.5)自身の制作メモ
依頼内容: 音楽ファイルと歌詞ファイルをもとに、幼児向けのカラフルな2Dアニメのミュージックビデオを作る
1. 結果
| ファイル | 内容 | 解像度 | 容量 |
| `パンツはくはく_MV.mp4` | 完成版 | 1920×1080・30fps | 約40.7MB |
| `パンツはくはく_MV_スマホ用.mp4` | 完成版を縮小しただけのもの | 1280×720・30fps | 約12.8MB |
どちらも約71秒で、元の音源の音声がそのまま入っています。
スマホ用は約12.8MB なので、LINE や WhatsApp など、送れる容量の上限が16MB程度のアプリでも送れるサイズです。
2. 作業の流れ
素材の確認
音源は約71秒です。
歌詞ファイルから歌詞の文章を取り出しました。
歌のタイミングを調べる
音声認識で、各歌詞を歌っている時間を単語単位で調べました。
画面に出す歌詞は、認識結果ではなくいただいた歌詞ファイルの文章です。認識では「まーくん」が「マーク」になるなど違いがありましたが、表示には影響しません。
テンポは約124BPMと推定し、キャラクターの揺れをこれに合わせました。
アニメーション作り
画像素材は使わず、キャラクターや背景はすべてプログラムで描いています。
歌詞はふりがな付きで、歌に合わせて色が変わるカラオケ式です。
確認と修正(最初の書き出し前)
場面の静止画を書き出して目で確認し、3点を直しました。
トイレの場面で、座っている子が便器の中に立っているように見えた。
家族の名前札が重なっていた。
最後の場面で文字が重なっていた。
動画の書き出し:2,131コマを書き出して音声と合わせ、約1分半かかりました。
修正1(ご依頼)
歌う前の歌詞が白で読みにくかったので、青(`#2F7BE0`)に変えて書き出し直しました。歌ったあとのピンクはそのままです。
この版でOKをいただきました。
修正2(ご依頼):完成版には手を加えずに、スマホ用の縮小版(720p)を別に作りました。
場面の流れ
| 時間 | 歌詞 | 場面 |
| 0〜2秒 | (前奏) | タイトル(文字が1つずつ弾んで出てくる) |
| 2〜9.8秒 | パンツはくはく/お尻フリフリ | 男の子がパンツを引き上げて「はく!」、お尻を振って「フリ♪」 |
| 9.8〜13.4秒 | お花パンツに恐竜パンツ | 大きなパンツが飛んできて、恐竜が「がおー!」 |
| 13.4〜19秒 | プリンセスにもショベルカーにも/お尻あるある | プリンセスと、パンツをはいたショベルカーが登場し、「あるある!」で全員がお尻を振る |
| 19〜21秒 | パンツはくはく | サビ |
| 21〜32秒 | え?みんなはいてるの?〜先生もー??? | 家族と先生が順に登場し、「みーんな はいてる!」 |
| 32〜39秒 | おむつなんかにゃ用はない/バイバイ赤ちゃん/ハロートイレ | おむつに×、羽が生えてバイバイ。光と一緒にトイレが「ハロー!」 |
| 39〜50秒 | パンツ脱ぐ脱ぐ〜お水ながして | ぬぐ → そーっと座る → じーっと待つ(時計)→「でたー!」→ ふきふき → ジャーー! |
| 50〜54秒 | パンツはくはく/お尻フリフリ | 恐竜とプリンセスも一緒に踊る、紙吹雪 |
| 54〜60秒 | パンツの上にもなにかはいてねー! | 上からズボンが降ってきて「ズボンも はこうね!」 |
| 60〜71秒 | キラーン×3 | 夜空と虹の中で決めポーズ、最後に「パンツはくはく できたね!」 |
トイレの場面では、長めのシャツでおしりが隠れるように描いています。
3. 使った技術
| 工程 | 使ったもの | 役割 |
| 音源の読み込み・変換 | ffmpeg / ffprobe | 音源を確認し、解析しやすい形式(16kHz・モノラル)に変換 |
| 歌のタイミング解析 | faster-whisper(medium、日本語) | 歌詞を歌っている時間を音声から推定(単語単位) |
| テンポの推定 | Python・NumPy | 1フレーズ約3.88秒(2小節)から約124BPMと推定 |
| アニメーション | HTML5 Canvas・JavaScript(1ファイル、約700行) | 画像素材は使わず、キャラクターも背景もすべてプログラムで描画 |
| 文字 | ヒラギノ丸ゴ| 歌詞・ふりがな・効果文字 |
| コマの書き出し | Playwright(画面なしの Chromium) | 1コマずつ描いて画像にする(2,131コマ) |
| 動画の作成 | ffmpeg | 完成版:1080p(画質設定 CRF18)+音声 AAC 256kbps |
| | | スマホ用:720p(CRF24)+音声 128kbps |
| 確認 | Python・Pillow | 静止画を一覧画像にまとめて目で確認 |
作りの要点
時刻を渡すと1コマを描く仕組み: 例えば「12.3秒」と渡すと、その瞬間の絵が毎回同じように描けます。そのため、ブラウザでの音楽付き再生と、動画への書き出しを同じプログラムでできます。
場面の切り替え: 10場面を時刻で切り替え、つなぎ目は円が広がる切り替え効果(約0.4秒)にしています。
動きを曲に合わせる: 弾み・お尻の揺れ・効果文字は、テンポ(約124BPM)と、歌から取った「は・く」「フ・リ」のタイミングに合わせています。
キャラクターの部品化: 男の子・家族7人・プリンセス・恐竜・ショベルカー・おむつ・トイレを、描く関数として部品にしました。表情・腕の角度・パンツの柄などは値を変えるだけで切り替わります。
歌詞の表示: 青い文字の上に、歌の進み具合に合わせてピンクの文字を重ねていくカラオケ式です。ふりがな付きです。
作るときに使ったファイル(`mv/` フォルダ)
| ファイル | 内容 |
| `mv/mv.html` | アニメーション本体。ブラウザで開くと音楽付きで再生できます(`?t=秒数` でその位置から再生) |
| `mv/render.py` | 動画を書き出し直すためのもの(約2分) |
| `mv/stills.py` | 確認用の静止画を書き出すもの |
| `mv/song.m4a` | 音源のコピー(元の音源ファイルは変更していません) |
動画を書き出し直すコマンド:
cd mv && python3 render.py4. かかった時間(JST)
| 工程 | 時間 | 内訳 |
| 調査・音声解析 | 約3分 | 音声認識 87秒、準備 18秒 |
| 設計・プログラム作成 | 約7分 | Claude がプログラムを書いた時間 |
| 確認・修正 | 約1.5分 | 静止画の確認、3か所の修正 |
| 最初の書き出し | 約1.8分 | 書き出し 103秒 |
| 修正1(歌詞の色) | 約2分 | 書き出し 102秒 |
| 修正2(スマホ用) | 約20秒 | 縮小 14秒 |
| 合計(作業時間) || 約16分 | お返事を待っていた時間は含みません |
16分のうち、パソコンが計算していた時間(音声認識・書き出し・縮小など)は約6分です。
残りの約10分は、Claude が考えたりプログラムを書いたりしていた時間です。
5. トークンの使用量
全体
Claude への問い合わせは45回で、すべて Claude Opus 5.5 です。
| 種類 | トークン数 |
| 読み直し(キャッシュからの読み込み) | 約582万 |
| キャッシュへの書き込み | 約14万 |
| 出力(Claude が書いた分) | 約6.6万 |
| 新しい入力 | 108 |
種類ごとの重み(読み直し×0.1、書き込み×2、出力×5)で換算すると、約122万トークン相当です。
何に使ったか(換算値・おおよそ)
基本の指示文(毎回読み直す) ███████████████ 30% 約36万
ファイル操作(作成・画像確認)███████████████ 29% 約35万
考える・返答を書く ████████████ 24% 約29万
コマンド実行(解析・書き出し)█████████ 17% 約21万
ファイルの送信 ▏ <1%基本の指示文が一番多い理由: Claude の動き方の説明や使える道具の一覧(約6.8万トークン)を、問い合わせのたびに読み直すためです。1回あたりは安い「読み直し」ですが、45回分が積み重なっています。
ファイル操作が多い理由: アニメーションのプログラム(約700行)を一度に書き出したことと、確認用の静止画の一覧画像を読み込んだことです。
考える・返答: 場面構成や修正方針を考えた分と、お返事の文章です。
コマンド実行: 音声解析や書き出しの結果を読んだ分です。重い処理はパソコン側で行ったので、トークンはそれほど使っていません。
別の作業担当(サブエージェント)、Web 検索、外部サービス連携は使っていません。