私の事例：ナレーション付き解説動画

動画を組み立てるために使った事例を紹介します。1つ目はRemotion・VOICEVOX（ずんだもん）・ffmpegなど無料ツールを組み合わせたナレーション付き解説動画、2つ目はHyperFramesで作ったミニゲーム「ZOMBIE RUN」の紹介トレーラー、3つ目はHyperFramesとIrodori-TTSで会話だけの指示から約12分で作った30秒プロモ動画です。

Remotion：動画を編集ソフトで手作業に組み立てるのではなく、コードで自動的に組み立てる仕組みです。「この文字をこのタイミングで出す」といった指示をあらかじめ書いておけば、あとはコマンド一つで動画ファイルが出来上がります。私のやり方では、スライド画像を先に作っておき、それらを台本（音声）のタイミングに合わせて切り替え、映像にしています。 Remotion自体の使い方は操作手順へ。

VOICEVOX：文章を入力するとキャラクターの声で読み上げてくれる、無料の音声合成ソフトです。ナレーターに依頼したり自分で声を録音したりしなくても、テキストを用意するだけでセリフの音声ができます。手元のパソコンで動くので、オフラインで動作し、費用もかかりません。 VOICEVOXの使い方は操作手順へ。

ffmpeg：最後の工程で、映像・音声・テロップ画像をまとめて1本のmp4に合成します。元の映像の音量を調整しながらVOICEVOXの音声を指定タイミングでミックスし、テロップ画像を指定秒数だけ重ねます。

HyperFrames：Webページを作る技術を使って動画を組み立て、そのまま書き出すツールです。動画編集ソフトを操作するのではなく、AIコーディングエージェント（Claude Code等）に「プロモ動画を作って」と頼むだけで、内容の相談→構成案づくり→完成までを会話で進めてくれます。 HyperFramesの使い方は操作手順へ。

MiniMax H3：短いテキストや参照画像から数秒〜十数秒の映像を生成する動画生成AIです。参照素材（画像・動画・音声）をまとめて渡すことで、複数カットにまたがってもキャラクターや雰囲気を保ちやすいのが特徴です。ZOMBIE RUNのトレーラーでは、ゾンビに追われるシーンを5本生成するのに使いました。 MiniMax H3自体の紹介はツール紹介へ。

Irodori-TTS：日本語に特化した音声合成（TTS）モデルです。短い参照音声を1つ用意するだけで自分の声のクローンを作り、任意のテキストを読み上げさせるゼロショットボイスクローンが主機能です。完全無料・ローカル実行で動きます。 Irodori-TTSでのボイスクローンの作り方は操作手順へ。

1. Claudeで動画の台本を書く
2. シーンごとの動画やスライド画像を用意しておく 以下、Claudeに指示を出すと順に動画完成まで動かしてくれる
3. ナレーション台本にあわせて、VOICEVOXやIrodori-TTSで音声を作る指示を出す → 音声ファイルができる
4. RemotionやHyperFramesで、補足が必要なセリフのテロップ画像ができる
5. RemotionやHyperFramesで、シーン（動画や画像）を繋げて１つの映像にする指示を出す → 動画ファイルができる
6. ffmpegで、作成された映像・音声・テロップ画像を合成し、最終の動画ファイルを生成する