「AIでの動画生成」ではなくて、「AIを使って動画編集をどこまで時短できるか」を調べたりテストしたりしてます。
あくまで現在の動画編集のスタンスのまま、どこにAIを活用できて、どのくらい時短になるのか、という話です。
やってみたら意外とできちゃったことや、思ったより全然できなかったことなどがあり、2026年1月時点の現在地をメモっておきます。
カット編集の自動化が難しい
カット編集をAIに任せたいんですが、いくら調べても「音声が無くなったタイミングで編集点を入れる方法」しかありません。
「話している方の話者がいるカメラに切り替える」とか「文脈でカメラを切り替える」ことができるようになってくれると最高なんですけど、その段階に進めるのはいつ頃なんでしょうか。
カットのタイミングも1F単位でシビアにやろうとすると、流石に人間が目視でやる必要が出てきます。
人が視認しないといけない作業はまだ当面続きそうです。
テロップ編集は精度は高いが位置が合わない
昨年末からテロップ編集をどこまで生成AIで調整できるか試してます。
Whisperの精度が最も高くて信頼してるんですけど、テロップ表示タイミングはずっとおかしいです。1〜2Fズレるとかではなくて、思いっきりズレます。
発音したタイミングに合わせるだけだと思うんですけど、合ってないことが多いです。
波形に対して合わせるとか、子音が聞こえたタイミングで合わせるとか、うまいこと進化して欲しいです。
テロップ表示タイミングはPremiere Proの文字起こしの精度が高くて、でも文字起こし自体の精度は高くないので、現状だと「Premiereで文字起こし後、AIで調整してから必要であればWhisperでの文字起こしもして、最後に合流させる」という複合技を使ってます。
音声編集はプラグインでできることが多い
AI技術を活用した音声編集プラグインは結構前からありまして、そのAIの精度がここ数年でより高まっている印象です。
ノイズ除去は精度が高い上に、しゃべり声の音質を損なわないプラグインが増えてきてます。WAVES Clarity VXを最近久しぶりに使いましたが、以前よりかなり良くなってました。
以前からずっと悩みの種だった位相のずれも、Auto Align Post 2というプラグインで解決できることを知って、これによって音声編集の時間がグッと短縮できそうです。
音声編集の手間がグッと減ってきたので、今後も各プラグインがより精度が高まって欲しいなと思ってます。
最後に
来年くらいにはこれらの課題が解決してくれることを願います。
動画編集が嫌というわけではないんですけど、クリエイティブな編集に時間を回すために雑務的な編集をなるべく減らしたいです。