ChatGPTは動画を見られる？動画を要約する確実な方法

ChatGPTは動画を見られるのでしょうか。答えは「部分的には」です。動画ファイルをアップロードすればChatGPTはその一部を分析できますが、OpenAI自身のヘルプセンターでも、動画全体を扱わなかったり、音声を正確に解釈できなかったりする場合があると注意しています。YouTubeのリンクを貼った場合は、たいてい動画をまったく見られません。ChatGPTで動画を要約するなら、確実なのは文字起こしを渡す方法です。公開されているYouTubeのリンクなら、無料の文字起こしツールで取り出せます。

このガイドは、動画を見る、要約する、分析することについての記事です。ChatGPTに動画をカットやトリミングしてほしいならChatGPTで動画編集はできるかを、ゼロから動画を作ってほしいならChatGPTで動画生成はできるかをご覧ください。

結論

動画をアップロードすると何が起きるか

ChatGPTは、一部の無料アカウントを含む多くのアカウントで動画ファイルを添付として受け付けますが、使えるかどうかはアプリとアップロード方法によって変わります。動画を送ると、ChatGPTはツールを使ってファイルを見ることがあります。あなたのようにクリップを最後まで通して見るわけではありません。実際には、抜き出したフレームと処理できた範囲の音声から判断しているので、長い動画の後半について質問すると、自信満々に、しかし完全に間違った答えが返ってくることがあるのです。

絶対的な上限もあります。OpenAIのファイルアップロードのFAQでは1ファイルあたり512MBとされていて、アップロードはプランの利用量にカウントされます。10分の4K録画は大きすぎることが多く、パソコンでは普通に再生できるファイルがアップロードできない場合は、H.264の動画とAACの音声のMP4として書き出し直すと、たいてい解決します。

ChatGPTはYouTube動画を見られるか

リンクからは見られません。YouTubeのURLを貼っても、ChatGPTは動画を再生できず、せいぜいタイトルや説明文といったページに書かれていることや、その動画についての検索結果を読むだけです。もっともらしく聞こえるのに細部が間違っている要約ができあがるのはこのためで、タイトルから推測しているのです。

直し方は1ステップです。無料のYouTube文字起こしツール(無料アカウントが必要です)にリンクを貼り、テキストをコピーしてChatGPTに貼り付けます。文字起こしはTXT、SRT、VTTで書き出せ、タイムスタンプがあれば、ChatGPTが何分のことを話しているのかを正確に示してくれます。TikTokやInstagramの動画なら、TikTok文字起こしとInstagram文字起こしのツールが同じように使えます。

文字起こしを使う方法

話している内容が関わるものなら、動画のアップロードより文字起こしのほうが確実です。ChatGPTはファイルから抜き出して判断するのではなく、貼り付けた行をすべて読むからです。手順は次のとおりです。

1. 1文字起こしを取得します。YouTubeのリンクならYouTube文字起こしツールを、ほかのサイトの公開動画のリンクなら動画の文字起こしツールを使います。
2. 2タイムスタンプは残しておきます。ChatGPTの主張を確かめたり、動画のその場面に飛んだりできます。
3. 3要約、主張の一覧、一番強い5つの場面など、はっきりした指示と一緒に文字起こしをChatGPTに貼り付けます。
4. 4グラフ、スライド、画面に映る商品など、映像が大事な場合だけスクリーンショットを加えます。
5. 5答えを頼りにする前に、2〜3個を動画と照らし合わせて確認します。

長い動画は、1つのメッセージに無理なく収まる量を超えることがあります。文字起こしを20〜30分ずつに分け、それぞれの要約を頼んでから、要約の要約を頼みましょう。

ChatGPTで動画を分析する

文字起こしさえあれば、ChatGPTは多くの人が動画から本当に得たいことを得意としています。講義の要約、録画した会議からのやることリスト、討論での主張の一覧、長い動画のチャプタータイトルなどです。クリエイターは競合の動画の研究にも使っています。フックは何か、どこでテンポが落ちるか、どのセリフに一番コメントが集まったか、と聞くのです。

映像の分析はもっと難しくなります。スポーツのプレーや料理のテクニックのように、画面で起きていることが動画の肝なら、文字起こしではとらえられません。重要な場面のスクリーンショットを撮り、文字起こしと一緒に画像としてアップロードしましょう。ChatGPTは、動画からフレームを抜き出すよりも、静止画のほうがずっと確実に読み取れます。

YouTubeのクリエイターにとって一番役立つのは、構成の分析です。自分のジャンルで伸びた動画の文字起こしを貼り付け、最初の15秒、約束、展開の転換点、オチを図にしてもらいます。そしてその図を使って自分の台本を計画しましょう。長い動画を公開しているなら、無料のYouTubeチャプター生成ツールが、公開中のYouTubeリンクから時間付きのチャプターを書いてくれます。

Claude、Geminiなどのアシスタント

ほかのアシスタントについても同じ質問がよく出ますが、答えは製品によって違います。GeminiはYouTubeとの連携を通じてYouTube動画を扱えるので、手元にリンクしかない場合はGeminiのほうが向いています。Claudeは文字起こしとスクリーンショットをよく読み取るので、文字起こしの方法がそのまま使えます。どのアシスタントを使う場合でも、文字起こしを貼り付ければ、話されたすべての言葉をもとに判断してくれます。

コピーして使えるプロンプト

動画を見るから作るへ

ChatGPTは動画を見られるのかと聞く人の多くは、うまくいっている動画から学んで、自分でも作りたいと考えています。前半にはChatGPTが役立ちます。後半については、FacelessGenieがテーマや台本を、AIナレーション、生成シーン、音楽、1単語ずつの字幕が付いた完成動画に、縦型でも16:9でも仕上げます。

すべてをChatGPTの中で済ませることもできます。FacelessGenieのChatGPTコネクタを使えば、チャットで動画を頼むだけで、FacelessGenieが台本を書き、シーンを生成し、声を録音し、字幕を付け、ファイルをレンダリングします。カスタムコネクタには、開発者モードをオンにした有料のChatGPTプランが必要です。あるいは、アプリで動画を作って、研究した動画と比べてみてください。