切り抜き動画ツールの選び方 長尺から縦型ショートを量産

ショートで80万人の登録者を集めるクリエイターは、ポッドキャスト1エピソードから1日4〜7本のクリップを投稿しています。人一倍働いているからではなく、18か月前に手作業での切り抜きをやめたからです。90分の動画から良い部分を探し、9:16にリサイズし、字幕を付け、レンダリングするのは、今も1クリップあたり30〜90分かかります。AIの切り抜き動画ツールなら、同じ作業を放っておくだけで90秒以内に終わらせます。

この記事では、文字起こし、バズりやすさの採点、顔を追う縦型への切り抜き、字幕の焼き込みというパイプラインの仕組みを詳しく分解し、長い収録1本を投稿できるショート1か月分にする手順を紹介します。FacelessGenieではこうしたパイプラインの1つを自社で作っているので、以下の数字はベンダーの宣伝文句ではなく、実際に出したクリップの量に基づいています。

YouTube切り抜きツールとは

YouTube切り抜きツールとは、長尺の動画(自分でアップロードした動画、ポッドキャスト、インタビュー、配信、ウェビナー、ツールによっては公開中のYouTubeのURL)を受け取り、YouTubeショート、TikTok、Instagramリールに向いた短い縦型クリップを作るソフトウェアです。第1世代の切り抜きツール(2018〜2022年)はただのトリミングツールで、開始点と終了点は自分で選び、ツールはクリップを書き出すだけでした。現在の世代(2024〜2026年)はAIが主導し、一番良い見どころを代わりに選んでくれます。

2026年の切り抜きツールがトリミングツールと違う点は3つあります。

• 最初に音声を文字起こしします。クリップの判断はすべて、単語単位の文字起こし(多くはWhisper-largeかWhisperX)から始まります。テキストがなければ、AIは採点する材料がありません。
• わかりやすさだけでなく、バズりやすさで見どころを採点します。最近の切り抜きツールは文字起こしをLLMに通し、完結しているか(文の区切りで始まって終わっているか)、感情的な見返りがあるか(笑い、驚き、大胆な主張、逆張り)、単体で理解できるか(スクロールしてきた初見の人でも何が起きているかわかるか)を見ます。
• 顔を追いながら縦型に切り抜きます。元の動画は16:9ですが、ショートには9:16が必要です。切り抜きツールは全フレームで顔や物体を検出し、話している人をセーフゾーンに収めるように切り抜きます。2人で話すポッドキャストなら、話している人を追いかける動的な切り抜きになります。

文字起こし、見どころの採点、縦型への切り抜き、字幕という本格的な切り抜きツールの4つの柱が、「YouTube切り抜きツール」と「動画編集ソフト」を分けるものです。このうち1つか2つしかできないツールは、宣伝文句で着飾ったトリミングツールにすぎません。

2026年のYouTube動画の切り抜き方

2026年にYouTube動画を切り抜く方法は3つあります。速さ、仕上がり、機械がどれだけ作業してくれるかが大きく違います。

方法1 YouTube標準のクリップボタン(最速だが自由度は最低)

YouTubeの長尺動画の下には、標準のクリップボタンがあります。ハンドルをドラッグして5〜60秒の区間を選び、タイトルを付けると、YouTubeがその範囲を共有できるリンクを作ります。YouTube動画を切り抜く一番簡単な方法ですが、ショートを作っているわけではありません。視聴できるタイムスタンプ付きのリンクを作っているだけです。クリップはYouTubeの中にとどまり、ダウンロードも、縦型への切り抜きも、TikTokやリールへの再投稿もできません。

SNSやSlackで特定の場面を共有したいだけなら、標準のクリップで十分です。元の動画から実際にショートのコンテンツを作りたいなら、この方法は向いていません。

方法2 CapCut、Premiere、Descriptで手作業で編集する

長い動画をダウンロード(yt-dlp、4K Video Downloader、または自分のMP4)し、動画編集ソフトに読み込み、良い場面を探しながら再生し、切り出し、ピラーボックスか自動リフレームで9:16にし、文字起こしをして字幕を焼き込み、クリップを1本ずつレンダリングし、ショート、TikTok、リールに別々にアップロードします。

1クリップあたりの時間は、きちんと仕上げるなら30〜90分。品質の上限は編集者の腕次第です。処理量は厳しく、ほとんどのクリエイターは燃え尽きる前に、元の動画1本につき2〜4本のショートが限界です。週に3本以上のショートを継続的に投稿している人で、手作業で編集している人はほぼいません。計算が合わないからです。

方法3 AIのYouTube切り抜きツール(最速で再投稿できる出力)

長い動画をAI切り抜きツールに入れ、欲しいクリップ数(多くのツールで5、10、20、30本の上限を選べます)を選び、目標の長さ(15〜90秒)を設定し、画面比率と字幕のスタイルを選んで生成を押します。ツールは音声を文字起こしし、候補となる区間をすべて採点し、上位N個の見どころを選び、顔を追いながら各クリップを縦型に切り抜き、字幕を焼き込み、MP4をまとめて書き出します。

1クリップあたりの時間は、ほぼ放置で機械の処理時間15〜90秒。品質の上限は、ほとんどのクリップで丁寧な手作業の編集の80〜90%、フックとオチがはっきりしたわかりやすい見どころでは丁寧な編集と同じ100%です。処理量は、元の動画1本につき20〜50本のショートで、1週間かけて投稿できます。2026年の本格的な顔出しなしクリエイターは、ポッドキャスト、インタビュー、ウェビナー、配信をショートにするとき、みなこの方法を使っています。

AI切り抜きと手作業の編集の実際の数字

同じ78分の元動画(AIスタートアップについて2人で話すポッドキャストのエピソード)を使って、条件をそろえた比較をしました。CapCutを使うベテラン編集者、Descriptを使う若手編集者、そして自動設定のFacelessGenieの切り抜きパイプラインです。指標は、人の作業1時間あたりに、そのまま投稿できる縦型ショートを何本作れるかです。

結論は1クリップあたりの費用にあります。ショート1本28ドルのベテラン編集者では、週5本のショートを投稿するペースは続けられません(週560ドル、編集だけで年3万ドル)。AIでの切り抜きなら1クリップ1ドル未満になり、ほとんどの見どころで同等の品質、明らかに強い見どころでは人と同じ品質が出ます。残りの5〜10%のクリップに必要な人の手直し(Bロールの挿入、字幕の誤字の修正)は、軽い編集で1本2〜5分です。次の編集者の時間を予約する前に、無料でこの流れを試す価値は十分にあります。

AIのYouTube切り抜きツールの実際の仕組み

パイプラインの仕組みを知っておくと、大事なところで強いツールを選び、自分が重視する部分で弱いツールを避けられます。私たちが調べた最近のAI切り抜きツールは、すべて同じ6段階のパイプラインで動いています。違いは、モデルの選択、採点のアルゴリズム、縦型への切り抜きの品質です。

1. 1取り込み。ツールが元の動画をURLからダウンロードするか、アップロードを受け付けます。多くのツールは下位プランで元動画の長さを90〜180分に制限し、上位プランでは4時間以上に対応します。可変ビットレート(VBR)の音声を苦手とするツールもあるので、ポッドキャストのファイルが可変ビットレートのMP4なら、アップロード前に固定ビットレート(CBR)で再エンコードしましょう。
2. 2文字起こし。音声をWhisperXなど(Whisper-large-v3のこともあります)に通します。単語単位のタイムスタンプが欠かせません。切り抜きの精度は、単語の途中ではなくフレーズの頭で切れるかどうかにかかっているからです。WhisperXは話者分離を行ったあと単語ごとのタイムスタンプを出力し、クリップの区切りに合わせて調整した独自版を使うツールもあります。
3. 3見どころの採点。文字起こしを区間に分け(10〜15秒ごとが候補になります)、採点基準と一緒にLLMに渡します。完結しているか、フックの強さ、感情的な見返り、単体で理解できるか、チャンネルのジャンルに合うキーワードの密度です。ツールによって大きく差が出るのがここで、採点のプロンプトが良いほどクリップの選び方も良くなります。
4. 4上位N本の選択。採点された候補をふるいにかけ(重複を除き、ショートなら12秒未満や75秒超のクリップを除き)、順位を付け、上位N本を縦型への切り抜きに回します。レンダリングの予算を抑えるため、ほとんどのツールはNの上限を30にしています。
5. 5縦型への切り抜き。選んだ各区間を顔追跡モデル(安いツールならRetinaFaceやMediaPipe、上位のツールならYOLOベースの独自検出器)に通し、全フレームで話し手を見つけ、話し手が9:16の中央にとどまるよう、区間全体でなめらかな切り抜きの経路を計算します。2人のポッドキャストなら、話し手を切り替える動的なカットになります。
6. 6字幕とレンダリング。単語ごとのタイムスタンプをもとに、字幕レンダラー(FFmpegとASS字幕、ReactやWebGLの合成エンジン、または独自のもの)がスタイル付きの字幕を焼き込みます。スタイルには、たいていカラオケ(単語ごとのハイライト)、ブロック(フレーズごと)、ミニマル(下3分の1に控えめな背景)があります。最終的なMP4がエンコードされ、そのまま配信されるか、まとめてダウンロードできるようZIPにされます。

クリップの品質に一番効くのは、3段階目(見どころの採点)と5段階目(縦型への切り抜き)です。3段階目で、AIが本当に良い見どころを選ぶのか、わかりやすいけれど退屈な場面を選ぶのかが決まります。5段階目で、話し手がフレーム内にとどまるか、切り抜きがなめらかかガタガタかが決まります。2段階目と6段階目は今ではほぼ横並びで、どのツールも文字起こしと字幕はだいたい正しくできます。

YouTube切り抜きツールで確認すべき点と、ただの宣伝文句

切り抜きツールのジャンルは2024〜2025年に爆発的に増え、今では同じことができると主張するツールが何十もあります。その多くは既存のAPIを包んだだけのものです。どの切り抜きツールにお金を払う前にも、私たちのツールを含めて、次の5つができるか確かめましょう。できないなら、それはAIの宣伝文句で着飾ったトリミングツールです。

1. 1タイムスタンプ付きの単語単位の文字起こし。ツールが内部でWhisperXかWhisper-large-v3を使い、単語ごとのタイムスタンプできれいなクリップの区切りを見つけているべきです。クリップがよく単語の途中で始まったり文の途中で終わったりするなら、文字起こしの層が壊れているか、文単位のタイムスタンプしか使っていません。
2. 2説明できる見どころの採点。ツールはどうやってクリップにする価値のある場面を決めているのか、聞いてみましょう。本格的な切り抜きツールなら、完結性、フックの強さ、感情的な見返り、密度といった採点基準を説明できます。APIを包んだだけのツールは「AIが一番良い場面を選びます」とごまかします。説明できないなら、基準がないということです。
3. 3なめらかな切り抜き経路を持つ、顔を追う縦型への切り抜き。縦型への切り抜きの品質は、ツール間で一番目に見える差です。2人のポッドキャストで試しましょう。切り抜きが話し手を動的に追うのか、1人しか話していないときも中央に固定されたままなのか。中央固定の切り抜きは、複数人が話すコンテンツで視聴完了率を30〜40%失います。
4. 4ショートのセーフゾーンに合わせた字幕スタイル。字幕は初期設定で縦方向の72〜85%の位置に来るべきです(YouTubeのUIに隠れる下10%に固定するのではなく)。初期設定はカラオケ、つまり単語ごとのハイライトにし、静的なブロック字幕は選択肢の1つにとどめるべきです。
5. 5クリップごとの採点が見えるまとめての書き出し。上位10〜12本に絞り込めるよう、各クリップへのAIの自信度が見える必要があります。採点なしで30本のクリップをZIPで渡すツールでは、良いものを選ぶために30本すべてを見ることになり、そもそもAIを使って時間を節約する意味がなくなります。

FacelessGenieの切り抜き手順(最初の20本のショートまで)

ここで紹介するのは、私たちの切り抜き機能が設計の前提にした、実際の流れです。ベータ版の公開以来、ヘビーユーザーが回してきた流れと同じです。「78分のポッドキャストのファイルがある」から「予約投稿できるショートが22本」までの合計時間は、およそ11分です。

1. 1ステップ1 元の動画をアップロードします。MP4をFacelessGenieの切り抜きダッシュボードにドラッグします(YouTubeのURLの貼り付けにも、まもなくベータ版を終えて対応予定です)。元の動画は無料プランで最大180分、有料プランで6時間まで。対応形式はMP4、MOV、MKV、M4Vです。
2. 2ステップ2 出力するクリップ数と長さの範囲を決めます。ほとんどのポッドキャストには初期設定(20クリップ、25〜60秒)で十分です。短いオチの多いテンポの速いインタビューなら15〜45秒に、論が展開する長尺の講義なら45〜75秒に広げましょう。
3. 3ステップ3 字幕のスタイルと位置を選びます。メインの動画生成機能と同じライブラリの6つの字幕プリセットが用意されています。汎用には「outline-bold」、若い視聴者には「karaoke-purple」、教育系のジャンルには「minimalist」を選びましょう。
4. 4ステップ4 生成を押して90〜180秒待ちます。クリップが文字起こし、採点、縦型への切り抜き、字幕付けされていく様子が、ダッシュボードにリアルタイムで表示されます。
5. 5ステップ5 出力の一覧を確認します。クリップはサムネイル、長さ、バズりやすさのスコア(0〜100)付きで一覧に並びます。スコア順に並べ替え、上位10〜15本を見て、スコア60未満のものや、始まりや終わりが不自然なものは削除します。
6. 6ステップ6 予約して投稿します。MP4をまとめてダウンロードするか、YouTubeへの予約投稿の連携(有料プラン)を使って、YouTubeショートに1日2〜3本を直接予約します。TikTokとリールには手動で投稿します。

ステップ5のスコアは、4つのサブスコアから計算されます。完結性(クリップがきれいなフレーズの区切りで始まって終わるか)、フック(最初の3秒に問い、大胆な主張、意外性があるか)、オチ(クリップがフックを回収するか、好奇心を高めるか)、密度(1秒あたりの情報量)です。75を超えるものはほぼ確実に投稿でき、60〜74は軽く直して残し、60未満は削除します。

クリップが本当にバズる条件と見どころの見つけ方

AI切り抜きツールは、学習した探し方のパターンに基づいてしか見どころを採点できません。そのパターンを知っておくと、上位に選ばれたのに伸びなかった理由がわかり、AIが見逃した見どころを自分で拾えるようになります。

条件1 最初の3秒にフックがある

ショートの視聴者は、3秒以内に見続けるかスワイプするかを決めます。フックは3秒目までに決まらなければなりません。確実なフックは4種類です。逆張りの主張(「Xについて、あなたは誤解しています」)、具体的な数字(「これ、47ドルかかります」)、謎の提示(「誰も理由を知らない」)、意外性(笑い、驚きの声、画面上の文字の登場)です。AI切り抜きツールもこれを採点しますが、見た目にわかりやすい笑いを拾い、その前にあった言葉による逆張りの前振りを見逃すことがよくあります。人の確認でこれを直せます。

条件2 クリップの尺の中にオチがある

クリップは話を完結させなければなりません。「…そしてそのとき、わかったんです」で終わり、何がわかったのかを見せないクリップは、オチを含むクリップより3〜5倍伸びません。AIの採点でこれを捕まえるべきです。FacelessGenieの切り抜きツールは文の区切りで終わることを求める完結性のチェックを行いますが、このジャンルの多くのツールは、尺を短くするために結論の途中で切ったクリップを出してしまいます。投稿前に、必ずオチが入っているか確認しましょう。

条件3 単体で理解できる

スクロールしてクリップにたどり着いた視聴者は、元の動画の文脈をまったく知りません。クリップは、予備知識なしで理解できる必要があります。「さっきのXの話に戻ると」で始まるクリップでは、視聴者はXが何かわかりません。直し方は、話が仕切り直される地点(新しい話題の始まり、間、ホストの直接の質問)から切り抜くことです。優れたAI切り抜きツールは文字起こしからこうした地点を見つけますが、弱いツールは採点基準が示したところでそのまま切ります。

画面比率、字幕、あまり知られていないショートのセーフゾーン

縦型への切り抜きはどの切り抜きツールも行う技術的な工程ですが、2026年の「正しい縦型」のルールは2年前より厳しくなっています。YouTubeショートは2025年後半に画面上の文字のセーフゾーンを狭めました。字幕が低すぎると右側の高評価やコメントのUIに一部隠れ、高すぎるとチャンネル名の表示に切られます。ここを間違えると、視聴完了率は30〜50%下がります。

2026年のショートのセーフゾーンの目安です。

• 上12%は、チャンネル名と小さなショートのロゴの場所です。字幕や大事な映像は置かないでください。
• 中央の帯(12〜72%)には話し手の顔を置きます。ほとんどのAI切り抜きツールは、顔をフレームの高さの35〜45%の位置に置くのが初期設定で、たいていそれで正解です。
• 中央下寄り(72〜85%)は、字幕の一番いい位置です。アニメーションする単語単位の字幕はここに置きましょう。成功しているショートのクリエイターは、みなここに文字を焼き込んでいます。
• 下15%は、説明文、コメント、共有のUIの場所です。ここに置いたものは、スマホではYouTubeの表示に隠れます。

切り抜きツールがクリップをまとめて書き出したら、字幕の位置を確認しましょう。縦方向の72〜85%から外れていたら、プリセットを上書きします。FacelessGenieの切り抜き出力は、初期設定で字幕の位置が「middle-low」(約78%)になっています。これは、私たちのテストグループの8,400本のショートで計測した中で、実際に一番成果の高かった位置です。

ポッドキャストをショートにする方法とインタビューやウェビナーの再利用

AIでの切り抜きがもたらした一番大きな変化は、長尺コンテンツを短尺で配信して経済的な価値を生めるようになったことです。AI切り抜きツールが出る前、ポッドキャストはポッドキャストでしかなく、配信先はポッドキャストアプリとYouTubeのエピソードに限られていました。今では90分のポッドキャストから22本以上のショートが作れ、リール、TikTok、ショート、さらにはLinkedInの視聴者を本編のエピソードに呼び戻せます。

効果が積み上がる再利用のパターンは、長尺のエピソード1本を2週間分の投稿カレンダーの素材にすることです。月曜にエピソードを公開し、火曜から翌週の金曜まで毎日クリップを出します。次のエピソードが公開されるころには、毎日フィードに顔を出し続けたことになります。Diary of a CEO、Lex Fridmanの切り抜き、そして何百もの小さな顔出しなしのポッドキャストアカウントが、月に35本以上のショートを収録せずに35本以上投稿しているのはこの方法です。収録するのは1つだけで、残りはAIが作ります。

よくある切り抜きの失敗と直し方

AI切り抜きツールで作られた何千本ものショートを見てきましたが、伸びないショートの80%は、同じいくつかの失敗で説明できます。どれも直すのは難しくなく、ほとんどは30秒の確認で解決します。

失敗1 良いのは12本なのに30本すべてを投稿する

AI切り抜きツールは、頼んだ本数のクリップを必ず出してきます。上限を30にすれば、削除すべきだった下位18本も含めて30本出てきます。アルゴリズムはエンゲージメントの低いショートを投稿するアカウントを不利に扱い、1本の悪いショートが次の2本の伸びを抑えます。厳しく選びましょう。スコア70以上のクリップだけを投稿し、残りは削除します。

失敗2 自動で作られたサムネイルを信用する

ほとんどの切り抜きツールは、最初のフレームをサムネイルにします。最初のフレームは、話し手がまばたき中の無表情な顔であることが多いものです。クリックを生む仕事の大半はサムネイルがしています。クリップの60〜70%あたりの、話し手が生き生きしているフレームに差し替え、できれば太いゴシック体でフックを大きく重ねましょう。30秒サムネイルを整えるだけで、クリック率は2倍になります。

失敗3 1つのプラットフォームにしか投稿しない

11分かけて22本のクリップを作ったのに、YouTubeショートにしか投稿しないなら、伸びしろの60%を捨てています。同じ縦型9:16のファイルは、TikTok、Instagramリール、LinkedIn(B2Bのジャンル向け)、Pinterestのアイデアピンでも使えます。同じファイルを4つすべてに投稿しましょう。追加の作業は1投稿あたり90秒です。合計の手間は、22クリップ×4プラットフォームで、2週間のカレンダー全体でおよそ30分の投稿作業です。

失敗4 フックのテキストを重ねない

AI切り抜きツールはクリップ中に字幕を焼き込みますが、ほとんどはフレーム上部の静的な「フックのテキスト」を付けません。音声のフックが流れている間、視線を引き留める太字の1行のチラ見せです。手間はほぼゼロ(切り抜きツールで静的なタイトルとして付けるか、30秒の後編集で付ける)で、私たちのテストでは視聴完了率が15〜25%上がりました。縦型のフレームで顔の上に「CEOはこれが偽物だと認めた」と出したクリップは、テキストなしの同じクリップに毎回勝っています。

失敗5 長さを何も考えずにツール任せにする

ほとんどの切り抜きツールは初期設定で30〜60秒ですが、YouTubeショートの現在のちょうどいい長さは24〜38秒です。ショートは技術的には180秒まで投稿できますが、38秒を超えると完走率が急に下がります(リーチの計算はショートの長さの詳しい分析にまとめています)。TikTokはもっと短く、21〜34秒です。生成前に初期設定を変えましょう。そして、クリップが見られるかスワイプされるかを決めるのはAIではなく選別の工程だと考えてください。パイプラインだけで手作業の編集との差の80%は埋まり、30〜45分の確認で残りが埋まります。一度収録して数分で切り抜き、FacelessGenieで最初のまとまりを作って、1回の収録から実際に何本のショートが作れるか確かめてみましょう。