Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成


横田秀珠氏がライブ配信で、ClaudeのFable 5.2に音源(WAV)・歌詞(SRT)・イメージ画像7枚を渡し、「歌詞に合うイメージMVを作って」「歌詞は字幕で表示して」と丸投げする実験を行った。約15分で、歌詞の流れに合わせて画像が切り替わる字幕付きスライドショー型のMVが完成。ただし動画生成ではなく編集による制作で、この程度ならCapCutでも作れるため、トークンを使う価値は薄いと評価し、クオリティ向上を課題とした。
詳しくは15分の動画で解説しました。
https://www.youtube.com/watch?v=gXgpotrdsFo
0:00 🎬 オープニングと本日の企画紹介 0:53 🌸 題材曲「コスモスが揺れて」とFable 5.2のモデル設定 1:44 📎 音源・歌詞SRT・イメージ画像を添付して指示を入力 2:53 🚀 送信開始、Claudeは動画生成できるのか考察 3:57 🖼️ 画像切り替え+字幕付きMVになると判明 5:03 🎯 あえて丸投げで試す理由とトークン消費の心配 6:09 ☕ 待ち時間の使い方と実行中の処理内容を確認 7:13 🎹 仕上がり予想とピアノシーンの使われ方に注目 8:20 📂 ファイル作成の動きあり、編集はOpus 5.5で後日検証 9:08 🎵 丸投げのすすめとMuseでのMV作成の課題 10:22 ⚠️ 動画生成の一貫性の問題とGrok不調で今回の実験へ 11:26 ✅ MV完成、104.6MBのファイルをダウンロード 12:49 ▶️ 完成したMVを再生してチェック 13:56 💭 検証結果の感想とCapCutとの比較 14:41 📚 まとめと書籍「AI音楽の始め方」発売のお知らせ
Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成
長野県の野沢温泉商工会で行われた
生成AIセミナーでデモした話を元にw
イーンスパイアの横田です。
https://www.enspire.co.jp

音楽生成AIのSunoによるデモで
作った曲の歌詞のままで、Miliaが
Voiceの曲調にPianoを強調して
初めてV6-WILDのモデルで生成し。
秋桜よ
https://www.youtube.com/watch?v=biCkPJpYWS8
コスモスが揺れて / Milia
https://www.youtube.com/watch?v=NrloAnKICeQ
さて、本題です。
Claude Fable5.2で音源・歌詞(SRT形式)と
イメージ画像を渡すだけでMVが出来ます。
コスモスが揺れて / Milia
https://www.youtube.com/watch?v=YTLqCy2klds
Fable5.2で作ったMVでしたけど
結論から言えば、この作り方なら
CapCutで自分が作ったので十分かな?
ちなみに僕が作ったMVが最初の方で
ChatGPTとGrokとCapCutで作成です。
実際に作っている様子を公開しました。

Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成
来週発売の本『AI音楽の始め方』に向けた音楽×AIの企画。Fable 5.2がかなりすごい・動画もできるらしい、という噂をライブで検証。
題材はMiliaの曲「コスモスが揺れて」(AI音楽で作った曲)。
→ まだクレジット消費ではない今のうちに実験。Opus 5.5での動画編集は後日やる予定
歌詞は字幕で表示して
本当は台本を投げた方がいい(何秒〜何秒にどのシーン、字幕の出し方、色…)。でも今回はあえて丸投げして、どれだけ賢く理解して自分で台本を考えるかを見る。
Claudeは元々文章生成のAI。画像生成や動画生成はできないはずなのに、なぜ動画ができる?
- ツールを使って動画を編集する
- SVG形式(テキストから作る画像)
- 渡した画像を組み合わせて字幕を載せる
- 映像そのものの生成
- 画像の人物が動くような動画
→ 予想:スライドショーのように画像が歌詞に連動して切り替わり、そこに歌詞の字が入る
セミナーでよく話すこと:作業中の画面を見ている必要はない。
※今日はライブ配信なので、わざと画面に何が出るかを見せている
添付した画像にはMiliaがピアノを弾いているシーンが3枚ほどある。歌わない場面に使うのか、歌っている時に弾いている感じにするのか。
音源とSRTを投げるだけでMVを作れる。ただし添付した画像に似た動画にならない。少しでも横を向いていると正面を想像して描けず、全然違う人が出てくる=一貫性が保てない。
いつもは画像を添付して動画生成しているが、今日は画像が表示されない・エラー・ダウンロードできない。
「せっかくだから今日はClaudeを使ってみよう」と決定。期間限定でプランに含まれる今がチャンス。
サイズが大きすぎてプレビュー不可 → ダウンロードして再生。何秒〜何秒にどの画像を使ったかの一覧も書いてくれた。間奏に花の乗ったピアノと、ピアノ画像もちゃんと使い分け。
- 簡単な指示だけで1回で完成
- 歌詞の流れに合わせて画像を切り替え
- 間奏にピアノ、と構成を自分で考えた
- この程度ならCapCutで自作しても大変じゃない
- SRTがあればサビの位置はすぐわかる
- トークンを溶かしてまで頼む使い方ではない
して
みて!
- 音源+歌詞+イメージ画像を投げただけでMVは「できました」
- 中身は動画生成ではなく、画像を切り替える字幕付きスライドショー
- 待ち時間は画面を見ず別の作業、通知が来たら確認
- 誰かの成功例を待たず、まず自分で丸投げして試す
- 課題はクオリティをどう上げるか。次はOpus 5.5で動画編集に挑戦
まもなく11月22日発売。今回の曲もAI音楽で作ったもの
Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成
- はじめに
- なぜ今、Claude Fable 5.2でMV作りを試すのか
- 音源・歌詞・画像を添付して、短い指示で丸投げしてみた
- 待ち時間に考えた「丸投げ」の意味と、MuseやGrokとの違い
- MVは完成した。でも「この使い方はしないかな」と思った理由
- おわりに
- まとめ
- よくある質問(Q&A)
はじめに
みなさん、こんにちは!ネットビジネス・アナリストの横田秀珠です。突然ですが、みなさんは「やったことがないこと」を人前でいきなり試す勇気はありますか?料理番組なら「こちらが出来上がったものです」と完成品が出てきますが、生中継ではそうはいきません。失敗したら失敗したまま、時間切れなら時間切れのまま、全部そのまま流れてしまいます。今回は2026年11月14日(土)の生中継で、まさにその「ぶっつけ本番」をやってみました。来週発売する『AI音楽の始め方』という本に合わせて、音楽×AIの話題として、Claude Fable 5.2に音源と歌詞とイメージ画像を投げるだけでMV(ミュージックビデオ)ができるのかを試したのです。僕自身やったことがないし、誰かがやっているのも見たことがない。どうなるか全くわからないまま送信ボタンを押した15分間の記録を、待ち時間に考えたことも含めて、省略せずに丁寧にお届けします。
なぜ今、Claude Fable 5.2でMV作りを試すのか
ステップ1:急遽この企画をやることにした背景
今日は2026年11月14日(土)です。いつものように、ネットビジネスに関する情報を生中継で15分間お届けする中で、ちょっと急遽、こんな企画をやってみることにしました。
というのは、僕の手元に『AI音楽の始め方』という本がありまして、これを来週発売するんです。それに向けて、せっかくなので「音楽×AI」の話をしたい。そこで思いついたのが、今回の実験でした。
正直に言うと、これは僕もやったことがないし、誰かがやっているのも見たことがありません。実際どうなるか、全然わかりません。ただ、Fable 5.2というモデルがかなりすごいという噂があって、動画もできるらしい、と。それならやってみたい、というのが出発点です。
普通、人前で見せる実験というのは、事前に一度試して「うまくいく」と確認してからやるものだと思います。でも今回はあえて、うまくいくかどうかわからない状態で生中継に乗せました。その方が、AIの「今の実力」がそのまま伝わると考えたからです。
ステップ2:題材はMiliaの「コスモスが揺れて」
今回の題材に選んだのは、「コスモスが揺れて」というMiliaの曲です。この曲を投げて、MVができるかどうかをやってみます。
ちなみに、後でも触れますが、この曲自体もAI音楽で作ったものです。つまり今回は、「AIで作った曲に、AIでMVを付けられるか」という、AI尽くしの実験になっているわけですね。
ステップ3:Fable 5.2は「今しか試せない」モデルだった
早速Claudeを開いてみると、モデル設定でFable 5.2が選べるようになっていました。そこに書いてあった条件を整理すると、次のようになります。
| 項目 | 画面に表示されていた内容 |
|---|---|
| 選べるモデル | Fable 5.2(モデル設定から選択可能) |
| プランに含まれる期限 | 11月16日まで |
| プランに含まれる上限 | プラン上限の50%を限度 |
| 上限を超えた後 | 使用クレジットで利用 |
つまり、今はまだクレジット消費ではないんです。でも、もうすぐこの期間が終わってしまう。だったら、その間に試してみよう、と考えました。今日が11月14日で、期限が11月16日ですから、本当に残りわずかなタイミングです。
ステップ4:Opus 5.5ではなくFable 5.2を選んだ理由
最近は、Opus 5.5でも動画編集がかなりできるという噂があります。それもまた後日やりたいと思っているんですが、今日は「今しかできない」Fable 5.2でやってみることにしました。
ここで、二つのモデルに対する今回の僕のスタンスを表にしておきます。
| モデル | 噂・特徴 | 今回の扱い |
|---|---|---|
| Fable 5.2 | かなりすごいという噂。動画もできるらしい | 今日の生中継で実験(プランに含まれる期間が終わる前に) |
| Opus 5.5 | 動画編集がかなりできるという噂 | 後日あらためて試す予定 |
「どちらが優れているか」を今日決めるわけではありません。あくまで、Fableがなくなる前に先にやってしまいたい、という順番の話です。追って今度はOpus 5.5でもやりたいと思っています。
音源・歌詞・画像を添付して、短い指示で丸投げしてみた
ステップ1:3種類のファイルを添付する
Fable 5.2を選んだら、ここにファイルを入れていきます。まずは添付ファイルです。今回添付したのは次の3種類でした。
| 添付したもの | 形式・内容 | 役割 |
|---|---|---|
| 音源 | WAV形式 | MVの土台になる曲そのもの |
| 歌詞 | SRT形式のファイル | どのタイミングでどの歌詞が歌われるかの情報。字幕の元になる |
| イメージ画像 | 音源を紹介したイメージ画像(後でClaudeが「7枚の画像」と認識) | MVの映像の素材 |
SRT形式というのは、字幕ファイルの形式で、「何秒から何秒にこの言葉」という時間の情報が歌詞と一緒に入っているものです。これがあると、歌詞を字幕として曲に合わせて出すことができます。
配信画面では見えにくかったかもしれませんが、全部添付された状態になったことを確認して、「これで行ってみます!」と進めました。
ステップ2:指示はたった2つだけ
本当はですね、なるべく短い指示で作った方がかっこいいんです。でも、失敗したら嫌なので、もうちょっとだけ指示を入れました。入れた指示はこの2つです。
- 「歌詞に合うイメージMVを作って」
- 「歌詞は字幕で表示して」
一応ここまで指示しておきましょう、ということで、これだけです。色の指定も、秒数の指定も、構成の指定もしていません。
ステップ3:送信前に出た注意書き
Enterを押そうとすると、こんな注意書きが出ていました。
「Fableは最も高性能なモデルで、Opusより使用量をはるかに早く消費します」
なるほど、高性能な分だけ使用量の減りも早い、と。それを承知の上で、送信ボタンを押しました。さあ、行ってみましょう!
ステップ4:そもそもClaudeが動画を作れるってどういうこと?
ここから、どんな画面が出てくるかを見ていきます。その前に、少し整理しておきたいことがあります。
元々Claudeって、画像生成や動画生成はできないですよね。文章生成しかできないClaudeが動画生成できるって、意味がわからないんです。ただ、何かのツールを使って作るのと、いわゆるSVG形式、つまりテキストから作る画像でやっていることもある。そして、動画の編集まではできてしまう。
ここは混同しやすいので、「編集」と「生成」を分けて整理します。
| 種類 | 内容 | 今回の見立て |
|---|---|---|
| 動画の編集 | すでにある素材(動画・画像・音源)を組み合わせたり、字幕を載せたりする | できる。動画ファイルを投げれば編集できるのはわかる |
| 動画の生成 | 何もないところから、動く映像そのものを新しく作り出す | 編集とは別の話。今回は画像を渡しているので、生成はしないかも |
動画ファイルを投げれば編集できるのはわかります。でもそれは、生成しているわけではありません。今回は画像を渡しているので、生成はしないかもしれない。イメージ画像を組み合わせて、その上に字が入る感じになるので、動いているものにはならないと思います。編集はできるけど、生成は別ですから。これが、送信直後の僕の予想でした。
ステップ5:1分経過。Claudeが方針を宣言する
1分ぐらい経ったところで、ライブ配信中にどこまでできるかが注目です。いろいろ考えている様子で、こんな文章が出てきました。
「添付の音源・SRT・7枚の画像から、歌詞の流れに合わせて画像を切り替える字幕付きMVを作ります」
やっぱり、画像を切り替える字幕付きMVになるんですね。さすがに動画生成はできないと思われます。
でもですね、Xを見ている限りでは、動画生成っぽいこともやっている気がするんです。プロンプトを工夫すればいろいろできそうではあります。ただ今回は、一発出しでどこまでできるか。このぐらい簡単なプロンプトで、どれだけ賢く内容を理解して、自分で考えて台本を作ってやってくれるかを見ています。
ステップ6:本当は台本を投げた方がいい。でもあえて丸投げ
もちろん、本当は台本を投げた方がいいんです。何秒から何秒にこういうシーンがあって、字幕はこんな感じで、色は何色で、と指示した方がいいのはわかっています。
| やり方 | 内容 | 良い点 | 気になる点 |
|---|---|---|---|
| 台本を投げる | 何秒から何秒にどのシーン、字幕の見せ方、色などを細かく指示 | 思い通りの仕上がりに近づけやすい | AIが自分でどこまで考えられるかはわからない |
| 丸投げする | 素材と短い指示だけ渡す | AIの理解力・構成力がそのまま見える | 想定と違うものが出る可能性がある |
どちらが正しいという話ではなく、目的の違いです。今回は「あえて丸投げして、どこまでできるか見たい」ので、後者を選びました。ちょっとお付き合いください、という気持ちで待ちます。
ステップ7:2分28秒経過。気になるのはトークンの消費
現在2分28秒ぐらい経過。画面はまだ「コマンドを実行中」です。これでどのぐらいクレジット……いや、トークンが溶けるか、という話ですよね。
今日はまだ11月の半ばです。トークンがいつリセットされるか、僕はわかっていないんですけど、まだ今月もあるし、やりたい作業もいっぱいあるので、これだけで埋まったら困ります。でも「50%上限」と書いてあるから、そのくらいならいけそうだ、と。そういう判断で、今回はちょっと丸投げの無茶振りをしております。
待ち時間に考えた「丸投げ」の意味と、MuseやGrokとの違い
ステップ1:AIの作業中、画面を見ている必要はない
これ、よくセミナーで話すんですけど、この画面を見ている必要はないんです。
今はわざとライブ配信で画面を見ていますが、普段は見ないで別のことをしていて、しばらくすると「終わった」と通知が来るので、そうしたら見に行く。そういう使い方をしています。
画面を見ながらコーヒーでも飲むか、なんていうのは意味がないので、その時間に別の作業をして、終わったら見に行く、ということをしてほしいんです。今日は、画面に何が出るかもお見せしたいので、こうして眺めていますけど、これはあくまで配信用の特別な状況です。
ステップ2:詳細を開いてみると、Claudeの作業が見えた
「コマンド実行中」の表示を開いてみると、詳細が出ていました。見えた流れを順番に並べると、こんな感じです。
- 「スキル読み込み中」と表示される
- アップロードファイルをチェックする
- オーディオの長さなどを確認する
- プランニングを立てる
- オーディオなんちゃらかんちゃら……と、さらに作業が続く
僕、正直、全然わかんないですね。いろんなことが書いてあります。でも、わからなくても大丈夫だ、というのがポイントです。こちらは素材と指示を渡しただけで、中で何をやっているかを全部理解していなくても、作業は進んでいきます。
ステップ3:4分経過。僕がイメージしていた完成形
4分が経ちました。あと7分しかありません。7分以内にできるんでしょうか。まあ、7分と言わず20分かかってもいいんですけど、これでできたらすごいですよね。できたもののクオリティにもよりますけど、本当にすごいと思います。
僕がイメージしていたのは、多分スライドショーみたいに画像が切り替わっていって、歌詞に合わせて連動して切り替わって、そこに字が入って、歌詞が入ってくる。そんな感じです。そこから、僕の想像を超えたものが出てくるかが楽しみでした。
ステップ4:注目していたのは「ピアノを弾くシーン」の使い方
配信ではわからなかったかもしれませんが、添付した画像の中に、Miliaがピアノを弾いているシーンが3枚ぐらいあります。
当然、そのピアノを弾いているだけの、歌わないシーンに使うのか。それとも、歌っている時にピアノを弾いている感じにするのか。その辺の見せ方にも興味がありました。
僕の普段の作り方と、今回の丸投げを比べるとこうなります。
| 比較項目 | 僕の普段の作り方 | 今回のClaudeへの丸投げ |
|---|---|---|
| シーンの用意 | 歌うシーンと弾くシーンを分けて作る | 用意した画像をまとめて添付するだけ |
| イントロ・アウトロ・間奏 | 弾いているシーンだけにする | Claudeがどう判断するかに任せる |
| 歌っている部分 | 歌っているシーンを使う | Claudeがどう判断するかに任せる |
| 最終的な構成 | 後でCapCutで自分で構成する | Claudeが自分で構成する |
人間がやるなら「間奏は演奏シーン」と当たり前のように判断しますが、それをAIが何も言われずにやってくれるのか。ここが、どんな感じになるか興味深いところでした。
ステップ5:まもなく10分。画面に大きな動き
ライブ配信中ですが、まもなく10分になろうとしています。あと5分です。
ここで「ファイルを作成しました」と出ました。今、何か大きい変更がありましたね!と思ったら、また「コマンド実行中」に戻って、ファイル読み込み中。そしてまたコマンド実行中。何か大きい動きがあったんですが、今度は「sheet.jpgを読み取っています」と出ています。
これ、何だろう?そんな画像ファイルあったっけ?僕が添付した覚えのないファイル名です。この謎は後で解けるんですが、この時点では「頑張ってやってくれてるな」と見守るしかありませんでした。
動画の編集の方もまたやってみたいんですが、その時は、Fable 5.2で今日やっているこの内容の動画編集を、Opus 5.5でやってもらえばいいのかな、と考えていました。
ステップ6:「1回で作業を始めた」ことが鍵
ここで大事だと思ったのは、この1回の指示で返事が返ってきて、作業を始めている、ということです。これが鍵ですよね。
できないなら「できない」と返事が来るはずなんです。できると思ったから、当然作業を始めている。だから、できるんでしょうね。あとはクオリティ。どういう構成・構図で作ってくるかが楽しみです。
ステップ7:みなさんにも「丸投げ」してほしい理由
この辺は、いつも言っていますけど、皆さんぜひ丸投げしてほしいんです。
僕も、誰かがやってできたから自分もやってみる、ということでやっているんじゃありません。誰かがやったのを、僕は見ていないです。仮にやっている人がいても見ていなくて、「本当にできるのかな」と思って投げてみた。それだけです。
「誰かの成功例を見てから真似する」のと、「できるかわからないけど自分で投げてみる」のとでは、得られるものが違います。前者は安心ですが、後者は自分の目で今の限界を確かめられます。もちろん失敗する可能性もあるので、良いことばかりではありませんが、試さないとわからないことがあるのも事実です。
ステップ8:実はMuseなら、ほぼほぼ同じことができる
なぜ「できそうだ」と思ったかというと、Museだと、ほぼほぼこれができるからなんです。今の情報を投げればできます。
Museの場合は、音源ファイルと歌詞のSRT形式を投げると、それだけでMVを作ってくれます。ただ、問題点があります。画像を添付した場合に、添付した画像に似た動画にならない、ということです。
前にMuseの回でも話しましたが、動画生成はまだ難しくて、一貫性が保てないんです。正面の画像なら、正面のまま動くならいいんですが、少しでも横を向いていると、正面を想像して描くことができないっぽくて、全然違う人が出てくるんですよね。
| ツール | できること | 課題・今日の状況 |
|---|---|---|
| Muse | 音源ファイルと歌詞のSRT形式を投げるだけでMVを作る | 画像を添付しても、添付画像に似た動画にならない。一貫性が保てず、横向きの画像だと全然違う人が出てくる |
| Grok | 画像を添付して動画生成(いつも使っている) | 今日は絶不調。画像が表示されない、エラーになる、ダウンロードできない |
| Claude(Fable 5.2) | 音源・SRT・画像から字幕付きMVを作る(今回の実験) | 画像を切り替える形で、動画生成ではない |
その辺が課題なんですが、いずれ解決すると思いますし、Museの動画生成を使わずに、Grokとか他のものを使えばいいという話でもあります。
ステップ9:今日Claudeを選んだ、もう一つの理由
今日なぜClaudeでやろうと思ったかというと、実はGrokが絶不調でして。
いつもはGrokで画像を添付して動画生成しているんですが、今日やると全然画像が表示されなくて、エラーになったり、ダウンロードできなかったり、うまくいかないんです。ということで、じゃあせっかくだから今日はClaudeを使ってみよう、Fable 5.2で実験しよう、と決めたんです。
いつもの道具が使えない時に、「じゃあ今日はやめよう」ではなく「別の道具で試してみよう」と切り替える。結果的に、それが今回の企画になりました。
MVは完成した。でも「この使い方はしないかな」と思った理由
ステップ1:残り1分30秒。時間内には終わらなそう……
さあ、あと1分30秒になって、これは終わらない感じになってきました。
「15分でやれ」と言っておけばよかったんですが、そうは言っていないので、一生懸命やってくれているけど、時間内には終わらなそうです。途中も含めて早送りになると思います、と覚悟を決めました。
ステップ2:sheet.jpgの正体がわかった
画面をよく見ると、「読み取りました」と出ている箇所がありました。あ、ここか。なるほど、画像の組み合わせを読み取ったんですね。
さっき「そんな画像ファイルあったっけ?」と不思議に思ったsheet.jpgは、僕が添付したものではなく、作業の中で画像の組み合わせを確認するために読み取っていたものだった、というわけです。なるほどね、と納得しました。
ステップ3:できたっぽいよ!
そして画面に「コスモスが揺れて」の文字が……できたっぽいよ!できたっぽいよ!
表示されたのは、こんなメッセージでした。
「このファイルは104.6MBで、サイズが大きすぎるためプレビューできません。ダウンロードしてローカルで表示してください」
できたっぽいですね。できました?ああ、すごい!
しかも、何秒から何秒にどのシーンの画像を使ったかを、ちゃんと書いてくれています。その中に「間奏に花の乗ったピアノ」とありました。ピアノを使ってくれていますね。おお、すごい、すごい!
待ち時間に気にしていた「ピアノのシーンをどこに使うか」という点について、僕が何も指示していないのに、間奏にピアノの画像を当ててきたわけです。これは、僕が普段CapCutでやっている「間奏は弾いているシーンにする」という考え方と同じ方向です。
ステップ4:ダウンロードして再生してみる
早速ダウンロードしてみます。ダウンロード中です。プレビューできるかな、ちょっと重たいから動かないかもしれない、ダウンロード版を待ちましょうか……と言っているうちに、お、開きました。
再生してみると、やっぱりスライドショーになっています。そして、ここぞという場面で一番いい画像を使ってくれていますね。ここでピアノが入るんだ、というところでピアノの画像が入ります。
こんな感じで、ちゃんとできているっぽい。すごいですね。
ここまでの時間の流れを、一度まとめておきます。
| 経過時間の目安 | 画面で起きていたこと |
|---|---|
| 送信直後 | 「Fableは最も高性能なモデルで、Opusより使用量をはるかに早く消費します」の注意書きを確認して送信 |
| 約1分 | 「添付の音源・SRT・7枚の画像から、歌詞の流れに合わせて画像を切り替える字幕付きMVを作ります」と方針が表示される |
| 約2分28秒 | まだ「コマンドを実行中」 |
| 約4分 | スキル読み込み、アップロードファイルのチェック、オーディオの長さの確認、プランニングなどが進行 |
| まもなく10分 | 「ファイルを作成しました」→再び「コマンド実行中」→「sheet.jpgを読み取っています」 |
| 残り約1分30秒 | 時間内には終わらなそうな雰囲気 |
| 終了間際 | 104.6MBのファイルが完成。ダウンロードして再生できた |
ステップ5:冷静に評価すると「CapCutでもできる」
ただ、ここからが大事なところです。すごいのはすごいんですが、この程度なら、僕がCapCutで作ってもそんなに大変じゃないんです。
画像を各シーンにペタペタ貼って、SRT形式があるからどこがサビかすぐわかるので、その部分だけ画像を伸ばしてスライドショーにすればいい。それで同じようなものができます。
| 評価の視点 | 良かった点 | 気になった点 |
|---|---|---|
| 完成したかどうか | 短い指示の丸投げ1回で、字幕付きMVがちゃんと完成した | 15分の配信時間ギリギリまでかかった |
| 構成の賢さ | 間奏に花の乗ったピアノの画像を使うなど、指示なしで内容に合わせた。一番いい画像を大事な場面に使った | 仕上がりは予想どおりスライドショーで、想像を超える「動く映像」にはならなかった |
| 手間とコスト | 人間は素材を添付して待つだけ | Opusより使用量をはるかに早く消費するモデルで、トークンを溶かす。同程度のものはCapCutでもそれほど大変ではない |
だから、これをClaudeにお願いしてトークンを溶かす使い方は、僕は多分しないかな、と思います。動画生成ができないなら、この使い方はないのかな、という気はしていますね。
これは「Fable 5.2がダメだ」という話ではありません。丸投げで最後まで作り切ったこと、構成を自分で考えたことは本当にすごい。一方で、僕のように普段からCapCutで作り慣れている人間にとっては、同じ結果を得るのにわざわざ使用量を消費する理由が薄い。両方の面があります。逆に言えば、動画編集ソフトに慣れていない人にとっては、「素材を渡して待つだけ」で形になる価値は十分にあるかもしれません。
ステップ6:今日の結論と、これからの課題
今日は、Claude Fable 5.2で、音源と歌詞とイメージ画像を投げただけでMVができるか、という実験でした。結果、できました。
このクオリティをどう上げるかが、これからの課題かなと思います。今回はあえて丸投げでしたが、台本を渡す、プロンプトを工夫する、といった余地はまだたくさん残っています。また、Opus 5.5でどこまで編集できるかもやってみたいので、続きもよろしくお願いします。
ステップ7:お知らせ
そして、冒頭でご紹介した本が、まもなく11月22日発売です。『AI音楽の始め方』。ぜひ買ってください。
ちなみに、さっきの「コスモスが揺れて」も、AI音楽で作ったものです。ぜひこの本を買って、一緒に勉強しましょう。
おわりに
今回は、2026年11月14日(土)の生中継で、Claude Fable 5.2にWAV形式の音源、SRT形式の歌詞、イメージ画像を添付し、「歌詞に合うイメージMVを作って」「歌詞は字幕で表示して」という短い指示だけでMVが作れるかを検証しました。Fable 5.2がプランに含まれるのは11月16日まで、しかもプラン上限の50%が限度という「今しか試せない」タイミングでの実験でした。結果として、15分の配信時間ギリギリに104.6MBのMVが完成し、間奏に花の乗ったピアノの画像を当てるなど、指示していない部分まで考えて構成してくれました。一方で、仕上がりは画像が切り替わるスライドショー形式で、CapCutを使えば自分でもそれほど大変ではない内容です。動画生成ができないなら、トークンを溶かしてまでこの使い方はしないかな、というのが僕の正直な感想です。それでも、誰もやっていないことを丸投げで試したからこそ、できることと課題の両方がはっきり見えました。次はOpus 5.5での動画編集にも挑戦します。
まとめ
- 2026年11月14日(土)の15分生中継で、Claude Fable 5.2に音源・歌詞・画像を丸投げしてMVが作れるかを検証した
- きっかけは、来週(11月22日)発売の本『AI音楽の始め方』に向けた、音楽×AIの企画
- 題材はMiliaの「コスモスが揺れて」。この曲自体もAI音楽で作ったもの
- Fable 5.2は11月16日までプランに含まれ、プラン上限の50%を限度に利用でき、その後は使用クレジットでの利用になる
- 添付したのは、WAV形式の音源、SRT形式の歌詞ファイル、イメージ画像の3種類
- 指示は「歌詞に合うイメージMVを作って」「歌詞は字幕で表示して」の2つだけ
- 送信時に「Fableは最も高性能なモデルで、Opusより使用量をはるかに早く消費します」という注意書きが出た
- Claudeは約1分で「7枚の画像から、歌詞の流れに合わせて画像を切り替える字幕付きMVを作ります」と方針を示した
- 動画の「編集」と「生成」は別物。今回は画像を切り替える編集であり、動画生成ではなかった
- AIの作業中は画面を見ている必要はなく、別の作業をして通知が来たら見に行けばよい
- Museは音源とSRTだけでMVを作れるが、添付画像に似た動画にならず一貫性が保てない課題がある
- 今日はGrokが絶不調だったことも、Claudeで試す理由になった
- 配信終了間際に104.6MBのMVが完成。間奏に花の乗ったピアノの画像を使うなど、構成は的確だった
- ただしスライドショー程度ならCapCutでも大変ではなく、トークンを溶かしてまで使うことは多分しない、というのが結論
- クオリティをどう上げるかが課題。Opus 5.5での動画編集は後日あらためて試す
よくある質問(Q&A)
Q1. ClaudeにMVを作ってもらうには、何を用意すればいいですか?
今回僕が添付したのは、WAV形式の音源、SRT形式の歌詞ファイル、そして音源を紹介したイメージ画像の3種類です。指示は「歌詞に合うイメージMVを作って」「歌詞は字幕で表示して」の2つだけでした。SRT形式のファイルには歌詞とタイミングの情報が入っているので、これがあることで歌詞を字幕として曲に合わせて表示できます。
Q2. Claudeは動画を「生成」できるのですか?
今回の実験では、動画の生成ではなく、渡した画像を歌詞の流れに合わせて切り替え、字幕を載せるという形になりました。動画ファイルや画像を渡せば編集はできますが、生成は別の話です。Xを見ている限りでは動画生成っぽいことをやっている例もある気がしますし、プロンプトを工夫すればいろいろできそうですが、今回のような簡単な指示の一発出しでは、スライドショー形式のMVになりました。
Q3. 完成までどのくらい時間がかかりましたか?
15分の生中継の中で、送信してから配信終了間際まで、ほぼ時間いっぱいかかりました。残り1分30秒の時点では「時間内には終わらなそう」と思ったほどです。ただ、普段は画面を見ている必要はありません。別の作業をしていて、終わったという通知が来てから見に行けばいいので、待ち時間そのものはそれほど問題にならないと思います。
Q4. 出来上がったMVのクオリティはどうでしたか?
画像が歌詞に合わせて切り替わり、字幕が入るスライドショー形式で、ちゃんとできていました。何秒から何秒にどの画像を使ったかも説明してくれて、間奏には花の乗ったピアノの画像を使うなど、指示していない部分まで考えてくれていました。一方で、この程度であれば、CapCutで画像を各シーンに貼り、SRTでサビの位置を確認して画像を伸ばせば、自分で作ってもそんなに大変ではありません。動画生成ができないなら、トークンを溶かしてまでこの使い方は多分しない、というのが僕の感想です。
Q5. MuseやGrokでMVを作るのとは何が違いますか?
Museは音源ファイルと歌詞のSRT形式を投げるだけでMVを作ってくれますが、画像を添付しても、その画像に似た動画にならないという問題があります。動画生成はまだ一貫性を保つのが難しく、少しでも横を向いた画像だと全然違う人が出てきてしまいます。Grokは普段、画像を添付して動画生成するのに使っていますが、今日は絶不調で、画像が表示されなかったり、エラーになったり、ダウンロードできなかったりしました。今回のClaude Fable 5.2は、渡した画像をそのまま使うので見た目は変わりませんが、その代わり動く映像にはならない、という違いがあります。
Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成

🤖 Fable 5.2
Anthropicが提供するClaudeの最も高性能なモデルです。配信では、Opusよりも使用量をはるかに早く消費すると表示され、11月16日まではプラン上限の50%を限度にプランに含まれ、その後は使用クレジットでの利用になると紹介されました。文章生成が中心のClaudeですが、ツールを使って動画の編集までこなせる点が注目され、今回の実験に使われました。
🎬 MV(ミュージックビデオ)
楽曲に合わせて制作される映像作品のことです。今回の実験では、Miliaの曲「コスモスが揺れて」を題材に、音源・歌詞・画像を渡すだけでMVが作れるかを検証しました。完成したのは、歌詞の流れに合わせてイメージ画像が切り替わり、字幕で歌詞が表示されるスライドショー型のMVで、間奏にはピアノの画像を当てるなど、場面に応じた構成になっていました。
📝 SRT形式
字幕の内容と表示するタイミング(開始時刻と終了時刻)を記録したテキスト形式の字幕ファイルです。歌詞をSRT形式で用意しておくと、どの歌詞が何秒から何秒に流れるかが分かるため、映像と歌詞を同期させられます。配信では、SRTがあればどこがサビかもすぐ分かるので、画像を切り替える位置を決める手がかりになると説明されていました。
🎵 WAV形式
音声を圧縮せずに保存する、高音質な音声ファイル形式です。MP3などの圧縮形式に比べてファイルサイズは大きくなりますが、音の劣化がないため、音楽制作や動画編集の素材としてよく使われます。今回の実験では、MVの元になる楽曲の音源としてWAVファイルをClaudeに添付し、曲の長さなどを解析させたうえで映像と組み合わせていました。
🎞️ 動画生成と動画編集の違い
動画生成は、AIがゼロから動く映像そのものを作り出すことです。一方、動画編集は、すでにある画像や動画、音源を切り貼りして1本の映像に仕上げる作業を指します。Claudeは画像や動画の生成はできませんが、素材を渡せば編集は可能です。今回のMVも、渡した画像を組み合わせて字幕を載せたもので、人物が動く映像にはなりませんでした。
🖼️ スライドショー
複数の静止画を順番に切り替えて見せる映像の形式です。今回Fable 5.2が作ったMVは、7枚のイメージ画像を歌詞の流れに合わせて切り替え、そこに歌詞の字幕を重ねたスライドショー型でした。横田氏の事前の予想どおりの仕上がりで、この程度であれば自分でCapCutを使って画像を並べても大変ではない、という評価につながりました。
🎯 丸投げ
細かい指示や台本を与えず、AIに作業の進め方ごと任せる使い方です。本来は「何秒から何秒にどのシーン、字幕の色は何色」と指示した方が良い結果になりますが、あえて短い指示だけで、AIがどこまで内容を理解し自分で構成を考えられるかを試しました。また、処理中は画面を見続けず、別の作業をして通知が来たら確認するのが良いとも語られました。
🪙 トークン(使用量)
AIが文章や処理を扱う際の単位で、利用量の目安になるものです。高性能なモデルほど消費が早く、プランの上限に達するとクレジットでの追加利用が必要になります。横田氏は、スライドショー程度のMV制作にトークンを大量に使うのは割に合わないとして、動画生成ができないのであれば、この使い方は今後あまりしないだろうと結論づけていました。
✂️ CapCut
スマホやパソコンで使える動画編集アプリです。画像や動画を並べ、字幕や音楽を付ける作業が手軽にできます。横田氏は普段、歌うシーンと弾くシーンを別々に作り、イントロ・間奏・アウトロには演奏シーンを当てるといった構成をCapCutで行っています。今回のAI製MVと同等のものは、SRTを見ながら画像を貼っていけば自分でも作れると述べていました。
👤 一貫性
AIで画像や動画を作る際に、同じ人物やキャラクターの見た目を保ち続けることです。配信で紹介されたMuseは、音源と歌詞のSRTを渡すだけでMVを作れる一方、添付した画像に似た動画にならない問題があるとのこと。正面の画像ならそのまま動かせても、少し横を向いていると正面の顔を想像して描けず、別人が出てきてしまう点が、動画生成の課題として挙げられました。
Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成

Claude Fable 5.2とは?MV作成を試す前に押さえたい基本
Fable 5.2の位置づけと「11月16日まで」の期間限定特典
Claude Fable 5.2は、Anthropicが2026年11月9日に公開した最上位クラスのモデルです。Claudeのモデル選択画面には「Fableは11月16日まで、プラン上限の50%を限度としてプランに含まれています。その後は使用クレジットでご利用いただけます」という案内が表示されており、今回の検証もこの期間内に行いました。
ここで誤解しやすい点が3つあります。1つ目は対象プランです。この「11月16日まで」という期限がかかるのは、主にProプランとTeamプランの標準席です。これらのプランでは、Fableは通常プランの利用枠に含まれず、別払いの使用クレジット(API標準料金と同じ従量課金)で使うモデルでした。公開記念として1週間だけ、プラン内で試せるようになっています。Max・Ultra・Teamのプレミアム席は扱いが異なり、期限後も週の上限の50%までFableを使えると案内されています。
2つ目は期限の時刻です。11月16日は米国太平洋時間が基準で、日本時間では11月17日の夕方(16時59分)までとされています。3つ目は「50%」の意味で、これは追加の枠ではなく、普段の週間利用上限の内側の話です。Fableで使った分は、OpusやSonnetで使える残量から差し引かれます。月単位ではなく週単位の上限である点も覚えておきましょう。
送信時には「Fableは最も高性能なモデルで、Opusより使用量をはるかに早く消費します」という注意も出ます。API料金で見ても、Fable 5.2は100万トークンあたり入力8ドル・出力40ドル、Opus 5.5は入力4ドル・出力20ドルと、単価に2倍の差があります。MV作成のように処理が長く続く作業では、この消費の速さが使いどころを決める重要な判断材料になります。
Claudeは動画を「生成」するのではなく「組み立てる」
「文章生成AIのClaudeが、なぜ動画を作れるのか」。この疑問は、仕組みを知ると解消します。Claudeは動画生成AIのように映像のピクセルを直接生み出しているわけではありません。作業用のコンピューター環境の中でプログラムやコマンドを書いて実行し、その結果として動画ファイルを書き出しています。
Opus 5.5の公開後、Xでは「プロンプトだけで作った」とされるモーショングラフィックスやミュージックビデオが多数出回りました。しかし検証に耐える事例を調べると、モデルが書いているのは映像を描くためのコードであり、それをブラウザで1コマずつ画像化し、FFmpegという動画変換ツールでMP4にまとめる流れになっています。Opus 5.5の公式仕様も「テキストと画像を受け取り、テキストを返す」モデルと明記されています。
つまり、Claudeにできる「動画づくり」は大きく2種類です。1つは、渡した画像・音源・字幕データを並べてつなぐ編集型。もう1つは、図形や文字の動きをコードで描くモーショングラフィックス型です。今回のように「歌詞に合うイメージMVを作って」と画像付きで依頼した場合、前者の編集型になるのが自然な結果です。
逆に言うと、添付した歌手の画像が歌ったり、ピアノを弾く手が動いたりする「実写風の動く映像」は、Claude単体では生まれません。そこを期待するなら、GrokやMuse Videoのような動画生成AIで素材クリップを先に作り、それをClaudeやCapCutでつなぐという役割分担が必要です。この線引きを最初に理解しておくと、結果を見たときの「思っていたのと違う」を防げます。
実録:音源・歌詞SRT・画像を丸投げしてMVを依頼した手順
添付したのは3種類のファイルだけ
検証に使ったのは、AIシンガーMiliaの楽曲「コスモスが揺れて」です。Claudeのチャット画面でモデルをFable 5.2に切り替え、次の3種類のファイルを添付しました。
- WAV形式の音源:完成済みの楽曲ファイル
- SRT形式の歌詞ファイル:歌詞の1行ごとに開始時刻と終了時刻が付いた字幕データ
- イメージ画像7枚:楽曲を紹介するために用意したビジュアル。Miliaがピアノを弾いている場面の画像が3枚ほど含まれる
この中でMVの完成度を左右するのがSRTファイルです。SRTは「何秒から何秒まで、どの歌詞を表示するか」を記録した形式で、字幕を出すタイミングがそのまま書かれています。これがあると、Claudeは音声を解析して歌詞の位置を推測する必要がなく、指定された時刻どおりに字幕を配置できます。さらに歌詞の並びから、イントロ・間奏・サビといった曲の構成を読み取る手がかりにもなります。
画像については、枚数と内容のばらつきがポイントです。歌っている場面、演奏している場面、風景など、役割の違う画像を混ぜておくと、曲の展開に合わせた切り替えがしやすくなります。同じ構図の画像ばかりだと、どれだけ賢いモデルでも単調なスライドショーにしかなりません。
音源はWAVでもMP3でも扱えますが、WAVはファイルサイズが大きくなります。今回の完成ファイルが100MBを超えた一因もここにあると考えられます。SNS投稿が目的なら、書き出し時のサイズや画質をあらかじめ指定しておくほうが実用的です。
指示はたった2行。丸投げプロンプトの考え方
入力した指示は「歌詞に合うイメージMVを作って」「歌詞は字幕で表示して」の2つだけです。本来は、何秒から何秒にどの画像を使うか、字幕の色や位置はどうするかといった台本(構成表)を渡すほうが、狙いどおりの映像になります。それでもあえて最小限の指示にしたのは、モデルが歌詞の内容をどこまで理解し、自分で構成を考えられるかを確かめるためです。
新しいモデルを試すときは、この「まず丸投げ」が有効です。誰かの成功例をなぞるのではなく、できるかどうか分からないことを一度そのまま投げてみる。できなければ「できない」と返ってきますし、作業が始まれば、少なくとも実行可能だと判断されたことが分かります。細かい指示は、最初の結果を見てから足せば十分です。
送信後、Fable 5.2は質問を返さずに作業を始め、最初にこう宣言しました。「添付の音源・SRT・7枚の画像から、歌詞の流れに合わせて画像を切り替える字幕付きMVを作ります」。この一文で、動画生成ではなく画像切り替え型のMVになることが、作業開始の時点で分かります。
ここは見落としがちな確認ポイントです。最初の宣言が自分の期待とずれていたら、完成を待たずに作業を止めて指示を追加したほうが、時間も使用量も節約できます。たとえば「字幕は縦書きで」「サビは画像をゆっくり拡大して」といった希望は、この段階で伝えるのが最も効率的です。丸投げとは放置することではなく、最初の方針だけを確認して、あとを任せることだと考えてください。
Fable 5.2はどう動いたか。生成中の画面と待ち時間
画面に表示された処理の流れを読み解く
送信後の画面には、作業の進行状況が順に表示されました。詳細を開くと、まず「スキル読み込み中」と出て、続いてアップロードされたファイルの確認、音源の長さの計測、全体のプランニングへと進んでいきます。その後は「コマンドを実行中」の表示が長く続き、開始から約10分で「ファイルを作成しました」と動きがありました。
途中で「sheet.jpgを読み取っています」という表示も出ています。添付したファイルの中に、そんな名前の画像はありません。これは、Claudeが7枚の画像を1枚に並べた一覧画像(コンタクトシート)を自分で作り、それを見て内容を把握していたものと推測されます。どの画像に誰が写り、何をしている場面なのかを確認したうえで、歌詞と突き合わせていたわけです。
実際、完成時の報告には「間奏に花の乗ったピアノ」といった説明が含まれていました。ピアノの画像を歌のない部分に割り当てるという、人間の編集者と同じ判断をしています。これは、ファイル名で機械的に並べたのではなく、画像の中身と曲の構成の両方を見て決めた結果だといえます。
処理の流れをまとめると、次のようになります。
- 動画づくりの手順書にあたるスキルを読み込む
- 音源の長さとSRTの時刻情報を確認する
- 画像の内容を見て、歌詞のどの部分に合うかを判断する
- 切り替えのタイミング表を作る
- コマンドで画像・音源・字幕を合成し、動画として書き出す
専門用語が並ぶ途中経過をすべて理解する必要はありません。ただ、「いま確認中なのか、書き出し中なのか」が分かるだけでも、待ち時間の不安はかなり減ります。
完成まで約14分。待ち時間は別の作業にあてる
今回の所要時間は、送信から完成までおよそ14分でした。15分のライブ配信の終了間際に「このファイルは104.6MBで、サイズが大きすぎるためプレビューできません。ダウンロードしてローカルで表示してください」という表示が出て、完成が確認できました。
14分を長いと感じるか短いと感じるかは、待ち方で変わります。生成AIに長い作業を任せるとき、進行画面を見つめ続ける必要はありません。ライブ配信では過程を見せるためにあえて画面を映し続けましたが、普段は別の作業を進めておき、完了の通知が来てから結果を確認するのが正しい使い方です。「AIの画面を眺めながらコーヒーを飲む」のは、任せた意味を半分捨てているのと同じです。
実務に置き換えると、MV作成を依頼してからメール返信や次の企画づくりに移り、15分後に戻って確認する流れになります。人間が編集ソフトに向かう時間がゼロになる点は、仕上がりの出来とは別に評価できる価値です。
一方で、待ち時間は使用量の消費時間でもあります。Fable 5.2は消費が速いモデルで、長く動くほど週間上限の残りが減っていきます。月の半ばで、ほかにやりたい作業が残っている場合は特に注意が必要です。設定画面の使用状況でこまめに残量を確認し、Fableに使う作業と、OpusやSonnetで十分な作業を分ける習慣をつけておきましょう。
また、時間の目安を指示に入れておくのも一つの方法です。「15分以内に仕上げて」と書き添えるだけで、凝りすぎを防ぎ、消費を抑える効果が期待できます。
完成したMVの出来栄えと見えた限界
歌詞に合わせた画像切り替えと字幕は合格点
完成したのは、7枚の画像が歌詞の流れに合わせて切り替わり、その上に歌詞の字幕が表示されるスライドショー型のMVでした。完成報告には、何秒から何秒にどの画像を使ったかという対応表も添えられており、構成の意図を後から確認できます。
評価できる点は3つあります。
第一に、画像の選び方です。曲のいちばんの聴かせどころに、7枚の中で最も印象の強い画像が当てられていました。歌のない間奏には、花の乗ったピアノの画像が使われています。人間が編集する場合、歌う場面と演奏する場面を分けて用意し、イントロ・間奏・アウトロには演奏だけの場面を置くのが定石です。Fable 5.2は、指示されていないのにこの定石に近い構成を選びました。
第二に、字幕の同期です。SRTの時刻情報どおりに歌詞が表示され、ずれは見られませんでした。字幕の入力やタイミング調整は、手作業だと地味に時間のかかる工程です。ここが自動で済むのは大きな利点です。
第三に、一度の指示で最後まで仕上がったことです。途中で質問を返して止まることも、エラーで中断することもなく、ダウンロードできる動画ファイルまで到達しました。
2行の指示だけでここまで形になるなら、「とりあえず曲に映像を付けて公開したい」という用途には十分に実用の範囲です。Sunoで曲を作ったものの、映像がなくてYouTubeに出せずにいた人にとって、最初の一本を作る手段として現実的な選択肢になります。台本を自分で書かなくても、曲の構成に沿った一定水準の映像が返ってくる。これが今回の検証でいちばんの収穫でした。
動画生成はできず、スライドショー止まりという現実
一方で、限界もはっきりしました。出来上がったのは静止画の切り替えであり、人物が動いたり歌ったりする映像ではありません。画像を渡して編集を頼んだ以上、当然の結果ではあります。ただ、「Fable 5.2なら動画も作れるらしい」という評判から実写風のMVを期待していた人には、物足りなく映るはずです。
さらに厳しい見方をすると、このレベルのMVは動画編集アプリのCapCutでも大きな手間なく作れます。画像を各場面に並べ、SRTを読み込んで字幕を入れ、サビの部分だけ画像の表示時間を伸ばす。慣れた人なら短時間で済む作業です。その作業のために、消費の速いFable 5.2の使用量を使うかどうか。検証した本人の結論は「この使い方は、おそらくしない」でした。
ファイルサイズも課題です。完成した動画は104.6MBあり、Claudeの画面上ではプレビューできず、ダウンロードして確認する必要がありました。ほぼ静止画の映像にしては大きく、SNSへ投稿する前に圧縮が必要になる場面もありそうです。
Xで話題になっているFable 5.2製のMVの多くは、画像をつなぐ方式ではなく、映像そのものをコードで描く方式です。歌詞の文字が音に合わせて動くリリックビデオや、図形が躍動するモーショングラフィックスは、この方式の得意分野です。今回のような画像切り替え型は、Fable 5.2の強みが最も出にくい頼み方だったともいえます。
つまり、今回の結果だけで「Fable 5.2のMV作成は期待外れ」と判断するのは早計です。問題は能力ではなく、頼み方と用途の組み合わせにあります。
結論:Fable 5.2のMV作成はどんな人に向いているか
CapCut・動画生成AIとの使い分け
MV作成の手段は、大きく3つに整理できます。
| 手段 | 向いている場面 | 弱点 |
|---|---|---|
| Claude(Fable 5.2/Opus 5.5) | 素材を渡して編集を任せたい、コードで描く文字アニメーションを作りたい | 人物が動く実写風の映像は作れない。Fableは使用量の消費が速い |
| CapCutなどの編集アプリ | 画像の並べ替えや字幕入れを自分の感覚で細かく調整したい | 作業時間がかかる。操作の習得が必要 |
| GrokやMuse Videoなどの動画生成AI | 画像から動く映像クリップを作りたい | 人物の一貫性が崩れやすい。サービスの調子に左右される |
動画生成AIの課題は、人物の一貫性です。正面を向いた画像からは比較的安定した動画が作れても、少し横を向いた画像を渡すと、正面の顔を正しく想像できず、別人のような人物が出てくることがあります。MetaのMuse Videoについても、Meta自身が音と映像の同期や速い動きの表現を課題に挙げており、実在の写真からの動画化に失敗したという利用者の報告もあります。
また、動画生成サービスは日によって調子が変わります。今回Claudeを試した直接のきっかけも、普段使っているGrokで画像が表示されない、ダウンロードできないといった不調が続いたことでした。手段を1つに絞らず、代わりの道具を持っておくことは、制作を止めないための現実的な備えです。
おすすめの組み合わせは、動画生成AIで「動く素材」を作り、ClaudeかCapCutで「つなぐ」形です。歌う場面と演奏する場面のクリップを別々に用意しておけば、Claudeは今回見せた構成力で、曲の展開に合わせて配置してくれます。素材づくりと編集を切り分けて考えることが、AIでのMV制作を成功させる基本です。
クオリティを上げる指示のコツと今後の展望
今回の結果を踏まえると、次に試すときの改善点は明確です。
- 台本を渡す:何秒から何秒にどの画像を使うか、サビでどんな演出を入れるかを表にして添付する
- 動きを指定する:画像のゆっくりした拡大や横移動、切り替え時のフェードなど、静止画に動きを付ける演出を依頼する
- 字幕のデザインを決める:書体、色、位置、縁取りの有無、サビだけ大きくするなどの強弱を伝える
- 書き出し条件を伝える:縦型か横型か、解像度、ファイルサイズの上限を最初に指定する
- 方式そのものを変える:画像切り替えではなく、歌詞の文字が音に合わせて動くリリックビデオを頼む
特に最後の方式変更は、Claudeの得意分野を生かす方法です。実際、Fable 5.2で作られたMVを20作品集めた公開ページがあり、短い指示だけで作られた例も紹介されています。画像を使わず、すべてをコードで描くMVは、動画生成AIにも編集アプリにもない表現になります。
モデルの使い分けも検討しましょう。Fableのプラン内利用が終わった後、Proプランでは使用クレジットでの従量課金になります。同じ編集作業をOpus 5.5に任せてどこまでできるかを比べておくと、今後の判断がしやすくなります。動画の編集そのものはOpus 5.5でもかなりこなせるという評判があり、単価も半分です。
結論として、Fable 5.2でのMV作成は「できる」。ただし現時点では、手作業を置き換える決定打ではなく、用途を選ぶ道具です。丸投げで一本作ってみて、自分の制作の流れのどこに組み込めるかを見極める。期間限定でプランに含まれている今こそ、その試行に最適なタイミングです。
| 文字起こしの内容 | 確認結果 | 記事での扱い |
|---|---|---|
| Fable 5.2は「11月16日までプランに含まれる。プラン上限の50%を限度」 | 正確。ただし期限がかかるのは主にPro・Team標準席。Max・Ultra・Teamプレミアム席は期限後も週の上限の50%まで利用可。期限は米国太平洋時間基準で、日本時間では11月17日16時59分まで | プラン別の違いと日本時間の期限を補足 |
| 「トークンがいつリセットされるか分かっていない」「まだ今月もある」 | 上限は月単位ではなく週単位。50%は追加枠ではなく通常の週間上限の内側で、Fableで使った分はOpus・Sonnetの残量から減る | 週単位である点を明記 |
| 「今はまだクレジット消費じゃない」 | Proプランでは正確。Fableは通常、使用クレジット(従量課金)で使うモデルで、公開記念の1週間のみプラン内 | そのまま採用し背景を補足 |
| 「Claudeは文章生成しかできない」「動画の編集まではできる」「生成は別」 | おおむね正確。Claudeは映像を直接生成せず、コードやコマンド(FFmpegなど)を実行して動画ファイルを書き出す。Opus 5.5の公式仕様は「テキストと画像を入力、テキストを出力」 | 「生成ではなく組み立て」として仕組みを解説 |
| 「Xでは動画生成っぽいこともやっている気がする」 | 実態は動画生成ではなく、コードで描くモーショングラフィックス。Fable 5.2製MVの事例集も公開されている | コード描画型として別方式で紹介 |
| 「Opus 5.5でも動画編集がかなりできるという噂」 | Opus 5.5(2026年9月22日公開)でコード経由の動画制作事例が多数報告されている。動画ファイルを直接理解・生成するわけではない | 使い分けの選択肢として紹介 |
| 「Fableは最も高性能なモデルで、Opusより使用量をはるかに早く消費」 | 画面表示の文言。API単価はFable 5.2が入力8ドル・出力40ドル、Opus 5.5が入力4ドル・出力20ドル(100万トークンあたり)で2倍差 | 単価を補足 |
| 「sheet.jpgを読み取っています」 | 添付ファイルにない名前。Claudeが作った画像一覧(コンタクトシート)と推測されるが、文字起こしからは断定できない | 「推測される」と明記 |
| 「Museだと音源とSRTを投げるだけでMVを作る」 | 未確認。MetaのMuse Videoは音声付き動画の生成に対応するが、音源+SRTからMVを自動生成する公式機能は確認できず。同名の別サービス(YouCam Museなど)の可能性もある | 記事では断定を避け、Muse Videoの一般的な課題のみ記載。どのMuseか要確認 |
| 「動画生成は一貫性が保てない。横向きだと別人になる」 | 配信者の実体験。Meta公式も音と映像の同期・速い動きを課題と明示。実写写真からの動画化失敗の利用者報告あり | 体験談として記載し公式の課題を補足 |
| 「Grokが絶不調」(11月14日) | 未確認。当日の障害を伝える公式発表・報道は見つからず | 配信者の体験として記載 |
| 完成ファイル104.6MB、所要約14分 | 文字起こし内の画面表示・経過時間に基づく | そのまま採用 |
| 『AI音楽の始め方』11月22日発売 | 配信者本人の告知。販売ページは検索で確認できず | 記事本文では触れず(告知は別枠での掲載を推奨) |
Claude Fable5.2で音源・歌詞(SRT形式)イメージ画像でMV作成













#Fable #Opus #横田秀珠 #MV作成 #MV生成 Claude #Claudeコンサルタント #Claudeセミナー #Claude講師 #Claude講演 #Claude講座 #Claude研修 #Claude勉強会














