ポッドキャストのクリップにAI動画を：縦型カット、ループ、カバー画像

音声番組には、音声とはまったく関係のない配信の悩みがあります。エピソード自体は問題ありません。ところが、エピソードを売り込むためのクリップには映像が必要で、映像を作るつもりで番組を始めたわけではありません。ほとんどのポッドキャスターが行き着く選択肢は同じ3つです。色付きの四角に波形を載せるか、マイクにカメラを向けるか、何もしないか。生成した動画は4つ目の選択肢になります。ただしそれは、この仕事のどの部分を担い、どの部分には手を出さないのかを、正確にわかっている場合に限ります。

eroqがエピソードに対してしないこと

ワークフローを組む前に、ここをはっきりさせておきましょう。eroqは、ポッドキャストのファイルを受け取って字幕付きの縦型クリップを返すツールではありません。MP3を取り込み、いい場面を見つけ、字幕を焼き込み、Reelを書き出すようなパイプラインはありません。eroqには、トリミング、カット、字幕付け、トランジション、カラーグレーディングの機能は何ひとつありません。素材をレンダリングして、そこで終わりです。

あるのは、文字起こしの部分です。Scribe Oneは音声をテキストにするモデルで、音声1分あたり1クレジット。最大8 MBのファイルに対応し、言語は自動で判別します。手に入るのは言葉です。クリップにする価値のある60秒を選び、映像に字幕を重ね、縦型のファイルを書き出すのは、今と同じく編集ソフトの仕事です。

つまり、音声中心の番組での正直な役割分担はこうです。eroqが映像を作り、Scribe Oneがテキストを作り、編集ソフトがそれを手元の音声と組み合わせます。

エピソードごとの3つのビジュアル素材

エピソードごとに、レンダリングする価値があるものは3つです。

1. 雰囲気のループ映像：ゲストが話している間、引用テキストの下で流れる背景映像です。雨の筋が流れる窓、深夜2時のデスクランプ、夕暮れのハイウェイ。話題とは何の関係もありませんが、波形ではないことにこそ意味があります。
2. 縦型カット3〜4本分の映像：クリップにする予定の場面ごとに短いクリップを1本ずつ、9:16で。同じエピソードから、互いに似ていない投稿をいくつも作れます。
3. エピソードのカバー画像：番組のシリーズの一部だとひと目でわかる、正方形の画像を1枚。

いちばん効果が大きいのはループ映像です。使い回せるからです。6本のループをローテーションしている番組なら、通常のエピソードのために何かをレンダリングする必要は二度とありません。

雰囲気のループ映像のプロンプト

動画スタジオは、被写体、動き、カメラ、光、雰囲気をひと続きに書いた段落を受け取り、演出ラックの設定を組み込んでくれます。

夜、暗いオフィスの窓を伝う雨。固定カメラのフレームの中で、眼下の通りを走るヘッドライトがにじんでボケになり、手前ではデスクランプがピントの外でぼんやりと光る。アナモルフィックレンズでf/1.4、ネオン・ノワールのパレット、プラクティカル照明のみ、穏やかなテンポ、アート映画のルック、クローズアップ。

ここでは固定が正解のカメラワークです。その理由も書いておきましょう。ループは話し声の下で30秒流れます。どこかで止まるプッシュインはひとつのショットですが、ほとんど動かないフレームは背景になります。手持ちや回り込みはインサートショット用で、声を乗せる映像には向きません。

ループは10秒でレンダリングし、編集ソフトで繰り返しましょう。10秒の窓を伝う雨なら、自分の最初のフレームに戻っても誰にも気づかれません。

Image Oneでエピソードのカバー画像を作る

Image Oneは1024×1024のフォトリアルなフラッグシップモデルで、1枚10クレジット。1〜4枚のバッチ生成、参照写真、ネガティブプロンプト、CFGの調整に対応しています。カバーのバリエーションを4枚まとめて生成して1枚を選べば、かつてはCanvaで一晩かかっていた決定に、使うのは40クレジットだけです。

実用上の注意が2つあります。ネガティブプロンプトには「text, watermark, logo」（文字、透かし、ロゴ）を入れておきましょう。生成された文字は、いつも「単語のようで単語ではないもの」になりますし、タイトルはどのみち自分のデザインツールで入力したいはずです。また、eroqにはアップスケーラーがないので、モデルから得られるのは1024×1024です。配信サービスがもっと大きなカバーを求めるなら、レンダリングした画像を画像編集ソフトに配置して、そこで仕上げてください。

番組が写真ではなくイラストのテイストなら、スタイライズされた表現はImage Anime、長い描写的なプロンプトを絵画調で忠実に描くならImage Artが得意で、どちらも同じ10クレジットです。アスペクト比は画像スタジオで設定しましょう。カバーは1:1、ストーリーズのフレームは9:16、YouTubeのサムネイルの背景は16:9です。

エピソード1本分の費用

エピソード1本につき、Seedance 1.0 Lite（120クレジット）で5秒の縦型クリップを4本、Motion One（60）で5秒の雰囲気のループを1本、Image One（10）でカバーのバリエーションを4枚、そして1時間の音声を1分あたり1クレジットで文字起こしするとします（書き出しのビットレートに応じて、1リクエスト8 MBの上限に収まるよう分割します）。

• 縦型クリップ：4 × 120 = 480
• 雰囲気のループ：1 × 60 = 60
• カバーのバリエーション：4 × 10 = 40
• 文字起こし：60分 × 1 = 60

合計で、エピソード1本あたり640クレジットです。週1回の番組なら4 × 640 = 月2,560クレジットで、1,800クレジットで$15のHobbyに収まり、-760クレジットが余ります。

ここで計算が効いてきます。ループを5秒ではなく10秒でレンダリングすると、Motion Oneの料金は60ではなく60になり、エピソード1本で640、1か月で2,560。Hobbyの月間クレジットを760クレジット超えてしまいます。解決策は大きなプランではありません。ループを一度だけレンダリングして、3か月使い回すことです。ループは、エピソードごとに作るコンテンツではありません。

隔週の番組なら、同じ640クレジットのエピソードで、月1,280です。新規アカウントに付く無料の50クレジットがあれば、カバーのバリエーションを5枚レンダリングして、お金を払う前にルックが気に入るかどうかを判断できます。ただし、クリップには足りません。5秒の最も安いレンダリングでも、Seedance 1.0 Liteで120クレジット、無料アカウントで使えるMotion Oneで60クレジットかかるので、無料クレジットは画像に使いましょう。

続ける価値が出るペース

まとめて作りましょう。雰囲気のループ6本を一度に、月4枚のカバーを別の日にまとめてレンダリングし、エピソードの合間は動画スタジオに触らないこと。すべてのレンダリングはレシピと一緒にライブラリに保存され、「リミックス」でそのレシピをツールに読み込み直せます。「あの雨のやつを、雪で」は書き直しではなく、ひと言の修正で済みます。音声側の計算（ナレーション、キャラクターごとの料金、2つのボイスエンジン）は、オーディオブックとポッドキャストのユースケースで解説しています。

よくある質問

eroqでエピソードを自動的に字幕付きクリップにできますか？

いいえ。Scribe Oneが最大8 MBのファイルで、音声を1分あたり1クレジットで文字起こしします。タイムラインに対するeroqの関わりはそこまでです。クリップの選定、字幕の焼き込み、縦型での書き出しは、編集ソフトで行います。

話しているクリップの下の映像には、何を使えばいいですか？

ほぼ動かない雰囲気のループ映像を一度レンダリングして、使い回しましょう。Motion Oneはどのアカウントでも5秒で60クレジット、10秒で60クレジット、Seedance 1.0 LiteはHobby以上で5秒120クレジットです。動きは話し声と競合するので、カメラは動かさないでください。

ゲストの画像を生成できますか？

いいえ。本人の同意のない、実在する特定可能な人物はポリシーで禁止されていますし、生成された人物は架空の他人です。ゲスト本人の写真を使うか、映像は雰囲気だけにしておきましょう。

今週収録しますか？動画スタジオを開いて、雰囲気のループを2本レンダリングすれば、もう波形を投稿することはありません。