YouTube動画を台本に：WhisperとBudaの使い方

役に立つYouTube動画を保存するのは簡単です。しかし、それを自分が扱える素材に変えるまでには多くの作業があります。

自分の記事やトーク台本を書く前に、動画のダウンロード、音声抽出、Whisperによる文字起こし、重要部分の特定、新しい視聴者と切り口に合わせた再構成が必要です。創作上の判断は短時間でも、その周辺のファイル処理に時間を取られます。

Budaなら、この一連の処理を1つのAgentタスクにできます。Buda AI Marketplaceからbuda-youtube-to-script Skillをインストールし、対応する動画URLを送ると、Agentがメディアをダウンロードし、Whisperを実行し、構造化されたテンプレートで台本を作成します。作業ファイルは同じプロジェクトに残ります。

これは他人の動画を言い換えて公開する仕組みではありません。検索しにくい動画を、確認・選別・再編集できる素材へ変換するワークフローです。

YouTube動画から台本までの流れ

Skillは1つのプロンプトではなく、次の実行手順をまとめています。

1. 内蔵のyt-dlpヘルパーで元動画とMP3音声をダウンロードする。
2. Whisperで音声を文字起こしする。
3. 文字起こしを読み、構造化されたトーク台本テンプレートを適用する。
4. フック、タイムライン、全文台本、タイトル案を作成する。
5. 元動画、MP3、文字起こし、最終台本を永続ファイルとして保存する。

プロンプトは目標を説明できますが、ダウンロード、文字起こし、テンプレート、命名、成果物の保存を毎回同じ順序で保証するものではありません。Skillは方法そのものを保存するため、Agentが安定して繰り返せます。

ステップ1：利用できる素材かを確認する

まず、その動画を処理する権利があるか確認します。公開URLで視聴できることは、作者の表現をそのまま再利用できることを意味しません。

Agentを動かす前に、目的を決めます。

• 調査用の文字起こし
• 社内向け要約
• 新しい短尺トーク台本
• 一部の事実を基にした記事
• 解説・反応動画のためのリサーチノート

対象視聴者、出力言語、切り口、長さも指定します。Skillの既定値は英語、約60〜90秒の短尺台本ですが、日本語や別の長さ、特定の視点を依頼できます。

例えば次のように依頼します。

この動画を、中小企業の経営者向けの60秒の日本語トーク台本にしてください。主要な事実を残し、実務への影響を説明してください。

URLは開始地点を、ブリーフは新しく作る内容をAgentに伝えます。

ステップ2：Buda AI MarketplaceからSkillをインストールする

Buda AIのMarketplaceを開き、buda-youtube-to-scriptを検索して、コンテンツ制作を担当するAgentにインストールします。

このSkillは自己完結型です。ダウンロード処理、Whisper文字起こし、台本テンプレートがまとめられているため、別のダウンロードSkillを追加したり、セッションごとに手順を説明したりする必要はありません。

インストール後、Agentは動画URLと台本作成の依頼を認識し、パッケージ化された流れを実行できます。

Buda AI Marketplaceで利用できるSkillsを確認できます。

ステップ3：URLと制作ブリーフを送る

URLだけでも既定の処理は始まります。しかし、明確なブリーフを添えるほど結果は良くなります。

次の情報を含めてください。

• 対象視聴者
• 出力言語
• 公開先のプラットフォーム
• およその長さ
• 追加したい切り口
• 特に確認すべき事実や表現

Agentはプロジェクトディレクトリを準備し、元メディアをダウンロードし、MP3を作成し、Whisperを実行します。その後、文字起こしを読み、新しい台本を書きます。

複数のアプリを行き来してファイルを移す代わりに、Agent Sessionで処理の進行を確認できます。

ステップ4：4つの成果物を別々に確認する

信頼できる制作フローでは、根拠と書き直した内容を分けて保存します。

Skillは次の4つを保存します。

• **元動画：**映像の文脈を残し、元の場面へ戻れます。
• **MP3音声：**発音、口調、前後の流れを聞き直せます。
• **Whisper文字起こし：**主張、人名、数字を検索できる根拠です。
• **トーク台本：**フック、展開、全文、タイトル案を含む編集可能な構成です。

これらを1つにまとめないでください。文字起こしは根拠であり、台本は解釈です。両方を残すことで、事実確認と修正が容易になります。

Whisper文字起こしは完成台本ではない

Whisperが解決するのは音声認識です。視聴者に必要な背景、主張の信頼性、自分が加えるべき判断までは決めません。

文字起こしには、繰り返し、言い直し、フィラー、認識ミスが含まれます。人名、数字、製品名、引用は元動画で確認してください。録画できる台本には、新しい構成も必要です。なぜ聞く価値があるのか、何を短くするのか、何の背景を足すのか、結論が自分のものになっているかを判断します。

公開・収録前に確認する項目は次の通りです。

• 人名、数字、専門用語が正しいか
• 元の意味を変えていないか
• 元動画に近すぎる表現が残っていないか
• 別の情報源で確認すべき事実がないか
• 自分の経験や判断を何に加えたか
• フックと長さが公開先に合っているか

Agentは反復作業を引き受けます。権利、正確性、選択、最終表現の責任は人に残ります。

このワークフローが向く場面

動画を継続的な情報源として使う場合に特に有効です。

• 製品デモから短尺台本を作る
• インタビューを検索可能な調査素材にする
• ウェビナーや講演から方法を抽出する
• 公開発表を基に解説を準備する
• 許諾された動画を別の視聴者向けにローカライズする
• 動画の文字起こしアーカイブを作る

ログインが必要な動画、非公開動画、ダウンロード制限、認識できない音声、利用権のない素材には向きません。その場合、Agentは停止し、処理できるファイルや別の情報源を求めるべきです。

1回の処理を、繰り返せる制作システムへ

最初の利点は速さです。1つのURLから、整理された根拠と編集可能な台本ができます。

さらに重要なのは継続性です。元動画、文字起こし、テンプレート、台本、確認メモを同じAgentプロジェクトに残せます。次の動画でも、新しいツールの組み合わせを一から作る必要がありません。

これはAIに答えを1回作らせることと、Agentワークフローを管理することの違いです。安定した処理は実行に変え、重要な判断は成果に責任を持つ人が行います。

よくある質問

BudaはYouTube動画を自動で台本にできますか？

はい。buda-youtube-to-scriptをインストールすると、対応する動画をダウンロードし、音声をWhisperで文字起こしし、テンプレートに基づく台本を作れます。公開前には権利、事実、独自性を確認してください。

YouTube以外の動画にも使えますか？

ダウンローダーが対応する他の動画URLにも使えます。ログイン、地域制限、非公開設定、ダウンロード保護により処理できない場合があります。

どのファイルが作られますか？

既定では、元動画、MP3音声、Whisper文字起こし、最終トーク台本を保存します。

日本語でも出力できますか？

はい。既定は英語ですが、依頼時に日本語など別の言語を指定できます。固有名詞、用語、自然な表現は人が確認してください。

Whisper文字起こしをそのまま公開できますか？

いいえ。公開可能な台本には、事実確認、選択、再構成、独自の判断、権利確認が必要です。

Buda AI Marketplaceを開き、buda-youtube-to-scriptを検索してAgentにインストールしてください。動画URLと一緒に、視聴者、切り口、言語、長さを伝え、元の素材と新しい台本を並べて確認してから収録します。