ニュース見出しを1コマンドでYouTube Shortsに変換するOSS「YouTube Shorts Pipeline」

はじめまして、もるふぉです。

エンジニアをやりながら、今はほぼコードを書かない開発スタイルに移行しました。

「書けないから書かない」じゃなくて、「書けるから書かなくていい」という話です。

実案件ベースで気づいたことだけ書いています。

よければXもフォローしてもらえると嬉しいです → X(@morphox_ai)

「エンジニアならYouTubeやったほうがいい」って話、もう何年も聞いてますよね。

でも実際やろうとすると、台本書いて、映像素材探して、ナレーション録って、字幕つけて、サムネ作って、アップロードして......正直、本業の合間にやるには工程が多すぎるんですよ。

しかもそれを「コンスタントに」続けないとチャンネルは育たない。

編集スキルも、カメラも、毎週の時間も、全部揃えるのはさすがに無理です。

そこで見つけたのが「YouTube Shorts Pipeline」というOSSです。

ニュース見出しを1行渡すだけで、リサーチからYouTube Shortsの公開まで全自動でやってくれるPython製のパイプラインツール。

しかも1本あたりのコストが約$0.10。

SaaS型ツールだと1本$0.50〜かかるので、コスト効率が5倍違います。

無料構成なら$0.00で回せます。

これ、ちょっと構造を見てみる価値があるなと思ったので、今回はこのツールの設計思想とアーキテクチャを深掘りしていきます。

GitHub - rushindrasinha/youtube-shorts-pipeline: Automated YouTube Shorts pipeline: news → script → AI visuals → voiceover → captions → upload · GitHub

github.com

YouTube Shorts Pipelineとは -- コマンド1行で動画生成から公開まで全自動

トピック1行から公開済みShortsができるまでの流れ

YouTube Shorts Pipelineは、Dr Rushindra Sinha氏が開発したオープンソースのYouTube Shorts自動生成ツールです。

GitHub Stars 1.5k、Forks 382と、この手のOSSとしてはかなりの支持を集めています。

現在はv3にメジャーアップデートされ、「Verticals」という名称に進化しています。

やることはシンプルです。

python -m verticals run --topic "Sam Altman mass-fired 200 safety researchers" --niche tech

このコマンド1行を叩くと、以下が全自動で実行されます。

1. トピックに関するWeb調査（DuckDuckGo検索）
2. 調査結果をもとにしたスクリプト生成（LLM）
3. AI映像素材の生成（Ken Burnsエフェクト付き）
4. ナレーション音声の生成
5. 単語レベルの字幕生成（Whisper）
6. BGM選曲と自動ダッキング
7. ffmpegで全素材を結合
8. YouTube（またはTikTok、Reels）への自動アップロード

トピックを渡してからYouTubeに公開されるまで、人間が介入する工程がゼロです。

つまり、「今まで台本→録音→編集→アップロードで数時間かかっていた作業」が、コマンド1行で完結するんです。

使っているAIスタック（Claude / Gemini / ElevenLabs / Whisper）

このパイプラインが面白いのは、複数のAIサービスを「それぞれ得意なことだけやらせる」設計になっている点です。

いわばチーム開発のようなもので、スクリプト担当・映像担当・音声担当がそれぞれ専門の仕事をして、ffmpegが最後に全部組み上げる構造です。

v3ではマルチプロバイダー対応になっていて、LLMはClaude、Gemini、GPT、Ollama（ローカル）から選べます。

TTSもEdge TTS（無料、300+ボイス）がデフォルトで、ElevenLabsやKokoroも選択可能です。

映像ソースもGemini Imagen、Replicate、Pexels（無料ストック動画）、ComfyUIと幅広いです。

「全部無料で組む」ことも「品質重視で課金する」ことも、ユーザーの判断で決められる設計になっています。

ここが地味にすごいポイントで、コストと品質のトレードオフを自分で調整できるんです。

ではこのパイプラインが内部でどう動いているのか、次で詳しく見ていきます。

3ステージのパイプライン設計 -- Draft、Produce、Upload

パイプライン全体は3つのステージに明確に分割されています。

料理で言うと「仕込み」→「調理」→「配膳」を完全に独立させているようなもので、この設計がかなり合理的です。

エンジニアとして「わかってるな」と感じるポイントなんですよ。

Draft -- DuckDuckGoリサーチからClaudeスクリプト生成

最初のステージはDraftです。

python -m verticals draft --topic "headline" --niche tech

ここではまずDuckDuckGoでトピックに関するWeb検索を行い、リサーチスニペットを収集します。

そのリサーチ結果をLLM（デフォルトはClaude）に渡して、以下を一括生成します。

• YouTube Shorts用のスクリプト（台本）
• 各シーンのB-roll映像プロンプト
• YouTubeのタイトル・説明文・タグ
• サムネイル用のプロンプト

ここで注目してほしいのは、LLMがスクリプトを書く際に「DuckDuckGoのリサーチ結果だけを情報源にする」という制約がかかっている点です。

リサーチスニペットは300文字に切り詰められ、境界マーカーが付与されます。

LLMの出力フィールドには型チェックが走り、スクリプト内のすべての主張はリサーチデータに遡れることが求められます。

つまり、LLMの学習データに基づく「知ったかぶり」を構造的にブロックしているわけです。

これはアンチハルシネーションの仕組みとして、かなり実直なアプローチだと思います。

Produce -- 映像・ナレーション・字幕・BGMの合成

2番目のステージがProduceです。

python -m verticals produce --draft <path> --lang en

Draftステージの出力を受け取って、実際の動画を組み立てます。

1. 映像生成: B-rollプロンプトからGemini Imagen等で画像を生成し、Ken Burnsエフェクト（ゆっくりズーム＆パン）を適用
2. ナレーション: スクリプトからEdge TTS / ElevenLabsで音声を合成
3. 字幕: Whisperで単語レベルのタイムスタンプを取得し、ASS形式（word-by-wordハイライト）とSRT形式の字幕を生成
4. BGM: ロイヤリティフリーの楽曲バンドルから自動選曲し、ナレーション部分で自動的にボリュームを下げる（ダッキング）
5. 結合: ffmpegで全素材をアセンブル。字幕はバーンイン（映像に焼き込み）

特に字幕のword-by-wordハイライトは、最近のShorts/Reelsでよく見るスタイルですね。

Whisperの単語レベルタイムスタンプを活用してASS形式で実現しているのは、技術的に筋が通っています。

Upload -- YouTube自動投稿とサムネイル自動生成

最後がUploadステージです。

python -m verticals upload --draft <path> --platform youtube

Draftステージで生成済みのメタデータ（タイトル、説明文、タグ）と、Produceステージで生成した動画ファイルを使って、YouTube Data APIで自動アップロードします。

サムネイルもGemini Imagenで生成した画像にPillowでテキストをオーバーレイして自動作成します。

SRT字幕もアップロード時に添付されます。

v3ではYouTubeに加えて、TikTokとReelsにも対応。

v3.1ではX（旧Twitter）への投稿も予定されているようです。

3ステージが独立しているので、draftだけ回してスクリプトを人間がレビューしてからproduceに進む、という使い方もできます。

また、パイプラインのステート追跡機能があるので、途中でエラーが起きても完了済みステージをスキップして再開できます。

この「レジューム機能」は地味に重要で、API呼び出しが複数サービスにまたがるパイプラインでは、1つのAPIがレート制限に引っかかっただけで全部やり直しになるのを防げます。

複数の外部APIを組み合わせたパイプラインを自分で組もうとすると、このレジューム機能だけでも実装コストがかなりかかるので、これが最初から入っているのは助かります。

次は、実際に使う前に一番気になるコスト構造を見ていきます。

コスト構造の内訳 -- 1本あたり約$0.10で回せる理由

プレミアム構成 vs 無料構成のコスト比較

YouTube Shorts自動化ツールを選ぶ上で、コストは最重要ポイントの一つです。

YouTube Shorts Pipelineのコスト構造は、選択するプロバイダーの組み合わせで大きく変わります。

Premium構成でも1本あたり約$0.11です。

月に100本作っても$11（約1,600円）。

Free構成ならOllamaでローカルLLMを動かし、Edge TTSとPexelsを使うことで、API課金ゼロで回せます。

もちろんFree構成は品質面でトレードオフがありますが、「とりあえず仕組みを試したい」「量を出して反応を見たい」という段階では十分実用的でしょう。

SaaS型ツールとの月間コスト比較

参考として、SaaS型のShorts自動化ツールとの比較も載せておきます。

SaaS型は月額固定で手軽ですが、生成本数に制限があり、スケールするとコストが跳ね上がります。

OSSであるYouTube Shorts Pipelineは、初期セットアップのハードルはありますが、ランニングコストでは圧倒的に有利です。

「月に数百本レベルで回したい」というケースでは、OSSのコスト優位性が際立ちます。

コスト構造がわかったところで、v3で追加された機能を見てみましょう。

v3で進化したニッチインテリジェンス機能

15種のビルトインニッチプロファイル

v3の目玉機能の一つが「ニッチインテリジェンス」です。

tech、gaming、finance、fitness、cookingなど15種類のビルトインニッチプロファイルがYAML形式で用意されています。

python -m verticals run --topic "headline" --niche cooking --provider ollama

--nicheパラメータを指定するだけで、そのジャンルに最適化されたスクリプトのトーン、映像スタイル、BGMの選択が自動的に切り替わります。

ここが面白いところなんですが、ニッチプロファイルはYAMLファイルなので、自分でカスタマイズしたり、新しいニッチを追加することも簡単です。

トピックエンジン -- RedditからHacker Newsまでトレンドを自動検出

もう一つ注目なのが、トピック自動検出エンジンです。

python -m verticals topics --niche tech --limit 20

このコマンドで、Reddit、RSS、Google Trends、Twitter、TikTok、YouTube Trending、Hacker Newsなど複数ソースからトレンドトピックを自動収集してくれます。

「何を投稿すればいいかわからない」というネタ切れ問題に対して、データドリブンなアプローチで解決策を提示しているのは賢いですね。

トピック検出からShortsの公開まで完全に自動化すれば、理論上は「放置でチャンネル運営」も技術的には可能になります。

ただし、後述しますが、そこには当然リスクもあります。

ここから先は、エンジニアとして「実際に使えるのか」を率直に評価していきます。

エンジニア視点の評価 -- 使えるOSSか、おもちゃか

ハルシネーション防止機能の実効性

先ほど触れたアンチハルシネーションの仕組みは、設計としては堅実です。

• リサーチスニペットを300文字に切り詰めて境界マーカーを付与
• LLM出力フィールドに型チェックを実施
• スクリプト内のすべての主張がリサーチデータに遡れることを要求
• Claudeが使う名前・事実はDuckDuckGoのライブリサーチからのみ取得

ただし、これは「ハルシネーションを完全に排除する」ものではなく、「ハルシネーションのリスクを構造的に下げる」仕組みです。

「完全に防げる」と思ってノーチェックで運用するのは危ないです。

DuckDuckGoの検索結果自体が誤っている可能性もあるし、300文字のスニペットから文脈を取り違えるケースも考えられます。

「自動生成した動画をノーチェックで公開する」運用は、正確性を求めるジャンル（ニュース、金融、医療系）ではリスクが高いですね。

「draftだけ自動で回して、人間がスクリプトを確認してからproduceに進む」というフローが、現実的な落としどころだと思います。

マルチプロバイダー対応とOllama（ローカルLLM）の可能性

v3のマルチプロバイダー対応は、エンジニアにとって嬉しいポイントです。

Claude、Gemini、GPT、Ollamaから選べるので、コスト・品質・プライバシーの要件に応じて柔軟に切り替えられます。

特にOllama対応は大きいです。

ローカルでLLMを動かせるので、APIキー不要、課金ゼロ、データの外部送信なしでパイプラインを回せます。

もちろんローカルLLMの品質はClaude等には劣りますが、「まずは試してみたい」「社内のセンシティブな情報を含むコンテンツを作りたい」といったユースケースでは有力な選択肢です。

運用上の注意点と現実的な限界

エンジニアとして正直に言っておくべき注意点もあります。

YouTubeのポリシーリスク: AI生成コンテンツの大量投稿は、YouTubeのスパムポリシーに抵触する可能性があります。

特に「完全自動で毎日大量投稿」は、チャンネルBANのリスクがあります。

YouTubeは2024年3月からAI生成コンテンツの開示を義務化しており、この領域のポリシーは今後も変わり得ます。

品質の天井: 自動生成Shortsの品質は、人間が作り込んだコンテンツには及びません。

Ken Burnsエフェクトをかけた静止画の連続は、どうしても「AI生成感」が出ます。

差別化されたチャンネルを作るなら、パイプラインの出力を「下書き」として使い、人間が手を入れるフローが現実的です。

API依存のリスク: 複数の外部APIに依存しているため、いずれかのサービスの仕様変更・料金改定で動かなくなる可能性があります。

包括的なテストスイートが整備されているのは安心材料ですが、外部APIのモック次第ではE2Eの信頼性は別問題です。

セットアップのハードル: Google Colabならゼロインストールで試せますが、ローカル環境ではPython、ffmpeg、各APIキーの設定が必要です。

非エンジニアにはGradio Web UIが用意されていますが、それでもAPIキーの取得・設定は避けられません。

まとめ -- YouTube Shorts Pipelineはどんな人に向いているか

YouTube Shorts Pipelineは、「動画コンテンツの自動生成パイプライン」としてかなり完成度の高いOSSです。

3ステージの分離設計、マルチプロバイダー対応、アンチハルシネーション、レジューム機能と、実運用を見据えた設計が随所に見られます。

コスト面でも、Premium構成で1本約$0.11、Free構成なら$0.00と、SaaS型ツールとは比較にならないコスト効率です。

向いている人:

• PythonとCLIに抵抗がないエンジニアで、YouTube Shortsの自動化を試してみたい人
• フェイスレスチャンネル（顔出しなし）の運営を低コストで検証したい人
• 動画パイプラインのアーキテクチャを学びたい人
• 既存のコンテンツ（ブログ、ニュースレター等）を動画に転用する仕組みを作りたい人

向いていない人:

• 動画編集の品質を細かくコントロールしたい人
• プログラミング環境のセットアップに慣れていない人
• YouTubeポリシーのリスクを取りたくない人

まず試すならGoogle Colabが一番楽です。

インストール不要で、ブラウザからすぐ動かせます。

git clone https://github.com/rushindrasinha/verticals.git
cd verticals
pip install -r requirements.txt
python -m verticals ui  # localhost:7860でWeb UIが起動

ローカルで動かしたい場合は上のコマンドで5分もあれば起動できます。

自分としては、「全自動で量産する」よりも「draftステージでスクリプト生成を自動化して、あとは人間が仕上げる」使い方が一番現実的だと感じています。

OSSなので中身を読んで改造もできるし、自分のワークフローに組み込む余地が大きいのもポイントですね。

AI動画生成の自動化パイプラインに興味があるなら、一度GitHubを覗いてみてください。

GitHub - rushindrasinha/youtube-shorts-pipeline