【ITニュース解説】How to make a faceless YouTube video with AI, step by step (2026 update)

AIを活用して顔出しなしのYouTube動画を自動生成するツール「Ziztu」は、動画コンテンツ制作の新たな可能性を示している。このツールは、ユーザーが入力したアイデアや既存のYouTube動画のリンクをもとに、スクリプト作成、画像生成、ナレーション、サムネイル、タイトル、説明文まで、動画公開に必要なすべての要素を一括で自動生成する機能を備えている。

最近のアップデートでは、生成される動画の品質とユーザーの制御性を高めるための改善が多数盛り込まれた。まず、動画全体の美的統一感を重視し、一本の動画内でアートスタイルが途中で変わることがなくなり、スクリプトに明記されていない不要な小道具が描写されることもなくなった。これにより、ユーザーは動画制作を始める前にスクリプトを読み、内容を承認できるようになり、生成されるコンテンツの精度が向上している。また、実在の人物が登場する場合、AIが作り出した顔ではなく、実際の写真が適切に使用されるようになった。

このツールは、アイデアの入力または既存のYouTube動画のリンクを貼り付ける二つの方法で利用を開始できる。例えば、「台湾がチップを作る理由」や「宇宙の大きさ」といったアイデアをテキストで入力するか、成功しているYouTube動画のリンクを貼り付けることで、その動画の構成（タイトルパターン、フック、チャプター構成、テンポ）を学習させ、新しい動画を生成する基盤とすることができる。特に便利なのは、既存の動画の構造をそのまま利用しつつ、主題だけを変更できる機能だ。これにより、効果的な動画フォーマットを再利用し、独自のストーリーを語ることが可能となる。

最初のステップとしてアイデアを入力したら、次に「Generate」ボタンを押す。これにより、動画のルック（視覚スタイル）、長さ（3分から60分の範囲で指定可能）、トーン、ナレーター、そしてBasicまたはProの料金プランを選ぶ設定シートが表示される。これらの設定が完了すると、ツールは動画の企画とスクリプト作成をチャプターごとに進め、完成したスクリプトの段階で一度停止する。

このスクリプト停止は重要なポイントである。ユーザーはここで動画の制作が始まる前にスクリプト全体をじっくりと読み、必要に応じて任意の行を変更できる。ツールは、ユーザーの言葉が元の情報源からどの程度離れているかを示すオリジナリティスコアを表示し、元の動画に近すぎる箇所をマークする機能も持つ。また、AIライターが確信を持てない事実にはフラグが立てられ、ユーザーはWebチェックを依頼して事実確認を行うことができる。ユーザーが「Make the film（動画を作成）」ボタンを押すまでは、一枚の絵も購入されないため、安心してスクリプトの調整に専念できる仕組みだ。

スクリプトが承認されたら、次に動画の視覚的な「ルック」を選択する。提供されるルックは18種類あり、例えば「Map and cast」は歴史解説に、「Deep Space」は惑星や銀河を扱う動画に適している。選択した一つのルックが動画全体のすべての画像に適用されるため、長い動画でもスタイルの一貫性が保たれる。ツールに「Picked for you」として任せることもでき、その場合AIがトピックに合ったルックを自動で選んでくれる。リアルなルックを選ぶ場合は、YouTubeの「変更または合成されたコンテンツ」ラベルが必要になることがあり、ツールがその旨を通知する。

続いて、生成されたすべてのショットがスクリプトの言葉に合致しているかを確認する。各ショットには、ナレーターがその上で話すセリフに対応した画像が描かれる。例えば、「太陽は次の目的地、約1億5000万キロメートル離れている」というセリフには、太陽の画像が正確に描かれ、以前のように無関係な船体などが登場することはない。場所に関するストーリーでは地図が、数値やプロセスが重要なポイントとなる場合はデータカードや図表が描かれる。

さらに、このツールは既存のYouTube動画の描画スタイルをコピーする新機能を搭載している。ユーザーがリンクを貼り付けた動画の色調、線のスタイル、詳細度といった視覚的特徴をZiztuが学習し、それを基に新しい動画の画像を生成するのだ。ただし、元のチャンネルのマスコットキャラクターをそのままコピーするのではなく、Ziztu独自のガイドキャラクター（シンプルな丸頭の人物像）がそのスタイルに合わせて登場するため、オリジナリティが損なわれることはない。この機能は、過去の試行錯誤を経て、元の動画が衛星画像を使用している箇所で平面の地図を描いてしまうなどの問題が解消され、高い精度でスタイルを再現できるようになった。

実在の人物や場所を扱う場合も、表示方法を細かく選択できる。動画に実在の人物が登場する場合、その人物を「動画のルックに合わせて描画する」（物語や解説のデフォルト）、「自由に使用できる実際の写真を表示し、出典を明記する」（写真のようなルックのデフォルト）、または「ナレーターが初めて名前を言うときに実際の写真を表示し、その後は描画シーンにする」（歴史、政治、ニュースなどの描画ルックのデフォルト）のいずれかを選べる。国の話であれば、Webから現在の役職者を調べて最新の情報を使用する機能もあり、ユーザーが自身の写真を追加し、それを動画のルックに合わせて描画することも可能だ。

最終的な動画の制作プランは「Basic」と「Pro」の二種類がある。どちらのプランも同じAIライター（Claude Sonnet 5.5）とナレーターの音声（ElevenLabs）を使用し、公開用パッケージも同一だが、視覚表現が異なる。BasicプランはAIが生成した画像にカメラワークやズーム、地図、データカードを組み合わせたものだが、Proプランでは重要な瞬間にAIが生成した動画クリップが追加され、よりダイナミックな表現が可能となる。料金は動画が作られる前に明確に表示される。

動画が完成すると、公開に必要なすべての要素がまとめられた「公開パック」が提供される。これには、複数のタイトル候補、3種類のサムネイル、チャプタータイムスタンプ付きの説明文、タグ、固定コメント、そしてSRTキャプションファイルが含まれ、すべてをまとめたZIPファイルでダウンロードできる。ユーザーは生成されたMP4ファイルを自分でアップロードするか、誰でも開ける視聴リンクを共有することも可能だ。

この便利なツールにもいくつかの正直な制限が存在する。貼り付けるYouTubeリンクの動画には読み取り可能なキャプションが必要であり、キャプションがない場合はアイデアを直接入力する必要がある。BasicプランはAI動画クリップを含まず、静止画とカメラの動きで構成されるため、本格的な動画モーションを求める場合はProプランの選択が必要だ。AIライターは時に誤った情報を生成する可能性があり、フラグが立てられた事実はあくまでヒントであり、完全な保証ではない。ユーザーはスクリプトを注意深く読み、事実として述べたい内容についてはWebチェック機能を利用して確認することが推奨される。また、リアルなルックを選択した動画をYouTubeにアップロードする際には、「変更または合成されたコンテンツ」のラベルを付ける必要がある。YouTubeは反復的で大量生産された動画を「inauthentic content（不真正なコンテンツ）」と見なすことがあるため、AIの利用自体は許可されているものの、互いに区別がつきにくい動画ばかりを公開するチャンネルはリスクを伴う可能性もある。