ホームガイド
更新日:
LLM API搭載のAI動画脚本ジェネレーター
AI動画脚本ジェネレーターは、適切なプロンプトを備えたテキストモデルです。このガイドでは、Pythonテンプレートと脚本ごとの実際のコスト付きで、OpenAI互換API上に構築する方法を示します。


主要ポイント
- APIはテキストのみを生成します:スクリプト、ショットリスト、ボイスオーバーです。動画はレンダリングしません。
- JSON形式でリクエストすると、各シーンが編集者や動画ツールが読み取れるフィールドに格納されます。
- ショットリスト付きの60秒分のスクリプトは、1Mトークンあたり$0.15および$0.50で、約0.1セントの費用がかかります。
- プロンプトにブリーフ、トーン、過去のシーンを含めてください。ウィンドウは100,000トークンです。
カード不要。サインアップ後、ワンクリックで$0.50の無料テストクレジットを請求できます(1人1回限り)。
API キーを取得脚本ジェネレーターが実際に何をするか
AI動画脚本ジェネレーターは短いアイデアを受け取り、動画に必要なテキスト(フック、シーン、ナレーション、画面テキスト、視覚的注釈)を返します。モデルが執筆を行い、あなたのコードがそれ以外の処理を行います:プロンプトの構築、送信、回答の確認、そして画像生成ツールへの部品渡しがそれです。
このAPIはテキストのみです。画像、音声、動画は生成しません。これは作業に非常に適しています。なぜなら、スクリプト作成は動画プロジェクトの多くが停滞するステップであり、自動化にも最も費用がかからないステップだからです。画像や音声は、すでに使用している他のツールから取得します。独立したプロバイダが運用するモデルは、法的な成人向け利用に対してコンテンツ拒否なしで回答するようにチューニングされており、あなたのスクリプトが大人向けフィクション、ホラー、犯罪ストーリー、ダークユーモアを扱う場合に重要です。テキストが動画パイプラインにどのように適合するかという全体像については、AI動画APIガイドをご覧ください。
1回の呼び出しで価値のある出力は3つです:ボイスオーバーテキスト(ナレーターが話す内容)、ショットリスト(視聴者が目にするもの)、およびシーンごとの時間見積もり。これらを別々のフィールドに分割すると、後の工程が簡単になります。
クライアントの設定
エンドポイントはOpenAI互換なので、標準SDKが動作します。APIキーページでキーを取得し、クライアントをベースURLにポイントして、モデルID uncensoredを使用してください。
from openai import OpenAI
client = OpenAI(
base_url="https://api.aivideogenapi.com/v1",
api_key="YOUR_KEY",
)
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a 3-line hook for a video about night trains."}],
)
print(resp.choices[0].message.content)
print(resp.usage)
curlやNode.jsでの同じリクエストは、ベースURLとキーのみを変更すれば動作します。パラメータの詳細はAPIドキュメントに記載されています。新規アカウントはキーページでワンクリックで無料トライアルクレジット$0.50を受け取ることができ、これだけで記事内のすべての機能を何度もテストするのに十分です。
使用可能なシーンを返すプロンプトテンプレート
曖昧なリクエストは曖昧な脚本を生成します。優れたテンプレートは4つの要素を固定します:対象者、長さ、トーン、出力形式。ルールをシステムメッセージに、アイデアをユーザーメッセージに記述します。
import json
from openai import OpenAI
client = OpenAI(base_url="https://api.aivideogenapi.com/v1", api_key="YOUR_KEY")
SYSTEM = """You write short video scripts.
Return JSON only, with this shape:
{"title": str, "hook": str,
"scenes": [{"n": int, "seconds": int, "voiceover": str,
"shot": str, "on_screen_text": str}]}
Rules:
- Total length matches the requested duration.
- Voiceover is spoken language: short sentences, no stage directions.
- 'shot' describes what the camera shows, in one sentence.
- First scene is a hook that works without sound."""
def make_script(idea, seconds=60, tone="dry, curious", audience="adults"):
user = f"Idea: {idea}\nDuration: {seconds} seconds\nTone: {tone}\nAudience: {audience}"
r = client.chat.completions.create(
model="uncensored",
temperature=0.8,
response_format={"type": "json_object"},
messages=[{"role": "system", "content": SYSTEM},
{"role": "user", "content": user}],
)
return json.loads(r.choices[0].message.content), r.usage
script, usage = make_script("why night trains are coming back")
for s in script["scenes"]:
print(s["n"], s["seconds"], s["voiceover"])
JSONモード(response_formatにjson_objectを指定)は、応答が解析可能であることを維持します。ただし、任意のモデルが稀に文字列が壊れたものを生成する可能性があるため、json.loadsをtryブロックで囲み、失敗時に1回再試行してください。温度を0.7〜0.9に設定すると多様な表現が得られ、バッチ全体で構造をほぼ同一に保つ必要がある場合は0.3に下げます。
信頼する前に長さを確認する
モデルは秒数を数えるのが苦手です。確実なルールとして、落ち着いたナレーターなら1分あたり約150語、速いソーシャルクリップならそれより少し多くなります。各呼び出し後、すべてのボイスオーバーフィールドの単語数を数え、目標と比較してください。
def spoken_seconds(script, wpm=150):
words = sum(len(s["voiceover"].split()) for s in script["scenes"])
return round(words / wpm * 60)
est = spoken_seconds(script)
if abs(est - 60) > 8:
print("Off target:", est, "seconds. Ask for a rewrite.")
脚本が長すぎる場合は、実際の数値を含む2番目のメッセージを送信します。「ボイスオーバーは約78秒です。フックを失わずに60秒に短縮してください。」具体的なフィードバックは「短くしてください」よりも効果的です。最初の返信をメッセージリストに残し、モデルが何を書いたか確認できるようにしてください。
ショットリストとボイスオーバーを別々のパスとして扱う
動画が長くなると、1回の呼び出しで全てを処理すると情報が不足します。代わりに2回に分けて処理してください。まず、シーンタイトルと1行のゴールの構成案を生成させます。次に、構成案と前のシーンのボイスオーバーを渡して各シーンを個別に生成し、トーンを継続させます。
- Pass 1、アウトライン: 6〜12のシーン。各シーンにはゴールと概算の所要時間を記載します。
- Pass 2、シーン: 1つのシーンごとにボイスオーバーとショットを生成。コンテキストにはアウトラインと直近2つのシーンを含めます。
- Pass 3、仕上げ: 全文のボイスオーバーを読み返し、繰り返しの表現を変化させるよう指示します。
コンテキストウィンドウは、プロンプトと返信を合わせて100,000トークンです。したがって、完全なアウトライン付きの20分間のドキュメンタリースクリプトでも、1つの会話に収まります。長時間のセッションでのメモリ動作については、コンテキストウィンドウのページで実用的な制限について解説しています。ストリーミング(stream: true)は、スクリプトが書かれる過程を人に表示する場合に有用です。
スクリプトのコスト
価格は入力トークン1Mあたり$0.15、出力トークン1Mあたり$0.50で、前払いクレジットから支払われます。典型的なショットリスト付き60秒脚本を考えます。プロンプトが1,200トークン(ルールとアイデア)、返信が1,800トークンだとします。
| パート | トークン | 計算 | コスト |
|---|---|---|---|
| 入力 | 1,200 | 1,200 / 1,000,000 x $0.15 | $0.00018 |
| 出力 | 1,800 | 1,800 / 1,000,000 x $0.50 | $0.0009 |
| 合計 | 3,000 | $0.00108 |
これはスクリプトあたり約0.1セントです。1,000本のスクリプトを作成するチャンネルでは、モデル料金は約$1.08になります。再試行や仕上げの処理はこの金額に加算されますが、スクリプトあたり3回の呼び出しでも、全体ではスクリプトあたり1セント前後に抑えられます。失敗または拒否されたリクエストには課金されません。クレジットは期限切れにならず、料金ページには$20〜$500のチャージ額とボーナスティアが記載されています。
各レスポンスのusageフィールドには正確なトークン数が含まれるため、推定ではなく、脚本ごとの実際のコストをログに記録できます。
時間を節約するための制限と習慣
フルキーは8つの同時リクエストと1分あたり300リクエストを許可します。トライアルキーは2つの同時リクエストと1分あたり60リクエストを許可します。多くのスクリプトをバッチ処理する場合は、4〜6の小さなワーカープールを使用し、HTTP 429が返されたらバックオフしてください。エラーコードは、どのレート制限に到達したかを示します:1分あたりのリクエスト数はrate_limited、一度に多すぎる場合はconcurrencyです。一時的な過負荷時には、返信にRetry-After: 5ヘッダーが含まれるため、5秒待機して再試行してください。
- 良いプロンプトを再現できるように、すべてのスクリプトをそのプロンプトとともに保存してください。再現性のある実行を望む場合は、
seedパラメータがそのまま渡されます。 - 禁止語句、繰り返し登場するキャラクター名、ブランドボイスなどのスタイルガイドをシステムプロンプトに保持し、動画全体で再利用してください。
- 各レスポンスから
X-Request-Idをログに記録してください。特定の呼び出しについてサポートに問い合わせる際に役立ちます。 - 公開する前にスクリプトをすべて確認してください。モデルは流暢なテキストを生成しますが、検証済みの事実を出力するわけではありません。
import time
def call_with_retry(fn, tries=4):
for i in range(tries):
try:
return fn()
except Exception as e:
if "429" in str(e) and i < tries - 1:
time.sleep(5 * (i + 1))
continue
raise
プロンプトはトレーニングに使用されません。未成年者が関与する性的コンテンツは、どのような文脈でも許可されません。
その他のガイド
質問と回答
このAPIは動画そのものを生成できますか?
いいえ。テキストのみを生成します。脚本、ショットリスト、字幕、ボイスオーバーテキストの作成に使用し、それらを既存の動画・音声ツールに渡してください。
スクリプトの長さはどれくらいにできますか?
コンテキストウィンドウは、プロンプトと返信を合わせて100,000トークンであり、max_tokensはオプションなので、非常に長いスクリプトも収まります。数分以上の場合、アウトラインのパスに続いてシーンごとの呼び出しを行うと、品質が向上します。
試すために支払いが必要ですか?
いいえ。新規ユーザーは、サインアップ後にAPIキーページでワンクリックするだけで、$0.50の無料トライアルクレジットを獲得できます。その後のチャージは暗号資産(TRC20上のUSDTまたはBase上のUSDC)で行われます。
ダークまたは大人向けストーリーのトピックを拒否しますか?
このモデルは、法的な成人利用に対してコンテンツ拒否なしで応答するように調整されています。未成年者が性的文脈に含まれるコンテンツは常に禁止されています。
キーはフォーム 1 つで手に入ります
アカウントを作成し、キーをコピーし、ベースURLを変更します。これでセットアップは完了です。