AIで音声・漫画・3D動画を自分で作る時代

コンテンツ制作の三大領域――音声、画像、動画――を、個人が一人でAIを使って完結させる事例が、同時多発的に登場している。

irodori TTSとClaudeを組み合わせてR-18 ASMR風の会話形式音声コンテンツを作る動き、ChatGPTを使ったAI漫画制作、そしてClaudeとBlenderを連携させて製品説明用の3D動画を出力するワークフロー。それぞれが別々のクリエイターによる独立した実践であることが、今の空気感をよく示している。「試した人が一人いた」ではなく、「あちこちで同時に動いている」という状態だ。

かつてこれらの制作物は、録音スタジオ、デザイナー、3DCGエンジニアをそれぞれ別に調達しなければ成立しなかった。それが今、ツールの組み合わせ次第で一人の手の中に収まりつつある。生成AIで「日常投稿」を量産する動きが広がっているでも触れたように、制作の「単位」が個人へと急速に引き下がっている。

発表内容を読むと、@shota7180 のワークフローは特に実用度が高い。小型PCの寸法と組み立て条件をClaudeに渡し、Blenderと連携させることで、部品の配置・干渉箇所・回避手順を3D映像として出力。日本語字幕付きで解説まで自動化している。

注目したいのは、このユースケースが「映像をかっこよく作りたい」ではなく、「文章や静止画では伝わらない手順情報をどう伝えるか」という問いに答えている点だ。製品マニュアル、設備の操作説明、DIYの組み立てガイドなど、「順番と空間的な位置関係を同時に見せる必要がある」コンテンツ全般に応用が利く。

ツールの接続方法としては、Claude側でスクリプト・構造データを生成し、BlenderのPythonスクリプトとして書き出すアプローチが一般的。3D制作の知識がなくても、Blenderの基本操作とPythonの読み書きが最低限できれば入口には立てる水準になってきている。

生成AI画像、立ち絵の「次の段階」が見えてきたでも画像生成の進化を追ったが、動画・3Dのレイヤーでも「一人で出力できるクオリティの上限」が更新され続けている。

irodori TTS（Text-to-Speech）とClaudeを組み合わせた音声生成は、単なる「読み上げ」とは異なるアプローチを示している。会話形式のスクリプトをClaudeが生成し、そのセリフをirodori TTSで音声化することで、一人のキャラクターが話すモノローグではなく、掛け合いのある音声コンテンツを制作できる。

ここで重要なのは構造だ。LLMがシナリオライターとして機能し、TTSエンジンが声優として機能する。この分業がAIツールの組み合わせで成立するなら、音声コンテンツの制作コストは大幅に下がる。ポッドキャスト、オーディオドラマ、音声ガイドなど、音声を主軸にした表現全般に波及しうる話だ。

irodori TTSは日本語音声に特化した合成エンジンで、感情表現や抑揚の自然さが特徴として挙げられている。LLMとの連携という観点では、スクリプトの生成・編集をClaude側で行い、最終的な音声化をirodori TTSに渡すパイプラインが現実的な起点になる。