ScreenKiteのAI動画編集の使い方: 録画からBロール生成までの完全ワークフロー

前回の記事では、ScreenKiteのAI編集機能の概要をご紹介しました。

本ガイドでは、AIを活用した編集ワークフロー全体をステップバイステップで詳しく解説します。以下の内容を網羅しています。

• 前提条件と環境セットアップ
• 音声トラックと無音区間の自動カット
• 文脈に沿ったBロール（挿入素材）の自動生成
• 各ステップの内部で実際に何が行われているか

実際の運用フローを把握したい方は、ぜひこのガイドを参考にしてください。

始める前に: 必要なもの

ScreenKiteのエージェント型編集ワークフローは、ローカルファーストの開発者向けツールを活用します。開始前に以下の環境を整えてください。

1. ScreenKiteのインストール

screenkite.com からScreenKiteをダウンロードしてインストールします。

2. AIコーディングエージェントCLIのインストール

ScreenKiteの編集コマンドは、お好みのコーディングエージェントCLIを通じて実行されます。

• Claude Code
• Gemini CLI
• OpenAI ChatGPT Codex

これらのツールはお使いのMac上でローカルに動作し、ScreenKiteはプロジェクトタイムラインと連携するための型定義されたCLIコマンドおよびMCPツールを提供します。

3. 音声文字起こしの設定

自動音声カットには単語レベルの音声文字起こしが必要です。2つの選択肢があります。

選択肢1: ElevenLabs API

プロジェクトディレクトリ内に .env ファイルを作成し、以下を記述します。

ELEVEN_LABS_API_KEY=your_api_key_here

選択肢2: ローカルのWhisperKitモデル

ScreenKiteの Settings → Transcription でWhisperKitモデルをダウンロードします。APIキー不要で、100%オフラインで動作します。

4. Bロール生成の依存関係のインストール（任意）

RemotionベースのアニメーションBロールオーバーレイを生成する場合:

• Node.js（Remotionのレンダリング用）
• uv（Pythonパッケージマネージャー）

ステップ1: 画面動画の録画

ScreenKiteを起動し、画面録画を行います。

録画が完了すると、ScreenKiteは .skbundle パッケージを保存します。このバンドルには、画面キャプチャ、Webカメラストリーム、マイク、内部システム音声トラックが含まれています。

ステップ2: AIエージェントでプロジェクトを開く

ScreenKiteエディタを開き、左上の AI Agent ボタンをクリックします。

お使いのAIツール（Claude Codeなど）がプロジェクトセッションに直接接続します。

エージェントはプロジェクト構造を読み込みます。

• 動画の総再生時間
• 利用可能なトラック（画面録画、Webカメラ、マイク、システム音声）
• 既存のオートズームキーフレーム
• オーバーレイおよび字幕トラックの状態

ステップ3: 音声の自動カット

エージェントに指示を出す

自然な言葉でエージェントに指示を伝えるだけです。

「音声トラックから無音のポーズとフィラー言葉（えーと、あの等）を削除して。」

エージェントが実行すること

1. 音声抽出と文字起こし: マイク音声を抽出し、ElevenLabsまたはローカルのWhisperKitに渡して単語レベルのアライメントを取得します。
2. 無音区間の検出: 音声波形を解析し、ポーズや沈黙を特定します。
3. フィラー言葉の検出: トランスクリプト（文字起こし）をスキャンして不要な言葉を検出します。
4. カットプランのプレビュー: 変更を適用する前に、提案されたカット箇所のリストを表示して承認を求めます。

確認と適用

「cut」または「apply」と伝えて確認します。エージェントがタイムライン上で直接トリミング操作を実行します。

ステップ4: Bロールオーバーレイの自動生成

エージェントに指示を出す

「動画のトランスクリプトに基づいて、文脈に応じたBロール要素を生成して。」

コンテンツのビート解析

エージェントは動画をストーリー展開のビートに分割し、視覚的なコンポーネントを提案します。

• イントロビート: チャンネル名プレート、カテゴリカスタムタグ
• 機能概要: ハイライトカード、要件ピル
• コアデモ: 機能チップ、リアルタイムタイマーバッジ
• まとめ: アクションチェックリストカード

Bロールの密度を選択

• Sparse（少なめ）: 主要な4つの視覚要素（ドキュメンタリー風のシンプルな構成）
• Medium（標準）: バランスの良い7つの要素（推奨デフォルト）
• Dense（多め）: 10個の視覚要素（情報量の多い技術チュートリアルに最適）

レンダリングとタイムラインへの配置

エージェントがコンポーネントを動画アセットとしてレンダリングし、滑らかなモーション遷移とともにScreenKiteのオーバーレイトラックへ直接配置します。

プライバシーとローカルファースト処理

• 動画の元メディアはすべてローカルディスク内に保持されます。
• コーディングエージェントはMac上でローカルに実行されます。
• トランスクリプトやタイムラインのマニフェストはプロジェクトバンドル内に格納されます。
• WhisperKitを使用する場合、文字起こしは完全にオフラインで行われます。

まとめ

ScreenKiteのAI動画編集は透明性が高く、完全にコントロール可能です。普段の自然言語で指示を出しながら、トリミング、ズーム、オーバーレイのすべての変更を確実に管理できます。

ScreenKite をダウンロードして、macOSでのエージェント型動画編集をぜひ体験してください。