動画をAIでチェックする方法——Geminiに見せて分かった、見つける誤りとまちがえる所
公開日:2026年11月12日
公式資料の確認日:2026年11月12日(未検証の操作があります)
書き手:和田デジタルラボ
AIに動画をチェックさせると、字幕の誤字、声と字幕の食い違い、映ってはいけない通知などは見つけられます。当方で、わざと4つの誤りを入れた23秒の動画をGemini(Antigravity)に2回見せると、0.4秒だけ出る誤字も含めて、2回とも4つ全部を見つけました。ただし、時刻は最大で約1.3秒ずれ、文字の読み違いや、無い声を書いた所もありました。AIの指摘は、実際のコマで確かめてから直します。
この記事の要点
- 動画そのものを入れられるAIは、Gemini(アプリとAPI)と、Geminiを使うGoogleのソフト「Antigravity」です。ChatGPTも動画を添付できますが、使えるかは端末・添付の仕方・アカウントで違い、OpenAIは「動画全体を見ないことや、音を正しく聞き取れないことがある」と書いています。Claudeは画像だけで、動画はコマの画像にして渡します。
- 当方の実験では、Gemini(Antigravity)が、3秒の誤字・0.4秒の誤字・声と字幕の食い違い・0.5秒の通知を、2回とも見つけました。
- まちがいも出ました。時刻が最大で約1.3秒ずれた、0.5秒の通知を「2秒」と長く書いた、「づ」を「つ」と読み違えた、声の無い所に「閉じます」と言ったと書いた、の4つです。
- 音は、2回とも「実際には聞けず、文字起こしだけを見た」と、AI自身が返しました。声の読み方や音の大きさは、人の耳とソフトで確かめます。
- 当方の長編13本でも、AIの指摘のうち、コマで確かめると誤りだったもの(「macOS 26.6は存在しない」など)がありました。AIは見落としを減らす2人目として使い、直すかどうかは人がコマで決めます。
次の図は、AIに動画をチェックさせた結果と、人が受け持つ所をまとめたものです。
AIで動画をチェックするとは:動画をAIに見せて、直す候補を時刻つきで出してもらうこと
AIで動画をチェックするとは、動画のファイルをAIに見せて、字幕の誤り・声と字幕の食い違い・映ってはいけない物などを、時刻つきで出してもらうことです。AIが出すのは「直す候補」で、本当に直すかは、人がその時刻のコマを見て決めます。
動画を入れられるAI:Gemini・Antigravity・ChatGPT、Claudeは画像で
| AI | 動画を入れられるか | 公式の説明 |
|---|---|---|
| Geminiアプリ | 入れられる | 1本2GBまで。合計5分まで(Google AI Pro・Ultraは1時間まで) |
| Gemini API | 入れられる | プログラムからGeminiを呼ぶ仕組み。標準は1秒に1コマで見る。速い動きや急な場面の切り替えは、細かい所を見落とすことがある |
| Antigravity | 入れられる(当方で使っている) | (公式の説明ではなく当方の使い方)MP4のファイルを渡し、中のAIにGemini 3.8 Flashを選ぶ |
| ChatGPT | 添付できる(端末・添付の仕方・アカウントで違う) | 動画全体を見ないことや、音を正しく聞き取れないことがある |
| Claude | 入らない(画像だけ) | JPEG・PNG・GIF・WebPの画像 |
出典は、Googleの「Upload & analyze files in Gemini Apps」と「Video understanding」、OpenAIの「ChatGPT Image Inputs FAQ」、Anthropicの「Vision」です。Gemini APIの説明には「1 frame per second」とあり、ChatGPTの説明には「It may not analyze the entire video or accurately interpret its audio.」とあります。
Claudeの説明に動画の話は無く、当方では、動画からコマを画像として取り出して渡しています。渡し方はClaude Codeで動画の修正を頼む方法にまとめています。
同じ見本の動画を、ChatGPT・Geminiのアプリ・Claude Codeに2回ずつ渡して比べた結果は、ChatGPTに動画を読み込ませる方法にまとめています。
当方の実験:4つの誤りを入れた23秒の動画を、Geminiに2回見せた
当方で、設定の画面を日本語の字幕と声で説明する23秒の見本の動画を作り、わざと4つの誤りを入れました。0.4秒と0.5秒の誤りは、1秒ごとの時刻(12秒・20秒)には映らない位置に置きました。Antigravity(中のAIはGemini 3.8 Flash)に、「公開前の校正として最初から最後まで確認し、誤りを時刻つきで出してください」と頼みました。当方の長編動画の点検と同じ頼み方です。
| 入れた誤り | 1回目 | 2回目 |
|---|---|---|
| 字幕の誤字「選びまう」(6.0〜9.0秒・3秒) | 見つけた(0:06) | 見つけた(0:06) |
| 字幕の誤字「閉じまづ」(12.3〜12.7秒・0.4秒) | 見つけた。時刻は0:11とずれた。声の無い所に「文字起こしは『閉じます』」と書いた | 見つけた(0:12)。「閉じまつ」と読み違えた |
| 声は「保存します」・字幕は「削除します」(15.0〜18.0秒) | 見つけた | 見つけた |
| メールの通知(20.3〜20.8秒・0.5秒) | 見つけた。「0:19〜0:21」と長く書いた | 見つけた。「0:20〜0:22」と長く書いた |
4つとも、2回とも見つけました。Gemini APIの説明は「標準は1秒に1コマ」ですが、この実験では、0.4秒の誤字と0.5秒の通知も見つけました。Antigravityが動画をどう読んでいるかは公開されていないので、0.5秒ほどしか映らない誤字や通知を、いつも見つけるとは言えません。2回とも、「タブを選ぶ操作が画面に映っていない」という、頼んでいない提案も出しました。かかった時間は1回95秒と112秒でした。
AIがまちがえた所:時刻のずれ・映っていた長さ・文字の読み違い・無い声の文字起こし
見つけた4つについても、AIの報告には、そのまま直すと困るまちがいが入っていました。
- 時刻のずれ。12.3秒からの誤字を「0:11」と書きました。約1.3秒ずれています。
- 映っていた長さ。0.5秒だけ出た通知を、「0:19〜0:21」「0:20〜0:22」と、2秒ほど出ていたように書きました。
- 文字の読み違い。「閉じまづ」を「閉じまつ」と書いた回がありました。
- 無い声の文字起こし。声の無い12秒台に、「音声の文字起こしは『閉じます』」と書いた回がありました。もう1回は、同じ所に「文字起こしが無い。音が抜けているかもしれない」と、正しく書きました。
音は、2回とも「実際の音声は聞けず、文字起こしだけを見た」と、AI自身が返しました。声の読み方や、音の大きさ、雑音は、AIの答えでは確かめられていません。
当方の長編13本でも:コマで確かめると、AIの誤りだった指摘
当方では、2026年10月28日から11月12日までに作った長編13本で、完成前の動画をAntigravityに見せて点検しています。AIの指摘を、実際のコマと字幕のファイルで確かめると、次のような誤りがありました。
| AIの指摘 | コマで確かめた結果 |
|---|---|
| 「macOS 26.6は存在しない」 | 存在する。AIの知識が古かった |
| 表の文字を「漏れず」と読んだ | 実際は「測れず」。読み違い |
| shiftのキーの印が出ていない | 出ていた。見落とし |
| 次の字幕が早く出た | 字幕のファイルと実際のコマでは、前の字幕が出ていた |
いっぽうで、メールの通知の映り込みや、字幕の切れ端、見出しが人物の髪に重なる所のように、人が見落としていた所を見つけたこともあります。
次の図は、AIと人の受け持ちを分けたものです。
AIに任せる
直す候補を出す 字幕の誤字、声と字幕の食い違い、映り込みを、時刻つきで出します
人の見落としが減る
候補を渡す
人が決める
コマで確かめて、直すか決める 時刻の前後のコマを見て、本当の誤りかを確かめます
直さなくてよい所を直さない
AIは、字幕の誤字、声と字幕の食い違い、映り込みを、時刻つきで出します。人の見落としが減ります。人は、時刻の前後のコマを見て、本当の誤りかを確かめます。AIのまちがいで、直さなくてよい所を直すことが減ります。
頼み方:見たことと推測を分けさせ、見ていない所を書かせる
当方では、次の4つを頼み方に入れています。
- 見た事実(observed)と、推測(inference)を分けて書かせる。
- 確かな誤りだけを「直す」、好みの提案は「提案」と分けさせる。
- 全部を見聞きできなかったら、見ていない範囲を正直に書かせる。音を聞けなかったら、そう書かせる。
- 答えを決まった形(時刻・見た事実・推測・直し方・確かさ)で返させる。
この動画を、公開前の校正として最初から最後まで確認してください。
探すもの:字幕の誤字脱字、声と字幕の食い違い、映ってはいけない物、見切れ。
実際に見聞きしたことと推測を分けてください。確かな誤りだけを「直す」、好みは「提案」にしてください。
全部を見聞きできなければ、見ていない範囲を正直に書いてください。音を聞けなければ、そう書いてください。
時刻は「分:秒.小数3桁」で書いてください。
1件ごとに、時刻・見たこと・推測・直し方・確かさを書いてください。
よくある質問
Geminiアプリで試すには。
Googleの説明では、Geminiアプリにログインしてから、パソコンならgemini.google.comを開き、下の文字を入れる所に頼む文を入れ、ファイルを追加するボタンから「ファイルをアップロード」で動画を選び、送信します。動画は1本2GBまで、合計5分まで(Google AI Pro・Ultraは1時間まで)です。頼む文は、この記事の「頼み方」の文が使えます。当方では、Geminiアプリの画面では試していません。
AIのチェックだけで公開してよいですか。
当方は、AIのチェックだけでは公開しません。この記事の実験でも、時刻のずれや読み違いがあり、音は聞けていませんでした。AIの指摘をコマで確かめ、人が最初から最後まで一度見てから公開します。
字幕の誤字だけを調べたいときは。
字幕のファイル(SRT)の文字だけをAIに読ませる方法もあります。動画を見せずに、文字だけを確かめられます。当方の実験は動画の字幕の誤字脱字をAIでチェックする方法にまとめています。
人が見る順番と見る所は、動画の校正のやり方に、見つけた誤りを作る人へ伝える方法は、動画のフィードバックの伝え方に書いています。
もっと楽にしたい人へ:AIの指摘を確かめて、時刻入りで渡せる「Proofcut」
当方で作って販売しているProofcut(旧名 QMark)は、動画の校正アプリです。AIが出した時刻の場面で動画を止めて、本当の誤りか確かめ、iPadではApple Pencilで、iPhoneでは指で、赤を入れられます。書き出すと、直す場面ごとの時刻入りの画像と一覧ができます。
Proofcutは、iPadOS 26.0以降のiPadと、iOS 26.0以降のiPhoneで動きます。それ以前の iOS・iPadOS では動作しません。動画を開いて赤を入れるところまではお金がかからず、書き出しと共有はApp内課金で使えるようになります。
確かめた環境と出典
- 実験は2026年11月12日に、MacBook Air(M4)・macOS 27.0.1で、Antigravity CLI(Antigravityを、ターミナルで文字のコマンドを入力して動かす形。中のAIはGemini 3.8 Flash)に、当方の長編動画の点検と同じ呼び方で頼みました。見本の動画は当方で作った23秒の動画です。
- 長編13本の点検の記録は、2026年10月28日から11月12日までの、当方の長編動画の制作の記録です。
- 各社の説明は、Gemini Appsのヘルプ、Gemini APIのVideo understanding、ChatGPT Image Inputs FAQ、AnthropicのVisionを2026年11月12日に読んで書きました。GeminiアプリとChatGPTの画面では試していません。