ChatGPTに動画を読み込ませる方法——GeminiとClaude Codeにも同じ動画を渡すと、声まで聞けたのはGeminiだけ
公開日:2026年11月13日
手順を確かめた日:2026年11月13日(MacBook Air(M4)・macOS Golden Gate 27.0.1)
書き手:和田デジタルラボ
ChatGPTに動画を読み込ませるには、入力欄の「+」から「写真やファイルを追加」を選び、動画のファイルを添付します。当方が有料プランに入っていないアカウントで試すと、ChatGPTは動画からコマを取り出して画面を見ましたが、声は2回とも「聞き取れなかった」と答えました。同じ23秒の動画をGeminiのアプリとClaude Codeにも渡すと、声と字幕の食い違いまで見つけたのはGeminiだけでした。ただしGeminiは、声の無い所にも「声では…と言っている」と書きました。
この記事の要点
- ChatGPTに動画を読み込ませるには、入力欄の左の「+」を押して「写真やファイルを追加」を選び、動画のファイルを添付してから、聞きたいことを書いて送ります。
- OpenAIの説明では、ChatGPTは有料プランに入っていなくても動画を添付できます。ただし、使える機能はプラットフォーム・アップロードの方法・アカウントで違い、動画全体を分析できなかったり、音声を正確に解釈できなかったりする場合がある、とも書いてあります。
- 当方の実験(わざと4つの誤りを入れた23秒の動画・各2回)では、ChatGPT(有料プランなし)は4つのうち2つと1つ、Geminiのアプリ(有料プランなし)は2回とも4つ、Claude Code(Sonnet 5)は2回とも3つを見つけました。
- 声と字幕の食い違い(声は「保存します」・字幕は「削除します」)を見つけたのは、Geminiだけでした。ChatGPTとClaude Codeは、声の言葉を聞き取れなかったと答えました。
- Geminiは2回とも、声の無い12秒台に「声では…と言っている」と書きました。AIの答えは、動画のその時刻を開いて確かめてから直します。
- Claudeのアプリには、Anthropicの説明では動画を入れられません。Claude Codeは、Macの中で動画からコマを取り出して見ました。
次の図は、同じ動画を3つのAIに渡したときに、見つけた誤りの数と、声を聞けたかをまとめたものです。
ChatGPTに動画を読み込ませるとは:動画のファイルを添付して、中身について聞くこと
ChatGPTに動画を読み込ませるとは、手元の動画のファイル(MP4など)をチャットに添付して、「何が映っているか」「誤りはないか」などを聞くことです。OpenAIのヘルプ「ChatGPT 画像入力 FAQ」には、有料プランに入っていなくても、動画のファイルを添付できるとあります。ただし「利用できる機能は、プラットフォーム、アップロード方法、アカウントによって異なります。」とも書いてあります。同じページには、「動画全体を分析できなかったり、音声を正確に解釈できなかったりする場合があります。」とも書いてあります。
当方の23秒・157KBのMP4も、有料プランに入っていないアカウントでそのまま添付できました。ChatGPTは「分析」を何度も回し、動画からコマ(1枚ずつの画像)を取り出して画面を見ました。声については、2回とも聞き取れなかったと答えました。ヘルプの「音声を正確に解釈できなかったりする場合」が、当方の動画では2回とも起きたことになります。
ChatGPT・Gemini・Claudeに動画を入れる手順
| AI | 動画の入れ方 | 当方で試した結果 |
|---|---|---|
| ChatGPT(chatgpt.com) | 入力欄の「+」→「写真やファイルを追加」→ 動画を選ぶ | 有料プランに入っていないアカウントで添付できた。画面は見たが、声は聞き取れなかった |
| Gemini(gemini.google.com) | 入力欄の「+」→「ファイルをアップロード」→ 動画を選ぶ | 有料プランに入っていないアカウントで添付できた。画面と声の両方について答えた |
| Claude(アプリ) | Anthropicの説明では、入れられるのは文書と画像だけ | アプリでは試していない |
| Claude Code | 動画のファイルの場所を伝えて頼む | Macのffmpeg(動画や音声を扱うソフト)でコマを取り出して見た。声の言葉は聞き取れなかった |
- ChatGPT:chatgpt.comを開き、入力欄の左の「+」を押して「写真やファイルを追加」を選び、動画のファイルを選びます。聞きたいことを書いて送ります。OpenAIのヘルプ「ChatGPT へのファイルと音声のアップロード」によると、有料プランに入っていないアカウントで上げられるファイルは、1日に3個までです。利用が集中する時間帯には、この上限が下がる場合があるとも書かれています。
- Gemini:gemini.google.comを開き、入力欄の左の「+」を押して「ファイルをアップロード」を選び、動画のファイルを選びます。Googleのヘルプ「Gemini アプリでファイルをアップロードして分析する」には、「動画の長さは合計 5 分までです。Google AI Pro または Google AI Ultra にアップグレードすると、合計 1 時間までの動画をアップロードできます。」とあります。
- Claude:Anthropicのヘルプ「Upload files to Claude」で、Claudeに入れられる形式として挙がっているのは、文書(PDFなど)と画像(JPEG・PNG・GIF・WebP)です。動画は、画像(コマ)にして渡します。Claude Codeなら、Macの中で動画からコマを取り出すところまで頼めます(Claude Codeで動画の修正を頼む方法)。
当方の実験:4つの誤りを入れた23秒の動画を、3つのAIに2回ずつ渡した
当方で作った23秒の見本の動画(設定の画面の絵に、日本語の字幕と声を付けたもの)に、わざと4つの誤りを入れました。動画をAIでチェックする方法で、Antigravity(中のAIはGemini 3.8 Flash)に見せたのと同じ動画です。ChatGPT・Geminiのアプリ・Claude Codeに、同じ頼み方で2回ずつ渡しました。表の「1回目/2回目」の○は見つけた、×は見つけなかった、です。
| 入れた誤り | ChatGPT(有料プランなし) | Gemini(有料プランなし) | Claude Code(当方の有料プラン) |
|---|---|---|---|
| 字幕の誤字「選びまう」(6〜9秒) | ×/○ | ○/○ | ○/○ |
| 字幕の誤字「閉じまづ」(12.3〜12.7秒・0.4秒だけ) | ○/× | ○/○ | ○/○ |
| 声は「保存します」・字幕は「削除します」(15〜18秒) | ×/× | ○/○ | ×/× |
| メールの通知(20.3〜20.8秒・0.5秒だけ) | ○/× | ○/○ | ○/○ |
| 見つけた数(4つのうち) | 2つ/1つ | 4つ/4つ | 3つ/3つ |
| 声の無い所に「声では…」と書いた | なし | 2回とも | なし |
| 答えが出るまで | 約1分〜1分半 | 約20秒 | 約8分と約4分 |
頼み方は、3つとも次の文です(Claude Codeには、頭に動画のファイル名を足しました)。
この動画(23秒・設定の画面の操作を、日本語の字幕と声で説明する見本の動画)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(通知・私物など)、見切れ、そのほか公開前に直すべき所。見つけたものを、時刻・種類(場面/声/字幕)・直すことの表にしてください。実際に見聞きしたことと、推測を分けてください。見られなかった所や聞けなかった所があれば、正直に書いてください。
ChatGPT:画面は見たが、声は2回とも聞き取れなかった
ChatGPTは、2回とも動画からコマを取り出して画面を見ました。1回目は「0.5秒間隔のフレーム確認」をしたと書き、0.4秒の誤字「閉じまづ」と0.5秒の通知を見つけました。ところが、3秒出ている「選びまう」を「選びましょう」と読み、「誤字なし」としました。2回目は「選びまう」を見つけましたが、0.4秒の誤字と0.5秒の通知は出てきませんでした。それでも「映像は23秒の全体を確認しました」と書いています。
声は、2回とも、声の入った音があることは確かめたうえで、言葉は聞き取れなかったと答えました。声と字幕の一致は「未確認」です。聞けなかったことを正直に書いたのは、校正では大事な点です。
Gemini:声まで聞けたが、声の無い所にも声を書いた
Geminiのアプリは、2回とも4つ全部を見つけ、答えは約20秒で出ました。声は「最後に保存します」、字幕は「最後に、削除します。」と、声と字幕の食い違いも指摘しました。3つのAIの中で、声の言葉に触れたのはGeminiだけです。
ただし、2回とも、声の無い所に声を書きました。この動画は8.4秒から15.0秒まで声がありません(ffmpegで無音の区間を測りました)。それなのに、1回目は12秒台について「声では『設定を閉じます。』と言っている」、2回目は「音声では『最後に保存します』と言っている」と書きました。1回目は字幕を「閉じまう」と読み違えてもいます。そして2回とも、映像も音声もすべて確認できたと答えました。
Claude Code:コマと無音の区間を測ったが、声の言葉は聞けなかった
Claude Codeは、Macのffmpegで動画から0.1〜1秒ごとにコマを取り出し、無音の区間を測りました。2回とも、0.4秒の誤字と0.5秒の通知を、1コマずつ確かめて見つけました。時刻も「12.33秒に出て12.73秒に消える」のように細かく、短く出る誤字と通知の時刻は、実際との差が0.1秒以内でした。
声の言葉は、2回とも、声を文字に起こす手段が無く、確認できなかったと答えました。そのため、声は「保存します」・字幕は「削除します」の食い違いは見つけていません。代わりに、声の無い6.7秒の途中に字幕だけが0.4秒出ることを、2回とも指摘しました。時間はかかり、1回目は約8分、2回目は約4分でした。
どれを使うか:声と字幕を比べるならGemini、短い映り込みはコマで確かめる
当方の実験から言えるのは、次のことです。
| 確かめたいこと | 当方の実験で見つけたAI | 人が確かめること |
|---|---|---|
| 声と字幕の食い違い | Geminiだけ(2回とも) | Geminiが「声では」と書いた所を、実際に聞く。無い声を書くことがある |
| 字幕の誤字 | Gemini・Claude Codeは2回とも。ChatGPTは2回で1つずつ見逃した | AIの読み違い(「閉じまう」「選びましょう」)があるので、コマで文字を見る |
| 0.5秒だけの映り込み(通知など) | Gemini・Claude Codeは2回とも。ChatGPTは1回だけ | その時刻のコマを開いて、本物の通知かを見る |
次の図は、AIの答えを受け取ってから直すまでの分け方です。
動画を入れたAI
時刻つきの直す候補を出す ChatGPTは画面だけ、Geminiは画面と声、Claude Codeはコマと無音の区間を見た
4つのうち1〜4つを見つけた
その時刻を開く
人
コマを見て、声を聞く AIが出した時刻の、字幕の文字と声を確かめる
誤った指摘と無い声に気づける
どのAIも、自分の確かめた範囲を正しく言うとは限りません。ChatGPTの2回目もGeminiも「全体を確認した」と答えましたが、見逃しや無い声がありました。AIの指摘は「直す候補」として、動画のその時刻を開いて確かめてから直します。AIが見逃した所は、AIの答えには出てこないので、時刻を開くだけでは見つかりません。見逃しを探すには、人が動画を最初から最後まで通して見ます。動画の校正の進め方は、動画の校正のやり方にまとめています。
よくある質問
ChatGPTの有料プランなら、声も聞き取れますか。
ChatGPTは、有料プランに入っていないアカウントでしか試していません。有料のプランで声を聞き取れるかは、確かめていません。
何分の動画まで入れられますか。
Geminiのアプリは、Googleのヘルプに「動画の長さは合計 5 分までです。」とあります(Google AI Pro または Google AI Ultra では合計1時間まで)。ChatGPTのヘルプには、動画の長さの上限は見当たりませんでした。当方が試したのは23秒の動画だけです。
YouTubeの動画のURLを渡しても、同じように読めますか。
当方は、手元の動画のファイルを添付する形でしか試していません。URLを渡す形は、この記事の実験に入っていません。
字幕だけを確かめたいときは。
字幕のファイル(SRT)の文字をAIに渡す方法もあります。当方が別の字幕71個で試した実験では、ClaudeもGeminiも、誤りのうち10個を4回とも見つけ、誤った指摘は0件でした。くわしく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。
もっと楽にしたい人へ:AIの指摘を動画で確かめて、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「12秒台」「20秒付近」と出した場面で動画を止めて、本当に誤りがあるかを確かめ、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13日に、MacBook Air(M4)・macOS Golden Gate 27.0.1で行いました。ChatGPTとGeminiは、Chromeで当方のアカウント(どちらも有料プランに入っていないもの)を使いました。ChatGPTはモデルを選ばず、Geminiは「Gemini 自動モード」のままです。Claude Codeは、当方の有料プランのアカウントで、コマンド(claude -p)でSonnet 5を選び、ffmpegを使えるようにして2回回しました。
- 動画は、当方で作った23秒の見本の動画(1280×720・声あり・157KB)です。声のある所は2.0〜4.4秒・6.0〜8.4秒・15.0〜16.7秒で、ほかは無音です(ffmpegで測りました)。
- OpenAI「ChatGPT 画像入力 FAQ」と「ChatGPT へのファイルと音声のアップロード」、Google「Gemini アプリでファイルをアップロードして分析する」、Anthropic「Upload files to Claude」は、2026年11月13日に読みました。
- この記事を書く前に、「chatgpt 動画 読み込み」で検索して上位に出た記事を読みました。ChatGPTとGeminiの有料のプランと、Claudeのアプリでは試していません。