ChatCut:汎用エージェントの背後にある動画実行レイヤー、会話で動画を編集する

·Toolin 編集部

PaperCut から Codex/ChatGPT プラグインへ、ChatCut は汎用エージェントの背後で信頼性が高く編集可能な動画実行レイヤーを構築し続けています。

ChatCut:汎用エージェントの背後にある動画実行レイヤー、会話で動画を編集する

ChatCut は AI 動画編集製品で、創業者の Kaiwen Li(李凯文) は元 VICE、Discovery の広告ドキュメンタリー監督で、短編映画『猎种』は金馬賞にノミネートされました。最初に解決したのは、ドキュメンタリー/リアリティショー/ポッドキャスト制作者が最も痛いと感じる一刀——インタビュー文字起こしの書き出し、名言の検索、順序の調整、ストーリーの構成という粗編集でした。1年半の進化を経て、そのポジショニングには重要な移行が起きました:「独立した編集アプリ」から「汎用エージェントの背後にある専門的な動画実行レイヤー」へ。2026年7月、ChatCut は Codex と ChatGPT プラグインをリリースしました。つまり、汎用エージェントの中で自然言語で意図を記述すれば、ChatCut がそれを検査可能で修正可能な動画プロジェクトに変換するのです。

これは何か:1年半の進化パス

ChatCut の今の価値を理解するには、どう一歩一歩ここまで来たかを見る必要があります。競争単位(ユーザーがお金を払う最小の粒度)はずっと変わり続けてきました:

時期製品フェーズ競争単位の変化
2025-02PaperCutタイムライン → 編集可能なテキスト
2025-09会話編集明示的な操作 → 自然言語コントロール
2025-11AI 生成 MG素材の再構成 → 新しいビジュアルの生成
2026-02汎用編集エージェント単一機能 → 完全な複数ステップタスク
2026-07Codex / ChatGPT プラグイン独立アプリ → 汎用エージェントの背後の専門実行レイヤー

出発点:監督が最も頭を使うインタビュー粗編集を切り取る(PaperCut)

ドキュメンタリー、リアリティショー、ポッドキャストには大量のインタビュー素材があり、監督は文字起こしを書き出し、名言を探し、順序を調え、ストーリーを組み立てます。ChatCut 1.0 のインタフェースは左に Bin Viewer、右に PaperCut: ソース原稿の中で文を選び、マークし、打ち消し、並べ替えると、動画がテキストの変化に追従し、Premiere と DaVinci Resolve の XML を書き出して専門ソフトに戻って精密に仕上げられます。切るのは一箇所だけですが、それは最も頭を使い、最も繰り返しになる一箇所です。

進化:言語がコントロールプレーンになる

2025年9月から、「テキストで動画を編集する」から「編集をチャットのようにする」へ変わりました。長尺動画を3本まとめてインポートし、ストーリー構成を直接記述すると、AI がプランを返し、クリップをタイムラインに書き込みます。チャット欄はエディタを置き換えませんでした——文字起こし、タイムライン、ドラッグ&ドロップ、字幕、オーディオ、XML はすべて残っています。会話が意図の表現を担い、エディタが状態の露出を担い、人が検証と仕上げを担います。

成熟:完全なタスクこそが単位になる(汎用編集エージェント)

2026年2月の録画では、一本の完全なチェーンをこなしています: YouTube の取得に失敗すると自動的に media downloader に切り替え、さらにフレーム抽出、逐語原稿の読み取り、Web ページの取得、スタイルの分析、絵コンテの作成、素材の生成を行い、最後にタイムラインへ書き戻します。ソフトはもうユーザーがボタンを押すのを待つだけの存在ではなく、エージェントが目標を中心にステップを分解し、ツールを選び、失敗を処理し、編集を続けられるプロジェクトを納品します。

使い方:Codex / ChatGPT で一本の動画を編集する

2026年7月に ChatCut が Codex と ChatGPT プラグインをリリースしてから、入口は外へ移りました。ユーザーはまず汎用エージェントの中で目標を入力し、Codex が内容と編集判断を提示し、ChatCut workflow を通じてカット点、MG(モーショングラフィックス)、音楽、効果音をタイムラインに書き込みます。

実測フロー

クリエイターが Codex の中で一巡実際にテストしており、大部分の作業は会話で完結しました:

  1. Codex の中で目標を入力: 欲しい動画の内容、スタイル、テンポを記述します。
  2. Codex が内容と編集判断を提示: 素材を分析し、編集プランを出します。
  3. ChatCut workflow でタイムラインに書き込み: カット点、MG、音楽、効果音が自動でタイムラインに落ちます。
  4. 専門インタフェースで精密に仕上げ: タイムライン、文字起こし、字幕はすべて残っており、人が検証して瑕疵を修正します。

実測データ

  • 効率: 以前は剪映(CapCut)の中で 40 分かかっていた編集/字幕/効果音/BGM の仕事が、Codex の中で数回の chat で完了しました。
  • コスト: 全体として無料(ChatCut 本体の生成能力は使わず、Codex + ChatCut workflow のパスを通っています)。
  • 瑕疵: 編集のブレス(間)には少し問題があります。一部の文字起こしは手動で一度確認が必要です(例えば「Agent」が「A卷」と認識された)。

💡 ヒント: ChatCut の核心的なトレードオフは「80% までやりきり、人に修正の余地を残す」ことが「90% までやるのに人に触らせない」に勝る、というものです。汎用エージェントの中で動画を生成した後は、必ずタイムラインに戻ってブレスと文字起こしを人手で一度通してください。これは現在の AI 動画編集に共通する弱点です。

なぜ入口が外へ移っても、専門能力はむしろ価値を増すのか

直感に反する判断があります。入口が汎用エージェントに分散しても、専門能力の価値が失われることにはなりません。むしろその逆です——エージェントが引き受けるタスクが複雑になるほど、その背後ほど信頼でき、透明で、編集可能で、引き継ぎ可能な実行レイヤーが必要になります。

Kaiwen Li は専門ソフトに新しい堀の基準を一本引きました:

  • 呼び出せる: 汎用エージェントがプラグイン/workflow 経由でそれを呼び出せる。
  • 観察できる: 各ステップの操作がユーザーに見え、ブラックボックスではない。
  • 編集できる: 産出されるのはプロジェクトファイル(XML、タイムライン)で、死んだ動画ではない。
  • 引き継げる: 人はいつでも引き取って修正でき、AI にロックされない。

代償はもちろん存在します。ユーザーが「ChatGPT の中で動画を編集した」としか覚えていなければ、ユーザー関係、ブランドのマインドシェア、価格決定権は汎用エージェントに持っていかれかねません。ChatCut が次に証明すべきは——他の実行レイヤーより信頼でき、より制御しやすく、よりエンジニアリングを理解できるかです。

活用シーン

  • ドキュメンタリー/リアリティショー/ポッドキャストの粗編集: ChatCut 1.0 の起家のシーン。原稿を書き出し名言を探して順序を調え、XML を書き出して Premiere/DaVinci に戻って仕上げます。
  • YouTube 長尺動画のリ編集: 長尺動画を取得した後、自動でフレーム抽出、逐語原稿の読み取り、絵コンテ作成、ショート動画素材の生成。
  • コンテンツチームの量産: Codex/ChatGPT の中で意図を記述し、ChatCut workflow がタイムラインに落とし、人間は最後の仕上げだけ行います。
  • CM/MG アニメーション: 2025年11月から対応した AI 生成 MG 能力で、素材を再構成して新しいビジュアルを生成できます。

よくある質問

  • ChatCut をインストールしないと使えない?: Codex/ChatGPT プラグイン経由なら ChatCut アプリを独立して開く必要はありませんが、仕上げにはその専門インタフェースを使うか、XML を Premiere/DaVinci に書き出すのがおすすめです。
  • 剪映/Premiere を完全に置き換えられる?: できません。現在の AI は 80% の粗い仕事を終わらせる担当で、ブレス、文字起こし、仕上げは依然人手が必要です。そのポジションは実行レイヤーであって、専門 NLE(ノンリニアエディタ)の置き換えではありません。
  • 対応する書き出し形式は?: Premiere と DaVinci Resolve の XML プロジェクトファイルに対応し、専門ソフトに戻って仕上げやすくしています。
  • 文字起こしの誤認識率は高い?: 固有名詞(Agent、ブランド名など)には時折誤認識があります。出力前に字幕を人手で一度通すことをおすすめします。