AIで作る業務動画 Day 23|マニュアル動画で操作手順をステップバイステップで伝える
今日のゴール
経費精算システムをテーマにしたマニュアル動画を設計し、パイプラインで生成する。
前提条件
- Day 21-22の成果物(MultiSceneVideo.tsx、パイプライン一式)
- パイプラインが動作している(音声生成、リップシンク、Remotion)
マニュアル動画を作る理由
操作手順を動画にする意味はあるのか。
実際に作ってみると、テキストマニュアルにはないメリットがあった。
- 動きが見える: 「クリック」と書かれてもどこをクリックするかわからない。動画なら一目瞭然
- 都度参照できる: 操作しながら一時停止して確認できる
- 問い合わせ削減: 「使い方がわからない」という質問が減る
今回は「経費精算システム 申請の操作手順」をテーマに、約3分の動画を作った。
3種類の動画の比較
Day 21の引継ぎ動画、Day 22の報告動画、そして今回のマニュアル動画。それぞれ構成が異なる。
| 観点 | 引継ぎ動画 | 報告動画 | マニュアル動画 |
|---|---|---|---|
| 構成パターン | 背景 → 内容 → 注意 → 連絡先 | PREP法(結論ファースト) | WHAT-HOW-FAQ |
| 冒頭 | 自己紹介、目的説明 | 結論を最初に | この動画で学べること |
| メイン | 業務内容説明 | 実績 + 要因分析 | ステップバイステップ |
| 終盤 | 注意点、連絡先 | アクションプラン | FAQ(よくある質問) |
| 背景画像 | フロー図、チェックリスト | グラフ、表 | 画面キャプチャ |
| 視聴者 | 後任担当者(1人) | 上司・関係者 | 不特定多数の利用者 |
マニュアル動画の基本原則は「WHAT-HOW-FAQ」。何をするのか、どうやるのか、困ったときはどうするか。この3つで構成する。
手順
Step 1: シナリオ設計(WHAT-HOW-FAQ)
マニュアル動画は「WHAT-HOW-FAQ」の3部構成で設計した。
WHAT - 何をするのか(操作の目的・概要)
HOW - どうやるのか(具体的な手順)
FAQ - よくある質問(トラブル対応)
これを13シーンに分解した。
| # | シーン | 内容 |
|---|---|---|
| 1 | タイトル | 動画の概要 |
| 2 | 全体の流れ | 3ステップ(申請→承認→経理確認) |
| 3 | STEP 1表紙 | 「申請内容を入力する」 |
| 4-5 | 入力手順 | 新規申請、詳細入力 |
| 6 | STEP 2表紙 | 「領収書を添付して申請を完了」 |
| 7-9 | 添付・申請 | ファイル添付、確認、完了 |
| 10 | FAQ表紙 | 「困ったときには」 |
| 11-12 | FAQ | よくある質問と回答 |
| 13 | エンディング | 締めの挨拶 |
合計で約3分5秒。
Step 2: 台本作成
各シーンのナレーションを書いた。
シーン1(タイトル)
新しい経費精算システムの操作ガイドをご紹介します。
対象は全社員です。
シーン2(全体の流れ)
経費精算は、3つのステップで完了します。
ステップ1はあなたの役割、申請です。
領収書の詳細を入力し、システムにアップロードして提出します。
ステップ2は上長の役割、承認です。
ステップ3は経理の役割、確認と処理です。
このガイドでは、最初のステップである申請の方法を説明します。
台本で意識したこと:
- 全体像を最初に示す: 3ステップの流れを俯瞰
- 視聴者の役割を明確に: 「あなたの役割は申請」
- 1操作に絞る: 今回は「申請」のみ
Step 3: Google Slideでスライド作成
台本に合わせて、13枚のスライドを作成した。
引継ぎ・報告動画との大きな違いは、画面キャプチャが中心になること。経費精算システムのダミー画面を作成し、操作の流れがわかるようにした。
スライドは1920×1080でPNGエクスポート。Day 20で確立した手順どおり。
Step 4: 音声生成(Gemini TTS)
今回は gemini-2.5-flash-preview-tts を使用した。
response = client.models.generate_content(
model="gemini-2.5-flash-preview-tts",
contents=f"Read aloud the following text in Japanese: {text}",
config=types.GenerateContentConfig(
response_modalities=["AUDIO"],
speech_config=types.SpeechConfig(
voice_config=types.VoiceConfig(
prebuilt_voice_config=types.PrebuiltVoiceConfig(
voice_name="Kore"
)
)
)
)
)
13シーン分の音声を生成した。合計184.8秒(約3分5秒)。
Day 22で使った gemini-2.5-pro-preview-tts と比べると、flash 版は処理が速い。音質に大きな差は感じなかった。
Step 5: リップシンク生成(Rhubarb)
生成した音声ファイルからリップシンクJSONを生成した。
rhubarb --recognizer phonetic -f json -o scene_001.json scene_001.wav
13ファイルで合計1,081キュー。Day 22(716キュー)より多いのは、シーン数が増えたため。
Step 6: 今回追加した機能
ここでDay 21/22とは異なる工夫を入れた。
背景画像のサイズ調整
マニュアル動画では、操作説明の補足としてアバター(キャラクター)を表示したい。しかし、背景画像(スライド)を画面いっぱいに表示すると、アバターと重なってしまう。
そこで、コンテンツページ(操作説明のあるシーン)では、背景画像を80%に縮小して左上に配置することにした。
"background": {
"type": "image",
"image": {
"src": "day23-slides/page_002.png",
"fit": "none",
"transform": {
"size": {
"width": "80%",
"maintainAspectRatio": true
},
"position": {
"x": 0,
"y": 0,
"anchor": "top-left"
}
}
}
}
80%という数値は、アバターの表示位置から逆算した。アバターは画面右下に配置されており、横幅341px × スケール0.8 = 約273px。右マージン40pxを考慮すると、アバターの左端は1,607px付近。背景画像を80%(1,536px)にすれば、約71pxの余白が確保できる。
キャラクター表示/非表示制御
すべてのシーンでアバターを表示すると、タイトルやSTEP表紙で邪魔になる。そこで、シーンごとにアバターの表示/非表示を制御できるようにした。
"character": {
"visible": false // タイトル、表紙では非表示
}
| シーン | アバター表示 |
|---|---|
| タイトル(1) | 非表示 |
| 全体の流れ(2) | 表示 |
| STEP表紙(3, 6, 10) | 非表示 |
| 操作説明(4, 5, 7, 8, 9, 11, 12) | 表示 |
| エンディング(13) | 非表示 |
ページ切り替えアニメーション
シーン切り替え時にフェードアニメーションを追加した。
"transition": {
"enter": {
"type": "fade",
"durationFrames": 15,
"easing": "ease-out"
}
}
15フレーム(0.5秒)でフェードイン。パッと切り替わるより、自然な印象になった。
Step 7: Remotionでレンダリング
Remotion Studioで確認後、レンダリングを実行した。
npx remotion render MultiSceneVideo \
--props='{"pipelineDataFile":"day23-pipeline-data.json"}' \
day23-expense-manual.mp4
動作確認
Remotion Studioで確認したポイント:
- タイトルとSTEP表紙ではアバターが非表示になる
- コンテンツページでは背景画像が縮小され、アバターとの重なりがない
- シーン切り替え時にフェードアニメーションが入る
- 約3分5秒で完結する
問題なく動作した。
今日の成果物
| 項目 | 値 |
|---|---|
| 動画ファイル | day23-expense-manual.mp4 |
| ファイルサイズ | 18.3 MB |
| 動画時間 | 約3分5秒 |
| シーン数 | 13 |
パイプライン実行結果:
| 工程 | 結果 |
|---|---|
| 音声生成 | 13ファイル、合計184.8秒 |
| リップシンク | 1,081キュー |
| 動画レンダリング | 5,543フレーム(30fps) |
検証環境
| 項目 | 値 |
|---|---|
| OS | Windows 11 Pro |
| Node.js | 18.x |
| Remotion | 4.x |
| TTS API | gemini-2.5-flash-preview-tts |
| 検証日 | 2026-01-23 |
マニュアル動画のベストプラクティス
今回の制作で得た教訓をまとめる。
やるべきこと
| 項目 | 理由 |
|---|---|
| 1操作1動画に絞る | 長すぎると視聴者が離脱する |
| 画面キャプチャを多用 | 実際の画面を見せることで再現性が上がる |
| ステップ番号を明示 | 「STEP 1」「STEP 2」で進捗がわかる |
| FAQを入れる | 視聴者の疑問を先回りして解消 |
避けるべきこと
| 項目 | 理由 |
|---|---|
| 複数操作を詰め込む | 1動画は1操作に限定 |
| 早口で説明する | 操作しながら見る人がついていけない |
| 例外ケースを網羅する | 主要なケースのみ、例外は別動画で |
3種類の動画を作って気づいたこと
Day 21(引継ぎ)、Day 22(報告)、Day 23(マニュアル)と、3種類の業務動画を作った。
共通して重要だったのは「構成パターン」。何も考えずに作ると冗長になる。型を決めてから作ると、短時間で要点が伝わる動画になった。
| 動画種類 | 構成パターン |
|---|---|
| 引継ぎ | 背景 → 内容 → 注意 → 連絡先 |
| 報告 | 結論 → 実績 → 要因 → アクション |
| マニュアル | WHAT → HOW → FAQ |
また、今回追加した背景画像のサイズ調整やキャラクター表示制御は、他の動画にも応用できる。スライドの内容に応じて、アバターの存在感を調整できるのは便利だ。
明日のテーマ: Day 24では、3種類の動画の制作時間を計測し、効率化のポイントを洗い出します。
シリーズを追いかける
-> 著者ページ(Zenn)
Discussion