「AI 雑学動画 作り方」と検索する人が本当に知りたいのは、どの編集ソフトを開くかではない。AIに雑学を考えさせ、AIに読ませ、AIに絵を描かせたとき、出来上がった1本が「嘘を含んでいないか」「すでにどこかで見た動画になっていないか」をどう担保するか、である。ツールの操作手順は調べればいくらでも出てくるが、この2点に正面から答えている記事は驚くほど少ない。
結論から書く。AIで雑学動画を作る作業は6工程に分解でき、そのうちAIに任せてよいのは4工程、人間が必ず手を入れなければならないのは「ネタの事実確認」と「読み上げ用日本語の最終調整」の2工程だけだ。逆にいえば、この2つさえ人が握れば、残りは遠慮なく自動化してよい。逆に、この2つを自動化した瞬間に、雑学チャンネルは「誤情報を量産する装置」に変わる。
①雑学ネタの事実確認だけは、AIに丸投げしてはいけない。 これが本記事の中心にある主張であり、雑学というジャンルが他の顔出しなしジャンル（睡眠、朗読、ランキング）と決定的に違う理由でもある。雑学は「実は◯◯だった」という断定文そのものが商品であり、断定が商品である以上、断定が間違っていたときの毀損も最大になる。
本記事の射程は、雑学というジャンル固有の難所に限定する。すなわち、ネタの選び方、ハルシネーション（AIがもっともらしい嘘を作る現象）への対処、出典の取り方、既出ネタとの差別化、そして「AIが苦手な工程」の見極めだ。台本AI・音声合成・編集ツールの横並び比較と自動化パイプラインの組み方は雑学 ショート 自動生成 やり方に、雑学ジャンルの収益単価がなぜ低いのかとその打ち手は雑学ジャンル RPM 低い 対策に、それぞれ譲る。ここでは「作り方」の中身だけを深く掘る。
AI雑学動画で本当に難しいのは編集ではなく「ネタの真偽」
雑学ショートの構造は極端に単純だ。冒頭2〜3秒のフック、10〜40秒の解説、最後の一言。この型はSERP上位の解説記事でもほぼ共通して紹介されており、実際これ以上に効率のよい型はない。問題は、型が単純だからこそ、中身の1文が持つ比重が異常に大きいことにある。
30秒のショートに含まれる情報は、日本語ナレーションの標準速度（1秒あたり5〜6文字）で計算すると150〜180字程度にすぎない。この150字のうち、価値を生んでいるのは「事実の主張」に当たる30〜50字だ。ここが誤っていれば、残り100字がどれだけ流暢でも動画は無価値どころかマイナスになる。
そして厄介なことに、大規模言語モデルがもっとも嘘を吐きやすい出力形式が、まさにこの「短い断定的な豆知識」なのだ。理由は3つある。第一に、数値・年号・固有名詞・比率といった検証コストの高い要素が凝縮されている。第二に、「意外性のある事実」を求めるプロンプト自体が、モデルに対して「平凡ではない答え」を要求するため、確度の低い記憶を引っ張り出す圧力になる。第三に、出力が短いため、モデルが自信のなさを示す余地（留保表現）が構造的に削ぎ落とされる。
運営している雑学チャンネル（登録者1,120人／総再生281万回／投稿60本）でも、初期にこの罠を踏んだ。生成された台本に含まれていた「ある動物の睡眠時間」に関する数値が、実際には特定の飼育環境下の観察値であり、一般化できない数字だった。動画自体は伸びていたが、コメント欄で出典を求められ、確認したら根拠が辿れなかった。伸びている動画ほど、間違っていたときの露出も大きい。
AIが生む雑学の誤りは、経験上、次の3類型に分かれる。この分類を持っておくと、検証の当て方が変わる。
| 誤りの型 | 具体例のイメージ | 発生しやすい場面 | 見つけ方 |
|---|---|---|---|
| ①完全な捏造 | 存在しない研究・存在しない法律・実在しない語源 | 「意外な事実を10個」など数を要求したとき | 固有名詞をそのまま検索して0件なら黒 |
| ②古い情報の据え置き | 統計値・世界一・法制度が過去の版のまま | 数値や順位を含むネタ全般 | 一次情報の最新版に当たり直す |
| ③解釈のねじれ | 論文の限定条件を外して一般化、俗説を通説として断定 | 「実は◯◯は間違い」系の逆張りネタ | 原典の条件・サンプル・年代を確認 |
厄介度でいえば③が突出している。①は検索すれば一発で崩れるし、②も一次情報に当たれば済む。だが③は「元ネタは実在する」ため、生半可な検索ではむしろ裏が取れたように見えてしまう。雑学ジャンルで最も事故が起きるのはここだ。
AI雑学動画の作り方：6工程と、AIに任せてよい工程・だめな工程
全体像を先に置く。AI前提の雑学ショート制作は、次の6工程に分解できる。
| 工程 | やること | AIに任せてよいか | 人が入るべき理由 |
|---|---|---|---|
| 1. ネタ発掘 | 一次情報から題材候補を拾う | 部分的に可 | 「AIの記憶から出させる」と既出ネタしか出ない |
| 2. 事実確認 | 主張・数値・出典を検証する | 不可 | 生成元と検証者が同一だと誤りが再生産される |
| 3. 台本執筆 | フック・本文・締めを構成する | ほぼ可 | 尺と読みやすさの最終調整のみ人 |
| 4. 音声生成 | ナレーションを合成する | ほぼ可 | 読み間違い（漢字・数字・単位）の修正は人 |
| 5. 映像生成 | 画像・動画素材を用意する | ほぼ可 | 「証拠性」が要る場面では実素材に差し替え |
| 6. 編集・投稿設定 | 字幕・BGM・タイトル・説明欄 | 部分的に可 | 字幕の誤変換と出典表記は人が最終確認 |
つまり、人間の関与が必須なのは工程2と、工程3〜6に薄く走る「最終確認」だけである。ここを誤解して、工程3〜6の自動化に時間を溶かしながら工程2を素通りしている運用は非常に多い。順序が逆だ。
1本あたりの現実的な時間配分は、慣れた状態で以下のようになる。
- ネタ発掘（一次情報の読み込みと候補抽出）：10〜15分／5本分
- 事実確認（候補の裏取りと足切り）：3〜5分／1本
- 台本生成とリライト：3分／1本
- 音声生成と読み修正：3分／1本
- 映像素材の生成・選定：5分／1本
- 編集・書き出し・投稿設定：8分／1本
合計するとおよそ22〜27分／本。この配分で目を引くのは、事実確認が全体の15〜20%を占める点だ。一般的な「AIで動画を量産する」系の解説記事は、この工程をほぼゼロ分として計算している。そこが最大の乖離であり、同時に差別化の余地でもある。
なお、工程3〜6の自動化パイプラインをどう組むか（どのツールをどう繋ぐか、バッチ化するか）は本記事の担当外なので、雑学 ショート 自動生成 やり方を参照してほしい。
工程1：雑学ネタの選び方と、既出ネタとの差別化
多くの人がやってしまう最初の一手が「対話型AIに『面白い雑学を50個出して』と頼む」である。これは、雑学チャンネルにおいてほぼ最悪手に近い。
理由は単純で、モデルが学習データから引き出す「面白い雑学」は、定義上、ネット上に大量に存在する雑学だからだ。頻出であるほど出力されやすい。つまり生成された50個は、既に何百本ものショートになっている題材の集合になる。バナナは実はベリー、蜂蜜は腐らない、金魚の記憶は3秒（これ自体が俗説とされる）——この手のネタは、視聴者側も飽和を感じている。
②AI雑学動画で差がつくのは「ネタの新しさ」ではなく「一次情報までの距離」である。 誰も知らない題材を探すのではなく、誰でもアクセスできるが誰も動画にしていない一次情報を、先に読む。これが実運用でいちばん効いた考え方だった。
具体的なネタ源は次の通り。いずれも公開情報であり、AIの記憶ではなく「今そこにある文書」から拾える点が重要だ。
- 官公庁の統計・白書・報告書（総務省統計局、気象庁、農林水産省、国土地理院など）
- 学術機関・大学のプレスリリース（研究成果を平易に書いてくれているため題材化しやすい）
- 企業の技術ブログ・IR資料・製品の取扱説明書（規格や仕様の裏話が眠っている）
- 博物館・図書館・公文書館のデジタルアーカイブ
- 辞書・語源辞典・各種の規格文書
AIの正しい使い方は「ネタを思い出させる」ことではなく、「拾ってきた一次情報を読ませて、一般人が知らなそうな事実を抽出させる」ことだ。入力を人が用意し、要約と切り出しをAIにやらせる。この向きにするだけで、①の完全な捏造はほぼ消える。参照元が手元にあるからだ。
ネタの型は、実運用の感触では次の5つに整理できる。それぞれ伸びやすさと検証コストが異なる。
| ネタの型 | 例 | 伸びやすさ | 事実確認の難易度 | 既出リスク |
|---|---|---|---|---|
| 逆張り（実は間違い） | 「◯◯は迷信だった」 | 高い | 高い（③の事故が起きやすい） | 高い |
| 起源・語源 | 言葉や慣習の由来 | 中 | 中（諸説あり問題） | 中 |
| 数値の意外性 | 規模・速度・比率の比較 | 高い | 低〜中（出典が明確） | 低い |
| 仕組み・裏側 | 製品や制度がそうなっている理由 | 中 | 低い（公式文書がある） | 低い |
| 身体・生活の実用 | 明日から使える小ネタ | 高い | 高い（健康系は特に注意） | 高い |
運営している雑学チャンネルの60本を振り返ると、再生数の上位に来たのは「数値の意外性」と「仕組み・裏側」だった。この2つは出典が明確で検証が速く、しかも既出リスクが低い。逆に「逆張り」は瞬間的な数字は出るが、コメント欄が荒れやすく、検証に時間がかかる割に合わない場面が多かった。健康・医療に触れる「身体・生活の実用」は、断定した瞬間にリスクが跳ね上がるため、扱うなら出典と限定条件を必ず添える前提で組む必要がある。
既出チェックは、台本を書く前に3分でやる。手順は次の通り。
- YouTubeの検索窓に題材のキーワードを入れ、「ショート」タブで上位を確認する
- 同じキーワードで並び替えを「アップロード日」にし、直近1か月に類似動画が固まっていないか見る
- TikTok・Instagramでも同キーワードを検索し、他プラットフォームでの飽和度を見る
- 「（題材） 嘘」「（題材） デマ」「（題材） 俗説」で検索し、そのネタ自体が否定されていないか確認する
- 既出だった場合、角度（対象年齢・比較対象・切り口）を変えられるかを判断し、変えられなければ捨てる
4番目のステップを飛ばすと、③の解釈のねじれをそのまま拡散する事故が起きる。ここは必ず入れる。既出と分かった題材をどう作り直すかについては、AI動画 独自性 出し方で扱っている考え方が流用できる。
工程2：AIが吐いた雑学を潰す — 3分ファクトチェックの手順
事実確認は「時間をかければ精度が上がる」作業だが、量産と両立させるには上限を切る必要がある。実運用では1ネタ3分を上限とし、3分で裏が取れなければ捨てる、というルールで回している。捨てる判断を速くすることが、結果的にチャンネル全体の精度を上げる。
手順は次の5ステップだ。
- 主張を分解する：台本から検証すべき命題を抜き出す。「Aは1970年からBだった」なら、「A=Bである」と「開始が1970年である」の2命題に割る。曖昧な主張は分解の時点で崩れる。
- 固有名詞をそのまま検索する：研究名・機関名・法令名・製品名を引用符付きで検索する。ヒットが実質0件なら捏造を疑い、即座に捨てる。
- 一次情報に当たる：まとめサイト・個人ブログ・他のショート動画は根拠にしない。官公庁・学会・企業公式・原著論文まで遡る。到達できなければ「確度不明」に落とす。
- 限定条件を読む：数値には必ず対象・期間・地域・サンプルが付いている。動画で言い切る文が、その限定条件を踏み外していないか確認する。ここが③の唯一の防波堤になる。
- 出典URLを台本と同じ場所に記録する：後から説明欄に貼るため、そして訂正が必要になったときに追跡するため。この記録がない運用は、半年後に自分の動画を検証できなくなる。
出典の信頼度は、次のランクで機械的に扱うと迷いが減る。
| ランク | 情報源 | 動画での扱い |
|---|---|---|
| S | 官公庁・国際機関の公式統計、原著論文 | 断定してよい。数値をそのまま使える |
| A | 学会・大学の公式発表、企業の公式技術文書 | 断定してよい。出典名を画面に出すと強い |
| B | 大手報道機関の署名記事、専門書 | 「〜と報じられている」の形で使う |
| C | 専門メディア・業界誌のウェブ記事 | 単独では使わない。S〜Aの裏取りが要る |
| D | まとめサイト、個人ブログ、他の動画、AIの生出力 | 根拠として使わない。ネタの入口までは可 |
重要なのは、AIの生出力がDに位置することだ。生成された台本は「仮説」であって「情報」ではない。ここを混同すると、検証したつもりで何も検証していない状態になる。
「AIにファクトチェックさせればいいのでは」という発想は半分だけ正しい。同一のモデルに「これは事実か」と聞き返すと、同じ学習分布から同じ誤りを再生産する確率が高い。有効なのは、①検索機能を持つ別系統のモデルに検証させる、②検証時は「肯定する根拠」ではなく「否定する根拠を探せ」と指示する、という2点だ。後者は特に効く。人間の確証バイアスと同じで、モデルも「正しいか」と聞かれると正しい方向の材料を集めてくる傾向がある。
歩留まりの目安としては、一次情報から10ネタ抽出して、この5ステップを通過するのは3〜4ネタ程度だった。半分以上落ちる。これを「非効率」と感じるなら、そもそも雑学ジャンルはAI量産と相性が悪いジャンルだと認識したほうがいい。落ちる分を織り込んで、抽出数を最初から多めに取るのが正解だ。
工程3：出典を吐かせる台本プロンプトの設計
事実確認を通ったネタだけを台本化する。ここでのプロンプト設計は、通常の「バズる台本を書いて」とはまったく別物になる。目的が「面白さ」ではなく「検証可能性を保ったまま面白くする」ことだからだ。
悪いプロンプトの典型は次のようなものだ。
「面白い雑学のショート動画台本を作って。30秒で、最初にフックを入れて」
これは、モデルに事実の生成と演出の生成を同時に任せている。結果として、演出の都合で事実が歪む。「もっと意外に」と指示するほど、確度の低い記憶が混入する。
良いプロンプトは、事実を人が与え、AIには演出だけをさせる構造を取る。最低限、次の6要素を明示する。
- 役割：ショート動画の構成作家であること
- 入力：検証済みの事実と出典を、こちらから貼り付ける
- 禁止事項：入力にない事実を補完しないこと。数値を丸めないこと
- 出力形式：主張／根拠／出典／補完箇所を分けて出させる
- 尺の制約：秒数ではなく文字数で指定する（日本語ナレーションは1秒あたり5〜6文字なので、30秒なら150〜180字）
- フックの型：冒頭2秒で提示する疑問文や数値を明示的に指定する
実際に使っている骨格は以下のようなものだ。
あなたはYouTubeショート専門の構成作家である。
# 入力（検証済みの事実。ここに書かれていない事実は絶対に使わないこと）
- 事実: {検証済みの主張}
- 数値: {正確な数値と単位}
- 限定条件: {対象・期間・地域・サンプル}
- 出典: {URLと発行元}
# 制約
- 本文は日本語で150〜180字。読み上げ速度は1秒あたり5.5字を前提とする。
- 入力にない事実、数値、固有名詞を追加してはならない。推測で補完しない。
- 限定条件を落とした一般化をしてはならない。
- 断定できない部分は、ぼかして書くのではなく、そもそも書かない。
# 出力形式
1) フック（20字以内・疑問文または数値の提示）
2) 本文（120〜140字）
3) 締め（20字以内）
4) 使用した事実と、それに対応する出典の対応表
5) 入力から補完せざるを得なかった箇所の一覧（なければ「なし」）
このプロンプトの肝は5番目の出力だ。「補完した箇所を自己申告させる」ことで、モデルが入力の範囲を超えた瞬間が可視化される。完全ではない（自己申告なので漏れる）が、目視チェックの当てどころが分かるだけでも工数が大きく変わる。
確信度を数値で自己申告させる手法もよく紹介されるが、これは単独では信用できない。モデルの自己申告する確信度は、実際の正答率としばしば乖離する。使うなら「低いと申告されたものを優先的に人が見る」というトリアージ用途に限定すべきで、「高いから正しい」とは絶対に読まないことだ。
なお、フックや構成そのものを磨くプロンプトのバリエーションはAI 台本 プロンプト 例 ショートに整理してあるので、演出面を強化したい場合はそちらを併用するとよい。
工程4〜6：音声・映像・編集でAIが苦手な部分を人が埋める
台本が固まれば、残りは比較的機械的だ。ただし雑学ジャンル特有の落とし穴が各工程に1つずつある。
③AIが本当に苦手なのは映像生成ではなく、「読み上げても意味が壊れない日本語」を書くことである。 合成音声は、漢字の読み分け、数字の単位、固有名詞、年号でしばしば誤読する。雑学は数値が主役になることが多いため、ここでの誤読は事実の誤りと同じ効果を持つ。対策は単純で、台本側を書き換える。読み辞書を持てるエンジンなら登録し、持てないならカタカナ表記や分かち書きで流し込む。「1,024倍」を「せんにじゅうよんばい」と書き換えるだけで事故は消える。生成後に必ず一度は自分の耳で通し聞きすること。これは省略できない工程だ。
映像生成の落とし穴は「AI画像は証拠にならない」ことである。雑学は主張を提示するジャンルなので、視聴者は無意識に画面から裏付けを探す。ここでAIが描いた曖昧な図解を出すと、内容が正しくても信頼感が落ちる。特に、統計・比較・構造の説明では、AI画像よりも素朴な図表やグラフのほうが圧倒的に伝わる。実在の人物・実際の出来事を写実的に再現する画像は、内容の正確さ以前にポリシー上の開示対象になり得るため避けるのが無難だ。
編集の落とし穴は「字幕の誤変換がそのまま誤情報になる」ことである。自動字幕や自動文字起こしを使う場合、固有名詞と数値の変換ミスが起きる。音声が正しくても字幕が誤っていれば、視聴者にとっては動画が誤っている。書き出し前に、数値と固有名詞だけを目で追う確認を入れる。
各工程で使うツールの選択肢は、大まかに次のように整理できる。詳細な料金比較は本記事の担当外だが、選択の軸だけ置いておく。
| 工程 | 主な選択肢の系統 | 向いている場面 | 注意点 |
|---|---|---|---|
| 台本 | 汎用の対話型AI（ChatGPT、Gemini、Claude など） | 検証済み事実を渡して構成させる | 事実生成そのものには使わない |
| 音声 | ローカル型（VOICEVOX 等）／各社のクラウドTTS／ElevenLabs 系 | ローカル型は無料で使えるものがあり量産向き | 商用利用の可否と条件は必ず自分で規約を確認する |
| 映像素材 | 画像生成AI／フリー素材／自作の図表 | 数値・比較の説明は自作図表が強い | 写実的な人物・事件の再現は避ける |
| 一括生成 | 動画自動生成サービス各種、当サイトが開発・運営しているShorty など | 型が決まった短尺を素早く試作したいとき | Shortyの無料プランは1本30秒まで・30日で5本まで・生成した動画の保存は7日間・ショート形式のみという制約がある |
一括生成型のサービスは、企画の当たり外れを早く確かめたいときに向いている。一方で、テンプレートに寄る分だけ後述の「量産型コンテンツ」判定のリスク側に近づく面もあるため、出力をそのまま投稿し続ける運用は勧めない。どの系統を選ぶにせよ、雑学ジャンルでは工程2に人が入っているかどうかが結果を分ける。
inauthentic content 判定を避ける運用（2025年7月YPP改定を踏まえて）
2025年7月15日、YouTubeはパートナープログラムの収益化ポリシーを更新し、それまで「繰り返しの多いコンテンツ」と呼ばれていた項目を「量産型コンテンツ（inauthentic content）」へと改称・明確化した。この改定について、Google日本法人は「生成AIコンテンツを対象としたものではない」「従来から求めてきたオリジナル性・本物性の基準を明確化したもの」という趣旨の説明をしている（2025年7月10日、ITmedia報道）。
つまり、AIを使うこと自体は禁止されていない。問題視されるのは、次のような特徴の組み合わせだ。
- 最小限の人的関与で一括生成された動画
- 合成音声による自動的な読み上げのみで、独自の語りやコメンタリーが欠如している
- 同一のテンプレート・フォーマット・構成の反復
- 既存コンテンツに価値を追加していない再編集・寄せ集め
雑学ジャンルは、この条件に構造的に近い。フック→事実→締めという型が最適解として確立しているため、放っておくと全動画が同じ骨格・同じBGM・同じ声・同じ背景になる。テンプレート性の高さがジャンルの武器であり、同時に最大のリスクでもあるという二面性を持つ。
なお、具体的にどの指標がどの閾値を超えると判定されるのかは公開されていない。「AI音声の割合が何パーセント以上でアウト」といった数値基準は、公開データでは確認できない。この点を断定的に説明している情報は疑ってかかったほうがいい。
実務上のチェックリストとして、次を投稿前に通している。
| 確認項目 | 具体的な基準 | 満たせない場合の対処 |
|---|---|---|
| 独自の視点があるか | 事実の紹介に加え、自分の解釈・比較・感想が1文以上入っているか | 締めの20字を、事実の反復ではなく解釈に置き換える |
| 出典を示しているか | 説明欄に一次情報のURLがあるか、画面に発行元が出ているか | 説明欄テンプレートに出典欄を固定で設ける |
| 型が固定化していないか | 直近10本でフックの形式・構成・背景が全て同一になっていないか | フックの型を3〜5パターン用意し循環させる |
| 素材が使い回しでないか | 同じ画像・同じBGM・同じ声を無編集で反復していないか | 素材セットを複数用意し、題材群ごとに切り替える |
| 価値を追加しているか | 元の一次情報を見た人にとっても、新しい整理や比較があるか | 比較対象を足す、身近な単位に換算する |
このうち最も効果が大きいのは「独自の視点を1文入れる」ことだ。事実の羅列だけの動画と、事実に対して作り手が何かを言っている動画とでは、視聴維持率も伸び方も違ってくる。ポリシー対策としてだけでなく、単純にコンテンツとして強くなる。
AI生成コンテンツの開示ラベルについても整理しておく。YouTubeは、写実的（リアル）な形でAIによって改変または生成されたコンテンツについて、アップロード時の開示を求めている。2026年5月には、このラベルの表示位置がより目立つ形に変更され、長尺ではプレーヤー直下、ショートでは動画上のオーバーレイに表示される仕様になった。イラスト調・アニメーション調のAI画像は、写実的とはみなされにくいため必ずしも開示対象にはならないが、実在の人物や実際の出来事を写実的に再現した映像は明確に対象となる。雑学ジャンルで歴史上の出来事や実在人物を扱う場合は、この線引きを意識する必要がある。
ポリシー全体の読み方と、判定を受けた場合に実際に何が起きるのかはinauthentic content とは youtubeで詳しく扱っている。
運営している雑学チャンネルの実データと、失敗の記録
数字を出しておく。運営している雑学ショートチャンネルは、投稿60本の時点で登録者1,120人／総再生281万回。単純平均すれば1本あたり約4.7万回だが、この平均はほぼ意味がない。実態は、上位数本が総再生の大半を占め、下位の多くは数千回で止まる、という極端な分布になる。雑学ショートは「打率」ではなく「試行回数と当たりの大きさ」で成立するジャンルだ。
比較対象として、同じく運営している睡眠系チャンネルは、投稿110本で登録者121人／総再生12.5万回。本数は倍近いのに、再生・登録ともに桁が違う。ジャンル選択が結果に与える影響がいかに大きいかが分かる数字であり、同時に「雑学は伸びやすいが単価が低い」というトレードオフの裏返しでもある。この単価の問題は雑学ジャンル RPM 低い 対策で扱っているので、収益面の設計はそちらを見てほしい。60本時点での推移の詳細は雑学チャンネル 60本投稿した結果にまとめてある。
60本を通して見えた、伸びたネタと滑ったネタの傾向は次の通り。
- 伸びた：身近なものの数値を意外な単位に換算したもの（規模・速度・比率の可視化）
- 伸びた：日常的に使っている製品や制度が「なぜそうなっているか」の理由を明かすもの
- 伸びた：フックが疑問文ではなく、いきなり数値から始まるもの
- 滑った：一般に知られすぎている定番ネタ（既出リスクの高い型）
- 滑った：前提知識を必要とする専門的な題材（30秒で説明が完結しない）
- 滑った：「実は間違い」系の逆張りで、否定の根拠が弱いもの
失敗の記録も残しておく。AIが生成した台本に含まれていた数値を、限定条件を確認しないまま使ったケースが複数あった。前述の③解釈のねじれである。発覚したときの対処は、状況によって3通りに分けている。
- 誤りが主張の核心にある場合：動画を非公開にし、訂正版を作り直す。核が誤っている動画は残す価値がない
- 誤りが補足部分にある場合：説明欄の冒頭に訂正文を追記し、訂正コメントを固定表示にする
- 表現が誤解を招くだけで事実自体は正しい場合：説明欄に限定条件を追記する
いずれの場合も、出典URLを台本と一緒に保存していたおかげで追跡できた。工程2のステップ5を省略していたら、どの動画のどの数値が危ういのかを後から特定できず、対処自体が不可能だった。事実確認の記録は、精度のためというより「後から直せる状態」を作るための投資である。
よくある質問
AIで作った雑学動画は収益化できるのか？
できる。2025年7月のYPPポリシー更新はAI利用そのものを禁じるものではなく、Google側も生成AIコンテンツを対象とした変更ではないと説明している。問題になるのは「人的関与の薄さ」と「反復性」である。
ポイントは、AIを使ったかどうかではなく、その動画に作り手の視点・編集判断・付加価値があるかどうかだ。同じテンプレートに事実だけ差し替えた動画を並べ続ける運用はリスクが高い。逆に、一次情報を自分で選び、解釈を1文加え、出典を示している動画は、AIを多用していても評価の土台が変わる。
AIが出した雑学が間違っていた。動画は消すべきか？
誤りが動画の主張の核心にあるなら非公開にして作り直すべきで、補足部分の誤りなら説明欄への訂正追記と固定コメントで対応するのが現実的だ。
判断基準は「その動画を見た人が、誤った知識を持ち帰るか」である。核心が誤っていれば持ち帰るので、残す意味がない。周辺情報の誤りであれば、訂正を明示することで誠実さがむしろ信頼につながる。訂正を隠すのが最も悪い選択になる。
ネタ出しはAIに任せてよいのか？
「AIの記憶から雑学を出させる」のは避けるべきで、「人が拾ってきた一次情報をAIに読ませて、そこから意外な事実を抽出させる」形なら有効である。
前者は、学習データ中で頻出のネタ＝既に飽和している題材しか出てこないうえ、捏造の温床にもなる。後者は参照元が手元にあるため、捏造が構造的に起きにくく、なおかつ他のチャンネルと題材が被りにくい。入力を人が用意する、という一点で結果が大きく変わる。
出典は動画内に入れるべきか、説明欄でよいのか？
説明欄への記載は必須で、加えて動画内には「発行元の名前だけ」を短く出すのが現実的なバランスである。
30秒のショートにURLを表示しても読めないし、尺も食う。だが「総務省統計局のデータによると」の一言が音声か字幕に入るだけで、視聴者の受け取り方は明確に変わる。詳細なURLは説明欄に置き、動画内は発行元名にとどめる。この二段構えが運用しやすい。
AI音声だけのナレーション動画はポリシー違反になるか？
合成音声の使用そのものは違反ではない。ただしYouTubeは「合成音声による自動的な読み上げのみで、独自の語りやコメンタリーが欠如している」ことを量産型コンテンツの特徴の一つとして挙げている。
つまり、音声が合成であること単体が問題なのではなく、それが「人的関与の薄さ」の指標として見られているということだ。台本に自分の解釈が入っていれば、読み上げが合成音声でも中身は独自になる。合成音声を使うなら、台本の独自性で担保するという構造を意識したい。
AI画像を使ったら開示ラベルは必要か？
写実的（リアル）に見えるAI生成・改変コンテンツは開示が必要で、イラスト調・アニメーション調の画像は必ずしも対象にならない。ただし実在の人物や実際の出来事を写実的に再現した場合は明確に開示対象である。
雑学ジャンルでは歴史上の出来事や実在人物を扱う機会があるため、この線引きは把握しておく必要がある。判断に迷う場合は開示しておくほうが安全だ。開示そのものによって収益化が止まるわけではない。
1本あたりどのくらいの制作時間が現実的か？
慣れた状態で22〜27分／本が目安になる。うち事実確認が3〜5分を占める。
内訳はネタ発掘（5本分で10〜15分）、事実確認3〜5分、台本3分、音声3分、映像5分、編集・投稿8分。事実確認をゼロにすれば5分は縮むが、そこを削ると雑学チャンネルとしての土台が崩れる。削るべきは編集と映像の工程であって、検証ではない。
同じ雑学ネタが既に他チャンネルにある。作ってよいのか？
作ってよいが、角度を変えられない場合は捨てたほうがよい。既出であること自体より、既出と同じ切り口であることが問題になる。
角度の変え方は、比較対象を変える、単位を変える（時間を距離に換算するなど）、対象年齢を変える、時系列を足す、といった方向がある。どれも成立しない題材は、視聴者にとって「また見た」動画にしかならない。既出チェックは台本執筆前に必ず済ませておきたい。
AIに「これは事実ですか」と聞き返す検証は有効か？
同一モデルへの聞き返しは効果が薄い。同じ学習分布から同じ誤りが再生産されるためだ。検証するなら、検索機能を持つ別系統のモデルを使い、「否定する根拠を探せ」と指示する。
「これは正しいか」と尋ねると、モデルは肯定側の材料を集めてくる傾向がある。逆に「この主張が誤りだとしたら、その根拠は何か」と聞くと、限定条件の見落としや古い情報の使用が浮かび上がりやすい。ただし最終的な確認は一次情報に当たる以外にない。
どのくらいの本数を出せば、ジャンルとの相性を判断できるか？
雑学ショートは上位数本が総再生の大半を占める極端な分布になるため、最低でも30〜60本は必要になる。10本程度では判断材料が足りない。
運営している雑学チャンネルでも、初期に伸びなかった時期があり、当たりが出たのは一定本数を過ぎてからだった。ただし「本数を出せば必ず当たる」わけではない。同じ型を反復するだけの60本と、題材の型を変えながら試した60本では、得られる情報がまったく違う。本数はあくまで試行回数の確保であって、それ自体が成果ではない。
まとめ
AIで雑学動画を作るときの難所は、ツールの操作でも編集技術でもなく、「AIが出した雑学が本当に正しいか」を担保する工程にある。6工程のうちAIに任せてよいのは4工程、人が必ず握るべきは事実確認と読み上げ用日本語の最終調整の2つ。この配分を守れば、量産と精度は両立する。
そのうえで押さえるべき要点は3つだ。第一に、ネタはAIの記憶から出させず、人が拾った一次情報から抽出させること。第二に、1ネタ3分を上限とした検証ルールを持ち、裏が取れないものは捨てること。第三に、テンプレート性の高さがこのジャンルの武器であり同時にリスクでもあると理解し、独自の視点を1文入れる運用を続けることだ。うまくいかない条件もはっきりしている。事実確認を省いた量産、同一テンプレートの反復、一次情報に当たらないままの逆張りネタ。この3つが重なると、伸びないだけでなく収益化そのものが危うくなる。
次に読むべき記事を、着手順に並べておく。
- まず制作の器を作る：雑学 ショート 自動生成 やり方で、台本・音声・編集をどう繋いで1本を回すかのパイプラインを把握する
- 次に台本の質を上げる：AI 台本 プロンプト 例 ショートで、検証済み事実を渡したあとの構成プロンプトを磨く
- 続いて安全性を確保する：inauthentic content とは youtubeで、量産型コンテンツ判定の基準と実際の挙動を確認する
- さらに差別化を詰める：AI動画 独自性 出し方で、既出題材を自分の角度に組み替える方法を身につける
- 最後に収益設計を見直す：雑学ジャンル RPM 低い 対策と雑学チャンネル 60本投稿した結果で、再生数が単価に変わる条件を確認する