【要約】YouTube Shorts台本をAI自動生成するシステムを作った話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
コンテンツクリエイターは、YouTube Shortsなどの短尺動画において、継続的な台本作成という重い作業に直面している。特に、視聴者の離脱を防ぐための緻密な構成案を毎日作成することは、精神的・時間的な消耗が激しい。
- ・60秒という制約下で、Hook、Value、CTAという黄金パターンを維持する難しさ。
- ・LLMの出力が不安定であり、JSON形式の崩れや意図しない文字数超過が発生する問題。
- ・高品質なClaude 3.5 Sonnetを使用する際の、APIコストと可用性の両立という課題。
// Approach
開発者は、Claude APIを核とした、構造化データ生成に特化した自動化パイプラインを構築した。単にテキストを生成するのではなく、後続の字幕生成やハッシュタグ生成へ繋げるためのデータモデル設計に注力している。
- ・プロンプトエンジニアリングにより、抽象的なトーン指定を具体的な言語パターンへ変換。
- ・Tenacityを用いた指数バックオフリトライと、SonnetからHaikuへのフォールバックを実装。
- ・文字数に基づき、字幕用のSRT形式タイムラインを自動計算するロジックを構築。
- ・FastAPIにより、台本・字幕・ハッシュタグを一括で返す単一のエンドポイントを提供。
// Result
開発者は、台本、字幕、ハッシュタグを統合的に生成するWebサービス「ShortsAI」を完成させた。これにより、コンテンツ制作の初期工程を大幅に自動化することに成功している。
- ・高品質な台本生成と、字幕データの自動生成をシームレスに実現。
- ・モデルの使い分け（Sonnet/Haiku）により、コストと可用性のバランスを最適化。
- ・モジュール化された設計により、ハッシュタグ生成のみを流用するなどの高い拡張性を確保。
Senior Engineer Insight
> LLMを単なる生成器ではなく、構造化データ供給源として扱う設計思想が極めて実戦的である。特に、JSONパースの失敗を想定した実装や、モデルのフォールバック構成は、商用サービスにおける可用性設計の要諦を押さえている。文字数制御の精度向上や、Redisを用いたキャッシュ戦略の導入により、さらなるコスト最適化とレスポンス改善が期待できる。