動画編集ツール「BaoCut」：プロンプト1行で文字起こしから粗編集まで完結

トーク動画や解説動画の編集で、誰もが一度はうんざりするのがテロップ打ちです。音声波形を凝視しながら不要な間を詰め、「えー」「あのー」といった口癖を消す作業だけで、丸一日が潰れることも珍しくありません。

7 月 13 日に紹介された動画編集ツール「BaoCut」は、まさにその機械的な作業をなくすために作られました。Claude Code や Codex と連携し、自然言語の指示だけで文字起こし、口癖の除去、多言語翻訳、粗編集までを一気に片付けます。

コマンドラインを Agent Skill として操る

既存の動画編集ツールを AI エージェントとつなぐ試みは増えていますが、BaoCut はアプローチが非常に身軽です。内蔵のコマンドラインツールを skills.sh 仕様の Agent Skill としてまとめました。

ユーザーは Claude Code などのエージェント環境から、「文字起こしして翻訳して」と伝えるだけです。裏側で BaoCut の CLI が走り、動画の文字起こしから推敲、翻訳、字幕の書き出しまでを自動で完了させます。

一般的な自動テロップ認識と比べても精度が高く、不要な言い淀みや同じフレーズの言い直しを検知して、タイムライン上で自動的にトリミングしてくれます。

一発出しの動画ではなく、編集可能なタイムラインを残す

多くの生成 AI ツールは、プロンプトから完成版の MP4 をポンと出力するだけです。もし 1 行だけ誤訳があった場合、最初からすべて生成し直すしかありません。

BaoCut はその常識を覆し、編集可能なタイムラインを中心に設計されています。文字起こしテキスト、翻訳字幕、音声トラック、モーショングラフィックスのすべてが単一のプロジェクト内で管理されます。

字幕を 1 行修正したり、ナレーションを 1 文だけ録り直したりしても、エージェントはその箇所だけを変更し、再レンダリングは発生しません。人間と AI が同じ操作履歴やタイムラインを共有できるため、いつでも手作業に切り替えられます。

ローカル環境では Whisper large-v3 などの文字起こしモデルやボーカル分離機能が利用でき、macOS と Windows の双方に対応しています。

なぜ重要か

YouTube の解説系クリエイターや、海外の講演を翻訳して発信するチームにとって、手作業の字幕合わせをまるごと省略できる恩恵は絶大です。

BaoCut の優れた点は、「完全自動生成のブラックボックス」を目指さず、プロの現場に必要な「あとから手直しできるタイムライン」を残した判断にあります。AI に下働きを任せつつ、人間が最終確認を行える設計は、制作現場のリアルな要望に即しています。

一方で、エージェント機能を動かすには Claude Code や Codex の実行環境が必要となり、非エンジニアのクリエイターにとっては最初の導入ハードルがやや高めな点が今後の課題と言えそうです。