【YMM4を使わない】Macでずんだもん動画（ゆっくり動画）を作成する方法を紹介【概要編】

（2026年2月16日追記）
実践編を公開しました！

こんにちは、繊細ガジェットレビュー管理人のisukoです。

私はブログを運営していましたが、YouTubeチャンネルも開設しました。

私は内向型HSPで、顔出しはしていませんし、あまり積極的に声出しをしたいとも思っていません。

そのためYouTube動画も、自分の代わりに合成音声を使って解説してもらう、いわゆるずんだもん動画を作成するつもりでした。

ずんだもん動画やゆっくり動画の作成にはゆっくりMovieMaker4（YMM4）というWindowsソフトを使うのが主流です。

しかし、私はMacユーザーです。

MacでWindowsソフトを仮想的に動かす方法はいくつかありますが、処理速度はどうしても落ちますし、それならWindowsを使ったほうが良いということになります。

そこで、Macでずんだもん動画を作る方法を調査したり、試したりしていくことで、現在のような動画を作成できるようになりました。

今回は、Macで私が作成しているようなずんだもん動画を作成する方法の概要を紹介します。

Macでずんだもん動画を作成する方法

ブログ記事を執筆する

まずはブログ記事を執筆します。

もちろんいきなりYouTube動画の原稿を作成することも可能です。

ブログ記事をもとにYouTube動画の原稿を作成する

執筆したブログ記事をもとにYouTube動画の原稿を作成します。

私の場合、ブログ記事の文章はほぼそのままYouTube動画のテロップ・読み上げ音声になります。

ただし、YouTube動画のテロップは1段にしたほうが全体的に見やすいだろうと思っているため、長い文章は読点（、）で区切り、一度に表示される内容を短くしています。

また、句点も不要だと思っているため、句点（。）は省略しています。

当初は手作業でやっていましたが、非常に面倒だったので、現在は生成AIを活用しています。

YouTube動画の読み上げ音声を作成する

作成したテキストを合成音声作成ソフトに読み込み、YouTube動画の読み上げ音声を作成します。

私は現在有料アプリのVOICEPEAKを使っています。

同じようなもので、無料アプリのVOICEVOXというものもあります。

初期の動画ではVOICEVOXを使っていたため、どちらも使ったことがあります。

その結果、VOICEPEAKは最初の状態でイントネーションが自然な箇所が多く、作業時間を省略できると感じています。

書き出した音声に無音部分を追加

個人的には出力されたそのままの音声では間が短いと感じているので、無音部分を追加しています。

VOICEPEAKでもVOICEVOXでも、音声は読みやすいように区切った1つのブロックごとに出力できます。

この音声それぞれに対して、無音部分を追加します。

ただし、読点（、）で区切られる文の途中と句点（。）で区切られる文の間では無音部分の長さを変えています。

この作業には生成AIを活用して作成したPythonプログラムを使用しています。

音声とテキストをもとに、fcpxmlファイルを作成

VOICEPEAKでもVOICEVOXでも、音声とテキストをブロックごとに書き出せます。

これらのファイルをもとに、Final Cut Proで読み込めるfcpxmlファイルを作成します。

今回作成するfcpxmlをFinal Cut Proで読み込むことで、タイムラインにテロップと音声が配置された状態から編集を始められるので、非常に効率的です。

テロップを作成しないのであれば、作成した音声ファイルを好きな動画編集アプリに配置すれば良いです。

しかし、合成音声はどうしてもイントネーションがおかしかったりするため、テロップは必要だと思っています。

ただ、手作業でテロップを配置するのは非常に面倒です。

そこで私は生成AIを活用して作成したPythonプログラムを使用し、音声の長さに合わせて、対応するテキストをテロップとして配置してくれるfcpxmlファイルを作成しています。

fcpxmlファイルをFinal Cut Proで開き、インサート映像等を追加する

作成したfcpxmlファイルを動画編集ソフトのFinal Cut Proで開き、インサート映像やエンディング映像などを追加します。

さらに私の場合、イヤホンのマイク音質検証のために収録した音声や、キーボードを打鍵しているときの動画などを挿入したりします。

読み上げ音声を再生しながら、それに合う動画を撮影する

私の場合は先に読み上げ音声を作成し、その音声に合わせて動画を撮影しています。

すでに動画がある場合は、読み上げ音声の長さに気をつけてください。

また、このときに言及し忘れていた内容や、ミスに気づき、修正したりすることがあるので、キャラクターのアニメーション動画の作成はこの後行います。

動画の音声のみ書き出す

キャラクターのアニメーション動画を作成するために、動画の音声を書き出します。

VOICEPEAKやVOICEVOXから書き出した音声からは、インサート映像やエンディング映像などが増えているので、新しく音声を出力します。

書き出した音声からキャラクターのアニメーション動画を作成

キャラクターのアニメーション動画では、私の場合は、何か音がしている場面では口パクをし、無音の場合は口を閉じるようにしています。

また、ある程度ランダムにまばたきをするようにしています。

この動画を生成AIを活用して作成したPythonプログラムで作成します。

口を開閉している状態と目を開閉している状態のそれぞれの4パターンのキャラクターの画像を用意しておき、プログラムに先ほど書き出した音声データを読み込ませることで、動画の長さに合わせたキャラクター動画を作成しています。

動画を編集し、書き出す

撮影した動画や作成したキャラクター動画、BGMや効果音などを配置します。

キャラクター動画は背景を抜く必要があると思います。

最後に編集した動画を書き出します。

まとめ

今回は、Macで私が作成しているようなずんだもん動画を作成する方法の概要を紹介しました。

あくまで概要で、特にfcpxmlファイルの作成が難しいと思います。

現在使用しているPythonプログラムは私向けにカスタマイズしてしまっているところがあるので、そのまま共有するというのは難しいです。

しかし、もし「有料でもいいからそのプログラムを使ってみたい、具体的な設定手順を知りたい」という声が多ければ、 誰でも使える形にコードを整えて公開することも検討しています。

Macでずんだもん動画を効率良く作成したいという方々は、ぜひ「スキ」ボタンを押したり、他の方に共有して応援してください。

「スキ」の数が多ければ、続編（実践編）の執筆に取り掛からせていただきます。

質問や感想のコメントもお待ちしております。