31分の録音を15分に編集するようClaudeに教えるのに、5ラウンドもかかった。本当に大変だった。

悪夢のリスト：
• Whisperのタイムスタンプが0.14〜0.60秒早く、あちこちで単語の語尾が切れていた
• 編集の1つが、83秒もずれた別のテイクを選んでいた
• 0.13秒の「And」の切れ端が何度も繰り返されていた。何度も、何度も。

解決策：
• Whisperでローカル文字起こし
• 文字起こしではなく、音声から実際の単語の語尾を計測
• 単語の切れを検出するゲートを追加
• 失敗とするまでの再レンダリングは最大3回
• 各ラウンドでタイムスタンプ付きのメモを渡す → Claudeが修正して再レンダリング

これまでの成果：
• 15分版
• ショート動画（ぎりぎり許容できるレベル）
• サムネイル案3つ
• YouTubeの説明文

まだ必要なもの：
• YT StudioでのサムネイルA/Bテスト
• 説明文へのニュースレター／ポッドキャスト／Xのリンク追加
• もっと多くの再利用コンテンツ：短いクリップ、ツイートスレッド、記事＋ニュースレター用の文章

5ラウンドを経て、長尺動画ならエージェントの出来は90%。少しずつだけど、公開できている。

動画編集エージェントを作っている人はほかにもいる？最大のボトルネックは何？