Media > AI活用ユースケース > 生産 > 吹替の制作会社が、海外の作品の英語の台本を Claude で日本語の吹替の台本の訳案にし、台詞ごとの尺と口元の印に合う長さの候補を並べて翻訳者に渡す

吹替の制作会社が、海外の作品の英語の台本を Claude で日本語の吹替の台本の訳案にし、台詞ごとの尺と口元の印に合う長さの候補を並べて翻訳者に渡す

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

海外の作品の英語の台本を Claude に渡し、台詞ごとに日本語の吹替の訳案を作ります。訳案は長さの違う候補を複数並べ、拍の数と尺の比をプログラムで計算して、翻訳者が尺に合う一つを選んで直せる形にします。

サマリー
生成AI
ChatGPT/Claude/Gemini
連携・自動化
Google Apps Script/Python
対象業界
その他/広告
対象部門
生産
対象業務
書類作成
主な課題
人手が足りない/属人化している/書類作成に時間がかかる
AIで行う処理
翻訳
主な効果
品質標準化/対応スピード向上/工数削減
導入難易度
★★★☆☆
実装レベル
本格構成
費用感
API連携(中)
人間の確認
条件付き
現在工数
160h/月
AI導入後
96h/月
想定削減
40%
年間削減
768h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 演出助手が映像を見て、台本の台詞ごとに口元の印を付ける
  2. 翻訳者が英語の台本と映像を並べ、台詞ごとに日本語に訳す
  3. 翻訳者が台詞を声に出して時間を測り、尺に合わせて言い回しを詰める・延ばす
  4. 翻訳者が作品の用語集と口調の表に照らし、呼び方・語尾・固有名詞をそろえる
  5. 演出家が台本を読み、演出の都合で直す
  6. 収録で声優が演じ、合わないところをその場で直す
導入後(After)
  1. 人演出助手が映像を見て、台本の台詞ごとに口元の印を付ける(変わらない)
  2. 自動プログラムが台本を場面ごとに分け、台詞ごとの尺の秒数と口元の印と話者を並べる
  3. 自動プログラムが場面ごとに Claude API を呼び、用語集と口調の表と前後の台詞を添えて訳案を頼む
  4. 自動Claude が台詞ごとに、意味の合う訳を長さの違う候補で返し、候補ごとに読みのかなを付ける
  5. 自動プログラムが候補ごとに拍の数を数え、尺の秒数あたりの拍の数を出して、目安の範囲に入るかの印を付ける
  6. 自動プログラムが用語集と口調の表の言葉が候補に使われているかを照らし、外れた候補に印を付ける
  7. 自動社内の台本の様式に、台詞ごとの候補と印を並べた「訳案の表」を書き出す
  8. 人翻訳者が英語と映像を見ながら候補を選び、直し、声に出して尺を確かめる
  9. 人演出家が台本を読み、演出の都合で直す。収録で合わないところを直す
各工程の詳しい説明を読む
  1. 演出助手が映像を見て、台本の台詞ごとに口元の印を付ける
  2. 翻訳者が英語の台本と映像を並べ、台詞ごとに日本語に訳す
  3. 翻訳者が台詞を声に出して時間を測り、尺に合わせて言い回しを詰める・延ばす
  4. 翻訳者が作品の用語集と口調の表に照らし、呼び方・語尾・固有名詞をそろえる
  5. 演出家が台本を読み、演出の都合で直す
  6. 収録で声優が演じ、合わないところをその場で直す

(a)尺の合わせに時間の多くが取られる。 意味を取って訳すのは翻訳者の腕の見せどころですが、その後で、同じ意味を2秒に収める言い方、2.8秒に延ばす言い方を何通りも考えて声に出す作業が、1話の時間の3分の1以上を占めます。

(b)詰め方が翻訳者ごとに違う。 同じ尺でも、助詞を落とす人、言葉を言い換える人、文を二つに割る人がいます。同じ作品を複数の翻訳者で分けると、話によって登場人物の話し方の密度が変わります。

(c)口調の写し漏れが続けて起きる。 主人公が相手をどう呼ぶか、敬語を使う相手かどうか。用語集と口調の表はありますが、尺を詰めているうちに呼び方が「あなた」から「君」に変わる、といったことが起きます。

(d)納期が詰まると見直しが削られる。 配信の日程に合わせて、1話の台本を数日で書くこともあります。削られるのは、たいてい(c)の見直しです。 収録の場で声優に指摘されて直すと、スタジオの時間が延びます。

  1. 【人】 演出助手が映像を見て、台本の台詞ごとに口元の印を付ける(変わらない)
  2. 【自動】 プログラムが台本を場面ごとに分け、台詞ごとの尺の秒数と口元の印と話者を並べる
  3. 【自動】 プログラムが場面ごとに Claude API を呼び、用語集と口調の表と前後の台詞を添えて訳案を頼む
  4. 【自動】 Claude が台詞ごとに、意味の合う訳を長さの違う候補で返し、候補ごとに読みのかなを付ける
  5. 【自動】 プログラムが候補ごとに拍の数を数え、尺の秒数あたりの拍の数を出して、目安の範囲に入るかの印を付ける
  6. 【自動】 プログラムが用語集と口調の表の言葉が候補に使われているかを照らし、外れた候補に印を付ける
  7. 【自動】 社内の台本の様式に、台詞ごとの候補と印を並べた「訳案の表」を書き出す
  8. 【人】 翻訳者が英語と映像を見ながら候補を選び、直し、声に出して尺を確かめる
  9. 【人】 演出家が台本を読み、演出の都合で直す。収録で合わないところを直す

8番目が、この設計の分かれ目です。 訳案の表は、候補を並べて拍の数を数えるところまでです。どの候補が登場人物らしいか、場面の空気に合うかは、映像を見ている翻訳者にしか判断できません。 翻訳者が声に出して尺を確かめる工程も残します。拍の数はあくまで目安で、実際の長さは演じ方で変わるからです。

5番目と6番目をプログラムにしているのは、数えられるものを数えるためです。 拍の数も、用語集の言葉の有無も、文字を数えれば答えが出ます。Claude に数えさせると、もっともらしい数が返り、間違っていても気づけません。

02今回想定するシステム構成

構成図
英語の台本(台詞ごとの開始・終了の時刻、話者)
+ 演出助手の口元の印(ON/OFF、閉じる音で終わる 等)
+ 作品の用語集・口調の表
   │
   ▼【トリガー】演出助手が口元の印を付け終え、台本を「訳案待ち」に置いた時点
Python ── 場面に分け、台詞ごとの尺の秒数を計算
   ▼
Claude API(Messages API、構造化出力)
   │  場面ごとに:前後の台詞・話者の口調・用語集を添えて
   │  台詞ごとに長さの違う候補(2〜3案)と読みのかなを返す
   ▼
Python ── 拍の数・秒あたりの拍の数・目安の範囲の印
       ── 用語集と口調の表の照らし・候補の数の確かめ
   ▼
訳案の表(社内の台本の様式)
   ▼
【翻訳者が候補を選び、直し、声に出して尺を確かめる】
   ▼
【演出家が読む → 収録】
役割想定する製品代替候補
処理Claude API(Messages API、構造化出力)OpenAI API、Gemini API
集計Python(台本の分解、尺の秒数・拍の数の計算、用語集の照らし)Google Apps Script
保管社内のファイルサーバー(台本の様式・訳案の表)-

新しく足すのは、Claude API と、台本を分けて呼び出し、結果を数える Python のプログラムです。 台本の様式は今の表計算のものを使います。翻訳者の画面は変わらず、台本の様式に候補の列が増えるだけです。

Claude API を使うのは、日本語の訳と、決まった形での返却の両方が要るからです。 公式の多言語のページでは、Claude の日本語の成績が英語の成績に対する割合として示され、入力と出力の言葉を明示すると確実さが増すとされています。訳す言葉の組み合わせは、システムのプロンプトで「英語から日本語へ」と名指しします。

構造化出力を使うのは、台詞の番号と候補の対応を崩さないためです。 公式のページでは、output_config.format に type: "json_schema" とスキーマを渡すと、応答がスキーマに沿った JSON になるとされています。台詞の番号が1行ずれると、台本の全部の行がずれます。 決まった形で受け取り、プログラムで番号を照らします。

呼び出しの書き方は、公式の今の書き方に合わせます。 公式の API の概要のページでは、認証は Authorization: Bearer が基本で x-api-key は旧来の方法として引き続き使えるとされ、anthropic-version の例は 2026-10-21 です。

03どうやって実装するのか

Step1

処理の起点を決める

演出助手が口元の印を付け終え、台本を共有フォルダの「訳案待ち」に置いた時点を起点にします。 印の無い台本で訳案を作ると、口元の映る台詞と映らない台詞を同じ扱いにしてしまい、翻訳者がどの台詞で尺にこだわるべきかが分かりません。 印を付け終えたことを、置き場所で表します。

プログラムはフォルダを数分おきに見て、新しい台本があれば1話ずつ処理します。1話を場面ごとに分けて Claude を呼ぶので、1話で数十回の呼び出しになります。 処理が終わった台本は「訳案済み」に移し、訳案の表を同じ名前で置きます。移すのは全場面の訳案がそろったときだけです。

一括処理(Message Batches API)は使いません。 公式のページでは、構造化出力は一括処理と併用でき割り引きもあるとされていますが、データの保持の公式ページでは、一括処理は29日保持され ZDR の対象外とされています。 発注元から預かった台本の扱いを優先し、1場面ずつ同期で呼びます。

Step2

入力データを集める

データ中身取得元
英語の台本台詞の番号、話者、英語の台詞、開始と終了の時刻発注元から届く台本
口元の印台詞ごとに、口元が映る(ON)/映らない(OFF)、閉じる音で終わる、途中で口を閉じる演出助手が台本に付ける列
用語集固有名詞・専門の言葉の訳、使わない訳作品ごとの文書
口調の表登場人物ごとの一人称、相手の呼び方、語尾、敬語を使う相手作品ごとの文書(翻訳者と演出家が決める)
前後の台詞場面の中の前後の英語の台詞台本から切り出す
目安の範囲秒あたりの拍の数の下限と上限(ON の台詞と OFF の台詞で別)演出家が作品ごとに決める

質を決めるのは、口調の表です。 吹替の訳は、意味が合っていても話し方が違えば別人になります。登場人物ごとに、一人称・相手の呼び方・語尾・敬語の相手を表にし、Claude に毎回渡します。

登場人物一人称相手の呼び方語尾敬語を使う相手
主人公(刑事)俺相棒は名字、上司は「警部」〜だ、〜だろ上司、被害者の家族
相棒私主人公は名前で呼び捨て〜よ、〜わね は使わない初対面の相手

目安の範囲は、演出家が作品ごとに決めます。 早口の登場人物、ゆっくり話す老人、子ども。同じ秒数でも収まる拍の数は人によって違うので、作品の最初の1話で演出家が声に出して決め、登場人物ごとに持たせることもできます。この構成は、その数を受け取って印を付けるだけです。

Step3

データの取得方法を決める

取るものどこからどう取るか
台本と口元の印共有フォルダの「訳案待ち」表計算の様式を Python で読む
用語集と口調の表作品のフォルダ作品の識別子で引き、毎回の呼び出しに添える
目安の範囲作品の設定のファイルON と OFF で別の値を読む
前後の台詞台本場面の切れ目の前後を含めて切り出す

場面の切れ目は、台詞の時刻の間が一定の長さ以上空いたところで分けます。 長さの線は作品の編集の調子で変わるので、設定のファイルに持たせます。場面の中の台詞は、まとめて1回の呼び出しで頼みます。 1台詞ずつ頼むと前後のつながりが切れ、問いかけと答えの語尾がそろいません。

場面が長すぎるときは、途中で切り、前の部分の最後の数行を次の呼び出しにも添えます。 つなぎ目の台詞の訳が、前後でちぐはぐにならないようにするためです。

Step4

AIへ渡す前に整形する

  1. 台詞ごとの尺を計算する … 終了の時刻から開始の時刻を引いた秒数を、小数1桁で持ちます
  2. 口元の印の抜けを確かめる … 印の列が空の台詞があれば、処理を止めて演出助手に戻します
  3. 台詞の番号を振り直さない … 発注元の番号をそのまま使います。訳案の表と収録の台本で同じ番号を使うためです
  4. 重なる台詞を分ける … 2人が同時に話す台詞は、時刻が重なります。話者ごとに分けたまま、重なりの印を付けます
  5. 歌・看板・画面の文字を分ける … 台本に台詞以外の行(歌詞、画面に出る文字)があれば、訳案の対象から外して別の一覧にします
  6. 用語集の言葉を英語の台詞から拾う … 英語の台詞に用語集の言葉が出てくる台詞に、印を付けておきます。訳案でその言葉が使われているかを後で照らすためです

2番目を省かないでください。 口元の印の無い台詞は、ON か OFF かが分からず、目安の範囲のどちらで印を付けるかが決まりません。 推し量って OFF 扱いにすると、口元の映る台詞を尺から外したまま翻訳者に渡すことになります。

5番目は、歌と画面の文字の扱いが吹替と別だからです。 歌を訳して歌うか、字幕にするか、原語のまま残すかは、発注元の指定と演出家の判断で決まります。 台詞と同じ形で訳案を出すと、決まっていない扱いを先に決めたように見えてしまいます。

Step5

AIに処理させる

させるのは、台詞ごとに意味の合う日本語の訳を長さの違う候補で並べることと、候補ごとに読みのかなを付けることです。

させること中身判断できないときの扱い
訳の候補を並べる台詞ごとに2〜3案。短い案・中くらいの案・長い案意味が取れなければ「意味が取れない」と書く
読みのかなを付ける候補ごとに、ひらがなとカタカナだけで読みを書く読みが決まらない固有名詞は用語集に従う
口元の印を踏まえる閉じる音で終わる ON の台詞は、閉じる音で終わる候補を1つ入れる作れなければ「閉じる音の案なし」
口調を守る口調の表の一人称・呼び方・語尾を使う表に無い登場人物は「口調の表に無い」
訳しにくい理由を書く言葉遊び・文化の話・二重の意味がある台詞に一行の注無ければ空
させないこと理由
尺に収まるかの判断拍の数と尺の比はプログラムが数える
拍の数・秒数の計算数えた数が誤っていても気づけない
候補の中から一つを選ぶ選ぶのは映像を見ている翻訳者
意味の分からない台詞を推し量って埋める誤訳がそのまま収録に進む
用語集に無い固有名詞の訳を決める作品の表記は発注元と翻訳者が決める

1行目と2行目がいちばん起きやすい失敗です。 「3.2秒に収まる訳を」と頼むと、Claude は収まると言い切った候補を返しますが、何を根拠に収まるとしたのかは分かりません。 尺を数える工程を Claude の外に出し、候補の長さを変えて並べさせるだけにします。

読みのかなを付けさせるのは、拍を正しく数えるためです。 漢字のままでは、「今日」が「きょう」か「こんにち」かで拍の数が変わります。読みは文脈で決まるので、訳した本人に書かせます。 拗音・長音・撥音の数え方はプログラムに持たせます。

Step6

指示内容を固定する

あなたは吹替の制作会社で、海外の作品の英語の台詞を、日本語の吹替の台本の
訳案にする担当です。英語から日本語へ訳してください。
訳案は翻訳者が選んで直すための下ごしらえで、完成した台本ではありません。

【作品の決まり】
用語集:{glossary}
口調の表:{character_voice}

【頼むこと】
この場面の台詞ごとに、次を返してください。
1. 訳の候補を2つか3つ。短い案・中くらいの案・長い案のように、
   同じ意味で長さの違う言い方にしてください。
2. 候補ごとの読み。ひらがなとカタカナだけで、句読点を入れずに書いてください。
3. 口元の印が「ON・閉じる音で終わる」の台詞は、
   日本語でも口を閉じる音(ま行・ば行・ぱ行・ん)で終わる候補を1つ入れてください。
   作れなければ、注に「閉じる音の案なし」と書いてください。
4. 言葉遊び・文化の話・二重の意味があり訳しにくい台詞は、注に一行で理由を書いてください。

【厳守事項】
- 尺に収まるかどうか、拍の数、秒数を書かないでください。数えるのは別の工程です。
- 候補の中から、どれがよいかを選ばないでください。
- 口調の表の一人称・相手の呼び方・語尾を守ってください。
  表に無い登場人物は、注に「口調の表に無い」と書いてください。
- 用語集の訳を使ってください。用語集に無い固有名詞は、
  英語の表記のまま残し、注に「用語集に無い」と書いてください。
- 意味が取れない台詞は、推し量って訳さず、注に「意味が取れない」と書いてください。
- 台詞の番号は、渡した番号をそのまま返してください。

【この場面】
{scene_lines}   ← 台詞の番号・話者・英語の台詞・尺の秒数・口元の印
【前後の台詞(訳さない)】
{context_lines}

「尺に収まるかを書かない」を明記しているのは、書かせると翻訳者がそれを信じるからです。 候補の横に「3.1秒・収まる」と書かれていると、翻訳者は声に出して確かめる手間を省きます。数える工程をプログラムに一本化し、Claude の出力には数を出させません。

尺の秒数を渡しているのは、長さの目安を持たせるためです。 秒数が分かれば、Claude は短い案と長い案の幅をその前後に取ります。渡すのは目安としてで、合うかどうかの判断は求めません。

Step7

出力形式を固定する

次の形の JSON を、構造化出力で受け取ります。

{
  "scene_id": "",
  "lines": [
    {
      "line_no": "",
      "speaker": "",
      "candidates": [
        { "label": "short | medium | long", "text": "", "reading": "" }
      ],
      "closing_sound_candidate": "short | medium | long | none",
      "note": ""
    }
  ]
}

スキーマの書き方には、公式の制約があります。 公式のページでは、数の minimum・maximum、文字列の minLength・maxLength は使えず、配列の minItems は0と1だけが使えるとされています。使えない制約を書くと400のエラーになります。候補を2つ以上、読みはかなだけ、という決まりはスキーマで縛れないので、受け取った後にプログラムで確かめます。 候補が1つしか無い台詞、読みに漢字が混ざった候補は、その場面だけ頼み直します。

label の値は、大文字と小文字を区別せずに比べます。 公式のページでは、構造化出力は enum の値の大文字と小文字を保証しないとされています。Short で返っても short として扱います。

受け取った後、プログラムが次の列を足して訳案の表にします。

列中身
拍の数読みのかなから数える(拗音は前の字と合わせて1、長音・撥音・促音は1)
秒あたりの拍の数拍の数 ÷ 尺の秒数
目安の印ON・OFF ごとの目安の範囲に入る/速い/遅い
用語の印英語の台詞に用語集の言葉があるのに、候補に用語集の訳が無い
口調の印口調の表の一人称・呼び方と違う言葉が候補にある

1つ目の理由は、台詞の番号で台本の様式と一対一に結べることです。 場面ごとの JSON の line_no を台本の番号と照らし、足りない番号、余分な番号があれば、その場面を頼み直します。

2つ目は、候補の長さを label で持たせることです。 翻訳者は、尺に対して速すぎる印の付いた短い案を外し、目安に入る候補だけを見比べられます。

3つ目は、note で訳しにくさを先に知らせることです。 言葉遊びの台詞は、どの候補も意味を落としていることがあります。注のある台詞から先に見ると、1話の中で時間をかけるべきところが分かります。

Step8

システムへ連携する

つなぎ先方式内容
共有フォルダ(訳案待ち)Python が数分おきに見る新しい台本を拾い、処理後に「訳案済み」へ移す
Claude APIHTTPS(Messages API)場面ごとの訳案を構造化出力で受け取る
作品のフォルダPython が読む用語集、口調の表、目安の範囲
社内の台本の様式Python が書き出す候補の列と印の列を足した訳案の表

呼び出しは、公式の書き方に合わせて次の形にします(要点だけ)。

POST https://api.anthropic.com/v1/messages
Authorization: Bearer <APIキー>
anthropic-version: 2026-10-21
content-type: application/json

model:           作品の秘匿の条件に合うモデル
system:          英語から日本語へ訳す旨と、作品の決まり
messages:        この場面の台詞と前後の台詞
output_config:   format(type: json_schema、上のスキーマ)

完成した吹替の台本は、翻訳者が様式の上で作ります。 プログラムが書き出すのは候補の列までで、台本の「決定」の列には何も書きません。 決定の列が空の台詞は、収録の台本に出ないようにします。

Step9

人が確認する

翻訳者は、全部の台詞の候補を見ます。 吹替の台本では、全部の台詞が収録で声になるからです。ただし、見る順と見る深さを印で変えます。

  1. note のある台詞を先に見る … 言葉遊び・文化の話・意味の取れない台詞です。候補を捨てて一から訳すことも多い台詞です
  2. ON の台詞を、目安の印と一緒に見る … 口元が映る台詞は、候補を選んだ後に映像に合わせて声に出し、話し始めと話し終わりを確かめます
  3. 用語の印と口調の印のある候補を直す … 呼び方と固有名詞は、作品全体で揃っていないと見ている人が気づきます
  4. OFF の台詞は、意味と口調だけを見る … 尺の中で言いやすい候補を選び、細かい長さの合わせは収録の場に任せます
  5. 演出家が台本を読む … 場面の空気、間、言い回しを演出の都合で直します

2番目の「声に出す」を省かないでください。 拍の数は目安で、同じ拍の数でも言いやすさは違います。秒あたりの拍の数が目安に入っていても、口が回らない並びはあります。 映像に合わせて一度声に出すのが、吹替の台本の最後の確かめです。

Step10

例外に対処する

起きること対応
口元の印の無い台詞がある処理を止め、台本を演出助手に戻す
返ってきた台詞の番号が足りない・多いその場面を頼み直す。2回続けば翻訳者に回し、その場面は訳案なし
候補が1つしか無い、読みに漢字が混ざるその場面を頼み直す(スキーマで縛れない部分をプログラムで確かめる)
stop_reason が max_tokens出力が途中で切れている。場面を短く切って頼み直す
stop_reason が refusal暴力や犯罪の場面で起きうる。その場面は訳案なしで翻訳者に回す
構造化出力のスキーマで400のエラー使えない制約を書いていないか確かめる
用語集に無い固有名詞が多い注に「用語集に無い」が並ぶ。翻訳者と発注元で表記を決め、用語集に足す
歌・画面の文字が台詞に混ざっている前処理で分ける。分けられなければ注を付けて翻訳者に回す
API が応答しない台本を「訳案待ち」に残す。移すのは全場面がそろったときだけ

上から5行目は、ドラマの題材によってはよく起きます。 公式のページでは、安全上の理由で応じないときは stop_reason が refusal になり、出力がスキーマに合わないことがあるとされています。事件や戦いの場面は、訳案が出なくても翻訳者がいつもどおり訳せば済みます。 訳案の無い場面に印を付けて渡します。

2行目の「訳案なし」も同じ考え方です。 訳案は下ごしらえなので、出なかった場面があっても台本づくりは止まりません。 止めるのは、口元の印の抜けのように、翻訳者の判断の前提が欠けているときだけです。

Step11

記録を残す

  • 台本の版(発注元から届いた版と、口元の印を付けた版)
  • 場面ごとの呼び出しの記録(日時、使ったモデル、request-id、stop_reason、頼み直しの回数)
  • 受け取った JSON と、プログラムが足した拍の数・印
  • 翻訳者が選んだ候補の label と、直した後の台詞
  • 用語集と口調の表の版

4つ目を残すのは、目安の範囲を直すためです。 翻訳者が「速い」の印の付いた候補をよく選ぶなら、目安の上限が厳しすぎます。選ばれた候補の秒あたりの拍の数を作品ごとに並べると、演出家が目安を見直す材料になります。

2つ目の request-id は、問い合わせのときに使います。 公式の API の概要のページでは、応答の見出しに要求ごとの識別子が入り、サポートに問い合わせるときに添えるとされています。

04実装レベルの3段階

最小構成:画面に1場面を貼り、長さの違う候補と読みを出させて、拍は表計算で数える / 1場面の訳の候補
半自動化:上記+Python で台本を場面に分けて API を呼び、拍の数と目安の印を付けて表にする / 1話分の候補と拍の数
本格構成:上記+フォルダを起点に自動で動かし、用語と口調の照らし、頼み直し、台本の様式への書き出しまで行う / 訳案の表の作成の全体

本記事の想定は本格構成です。 月8話、1話数百行を扱うと、場面を分けて呼び、番号を照らし、頼み直す手間を人が持つと、それだけで時間がかかります。 翻訳者が台本の様式を開いたときに、候補と印がそろっている状態を目指します。 最小構成で見るべきは、候補の長さの幅です。 長さに幅のある候補が並べば、翻訳者は選ぶ作業に移れます。幅が無ければ、自動化しても翻訳者は一から詰め直すことになります。 半自動化を飛ばさないでください。 半自動化の訳案の表を数話分見ると、目安の範囲が作品に合っているか、口調の表のどこが足りないかが分かります。 そこを直してから、照らしと頼み直しを自動にする方が、印の多すぎる表を翻訳者に渡さずに済みます。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
4 名
月間件数
8 件
1件あたり現在時間
1,200 分
1件あたり導入後時間
720 分
現在  8件 × 1,200分 ÷ 60 = 160 時間/月
導入後 8件 × 720分 ÷ 60 = 96 時間/月
月間削減時間
64h
削減率
40%
年間削減時間
768h
年間金額換算(時間単価4,000円)
307万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 海外のドラマ・映画・アニメの吹替を請け負い、社内か専属の翻訳者が英語の台本から吹替の台本を書いている制作会社。台詞ごとの開始と終了の時刻が入った台本を受け取れる場合。尺に合わせて言い回しを詰める作業に翻訳者の時間の多くが取られている場合。発注元との契約で、台本を外部のAIの処理に渡してよいかを確かめられる場合。
向いていない
  1. 発注元との契約で、台本を外部のサービスで処理することが禁じられている場合。台本に時刻が無く、映像を見ながら一から尺を取る必要がある場合(先に時刻を起こす工程が要る)。ボイスオーバー(元の声を残して訳を重ねる形)が中心で、口の動きに合わせる必要が無い場合。なお、訳の言葉の選び方と演出の判断は、この構成では代替できません。

07最小構成で試す方法

  1. すでに収録を終えた作品から、1場面(台詞20行ほど)を選ぶ(口元の映る台詞と言葉遊びの台詞が混ざる場面がよい)
  2. その場面の英語の台詞と尺の秒数、口元の印、登場人物の口調の表を1つの文書にまとめる
  3. Claude の画面にその文書を貼り、「台詞ごとに、同じ意味で長さの違う日本語の候補を3つと、ひらがなの読みを付けてください。尺に収まるかは書かないでください」と頼む
  4. 出てきた候補の読みの拍の数を、表計算で数える
  5. 実際に収録した台本の台詞と並べ、どの候補が近いか、どの候補なら使えたかを翻訳者が見る

試す場面は、発注元との契約で外部のAIで処理してよいかを確かめた作品にしてください。 確かめられないうちは、公開済みで社内の練習に使ってよい素材か、社内で作った英語の台本で試します。

出てきた内容判断
収録した台詞に近い候補が多くの行で並んだプログラムで場面を分けて呼ぶ段階に進む
候補の長さに幅が無く、どれも同じくらい「短い案・長い案」の指示と、尺の秒数の渡し方で直る。構成は有効
口調がばらばらで、使える候補がほとんど無い口調の表が先。 一人称・呼び方・語尾を表に書き直す

3行目が出ることは珍しくありません。 翻訳者が頭の中で持っていた登場人物の話し方が、表になっていなかったということです。口調の表を作ることは、同じ作品を複数の翻訳者で分けるときの揃え方にもなります。

08実装時につまずきやすいポイント

問題対策
Claude が「収まる」と言い切った候補を返す尺の判断と数を出させない。 拍の数はプログラムが数える
候補の長さに幅が無い短い案・中くらいの案・長い案を label で名指しして頼む
漢字のままで拍が数えられない候補ごとに読みのかなを書かせ、漢字が混ざれば頼み直す
候補が1つしか無い台詞があるminItems は0と1しか使えない。受け取った後にプログラムで数える
台詞の番号がずれる構造化出力で番号を返させ、台本の番号と一対一で照らす
口元の印の無い台詞を OFF 扱いにする印の抜けは処理を止めて演出助手に戻す
口調が話ごとに揺れる口調の表を毎回の呼び出しに添え、外れた候補に印を付ける
1台詞ずつ頼んで前後がつながらない場面ごとに頼み、前後の台詞を添える
歌と画面の文字まで訳案にする前処理で分ける。扱いは発注元の指定と演出家が決める
暴力の場面で訳案が出ないrefusal は訳案なしで翻訳者に回す。台本づくりは止めない
label の大文字小文字が揺れる区別せずに比べる
発注元との契約を確かめずに台本を渡す最初に契約を確かめる。 確かめられない作品は対象から外す

上の2行が、この構成の失敗のほとんどです。 どちらも「尺に合うかを Claude に任せる」という同じところから出ています。数えられるものはプログラムで数え、Claude には長さの違う言い方を並べさせるだけにしているかどうかで、翻訳者が訳案を信じすぎずに使えるかが決まります。

最後の行は、技術の前の問題です。 吹替の台本は、公開前の作品の中身そのものです。外部のAIで処理してよいかは発注元との契約で決まり、制作会社だけでは決められません。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 公開前の作品の英語の台本(台詞、話者、時刻)、作品の用語集と口調の表、訳案です。公開前の筋書きが含まれるので、発注元にとってもっとも外に出したくない情報の一つです。

  1. 発注元との契約を最初に確かめる … 台本を外部のAIのサービスで処理してよいか、どの条件ならよいかを、作品ごとに確かめます。確かめられない作品は、この構成の対象から外します
  2. データの保持の条件でモデルを選ぶ … Claude の公式のページでは、会話の中身(プロンプトと出力)は既定では保持しないが、Covered Models に指定されたモデルは30日の保持が必須で、ZDR の対象外とされています。発注元が保持を認めない作品では、Covered Models 以外のモデルを選びます
  3. 一括処理を使わない … 結果が一定期間保持される処理は、預かった台本の扱いと合わないことがあります。1場面ずつ同期で呼びます
  4. 訳の判断を Claude に任せない … どの候補を使うか、言葉遊びをどう訳すかは、作品の印象を決める判断です。訳案は下ごしらえで、決めるのは翻訳者と演出家です
  5. API キーを作品ごとのワークスペースで分ける … 公式の API の概要のページでは、ワークスペースで環境を分け、使い道ごとに費用を管理できるとされています。発注元ごとにワークスペースを分けると、利用の記録も分けて示せます
  6. 訳案の表を台本の決定と混ぜない … 決定の列が空の台詞は、収録の台本に出さない。候補がそのまま声になる経路を作りません

誤りが起きた場合のリスクは、預かった台本が条件に合わない形で処理されることと、尺の合わない台詞がそのまま収録に進むことの2つです。 前者は契約とモデルの選び方を確かめずに始めると起き、後者は Claude の「収まる」を信じると起きます。前者は作品ごとの確認で、後者は数を数える工程をプログラムに置くことで、設計の段階で防ぎます。

10まず何から始めるか

1週目:契約を確かめ、試す作品を決める

請け負っている作品ごとに、台本を外部のAIで処理してよいかを発注元との契約で確かめます。処理してよい作品か、社内の練習用の英語の台本を、試す対象にします。

2週目:口調の表と目安の範囲を作る

試す作品の登場人物ごとに、一人称・呼び方・語尾・敬語の相手を表にします。演出家が最初の1話の台詞を声に出し、ON と OFF の目安の範囲を決めます。

3週目:1場面で試す

1場面の台詞を Claude の画面に貼り、長さの違う候補と読みを出させて、拍の数を表計算で数えます。収録した台本と並べ、候補の長さに幅があるかを最優先で見ます。

4週目:1話を場面に分けて呼ぶ

Python で台本を場面に分け、API を呼んで、拍の数と目安の印を付けた訳案の表を作ります。翻訳者1名がその表で1話の台本を書き、どこで時間が減り、どこで減らなかったかを書き留めます。

2か月目: 用語と口調の照らし、頼み直し、フォルダの監視を足し、翻訳者4名で使います。選ばれた候補の秒あたりの拍の数を並べ、目安の範囲を見直します。3か月目以降: 1話の台本を書く時間を実測し、収録の場での尺の直しが減ったかを演出家と確かめた時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-17/最終更新:2026-11-17
確認した内容情報源確認日
Claude API の認証の見出しが Authorization: Bearer を基本とし、x-api-key は旧来の方法として引き続き使えること。anthropic-version の例が 2026-10-21 であること。Messages の要求の大きさの上限が128MBであること。応答の見出しに要求ごとの request-id が入り、問い合わせのときに添えること。ワークスペースで環境を分け、使い道ごとに費用を管理できることClaude API: API overview2026-11-17
構造化出力が output_config.format に type: "json_schema" とスキーマを渡す形であること。数の minimum・maximum、文字列の minLength・maxLength が使えず、配列の minItems は0と1だけであること。使えない制約は400のエラーになること。enum の値の大文字と小文字は保証されないこと。安全上の理由で応じないときは stop_reason が refusal になり、出力がスキーマに合わないことがあること。max_tokens で切れることがあること。一括処理と併用できること。Citations とは併用できないことClaude API: Structured outputs2026-11-17
日本語の成績が英語の成績に対する割合として示されていること。入力と出力の言葉を明示すると確実さが増し、2つの言葉の間で訳すときは両方を名指しすること。応答の言葉の指定はシステムのプロンプトに置くのが確実であることClaude API: Multilingual support2026-11-17
会話の中身(プロンプトと出力)は既定では保持されず、保持したデータは明示の許可なく学習に使われないこと。Covered Models(Fable 5 系・Mythos 5 系)は30日の保持が必須で、Anthropic が明示に認めない限り ZDR の対象外であること。一括処理(Batch processing)は29日保持で ZDR の対象外であることClaude API: API and data retention2026-11-17

台本を外部のAIのサービスで処理してよいか、訳の表現と演出をどうするかは、発注元との契約と翻訳者・演出家の判断で決めてください。 本記事は上の公式の情報で確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-3682)についてのご相談はこちらから。

AI活用について相談する
目次