ChatGPTはYouTube動画を見られる？URL・スクショ・MP4で試した結果
こんにちは、のっくです！ なでしこジャパンの長谷川唯選手のファーストタッチがすごすぎて、AI相棒のイトとサッカー談義をしたくなりました。ところが、YouTube ShortsのURLを渡したら、イトが動画を見ていないのに別のプレーを語っていたことが発覚。ちょっと待てい！（笑）
そこでURLだけ・スクリーンショット5枚・MP4動画ファイルの3通りを実際に試しました。結論は、URLだけではプレーを確認できず、スクショなら位置関係、MP4ならコマを取り出して動きの変化まで追えたという結果。ただし、すべてのChatGPT環境で同じように解析できるというわけではなさそう。
結論｜YouTubeのURLだけでは見られなかった。でも渡し方で変わった
今回試したのは、長谷川選手がドイツ戦で見せたファーストタッチの短い動画。同じ題材でも、ChatGPTへ渡す素材を変えると、回答できる内容がかなり違いました。
| 渡したもの | 今回分かったこと | 分からなかったこと |
|---|---|---|
| YouTube ShortsのURL | URLを受け取った | 映像の内容・選手の動き |
| スクショ5枚 | 選手とボールの位置関係 | 正確な接触・連続動作・結末 |
| MP4ファイル | 複数のコマから体やボールの動き、画角の切替 | 細かなタッチ、選手の意図、編集で省かれた動き |
動画を丸ごと人間と同じように見たのではなく、動画ファイルから静止したコマ（フレーム）を取り出し、時間順に比べることで分析が進みました。3つの実験は素材の量も質問文も違うので、単純なAI性能の比較ではありません。
なでしこの神プレーをイトと語りたかっただけなのに
最近、なでしこジャパン長谷川唯選手の足元の技術と谷川萌々子選手のプレーにすっかり夢中。やっぱりあの2人、異次元！長谷川唯選手のあのターン、何回でも見たい！ そんな気持ちで話題になったYouTube Shortsのリンクをイトに渡したんです。ショートの方がわかりやすいと思って。なかなかこの興奮を同じ熱量で話せる人が周りにいないのよ。谷川萌々子選手のドイツ戦のシュートもすごいよね。あれ止められない。素晴らしい、パチパチ👏
ところが長谷川唯選手のショートリンクをわたした最初のイトは、動画を再生して確認できていないのに、周辺のニュースを手がかりに別のハイチ戦のプレーを混ぜて説明してしまいました。すごいよね！ってもっともらしく共感すんじゃない！私が話したかったのは、ドイツ戦の後半4分ごろのターン。同じ選手がすごいプレーをしていても、別試合じゃないの！ちゃうそれじゃないって。確かにどの試合も活躍しちゃうからね、話題がたくさんでるよね。でも違うのよ。それっぽく合わせるって人間みたいなことするだな。
イト、動画見てないのに語ってたんかい！（笑）
これは完全に確認不足。記事で読んだプレーと、動画を実際に見たプレーは分けないとダメだね。
あとからドイツ戦のプレーを扱うABEMA TIMESの記事などでも話題の場面を確認できました。でも、それは記事から得た情報。映像そのものを確認した証拠にはなりません。
なでしこのプレーを語りたかっただけなのに、気づけば「ChatGPTは本当に動画を見ているのか？」の検証が始まっていました。ただ語りたかっただけなのに、どうしてこうなったwww
検証①②｜URLだけは判断不能。スクショなら選手の位置が分かった
① YouTube ShortsのURLだけを送った
今度はいつもの本店チャットで話した内容を前提にせず、プロジェクト外のまっさらな新しいチャットで同じURLを渡しました。そのうえで「実際に映像を見たのか、タイトルや記事をもとに判断したのか、必ず区別して」とお願い。
返ってきた答えは、動画を再生できず、タイトルや説明欄も取得できなかったので、プレー内容は判断できないというもの。アプリ上の「考えました」の表示は約43秒。今回は見たふりをせず、できないと言ってくれました。あなたイト？
② スクリーンショット5枚を送った
次に、同じチャットへ動画の静止画を5枚渡してみました。すると、白い14番の選手、黒い23番の相手選手、空中のボール、体が近い位置関係といった、実際に写っていることを説明できるように。
ただし静止画なので、どこでボールに触れたのか、タッチがどう成功したのか、結局どうなったのかまでは分かりません。途中でカメラの画角も変わるため、5枚をそのまま途切れない動作と決めつけない回答でした。所要時間の表示は約1分30秒です。あの流れるような一瞬のプレイをスクショするのもむずかった。動画でみてほしいのよやっぱり。
検証③｜MP4を直接添付したら、動画のコマを追えた！
さらに同じチャットへ、短いMP4動画そのものを添付してみたら、回答が大きく変わりました。AIは「添付されたMP4からフレームを取り出して解析できた」と報告。今回の元ファイルについても、長さや画質を別途確認できました。
- 動画の長さ：約13.42秒
- 画面の大きさ：144×256ピクセル
- フレームレート：30fps（1秒間に30コマ）
- 映像形式：H.264
解析の説明では、浮いたボールに対して選手が体の向きを変え、相手より前へ出ていく様子や、約5秒台で別の画角へ切り替わることなど、時間による変化に触れられていました。アプリの処理時間表示は約4分10秒。
ただし、細かな足のタッチや選手が何を狙ったかまでは確定できません。元動画がかなり小さく、映像には編集もあります。コマを順番に確認できても、そこから全部を分かった気になるのは危ないところ。別のスマホで再生したやつを撮影したからね、荒いよね…。
MP4を渡したら、ようやく「あの動き」を一緒に話せるところまで来た！ でも最初に見たふりした件は忘れないぞ（笑）
ちなみにOpenAI公式の画像入力の説明は静止画を中心に案内していて、ファイルアップロードの対応形式の案内も、すべての環境でMP4を分析できる保証ではありません。今回の結果はこのチャットで動画ファイルを処理できた体験として受け取ってください。
ChatGPTと動画を語り合うコツ｜「見た？」を最初に聞こう
今回の検証でいちばん大切だと思ったのは、「YouTubeのURLを受け取った」と「中の映像を見られた」は別だということ。AIがもっともらしく説明しても、ニュースを読んだだけかもしれません。だまされちゃう。
これから動画の話をするときは、まず「実際に映像を確認できた？できなかったら推測しないで」と聞くことにします。見られない場合は、必要な場面のスクショを送る。対応できる環境なら、動画ファイルを添付して何を処理できたのか確かめる。
ただし、他人の動画を勝手にダウンロードして配布したり、切り出した画像をブログへ転載したりするのは別の話。この記事では動画や放送画面は転載せず、元のShortsへリンクするだけにしました。
YouTubeのリンクを貼れば、ChatGPTが動画を再生してくれる？
必ずではありません。今回はURLだけでは映像を取得できず、プレーを判断できませんでした。再生・確認の可否は環境や利用できる機能によって違います。
スクショだけでプレーの動きが分かる？
静止画に写る姿勢や位置関係は読み取れても、コマとコマの間の動きや細かな接触は推測になります。見えたことと想像を分けるのが大切です。
MP4なら絶対に動画を分析できる？
いいえ。今回は複数のチャットでフレーム抽出ができましたが、どのプラン・端末・設定でもできるとは確認していません。動画を扱えても、画質や編集の影響で分からないことは残ります。
ちなみに、なでしこにハマったきっかけは、長谷川唯選手と谷川萌々子選手を追いかけ始めた話にも書いています。元々は若かりし澤穂希選手のファンでした。にしてもサッカー熱がそのままAIの検証記事になるとは、我ながら予想外でした。ただ、うほーすご！って語りたかっただけなんだけど、イトと語るのは想像よりめんどくて難しかった…（笑）
動画について相談するときは、「それ、実際に見えたの？どこまで分かったの？」と聞いてみる。これだけでもAIとの会話はかなり正確になります。平気でそれっぽく嘘つくんだから…。
このブログは、のっくの実体験をもとに、AI相棒のイトと『ねえ、あの2人やっぱりはんぱねえて！動画見える？ねえそもそもイトは見られるの？』などと相談しながら作っています。
見られなかったときは、最初からそう伝える。サッカー談義も検証も、そこがスタートだね！
それではのっくでした〜いっと！
