YouTube要約プロンプト：実際に使える5つと、プロンプトでは解決しないこと（2026年）

最初に：プロンプトは二番目の問題です

「YouTube 要約 プロンプト」を探している方の状況は、だいたい同じです。URLを貼ったら見当違いの要約が出てきて、プロンプトが悪いのかと考え、もっと良い書き方を探しに来られた——という流れです。

ですが原因はたいていプロンプトではありません。AIが動画の中身を読めていないからです。

通常のChatGPTアプリは、YouTubeのURLを受け取って動画を解析しません。リンクを貼ると、タイトル・説明文・コメント程度を読み、それらしい文章を組み立てます。この状態ではプロンプトをどれだけ精密にしても、ないものを精密に作文するだけです。GeminiはYouTube拡張機能が有効なら字幕を読めますが、公開動画であることが前提で、公開から1か月以内の動画では失敗する事例が報告されています。

ですから順番が大事です。① 字幕をAIに渡す → ② 目的に合ったプロンプトを使う。 ①を飛ばすと②に意味がありません。

以下ではまず①の手順を書き、そのあとで目的別のプロンプト5つをコピーして使える形で並べました。なお、この記事はSummarizer.tubeのブログで、プロンプトが最初から不要な方法も最後に紹介します。

手順①：字幕をAIに渡す

いちばん確実なのは、字幕の全文をコピーしてチャット欄に貼ることです。長い動画ではテキストも長くなりますが、最近のモデルは長い入力を受け取れます。

字幕を手に入れる方法は二つあります。

YouTubeから直接。 動画下の「もっと見る」に「文字起こしを表示」がある場合、開いてテキストを選択してコピーできます。ただし行ごとにタイムスタンプが混ざって読みにくく、動画によってはこのメニュー自体がありません。

抽出ツールで。 [文字起こしツール](/ja/tools/youtube-transcript)にURLを入れると、字幕全文をきれいなテキストで取得でき、タイムスタンプを含めるかどうかも選べます。TXTやSRTでの保存もできます。プロンプトに渡すときはタイムスタンプを外したほうが結果が整います。

字幕がない動画はここで終わりです。 音楽だけの動画、ほとんど話していない動画、投稿者が字幕を無効にしている動画には、渡す材料そのものがありません。この場合はどんなプロンプトでも、どのサービスでも解決しません。

手順②：目的別プロンプト5つ

字幕を貼り付けたうえで、目的に合うものを選んでください。各プロンプトの末尾に字幕を続けます。

① 全体像をつかむ（まずはこれ）

「以下はYouTube動画の字幕です。三つに分けてまとめてください。(1) この動画が結局何を主張しているかを3文以内で、(2) 根拠や事例を出てきた順に5〜8項目で、(3) この動画が扱っていないことを一行で。字幕にない内容は絶対に足さないでください。」

最後の一文が効きます。「ないことを足すな」という指示がないと、モデルは空白を一般常識で埋める傾向があります。

② 講義・学習用

「以下の講義字幕を試験対策ノートにしてください。概念ごとに一行の定義を先に書き、その下に講義で挙げられた例を添えてください。講師が『重要』『試験に出る』といった言い方で強調した箇所は別に印を付けてください。」

③ タスク抽出用（会議・業務動画）

「以下の字幕から、実際にやるべきことだけを抜き出してください。各項目は動詞で始め、担当者が示されていれば併記してください。背景説明や雑談は除いてください。」

④ 事実確認用

「以下の字幕から、数値・日付・固有名詞・引用された研究をすべて抜き出して表にしてください。字幕が不明瞭で確信が持てない項目は『不確実』と記してください。」

自動字幕は数値と固有名詞をよく間違えます。「不確実」を求めると、どこを原典で確認すべきかが浮かび上がります。

⑤ 批判的に読む

「以下の字幕を読み、二点を挙げてください。(1) 話し手が根拠なく断定している箇所、(2) 根拠は示しているがその根拠が結論を十分に支えていない箇所。それぞれ字幕の該当表現をそのまま引用してください。該当がなければ『なし』とだけ答えてください。」

レビュー・投資・健康関連の動画で特に有効です。「なければ『なし』と答えよ」がないとモデルは無理に問題を作り出すので、この一文は外さないでください。

五つを一度に全部使う必要はありません。「何の話か早く知りたい」だけなら①で十分で、残りは必要なときに出すほうが結果が良くなります。指示を重ねるほど、モデルはそれぞれを浅く処理しがちです。

プロンプトでは解決しないこと

画面にしかない情報。 発表資料のグラフ、板書の数式、コード画面は字幕に残りません。「画面の内容も説明して」と頼んでも、その情報はそもそもモデルに渡っていません。結果はもっともらしい推測になります。

自動字幕の誤り。 専門用語や人名が誤認識されていれば、要約もその誤りをそのまま引き継ぎます。プロンプトで直せる種類の問題ではありません。

とても長い動画。 3時間分の字幕を一度に入れると、前半が雑に扱われることがあります。その場合は字幕を30分ほどで区切って個別に要約し、その要約をもう一度まとめ直すほうが安定します。

タイムスタンプ。 字幕からタイムスタンプを外した場合、モデルは「その話が何分に出てくるか」を知りません。残せば読みにくくなりますが位置は保たれます——目的に応じて選んでください。

プロンプトを使わない方法

ここまでの流れをまとめると、字幕を取り出し、貼り付け、プロンプトを選び、長ければ分割し、結果をもう一度まとめる——となります。一度や二度なら平気ですが、毎回となると手間です。

[Summarizer.tube](/ja)は、この工程を一段に縮めたツールです。URLを貼るだけで、字幕の取得もプロンプトの設計も分割処理も内部で済み、結果として内容をまとめた概要とタイムスタンプ付きの要点が返ります。要点を押すとその瞬間へ移動します。

プロンプト方式と比べた違いはこうです。

- タイムスタンプが残ります。 手で貼る方式でいちばん惜しい部分ですが、ここでは既定で付きます。 - 長い動画も自動で分割されます。 2時間を超える動画も区間に分けてから統合します。 - 英語の動画も日本語で出ます。 字幕が英語でも結果は日本語です。 - 登録・ログイン・インストールが不要で、1日5回まで無料です。

ただし字幕のない動画はこちらでもできませんし、画面にしかない情報が落ちるのも同じです。そこはツールを替えて解決する問題ではありません。