ChatGPT拡張機能でYouTube動画に質問するやり方｜要約後の深掘りプロンプトとLLMO視点

ChatGPT拡張機能でYouTube動画に質問するやり方｜要約後の深掘りプロンプトとLLMO視点

この記事の結論: 「YouTube Summary with ChatGPT & Claude」のようなChrome拡張機能を使うと、YouTube動画の字幕をChatGPTに読み込ませたうえで、要約だけでなく「なぜそう言えるのか」「他の動画とどう違うのか」といった深掘り質問を何度でも繰り返せる。この使い方は既存の日本語解説記事の多くが「要約のやり方」止まりで扱っておらず、質問(Q&A)を軸にした活用法と、自動字幕ベースゆえの精度限界を理解している人はまだ少ない。さらに、この仕組みを踏まえると、YouTube運営者・企業チャンネル側が取るべき対策は「動画を再生させること」だけでなく「ChatGPTに正しく質問へ答えさせられる字幕・概要欄・チャプターを用意すること」へと広がっていく。

最終更新日: 2026年8月30日

はじめに

YouTube動画を開いてすぐ内容を把握したいとき、多くの人は「要約」までしか使っていない。しかし「YouTube Summary with ChatGPT & Claude」をはじめとするChrome拡張機能の本質的な価値は、字幕データをChatGPTのチャット欄に流し込んだ状態を作ってしまえる点にある。要約が表示されたあとも、同じチャット欄に「この主張の根拠になっている部分はどこ?」「30分以降で語られている反論を教えて」と続けて聞けば、動画を巻き戻さずに疑問を解消できる。

ところが、ascii.jpやdekiru.net、ai-souken.com、active-note.jpといった既存の解説記事を確認すると、いずれも「拡張機能の入れ方」「要約ボタンの押し方」「要約結果の見方」にとどまっており、要約の先にある質問応答の具体的なプロンプト例や、複数動画をまたいだ比較質問のやり方までは扱っていない。加えて、自動生成字幕をベースにしている以上、ChatGPTの回答が誤った字幕をそのまま引きずってしまうケースがある点も、あまり注意喚起されていない。

この記事では、①拡張機能の導入と基本操作 ②要約結果の読み方 ③要約後に深掘り質問を繰り返す具体的なプロンプト ④長尺動画・複数動画を横断して比較質問するやり方 ⑤精度の限界と見分け方 ⑥YouTube運営者・LLMO担当者が取るべき字幕・概要欄・チャプター最適化 ⑦ChatGPTでの動画理解とYouTube検索の使い分け、の順に解説する。姉妹記事として「Gemini in ChromeのYouTube要約最適化」「Claude MCPでYouTube要約を設定する方法」があり、あわせて読むとAIブラウザ・拡張機能ごとの違いが見えてくる。

1. 拡張機能の導入と基本操作｜インストールから初回要約まで

「YouTube Summary with ChatGPT & Claude」はGlasp社が提供するChrome拡張機能で、Chromeウェブストアの検索窓に拡張機能名を入力するか、提供元サイトから「Add to Chrome」ボタンを押すことで追加できる。導入の流れは次の3ステップに整理できる。

1. Chromeウェブストアで拡張機能を検索し追加する。追加後はブラウザ右上のツールバーにアイコンが表示される。
2. 要約対象のYouTube動画を開く。動画再生画面の右側に「Transcript & Summary」というボックスが自動的に表示される。
3. 使用するAIモデルを選ぶ。ChatGPT・Claude・Gemini・Mistral AIの中から選択でき、初回利用時はChatGPTアカウントとの連携(ログイン)を求められる。

ボックス内のChatGPTロゴをクリックすると、拡張機能が動画の字幕データを自動取得し、あらかじめ組み込まれた要約用プロンプトとともにChatGPTへ送信する。数秒〜十数秒待つと、動画のタイトル・チャンネル名に続けて、箇条書き形式の要約が画面に表示される。この時点で、ChatGPT側の画面には「動画の文字起こし全文+要約結果」がひとつの会話履歴として残っている。ここが最も重要なポイントで、要約はゴールではなくスタート地点であり、この会話履歴に対して自由に追加の質問を投げられる状態になっている。

なお、字幕が存在しない動画(自動生成字幕も無効化されている場合など)は文字起こしを取得できず、要約自体が失敗する。この制約は次の章以降で詳しく扱う精度の限界とも関係している。

2. 要約結果の見方｜箇条書きの粒度とタイムスタンプの意味

拡張機能が生成する要約は、多くの場合「動画全体の要旨(3〜5行)」と「セクションごとの箇条書き」の二段構成になっている。箇条書きの各項目には、該当する再生時間のタイムスタンプがリンクとして付与されていることが多く、クリックすると動画のその時点まで自動でジャンプする。

この構成を理解しておくと、要約の「粒度」をコントロールできる。例えば、拡張機能の設定画面(またはChatGPT側への追加指示)で「もっと詳しく」「3行で」と指定すれば、要約の詳細度を後から調整できる。要約が粗すぎて内容がつかめない場合は「セクションごとに5行ずつ詳しく」、逆に時間がない場合は「全体を1行で」と指示を出し直すだけでよい。この調整は拡張機能の再実行ではなく、ChatGPTのチャット欄への追加メッセージとして行える点が、単なる「要約ツール」との違いだ。

3. 要約後にChatGPTへ質問を繰り返す実践プロンプト集

ここが本記事の核となる部分だ。要約が表示されたあとのチャット欄には、動画の文字起こし全文がすでに読み込まれている。したがって、以下のようなプロンプトをそのまま追加入力するだけで、動画を見返さずに深掘りができる。

根拠・裏付けを確認する質問

• 「さっきの要約で挙げた3つ目のポイントについて、話者は具体的にどんな根拠を示している?」
• 「この動画で紹介されている数値データの出典は語られている?」
• 「話者の主張のうち、明確な根拠が示されていない推測に基づく部分はどこ?」

構造・流れを把握する質問

• 「この動画を導入・本論・結論の3部構成に分けて、それぞれ何分から始まるか教えて」
• 「動画内で話題が変わるタイミングをすべてリストアップして」
• 「初心者が理解しにくい専門用語を、動画内での使われ方に沿って5つ解説して」

特定シーンの深掘り質問

• 「12分ごろに話している内容をもう少し詳しく説明して」
• 「話者が『ここが一番重要』と言っている箇所はどこ?」
• 「動画の後半で語られている反対意見・注意点をまとめて」

アウトプット形式を変える質問

• 「この動画の内容を、上司への報告用に3行でまとめて」
• 「動画の内容をQ&A形式に変換して、想定される質問と回答を5組作って」
• 「この動画で紹介されている手順を番号付きのチェックリストにして」

これらのプロンプトに共通するのは、「要約」ではなく「会話履歴に残っている文字起こしテキストの再解釈」を依頼している点だ。ChatGPT側は動画を再生しているわけではなく、すでに渡された字幕テキストの中から該当箇所を探し直しているに過ぎない。この仕組みを理解していれば、「なぜこんなに早く詳細な回答が返ってくるのか」も腑に落ちるはずだ。

実務での使い方としては、まず要約で全体像をつかみ、次に自分の業務や関心に直結する箇所だけをピンポイントで深掘りする、という二段階の使い分けが効率的だ。例えば競合企業のプレゼン動画を分析する場合、要約で骨子を把握したあと「価格戦略について語っている部分だけ詳しく」と絞り込めば、40分の動画でも数分で必要な情報にたどり着ける。

4. 長尺動画・複数動画を横断して比較質問するやり方

1時間を超える講演・セミナー動画や、同じテーマを扱う複数の動画を比較したい場合は、単発の要約だけでは情報が粗くなりすぎる。以下の手順で精度を保ちながら深掘りできる。

長尺動画をセクション単位で区切って質問する まず要約結果に含まれるタイムスタンプ付きの目次を確認し、「0分〜20分の内容だけを詳しく」「20分〜40分の内容だけを詳しく」のように時間範囲を指定して個別に質問する。一度にすべてを詳細化しようとすると、ChatGPT側の応答が要点の羅列に留まりやすいため、区切って依頼するほうが情報の抜け漏れを減らせる。

複数動画を比較する場合は動画ごとに会話を分けてから統合する 拡張機能は1回の要約につき1本の動画を対象にするため、A・B・C三本の動画を比較したいときは、まず各動画を個別に要約し、それぞれの会話で「この動画の主張を3行でまとめて」と統一フォーマットの要約を作っておく。そのうえで、3つの要約結果を1つのChatGPTの会話にコピー&ペーストし、「以下は3本の動画の要約です。共通して主張されている点と、意見が割れている点を整理して」と指示すると、動画をまたいだ比較分析ができる。

比較質問の具体例

• 「A動画とB動画で、同じテーマについて語っている結論が矛盾している箇所はある?」
• 「3本の動画のうち、最も具体的な手順を示しているのはどれ?」
• 「これらの動画に共通して出てくるキーワードを頻度順に並べて」

この比較質問は、競合チャンネルのリサーチや、同じ製品について複数のレビュー動画が出ている場合の情報整理に特に有効だ。ただし、拡張機能が一度に処理できる文字起こしの分量には上限があり、極端に長い動画(2〜3時間規模)では文字起こしの後半が省略されたり、要約が前半に偏ったりすることがある。この場合は前述のセクション分割による質問が必須になる。

5. 精度の限界｜自動字幕ベースゆえの誤答リスクと見分け方

ChatGPT拡張機能によるYouTube動画のQ&Aは、映像そのものを解析しているわけではなく、YouTube側が生成・保持している字幕(キャプション)データを文字起こしとして読み込んでいるだけという制約がある。この構造が、以下のような誤答リスクを生む。

自動生成字幕の誤変換がそのまま回答に反映される 自動生成字幕は音声認識の精度に依存するため、固有名詞・専門用語・数値の聞き取り誤りが起きやすい。例えば話者が「エルエルエムオー」と発音した箇所が字幕上で意味不明なカタカナ列に変換されていた場合、ChatGPTはその誤った文字列をそのまま「事実」として扱い、質問に対する回答にも誤変換後の表現が混入する。

話者不明箇所での取り違え 複数人が登壇する対談・座談会形式の動画では、自動字幕が話者を区別せずに一続きのテキストとして書き起こすことが多い。この場合、「Aさんの意見は?」と質問しても、実際にはBさんの発言をAさんの発言として回答してしまうリスクがある。

画面内の視覚情報が反映されない グラフ・表・スライド資料など、話者が口頭で説明していない画面上の情報は字幕に残らないため、ChatGPTには見えていない。「このグラフの数値を教えて」と質問しても、話者がグラフの内容を音声で読み上げていない限り、正確な回答は返ってこない。

誤答を見分けるための確認方法

• 回答の中で固有名詞・数値が出てきた場合は、該当のタイムスタンプにジャンプして原文の字幕表示と実際の音声を照合する
• 「この情報の根拠になっている発言を、元の文字起こしからそのまま引用して」と追加質問し、ChatGPTが要約ではなく原文を提示できるか確認する
• 重要な意思決定に使う情報については、必ず動画本編の該当箇所を自分の目と耳で確認してから採用する

これらの限界を理解したうえで使えば、ChatGPT拡張機能によるYouTube動画のQ&Aは「動画の要点を高速に把握し、深掘りすべき箇所を特定するためのフィルター」として非常に有効だ。逆に、最終的な事実確認や重要な引用は、必ず本編の映像・音声で裏取りするという運用ルールを徹底することが、誤情報の拡散を防ぐ最低限の防衛策になる。

6. YouTube運営者・LLMO担当者への視点｜AIに正しく質問へ答えさせる動画設計

ここまではChatGPT拡張機能を「使う側」の視点で解説してきた。しかし、この仕組みが日常的に使われるようになるほど、YouTube運営者・企業チャンネル側には新しい課題が生まれる。それは、視聴者が動画を再生する前に、ChatGPTへの質問だけで内容を判断してしまうという状況だ。視聴者は「この動画は自分の疑問に答えてくれるか」を、動画を開かずにChatGPTとの対話だけで見極めるようになりつつある。

この状況で運営者が取るべき対策は、単なる「要約されやすい動画を作る」ことにとどまらない。ChatGPTが深掘り質問に正確に答えられるだけの情報を、字幕・概要欄・チャプターというテキスト層に仕込んでおくことが本質になる。具体的には以下の4点が重要だ。

① 自動生成字幕をそのまま放置しない 前章で触れた誤変換リスクは、視聴者がChatGPTに深掘り質問をするほど表面化しやすい。要約1回だけなら誤変換が紛れ込んでも気づかれにくいが、視聴者が「この数値の根拠は?」と繰り返し質問してくると、誤った字幕がそのまま繰り返し引用され、間違った情報がブランドの発言として広まるリスクが高まる。YouTube Studioで字幕を手動校正し、固有名詞・数値・ブランド名を正確なテキストとして残しておくことが最優先の対策になる。

② 概要欄に「想定質問への回答」を先回りして書いておく ChatGPTは字幕だけでなく概要欄のテキストも読み込みの対象にする。動画のテーマに対して視聴者が抱きやすい疑問(「価格はいくら?」「対象者は?」「他社製品との違いは?」)を想定し、その回答を概要欄に短く明記しておくと、ChatGPTが質問に答える際の参照元として概要欄のテキストが使われやすくなる。これは検索エンジン向けのSEO対策とは異なる、AIとの対話を前提にした新しい書き方だ。

③ チャプターを「質問の単位」で区切る チャプター(タイムスタンプ付きの見出し)を単純な時間割りではなく、視聴者が抱くであろう疑問の単位で区切ることで、ChatGPTが「〇〇について話している部分」を特定しやすくなる。例えば「00:00 イントロ」ではなく「00:00 このツールを導入するべき企業の特徴」のように、質問に直接対応する見出しにしておくと、ChatGPTが深掘り質問に答える精度が上がる。この設計思想は動画チャプター（Chapter Marker）の考え方そのものであり、字幕（Closed Caption / CC）の整備とセットで機能する。

④ ブランド名・結論を音声とテキストの両方で繰り返す 視聴者がChatGPTに「このツールを作っているのはどこの会社?」と質問したとき、字幕内にブランド名の言及が薄いと、ChatGPTは概要欄のテキストだけを頼りに回答することになり、誤って言及しない、あるいは他社名と混同するリスクが生まれる。動画内で口頭でも複数回ブランド名を明言し、ブランドメンションがテキスト層に確実に残る状態を作っておくことが、AI経由での誤引用を防ぐ最も基本的な備えになる。

これらの対策は、視聴者に動画を「見せる」ためのものというより、視聴者が動画を見る前にAIへ質問した時点で、ブランドにとって不利な回答や誤った回答が生成されないようにするための予防策だと捉えるのが正確だ。AI検索・AIチャットが情報の入口として定着するほど、クローラーが読み取るテキスト情報の正確さが、動画そのものの再生数と同じかそれ以上に重要な指標になっていく。

チャンネル運営の実務としては、全動画を一斉に対策するのではなく、視聴者からの質問が多い・検索流入が多い動画から優先的に着手し、新規公開分については最初から「質問される前提」で概要欄とチャプターを設計する運用が現実的だ。

7. ChatGPTでの動画理解とYouTube検索の使い分け

ChatGPT拡張機能によるQ&Aが便利になったことで、「YouTube検索とChatGPTのどちらを使うべきか」という判断が必要になる場面が増えてきた。この使い分けは、目的によって明確に分かれる。

この表からも分かる通り、ChatGPT拡張機能は「発見」のフェーズではなく「理解・検証」のフェーズで力を発揮するツールだ。YouTube検索が担ってきた「面白そうな動画を見つける」という役割は当面代替されにくい一方、「見つけた後にどれだけ効率よく内容を消化できるか」という体験は、ChatGPTのようなAIチャットに置き換わりつつある。動画運営者にとっては、この二段階のどちらのフェーズでも自社の動画が正しく扱われるように、サムネイル・タイトルといった発見用の要素と、字幕・概要欄・チャプターという理解用の要素の両方を整備する必要がある。

よくある質問

Q1. YouTube Summary with ChatGPT & Claudeは無料で使えますか?

基本的な要約・質問応答機能は無料で利用できる。

拡張機能自体の追加とChatGPTアカウントでのログインだけで、動画の要約と追加質問が可能だ。より高度な機能(自分のAPIキーを使った無制限利用など)は有料アップグレードとして提供されている場合があるため、利用規約やプランは導入時に確認しておくとよい。

Q2. 要約後にChatGPTへ質問するとき、毎回同じ会話の続きで聞けばよいですか?

そのままの会話を続けるのが基本だが、複数動画を比較したい場合は動画ごとに会話を分ける必要がある。

拡張機能が読み込んだ文字起こしは、その要約を生成した会話履歴の中にのみ残る。別の動画について質問したいときは、その動画専用に生成された会話に切り替えないと、前の動画の内容と混同した回答が返ってくることがある。

Q3. 字幕がない動画でも質問応答は使えますか?

字幕(自動生成含む)が一切ない動画では、文字起こし自体が取得できないため利用できない。

拡張機能は音声認識APIを新たに実行しているのではなく、YouTube側にすでに存在する字幕データを取得する仕組みが主流だ。字幕アイコンが表示されない動画では、まず字幕の有無をYouTube側で確認する必要がある。

Q4. 長尺動画で質問への回答が途中から不正確になるのはなぜですか?

字幕データの分量がChatGPTが一度に処理できる範囲を超え、後半部分の情報が読み込まれていない可能性がある。

この場合、動画をセクション単位に区切って「20分〜40分の内容について」のように時間範囲を指定して質問し直すことで、精度を回復できる。長尺講演やライブアーカイブほどこの現象が起きやすい。

Q5. ChatGPTの回答と実際の動画内容が食い違っていたらどうすればよいですか?

まず該当箇所のタイムスタンプにジャンプし、実際の音声・映像で内容を確認する。

自動生成字幕の誤変換や話者の取り違えが原因であることが多いため、重要な情報については必ず一次情報である動画本編で裏取りする運用を徹底したい。

Q6. ChatGPT・Claude・Gemini・Mistralのどれを選んで要約すればよいですか?

日本語動画であれば、まずChatGPTかClaudeを試し、回答の粒度や文体の好みで選んで問題ない。

いずれのモデルも同じ字幕テキストを読み込んで処理する点は共通しているため、精度の差よりも回答スタイルの好みで選ぶユーザーが多い。複雑な比較質問をしたい場合は、長文の文脈保持に強いモデルを選ぶと安定しやすい。

Q7. 複数動画を比較する質問はどのように組み立てればよいですか?

各動画を個別に要約してから、それぞれの要約結果を1つの会話にまとめて貼り付け、比較を依頼する。

拡張機能は1回の処理につき1本の動画が対象になるため、動画をまたいだ比較には、要約結果をコピーして統合するという一手間が必要になる。

Q8. YouTube運営者として、この仕組みに対応するために最初にやるべきことは何ですか?

自動生成字幕の校正と、概要欄への想定質問への回答の明記が最も費用対効果の高い対策になる。

視聴者がChatGPTに深掘り質問をするほど、字幕・概要欄の誤りや情報不足がそのまま誤った回答として広まりやすくなる。まずは再生数の多い動画から字幕を校正し、概要欄に要点を追記する順序が実務的だ。

Q9. ChatGPT拡張機能でのQ&Aは、通常のYouTube検索の代わりになりますか?

動画を新たに発見する用途では代わりにならないが、すでに見つけた動画を理解・検証する用途では強力な代替手段になる。

YouTube検索はサムネイルや再生数といった発見のための情報を提供する一方、ChatGPT拡張機能は見つけた動画の内容を効率よく消化するための手段であり、両者は役割が異なる。

Q10. この記事で紹介した質問プロンプトは、Gemini in ChromeやClaude MCP経由の要約でも使えますか?

基本的な考え方は流用できるが、対応状況やUIはツールごとに異なる。

いずれのツールも字幕テキストを主原料に要約・質問応答を行うという共通の仕組みを持つため、深掘り質問の発想自体はツール横断で有効だ。ツールごとの詳しい設定手順は「Gemini in ChromeのYouTube要約最適化」「Claude MCPでYouTube要約を設定する方法」も参照してほしい。

関連用語

• ChatGPT検索
• 字幕（Closed Caption / CC）
• 動画チャプター（Chapter Marker）
• クローラー
• ブランドメンション
• GEO（Generative Engine Optimization）

関連記事

• LLMO完全ガイド
• AI検索最適化ガイド
• Gemini in ChromeのYouTube要約最適化
• Claude MCPでYouTube要約を設定する方法
• NotebookLM動画概要とソース選択の最適化2026
• NotebookLMでYouTube動画を記事化し引用を狙う方法
• AIエージェントが動画を視聴・引用する条件2026
• ChatGPTのYouTubeチャンネルおすすめ最適化
• 米サイト訪問数調査、ChatGPT+48%増と『未計測トラフィック』急増の実態