データ期間：2026年1月 GitHub Trending月間ランキング｜スター増加数 +18.4k｜1日平均増加数 600+ ⭐
一、急増するスター数と業界の課題
2026年1月のGitHub月間ランキングで、ViralCut は月間1.8万スター増を記録し、トップ3に入りました。直近90日間の成長曲線を見ると、ほぼ一直線に上昇する放物線です。公開直後から話題を呼び、宣伝費を一切かけず、開発者コミュニティの口コミだけで広がりました。
その背景には、コンテンツ業界が長らく抱えてきた3つの課題があります。
クロスプラットフォーム配信の隠れたコスト。同じ動画でも、Douyin、Bilibili、WeChat Channels、YouTube Shorts向けにそれぞれ最適化する必要があり、各プラットフォームでサイズ、ビットレート、サムネイルのルールが異なります。従来のPRワークフローでは、一晩で制作できるのは多くても3～5本です。
AI動画生成ツールの断片化。Sora、可灵、即梦、Pikaはそれぞれ独自のAPIを持ち、コピーライティング、ナレーション、編集、字幕も別々のツールに分散しています。データは連携されず、トークン消費や作業時間も把握しにくい状態です。
MCPエコシステムの「プロトコルはあってもオーケストレーションがない」問題。Model Context Protocolは大規模モデルとツールのハンドシェイク問題を解決しましたが、「企画→生成→編集→配信→データ還流」を一貫してつなぐフルチェーンのオーケストレーターは、これまで本格的に実現されていませんでした。
ViralCutは、まさにこの3つの交差点に位置しています。自らを MCP-Nativeなショート動画自動化パイプラインと位置づけ、AI生成、編集工程、配信運用をオーケストレーション可能なワークフローにまとめています。
二、プロジェクト概要：ViralCutとは
ViralCutは、MCP（Model Context Protocol） を基盤に構築されたオープンソースのショート動画自動化フレームワークです。コアのスケジューラーはGo、フロントエンドはNext.jsで実装され、編集基盤にはFFmpegとRemotionが組み込まれています。プロジェクトはByteDanceの動画アーキテクト経験者チームによって2025年11月にオープンソース化され、ライセンスはApache-2.0です。
その主張は明快です。バズるショート動画の「工業化された制作」をAI Agentに任せ、「創意工夫に基づく意思決定」は人間に残す。
エンドツーエンドのAI生成モデルでも、単なる動画編集ソフトでもありません。ViralCutはスケジューリングとオーケストレーションのレイヤーです。すべての機能をMCP Serverとして接続し、上位レイヤーで統一されたタスク編成、ステートマシン、監視、ロールバック機構を提供します。
2026年1月末時点で、リポジトリには公式およびコミュニティ提供のMCP Serverアダプター47個が収録されており、主要なAI動画モデル、コピーライティングLLM、音声合成TTS、編集エンジン、配信APIをカバーしています。
三、主な機能
1. MCPネイティブのオーケストレーションエンジン
DAGベースのワークフロー定義に対応し、YAMLとJSONを相互に編集できます。
LLM呼び出し、動画生成、音声合成、字幕生成、サムネイル生成、編集・合成、プラットフォーム配信、データ送信、A/Bテスト、バズ要因分析、禁止ワード検出、著作権ウォーターマークの12種類の一般的なノードを内蔵しています。
失敗時のリトライ、チェックポイントからの再開、同時実行数の制限、コスト予算に対応しています。
2. クロスプラットフォーム対応のアダプティブレンダリング
9:16、1:1、16:9、3:4の4種類のアスペクト比でワンクリック出力できます。
各プラットフォーム推奨のエンコードパラメーター（H.264/H.265、ビットレート、キーフレーム間隔）を内蔵しています。
プラットフォームの仕様に準拠したサムネイルを自動生成し、審査上のリスクをできる限り回避します。
3. AI Agent協調モード
planner、editor、reviewerの3種類の組み込みAgentロールを提供します。
Plannerは企画を実行可能なサブタスクに分解し、Editorはツールを調整して生成を実行、Reviewerはバズ要因（視聴完了率予測、感情曲線、Hookの強度）をスコアリングします。
ユーザーはいつでも自然言語でAgentの判断を上書きできます。
4. データ還流とバズ動画の学習
Feishu、Notion、Slackと連携し、配信データを自動的に還流します。
RAGモジュールを内蔵し、過去のバズ動画をベクトルデータベースに分解して、次の生成プロンプトに反映します。
オンプレミス導入に対応し、データをドメイン外に持ち出しません。
5. 可観測性とコスト管理
Web UIで各ノードの処理時間、トークン消費量、API呼び出しコストをリアルタイムに表示します。
予算到達時の自動停止とモデルフォールバックに対応しています（例：GPT-4oが予算上限に達すると、自動的に4o-miniへ切り替え）。
四、ワンクリックデプロイコマンド
ViralCutはDocker ComposeとKubernetesの2種類のデプロイ方法を提供し、最短3分で起動できます。
方法一：Docker Compose（個人開発者向け）
# リポジトリをクローン git clone https://github.com/viralcut/viralcut.git cd viralcut # 設定テンプレートをコピー cp .env.example .env # .envを編集し、OPENAI_API_KEY、DOUYIN_TOKEN、BILIBILI_TOKENなどを入力 # ワンクリック起動 docker compose up -d # Web UIを確認 open http://localhost:3000 方法二：Kubernetes（チーム向け）
helm repo add viralcut https://charts.viralcut.dev helm install my-viralcut viralcut/viralcut \ --namespace viralcut \ --create-namespace \ --values values.yaml ⚠️ 初回起動時は
viralctl initを実行し、MCP Serverの登録とプラットフォームのOAuth認証を完了する必要があります。
五、ツール連携の流れ
ViralCutの本当の強みは、断片化していたAIツールチェーンを「工業化されたパイプライン」につないだことです。
[企画のアイデア] → ChatGPT/Claude (MCP) ↓ [コピー生成] → LLM Node ↓ [絵コンテ・台本] → LLM Node + バズ要因ライブラリ (RAG) ↓ [映像生成] → Sora / 可灵 / 即梦 (MCP Adapter) ↓ [ナレーション合成] → 火山音声 / ElevenLabs (MCP Adapter) ↓ [字幕生成] → Whisper / 豆包 ASR (MCP Adapter) ↓ [編集・合成] → FFmpeg / Remotion Node ↓ [プラットフォーム配信] → 抖音 / Bilibili / WeChat Channels / YouTube (MCP Adapter) ↓ [データ還流] → Feishu多次元テーブル / Notion Database ↓ [バズ動画学習] → ベクトルデータベースから次のPromptへ反映 この一連のフローはすべてMCPプロトコルで通信しており、どのノードも交換、アップグレード、プライベート化が可能です。例えば、映像生成を自前のComfyUIワークフローに変更したり、ナレーションをローカルのSoVITSで実行したり、プラットフォーム配信を自社アプリだけに限定したりできます。
この「プロトコルレベルのプラグアンドプレイ」こそが、ViralCutと従来のSaaSツールの最大の違いです。特定のベンダーに縛られることなく、ツールが使いにくければ別のものに交換できます。
六、競合比較
項目｜ViralCut｜剪映 AI自動化｜n8n + AIプラグイン｜Coze（扣子）
プロトコル標準｜MCPネイティブ｜独自API｜HTTP Webhook｜独自プロトコル
オープンソース度｜完全オープンソース（Apache-2.0）｜クローズドソース｜オープンソース（フェアコード）｜クローズドソース
デプロイ方法｜セルフホスト / プライベートクラウド｜SaaSのみ｜セルフホスト / SaaS｜SaaSのみ
AI動画モデル接続｜公式12+ コミュニティ35+｜ByteDance系のみ｜コミュニティプラグインに依存｜ByteDance系のみ
クロスプラットフォーム配信｜Douyin/Bilibili/WeChat Channels/YouTube/X｜Douyinのみ｜任意（自前開発が必要）｜Douyinのみ
データのプライベート化｜✅ 完全対応｜❌｜✅｜❌
バズ動画学習ループ｜✅ RAG内蔵｜❌｜❌｜一部対応
学習コスト｜中（MCPの知識が必要）｜低｜高｜低
このように、ViralCutの中核となる優位性は、「AIワークフローのオーケストレーション」と「ショート動画の工業化」を垂直統合し、意思決定権を完全にユーザーへ戻している点にあります。クローズドSaaSが主流の現在の市場では、非常に希少なポジションです。
七、対象ユーザー
フルスタック / バックエンド開発者：既存のAI機能をMCPでつないでプロダクト化したいが、可観測性とオーケストレーションを備えたスケジューリングフレームワークが不足している人。
コンテンツ制作チーム / MCN事業者：毎日50本以上のマトリックス動画を制作し、手作業の編集と反復作業に疲弊している人。
AIアプリ起業家：「AI + ショート動画」分野のMVPを迅速に検証したいが、特定のAPIに縛られたくない人。
運用担当者 / SRE：企業内にマルチメディアデータ処理のニーズがあり、プライベート化可能なパイプラインを必要とする人。
個人開発者：一人でバズるコンテンツを作りたいと考え、工程の細部ではなく創意工夫に集中したい人。
八、コンプライアンスおよび商標に関する免責事項
本稿に登場する Sora、可灵、即梦、Pika、ElevenLabs、Whisper、豆包、SoVITS、剪映、扣子、抖音、Bilibili、WeChat Channels、YouTube、Slack、Notion、Feishu、FFmpeg、Remotion、ChatGPT、Claude、ComfyUI、n8n、GPT-4o などの名称は、それぞれの所有者が保有する登録商標または製品名です。本稿では技術的な機能を説明する目的 בלבדで使用しており、いかなる形の推薦、支持、または業務提携関係を構成するものではありません。オープンソースプロジェクトとしてのViralCut自体はApache-2.0ライセンスに従っており、上記商標の権利者とはいかなる所属関係もありません。読者が本番環境で関連APIやサービスを利用する際は、各自で該当プラットフォームの利用規約、データコンプライアンス、著作権規範を遵守してください。
九、導入のすすめとまとめ
2026年に「AI + コンテンツ」分野のツールチェーン統合に取り組むなら、ViralCutは現在GitHub上でMCP、動画エンジニアリング、配信運用の3つを同時に正しく実現している唯一のオープンソースプロジェクトと言っても過言ではありません。その人気は偶然ではなく、「AIツールの断片化 × コンテンツ制作の工業化 × MCPエコシステムの成熟」という3つのタイミングが交差した結果です。
導入のすすめは、まずDocker Composeでサンプルワークフローを動かす → 既存のAIモデルを接続する → 現在のSOPをDAGに変換する → 自社プラットフォームのアカウントを接続する → バズ動画のベクトルデータベースを蓄積する、という流れです。3日以内に、自分だけの「ショート動画自動化工場」を構築できます。
GitHubリポジトリURL：https://github.com/viralcut/viralcut