一部、noteへお引越しのお知らせ
最近、生成AIにはまっている私ですが、生成AI関連の備忘録とかは、noteの方に引っ越しすることにしましたー。よろしければ、以下アクセスしてね！
でも、こっちのブログも「滅多にかかない、あに。部長の日常ブログ」として、ほそぼそと残します...よろしくです...。
アニメが現実にやってこれたのか？（PixAIコンテスト奮闘記）
序章
「最大15,000円相当が当たるチャンス！」
……はい、不純な動機ですみません。そんな魅力的な言葉につられて、PixAIで開催中の「アニメが現実にやってくる」コンテスト（ミオと過ごす夏）に滑り込みで参戦してみることにしました。
1. 写真をaviutlで合成しちゃうぞ作戦
最初はね、「手持ちの架空アニメキャラの絵を、手持ちの現実の写真と合成すればサクッと形になるっしょ！」と安直に考えていたわけです。まぁ、そんなわけないですよね。
まず、写真フォルダを漁り始めて絶望しました。
「ピントがばっちり合っていて、かつ他人が写り込んでいない、背景として都合よく使える写真が手元に1枚もないｗｗ」
ま、そんなもんです。
ただ、PixAI、アニメ系AIというイメージはありますが、写真的なものもかなりきれいにだしてくれるはず！。と、お試しで「ウルトラ」モードを使って「東京の夜景」を出してみたところ……これがめちゃくちゃ綺麗でビビりました。
ということで、まずはいつも使い慣れている動画編集ソフト「AviUtl」に2枚の画像を放り込み、単純にキャラクターと夜景を重ね合わせてみたんですが。
「……いや、違和感の塊だな！？」
単に上に乗せただけなので、キャラクターが背景から浮きまくっている。
ここでふと、一つの疑問が頭をよぎります。
「そもそも『PixAIを使って…』っていうコンテストの規約、どこまでPixAIの中で完結させなきゃいけないんだ？ 他のツールでゴリゴリに力技で加工したらNGになったりするのかな？」
2. Reference Proを使ってみちゃうぞ作戦
悩んだ結果、せっかくの機会だし、PixAIの「Reference Pro」をちゃんと試してみることにしました。
1トライ目：元絵の良さが消え去る事件
まずは「背景（夜景）」と「キャラクター」を指定し、さらに「窓ガラスへの複雑な反射」や「胸元のクリスタルの発光」を綺麗になじませてもらおうと、最初に組んだプロンプトがこれです（実際のプロンプトと若干異なります）。
(masterpiece, top quality, photorealistic, cinematic:1.3, detailed:1.3), [Based on images:図1 (Character and Pose),図2(Background and Window Frames)], the main character is standing in the dark observation level, left hand touching the glass window, looking out at the sprawling Tokyo night view with wistful wonder, the city lights from図2, including Tokyo Tower and Skytree, stretch endlessly beyond the glass, framed by the dark mullions, [Desired Effect 1: Crystal Glow]: the oval crystal pendant on her chest is glowing with intense, radiant, pure azure light, casting a strong blue illumination onto her chin, cape, and hand, rendered like a sharp '閃光' flash with lens flare artifacts, [Desired Effect 2: Glass Reflections]: faint, subtle, complex ghost reflections of her face and the city lights are visible on the window glass, layered over the view, making her appear truly within the glass's reflection plane, [Desired Effect 3: Texture Matching]: the entire scene, both character and background, is integrated with a single, uniform, fine photographic noise grain texture, like real film grain, blending the textures and removing any illustration look, sharp focus on face and crystal, dynamic scale city view
――結果。
「あれ、キャラも向きも違う……！！」
なるほど、Reference Proは単純に画像を合成してくれる便利ツールではなく、プロンプトの指示と参照画像をもとに再生成するツールなのですかね。勉強になります。でも、「写真と絵の馴染ませ方」はすごいと思います。やるなぁ、Reference Pro。
2トライ目：かなり良くなったけど、手が……！
1回目の反省を活かし、「元絵のキャラクターのアイデンティティを絶対に死守する」方向へシフト。
服装、表情、髪型、髪のなびき方に至るまで徹底的に細かく指定し、さらにウエイト（:1.5）をかけて「これをつらぬけ！」と強調した2本目のプロンプトがこちら（実際のプロンプトと若干異なります）。
(masterpiece, top quality, photorealistic, cinematic:1.4, detailed:1.3), [Primary Reference: Character - 図1]: the female character from 図1 is positioned in the foreground, facing right, with her right hand touching the window glass, (her exact wistful-wonder expression with wide sparkling eyes and breathless, slightly parted lips from 図1 is maintained:1.5), (her exact purple-lavender braided hair and its exact windblown fluttering pattern backward from 図1 are preserved:1.5), (her exact brown oversized hooded cape, white frill blouse, brown vest, and the teal green skirt from 図1 are preserved:1.5), the oval azure crystal pendant on her chest, glowing intensely as in 図1, is retained, [Primary Reference: Background - 図2]: the expansive Tokyo night cityscape from 図2, including Tokyo Tower and Skytree, is visible beyond the window glass, framed by the mullions, [Desired Effect: Seamless Integration]: the character is bathed in the cool blue ambient light from 図2, (the intense blue glow of the crystal from 図1 casts realistic, bright blue illumination onto her chin, cape, hand, and the window glass:1.4), (complex, subtle ghost reflections of her face and figure, blended with the city lights, are layered onto the glass she is touching:1.4), (a single, uniform, fine film noise grain texture covers the entire image, blending character and environment:1.4), sharp focus on her face and the crystal, city view is vast
うん、いい！
ガラスへの反射、クリスタルの青い光の照り返し、フィルムグレインの質感、そして何よりキャラクターの面影がしっかり残ってる！
……と、大喜びしたのも束の間。画像を拡大して絶望しました。
「右手と左手が入れ替わって表現されて、手首の角度がおかしなことになっとる……！」
本当に惜しい、実に惜しい！
ラストトライ：ついに完成へ
ここで諦めるわけにはいきません。
この「手がおかしいけど他は完璧な2トライ目の画像」をあえて【1枚目の参照画像】に指定。
そして、正しい手の形を思い出してもらうために、キャラクターの元絵を【2枚目の参照画像】としてセット。プロンプトで「2枚目の元絵と同じように手を直して！」と念押ししました。
さらに、これ以上背景が変わると困るので、夜景の写真を【3枚目の参照画像】に指定して「背景は絶対ブレさせないでね」と固定。
さあ、三度目の正直。出力された結果が……こちらです！
幼くなった...！ が、ギリギリセーフ。
無事に、手も綺麗に修正されて完成しました！！
結び
今回の試行錯誤でいくつか学びがありました。
- 「絵（キャラ）」と「写真（背景）」をあらかじめ分けて用意したのは正解
最初から一発で出そうとするより、素材を分けてAIに引き算・足し算させた方がコントロールしやすい気がします。 - 「Reference Pro」は、かなり化けるツール
クレジットの消費はそれなりに激しいですが、プロンプト次第で「イラストを実写背景になじませる」という高度な処理をやってのけてくれます。 - AviUtlとの併用が最強かもしれない
今回はPixAI内で完結させましたが、大まかな位置合わせをAviUtlでやってからReference Proに通す、みたいなワークフローを組めば、もっと面白い表現ができそうです。
さて、お金につられてやってみた作業でしたが、自分の勉強にはなったと思います！
これからも、こういう機会は積極的にやってみようかと思います。
え、このコンテスト、Xに投稿が必要なの！？ あばばば。...ということで、私のタイムラインにも流れてしまったけど、フォロワーのみなさん、許してね。では！
【AI音楽BC3_顛末記】最終回：野望「パンアップ」と、暗黒の「オーディオ調整」
導入
第3回AI音楽ブートキャンプ挑戦記も、いよいよ今回で完結編っす！ 前回の内容は↓から。
1. 密かな野望：どうしてもやりたかった「パンアップ」
さて、音の問題に入るのですが、その前に……今回はもう１つ密かな野望がありました。 それは、「パンアップ」というカメラ演出です（笑）。
小さい頃からアニメを観て育った私。 静かな夜空やキャラクターの足元から、カメラがぐーっと上に動いて、太陽光が差し込む青空へ抜けていく……。 あのベタな演出、一回やってみたかったんですよねー！
というわけで、アウトロの部分に「3枚目の静かな構図から、パンアップして太陽光が入った青空へ抜ける」という演出を、半ば無理やりねじ込みました（笑）。
縦長のイメージ、かっこいいわー！
そんなこんなで、大満足のMVがついに完成したのです……が、
「……あれ、音が、小さすぎる……！？」
2. 暗黒のオーディオ調整：知識ゼロ、耳の解像度との戦い
SUNO v5.5 に比べると v5 ってやや音がマイルドであるのと、そもそもギターバンドの特性もあり、どうも音が弱い。 悩んだのですが、一応ボリューム調整程度で使ったことはある「Audacity」を立ち上げます。
が、知識がないので、ここからは完全にGeminiの言いなりに……（笑）。
-
リバーブ
-
コンプ
-
ノーマライズ
-
EQ調整
かける順番もパラメータもさっぱりわからないので、Geminiのアドバイスを元に試行錯誤を繰り返します。
でも、やりすぎると音がシャリシャリする。EQ調整するとバランスが悪くなる。音量も「割れたらどうしよう」と適正値が読めない……。 そして何より、この音の解像度が、私だとぶっちゃけわからない……！
ヘッドホンの特性もあるとは思うのですが、このあたりは本当に今後の課題っすね。 正直、ここは赤点かもしれない出来なのですが、時間的制約もあって今回はこのまま出してしまいました。 本当に、音響の技術はもうちょっと勉強したいっすね……厳しい！
3. ついに完成！今回の「完成度」は...
そんな紆余曲折の完成品はこちらです！
今回も、自分の中での点数は、「60点」かな。でも、それなりに「かっこよく」出来たと思ってます。精度はともかく雰囲気は出てる。
特に、「お題」にあわせられたことや、イメージがしにくかった「かっこいいギターバンド曲」がちゃんと表現できたのは収穫だと思っています。
結び
前回に比べたら、プロンプトの作り込みや画像生成のコントロールなど、確実にスキルは上がったと思います。 でも、できることが増えれば増えるほど、「ここができない」「もっとこうしたい」という「できない感」も増してきて、正直ちょっと苦しいです。
だけど、やっぱり、表現の幅が広がったかとは思っています。「苦しいけど、楽しい」。これこそがモノ作りの醍醐味なんだろうな、と改めて感じた土日でした。
そんな感じで、備忘録でした。では、またー。
【AI音楽BC3_顛末記】第2回：SUNO 36テイクの死闘と、マウンテンパーカーの奇跡
導入
どうも、あに。部長です。
第3回AI音楽ブートキャンプ挑戦記、中編となる今回は「楽曲完成」から「MV（ミュージックビデオ）の演出」までのお話です～。前回の内容は↓から。
1. SUNOとの36テイク：あえて「最新」を避けるこだわり
いざSUNOで曲を作っていくわけですが、最新の「SUNO v5.5」って、すごく綺麗で洗練された音が鳴るんですけど、なんかこう「v5.5っぽいお決まりの型」にハマっちゃう感があるのです。
今回のテーマは泥臭く雨をぶっ飛ばすロック。綺麗で優等生な音じゃないんですよね。
で、今回は、１つ前の「v5モデル」を使い、バンド感を出すべく、ガチャを回し始めました。
が、「めちゃくちゃ惜しい！」「もう一歩！」という曲が続き、総生成数は36テイク。
さすがに、「どれが良かったっけ？」と崩壊しそうになりながら、最後は、29テイク目に生成された曲を採用しました...。
ホント、この作業は楽しいけどつらい時間です...
2. MV作成：ストーリーボードと「マウンテンパーカー」の奇跡
次はMV作成です。
今回は、4枚ほどのイラストでストーリーを構成すべく、再びGeminiと会話を開始。
最初はAIが「屋上で男女がセッションしている」という直接的すぎる構図を出してきたのですが、「今回は少女1人のモノローグ風でいきたいんだ」と軌道修正をします。
そして、イラスト生成を始めるのですが...。
この１か月で、「プロンプトの調整」「シード値をランダムにしない」「i2i（画像を元に画像を生成）」など、初歩的ではありますが、始めたばかりの頃には知らなかった知識が、この1か月、生成AIとつきあってたせいか学べていました。
なので、1ヶ月前とは違い、今回は、いいペースで形にできた気がします。（それでも相当時間かかりましたが）。
結果、「顔を出さない」というコンセプトでシーンを作りあげていったのもあって、こんな感じで、なんとか世界観を統一させるようなイラストが出力できました。
ちなみに、途中で、当初予定していた学生服とは違う「マウンテンパーカー」姿の少女が生成されたのですが、これがまた曲の雰囲気にぴったりで！
「これだ！今回は学生服を脱ぎ捨てて、パーカーで行こう！」
と、萌えました！
この「偶然の出会い」も生成AIの楽しさかもしれません。
3. 「パーカー」か「学生服」か。
一方で、悩ましいのが、学生服とパーカーがバラバラになって統一感がないこと。むしろ、「マウンテンパーカー姿」が素敵すぎて、そっちに世界観を統一することにします。
が、そうすると学生感がなくなる...。
で、部長、ひらめきます！
Verse 2の前半、もともと絵が重たかったので
「友達と話してるけど頭の中は音楽のことでいっぱい、みたいな『心ここにあらず』な日常を、直接的じゃなく表現したいんだけど」
というのができないか、Geminiに聞いてみます。
すると、Geminiからの回答がこれ。
「『雨・窓ガラス・机の上のイヤホン』などのメタファーを使って、絶妙なディスタンス（距離感）を文学的に表現しましょう」
……おおお。わかってるやんけｗ。
そんな「文学的ディスタンス」を盛り込んだラフ構成が完成しました！
あとは、ちょっと静止画多くてさみしかったので、「スローズーム」や「雨の動画オーバーレイ」、「雷演出」なども入れて、リリックを加えて...
「よし、ついに完璧なMVが完成したぞ！！」
……と、達成感に浸りながら動画を確認した僕を、絶望の瞬間が襲いました。
「……あれ、音が、小さすぎないか……！？」
結び
「歌詞」「イラスト」と順調にきたと思ったら、まさかの最後に、本来の「楽曲の問題」という、原点に返るような壁が立ちふさがっていたのです。
さて、どうするのでしょう。その辺は、また来週で。あでゅー。
【AI音楽BC3_顛末記】第1回：ロキノンって何？KVから始めてエモ歌詞作る話
導入
どうも、あに。部長です。
6月の土日、あの、ぶちょーが生成AIにどハマりした、「AI音楽ブートキャンプ」の第3回目が開催されました！
※ちなみに、前回の顛末はこちらから...
さて、今回のテーマはこれです！
#AI音楽ブートキャンプ
— SORANE / AI音楽 (@sorane_aimusic) 2026年6月19日
第3回、6/20 0時から始めます✨
今回のお題は、
「雨雲を吹き飛ばす曲」 です！
雨の日に聴いたら
気分が晴れる曲。
じめっとした空気を
一気に走り抜ける曲。
雨上がりの空みたいに
少し前を向ける曲。
元気な曲でも、
ロックでも、
しっとり雨上がりでも、… pic.twitter.com/j7n3fTTmfb
前回は右も左もわからず突っ走っていましたが、今回は少しスキルが上がっているはず。ですが、やはり「テーマにあわせて作る」というのは、難易度が高く。今回もAI（Gemini＆SUNO）を相手に、かなり泥臭い作業が繰り広げられることになりました。全3回の予定で、まずは「企画・歌詞検討編」からお届けします！
1. 今回の作戦：まずは「KV（キービジュアル）」から作ってみる
いつもなら「どんな曲にしようかな」と音から考えるところですが、今回はちょっと違うアプローチを試してみました。あえて「先にKVを作って、その絵の世界観に音を合わせていく」というスタイルです。
さっそく、生成されたのがこのイラスト。
いや、最高か？
雨の中、ギターケースを背負って走る女の子の姿。 この1枚が出た時点で、「あ、勝った わ…」と思いました。この時点では。
2. Gemini「ロキノン系で行きましょう！」 僕「ロキノンって何……？（検索）」
ここからGeminiと本格的な作業に入るわけですが、KVをアップするとAIからこんな提案が。
Gemini: 「部長！これ、ロキノン系ファンに刺さるやつ行きましょう！」
……ロキノン？ ろきのん？
すいません、速攻でググりました（笑）。
なんとなく「あー、あのエモいロックね！」と理解できたので、「それそれ！ それで行こう！」と判断。Geminiにロキノン系の特徴を捉えたスタイルプロンプトを仮で出してもらい、いよいよ中身（歌詞）作りへと進みます。
3. 歌詞プロンプト：リノンちゃんの呪いと、偉大なパクリからの脱却
歌詞は、まぁ、前回もうまくいったしな...（下記参照）
...と思ったら大間違いです。
Geminiの脳裏（？）に「リノンちゃん」が強烈残っているのか、最初に出てくるのはファンタジーでエモすぎる歌詞ばかり。「違う、そうじゃないんだ。今回はもっと地についたリアルなやつなんだ」と伝えても、ダメ。
挙句の果てには「秒速」とか「前線」とか言い始めますw。
まあ、「創作とは偉大なパクリである」と誰かが言っていた気もするですが（笑）、さすがにリセットです。
世界観をちゃんと伝えていなかったので、まずは、コンセプトから再指示。
-
音楽を使って自分を表現したい
-
世界はつらいことも多いけど輝いている
-
一人称は「ボク」で、少し世界に対して斜め目線
-
「～だから、～しよう」みたいな優等生発言はNG！
これで一気に解像度が上がりました！
「ボクらは何度も確かめ合っている」を「ボクらは何度も確かめている」に微調整するような細かいラリーを繰り返し、ついに納得のいく「ロキノンな歌詞」が完成！
ストーリーでは、バンド風シチュエーションにしていますが、実は、生成AIで音楽作っている人たちの応援歌もイメージしてます。てへへ。
結び：歌詞はできた。しかし、闘いはまだまだ続く...
というわけで、死闘の末、「じめっとした空気を一気に走り抜けるギターロック」の歌詞が完成しました。KVの女の子ともマッチした、いい歌詞ができたのですが...
よし、次は楽曲だ！ ……と意気揚々とSUNOに向き合ったのですが、この先も困難が待ち受けていたのです...。
ということで、続きはまた来週〜。
生成AIブログ番外編２：なぜかハマった『AIイラスト』
導入
さて、生成AIブログの番外編２です。
- AI音楽にハマったぶちょーですが、MVを作るにあたって、AIイラストにもはまってしまっています...
- で、今回は、休日をフルに使って、AIイラストの「6枚連続投稿」という、ちょっとした特訓（修行）に挑戦したので、折角なので、備忘ブログにしておきます...。
1. すべては1ヶ月前の「なんじゃこら」から...
思えば約1ヶ月前の4月28日。
「リリックビデオには、可愛いアニメ絵！」という、よくわからない先入観全開で、PixAI にいきなりユーザー登録しました。その時の記念すべき第1号がこちら。
当時の感想は「なんじゃこら（でもなんか凄いぞ！）」でした（笑）。
そこから約1ヶ月、手探りで生成を続けたり、他の方のプロンプトを必死に勉強したりする中で、6月3日、活発なやりとりがされている「chichi-pui（ちちぷい）」というサービスに出会います。
おそるおそる投稿してみたところ、いきなり「いいね」をもらうことができ、一気にどハマりしてしまいました。
2. 朝からAIイラストのことばっかり考えてた。
そして今朝、ふと思ったのです。
「仕事で出会うシチュエーションも、AIイラスト生成にいかせるのでは？」
と...（もう、AIイラストバカ。）
で、『先週は展示会・セミナーイベントにいったのだけど、ビジネスオーラ強かったので、せめて妄想で可愛いイベントにする。』というテーマで１枚アップします。
そのあと、「あ、テーマを一貫して生成する練習をしたら、いいトレーニングになるはず！」。そう思い立って、今日１日は、このテーマで投稿するという特訓を、勝手に始めました。
……が、ぶっちゃけ初心者がやる修行じゃなかったです（笑）。
もう何を出したのかよくわからないまま、結果、6枚を出力しきりました。
3. 学んだこと。
たった6つの絵を出すだけでも、いろいろと学びがありました...。
① プロンプトの塩梅（引き算の美学）
出したいイメージに対して、「どこまで言葉で指示して、どこからをAIの裁量に任せるか」の距離感がちょっと掴めました。
今回は「展示会のお姉さんの雰囲気」やシチュエーションをできるだけ盛り込みたかったのですが、直接的な言葉で書くとAIがドハマり（おかしな解釈）しそうだったので、あえて「その要素を持つアイテム、ポーズ、構図」に言い換えて、間接的に表現する方がうまくいくな、と気づきました。
逆に「こういうキャラにしたい」というディテールはAIにお任せしてみたのですが、この引き算のバランスが難しいなと感じました。
② 各AIモデルの「クセ」の把握
chichi-puiのモデル一覧にあるサムネイルは本当に秀逸で、それぞれのモデルが持つ雰囲気をよく捉えています。
「このモデルの雰囲気」×「自分の頭の中のシチュエーション」を合成することで、8割くらいはイメージ通りに出せる気はします。ただ、残りの2割は当たらないですね。まぁ、外れたときは、別のモデルを試してみる。この経験が将来の表現の引き出しを増やす経験になっていくのかと感じました。
③ Geminiとの「割り切り」の共存
例えばプロンプトに「イベント」と書くと、展示会とは全然違うイベントの背景が出ちゃったりします。「キャラクターは最高なのに、背景がー！」という場面。 i2i（Image to Image）などを駆使するのかもしれませんが、個人で楽しむ上で「コスト（節約）」も重要。chichi-puiやPixAIの課金枠を節約するため、今回は「Gemini一択」で加工を任せるという割り切りをしました。
Geminiは（消しゴムマジックのように）背景の修正や、指の崩れの修正がすごく得意に見えます。加工すると「Geminiの透かし」が入っちゃうのですが、トリミングで消すのもなんだか申し訳ないので、今回は「Gemini様への敬意」を表してそのまま残すことにしました！
④ 外部ツールの活用
Geminiで加工した際、同じ「1024×1024」のはずなのに、なぜか微妙に荒い絵が出力されてしまう現象に直面しました。
そこで、今回はPixAIの「アップスケール機能」を初めて試してみることに。結果、それなりに綺麗な1枚に仕上げることができ、無事に採用版としてアップできました。この手の外部ツールも、今後はもっと使いこなせるようになりたいです。
結び：特訓を終えて
言ってることも「初心者だなー」という感じなのでしょうし、出力したイラストも細かいアラを見たらキリがないですし、透かしも入ったままですが、でも、この休日をフルに使ってAIたちと格闘できたのは本当に大きな収穫でした。
多分、暖かい目で、そっと「いいね！」を添えてくださった古参の方々もいるのかなーと思ってます。本当に感謝しかありません。みなさんに「ありがとう...」と思いながら、今夜はぐっすり寝ます！おやすみなさい！
生成AIブログ番外編１：AI作曲での『作詞』の仕方
導入
さて、生成AIブログの番外編です。
最初、AI音楽にハマったのは、PC88で作った音楽のアレンジ(インスト)だったので、作詞など考える必要はなかったのですが、2曲目でオリジナルを作ろうとなると、どうしても「作詞」が必要となってきます。
で、もう『詩』のセンスなんて皆無な私は、これも生成AIに頼ることにしました。そうしたら、本当にいい曲ができたので、びっくりしました。そんな感動とともに、「じゃー、どうやって歌詞を作ったの？」というのを自分の備忘録として残しておくことにします。
1. 欲望丸出しのファーストアプローチ
まず、最初にGeminiに問いかけた台詞は、これでした。
「○○○（某Vtuber）の曲をpc88サウンドボード2っぽくアレンジしたい。」
欲望丸出しですね。でも、欲望、重要だと思います。
そこから曲のStyleをプロンプト化して伝えてみたら、最初はちょっとダメ出しされつつも（笑）、J-POP/ボカロ風アレンジの具体的なプロンプト案をもらって、Gemini→Sunoの間を数回やり取りして仮曲が完成しました。
2. 「この曲の歌詞を」と、雑に投げてみる
完成した曲をGeminiに食わせて、雑に質問します。
「この曲の歌詞を」
すると、素直に返ってきたのがこれ。 続きを読む
