00:00
実は、Claudeでも画像生成ができる裏技的な方法、3つ紹介していきます。 これができると、Claudeで資料を作ったり、スライドを作りながらも、画像を生成させてその資料に入れる。
画像入りのパワポなんかを全自動で作るとか、そういうこともできます。 他にも、Claudeを使ってブログの記事を書いてもらう。
文章だけじゃなくて、ブログの見出し画像とか、差し込み、差し絵とか、そういうものを画像生成で入れることもできます。
私自身が実際に日々使っている方法も入ってますし、もうちょっと裏技的な方法なんかもあったりします。 その方法を3つ紹介していきたいと思います。
はい、おはようございます。 8月29日土曜日の深夜に撮っております。
もう小学生、1年生の娘が初めての夏休みでしたが、もう最後の土日ということでね。
長かった夏休みですけど、もうすぐ終わりを迎えようとしています。 さて先日ですね、YouTubeで新しい動画を私アップロードしました。
これがClaudeで画像も動画も生成できる。 FixFieldっていうサービスと連携する技みたいな、そういう話をしておりました。
まだ見てない方はぜひそちらを見ていただければと思います。 その動画でですね、
Claudeって画像生成できないのがたまにキズですよね、とここから入ってます。 でもClaudeでも画像生成できるようにしたいし、なんなら動画も生成できたら便利ですよね、
いうところから始まっているんですよね。 実際にそのYouTubeの中ではですね、
FixFieldっていう動画生成画像生成プラットフォームとClaudeをMCPという仕組みで接続して、
Claudeの中から画像生成できるようにしちゃう。そういうような方法と、実際にロゴとか生成したり、
あとClaudeのお得意のですね、パワーポイントを作成しつつ、そのパワーポイントに画像を入れ込むというデモを行ったり、
さらにClaudeと対話しているだけでCM動画みたいな、PV動画みたいなね、そういう高品質な動画が作れちゃうというような工程をすべてお見せしています。
ということで、FixFieldさんとのタイアップ動画ではあったんですけども、そんなことも可能ですよという一例をお見せしたものでした。
このね、Claudeの欠点である画像生成できないという問題を解決する手段の一個として紹介したんですけども、これ実は3つありますという話で、
今回は若干裏技というか、もうこれグレーゾーンみたいな技。推奨はしないけどこういう方法もあるよという技から、
推奨できる方法で、最近まで私も知らなかったというか、使ってなかった技なんかも合わせて今回紹介していきたいと思います。
03:06
一つ目の方法ですね。Claudeでも画像が生成できるという方法の一つ目です。
というかこれは私の実務の中では大本命なんですけど、やり方はズバリですね。
Claude Codeを使ってコーデックスを呼び出し、そこで画像生成するという方法です。
少しややこしい話になるんですけども、Claude Codeってですね、今流行りのClaudeのエージェントモードみたいな感じですね。
これを使ってワークフロー自動化というかね、パソコン内でできるいろんな作業を自動的に行わせることができるわけなんですが、
このClaude Codeとはいえ画像生成はできないわけですよ。
ただ抜け道というかね、普通にできる技がありまして、Claude Codeからコーデックスを呼び出し、コーデックスの方で画像生成させるという方法です。
実際私もワークフローの中で、例えばこうやってVoicyで話すじゃないですか。
Voicyで喋った音声を文字起こしをAIにさせて、その文字起こしをもとにノートの記事とかサブスタックの記事をAIで書いている。
これClaudeで全部工程はやってるんですけども、そのブログの見出し画像、記事の見出し画像とか、中に入れる差し込み、差し絵とかね、そういうものも画像生成で一貫して作らせてます。
その時にやっているのがこの技ですね。
Claude Codeからコーデックスを呼び出し、コーデックスの方で画像生成させればいいということですね。
これによって文章作成から見出し画像から差し込み画像の生成までも一貫してClaudeだけでできるというのが非常に爽快なんですよね。
ちなみにコーデックスって何ぞやということなんですけども、
コーデックスはChatGPTの兄弟みたいなもので、Claude Code的な存在ということですね。
コーディングとか何かソフトウェアなどを制作するために特化したコーディングエージェントがコーデックスっていうものなんですけども、
これをパソコンにインストールすることができます。
コーデックスというのは2種類ありまして、
1つはデスクトップ版のグラフィック的に、いわゆるアプリケーションとしてマウスでチャットを操作したり、キーボードでタイピングして入力したりとか、
いわゆるソフトウェアとして見た目の整ったコーデックスがあるんですよね。
今はChatGPTアプリに統合されているんですけど、それはややこしいんですけどね。
そういう見た目的にも分かりやすくアプリケーションになっているのが、このデスクトップ版のコーデックスというものです。
もう1個コーデックスがありまして、これはCLIっていうんですけど、コマンドからしか操作できないタイプのコーデックスもあるんですね。
これが実は元祖コーデックスなんですけども、
06:00
ターミナル画面という黒い画面にコマンドを打つと、いろんなファイルの操作ができたりとか、アプリケーションを実行できるという、ちょっとクロート向けなエンジニア向けの画面があるんです。
そこで動くコーデックスのCLIというのがあるんですね。
コマンドでしか操作できないんですけども、これが鍵ですということなんですね。
なぜかというと、クロードコードもコマンドを打つのが得意というかね、いろんな操作をコマンドで実行しているスペシャリストがクロードコードなんですよ。
なのでですね、クロードコードに支持して、コーデックスをコマンドで操作してくれないということを支持できるわけですね。
コーデックスの方では、ChatGPTと同じく画像生成モデルが入っているので、画像生成はできるわけです。
これを利用するとあら不思議と、三角関係みたいになってまして、ユーザーである私がクロードコードに支持をします。
クロードコードはコマンドを打ってコーデックスに支持を出します。
コーデックスが画像生成をしてくれます。
出来上がった画像をクロードコードがコピーして、ブログとかに差し込むことができるみたいな感じなんですね。
実際にはこの方法というのは全然悪いことじゃないというか、AIが他のAIを操作しているということには繋がっているんですけども、
コマンドで操作することについては何ら悪いことではないというか、不正なことではないんですよね。
むしろコーデックス側もですね、それができるようなプラグインとかも公開しているような状況でして、
結構オープンにですね、そういうふうにAIからAIを操作するというのはコマンドライン経由だったらいいですよみたいな感じでオープンAIもやってるんですよね。
それが正規の方法というか、今のところ一番順当な方法かなというふうに思います。
ただしこの場合ですね、コーデックスの方でも、要するに有料プランに入っていた方がいいですね。
一応今限定なのか例外的に無料プランでもコーデックスってそこそこ使えるようなんですけども、
でも画像生成とかガンガンやってるとすぐに利用制限に達してしまうので、
コーデックスの方もそうやって使うならばChatGPTの有料プランにも入っておくというのが推奨となります。
私はCloudもChatGPTも有料プランにどちらも入っているので、こういう技が結構使えるということですね。
そして2番目の方法です。
Cloudでも画像生成させるという方法です。
これはかなりグレーというかブラック寄りなので推奨はしません。
でもやればできるという方法です。
なのであまりよろしくない例として知識は知っておいていただきたいことですね。
これはCloud CoreとかCloud Codeなどを使ってブラウザ操作をして、
他のAIを操作させて他のAIで画像を生成するという方法です。
これは推奨しません。
09:00
ブラックに近い方法なので、一応こういう方法はあるが悪い例ということになります。
Cloud CoreとかCloud Codeを使えばブラウザの自動化ができますね。
例えばChromeブラウザとかEdgeブラウザなんかを操作させて、
ウェブ上での面倒な作業を自動化できますよということですね。
なんですけども、これでChatGPTにログインしてあったりとか、
Geminiにログインしてあればブラウザ操作でChatGPTに指示を打ち込んだりとか、
Geminiに指示を打ち込ませることもできるっちゃできるんですね。
それによって画像生成させるということもできるわけです。
これもユーザーとの三角関係ですね。
私がCloudに指示をする。
Cloudがブラウザを操作して、ブラウザ上でChatGPTなりGeminiを操作する。
それによって画像生成するということなんですけども、
ここに関しては利用規約的に、
ChatGPTなりGeminiなりの利用規約的にかなり縛られてるというか、
それはやらないでほしいという方向に近い規約になってるんですよ。
要はロボット的な操作でブラウザを操作し、
他のAIサービスの操作を行って、
その結果をデータ取得するみたいな、
そういう収集行為みたいなものになってしまうので、
それはChatGPTならChatGPTの利用規約、
GeminiならGeminiの利用規約では結構禁じられてるよりなんですよね。
それはいろんなウェブサービスでもありますよ。
ロボットアクセスの禁止とか言われてて、
Amazonなんかにもそうですよね。
Amazonなんかでもブラウザ操作でロボット的にAmazon内のページを収集したり、
商品データとかを自動収集するみたいな行為は利用規約的に禁止よりなんですよ。
それにも近いんで、基本的には利用規約違反よりなので、
このブラウザ操作経由でやるというのはお勧めしない方法ですね。
これってさっきの一番目の方法で、
クロードコードからコーデックスをCLID呼び出してっていう方法と似てるじゃないですか。
三角関係だし。
これ何が違うのかってことですね。
やっぱり入り口が違うってことになりますね。
今回の方法っていうのは、
あたかも人間がブラウザを操作してるかのようにAIに操作をさせ、
データを抜き取るみたいな方法、
人を装ってアクセスしてるのがいけないということですね。
一方で先ほど紹介したコマンドで打ち込むっていうのは、
これはオープンAI側も別にAIがコマンドで他のAIを操作するっていうことに関しては、
特に禁止はしてないし、
そういう使い方も想定しているということなんですよね。
ということもありまして、
この2番目の方法はグレー、若干黒寄りなのでオススメはしないんですけども、
12:05
1番目の方法のほうがよりプロパーな方法に近いと考えてください。
では3番目の方法ですね。
これは先日私がYouTubeでも解説したように、
サードパーティー、つまりクロードとは違う会社が画像生成モデルを利用できるサービスを出していて、
そこに外部接続するっていうことね。
いわゆるAPIと言われるものだったり、
MCPという接続の形式によって、
クロードから別のサービスに正しい手順を持って接続して、
その接続経由で画像生成を委託するみたいな、そんな感じですね。
これもさっきの2番目であったブラックに近い方法ではなくて、
ちゃんと画像生成モデルを提供しているサービス側が受け入れるべき窓口として用意している正規ルートに接続しているだけなので、
全く悪いことはないですし、むしろ推奨されている方法です。
クロードにおいてはコネクタという設定をすることによって外部に接続して、
例えばYouTubeで紹介したHiggsフィールドなんかに接続して画像生成を依頼するということが可能になっています。
こんな感じですね。
これもユーザーとの三角関係ですね。
ユーザーである私がクロードに指示をする。
クロードは正規のルートで外部のサービスであるHiggsフィールドとかに接続して画像生成をさせる。
こういう感じです。
この時どういう接続の仕方をしているかというのが1番目と2番目と違う方法、3番目というのが違う方法です。
基本的にはウェブ経由で正しい手順を踏んで外部接続して、
指示を送って結果が返ってきたものを受け取るという方法になっています。
従来はこういう仕組みをAPIと呼ばれていて、
サービス提供側がこの方式で接続するならばこちらのサービスの機能を利用していいですよという、
通信とかデータを送受信する手続きみたいなものを決めているというイメージですね。
このAPIというのも今でも使われているんだけども、
様々なサービスでAPIというルール付けが会社によってまちまちで異なっているので、
接続する相手を選ぶたびに仕様が違うと、接続方法が違うからすごい大変だよねということで、
これを一個企画化してみんな同じ企画で通るようにしましょうという仕組みを提唱したのがアンソロピック社、クロードを作った会社で、
この仕組みをMCPと言うんですよね。
みんながそれまではガラパゴス状態でいろんなAPIを公開していて、
そこに個別にどうやってAPIに接続するかっていうのを調べたりして接続しなきゃいけなかったんだけども、
15:04
その企画をみんなで統合して同じ企画でAIエージェントがつなげられるようにしましょうという枠組みを提唱したのがMCPです。
なので今、APIという仕組みも使われているし、
MCPという統一企画にエージェントがアクセスしやすいように、AIがアクセスしやすいように作られているというものを利用しているサービスも非常に多いという状況ですね。
今回私がYouTubeで紹介したのは、Higgs Fieldという会社が提供しているサービス、
動画生成とか画像生成ができるサービスに対し、
MCPという企画で接続をして、クロードから安全に利用しましょうということですね。
ということで、いろんなルートはあるけれども、クロード自体に画像生成ができないとしても、
いくつかの方法で他のAIサービス、他の画像生成モデルにつないで、画像生成を利用できますよという方法を紹介しました。
中にはグレーゾーンというか、これはお勧めできない方法なんかもあるけど、
やろうと思えばできるんだけど、やらない方がいいという方法もありますが、
要はどの経路からそのサービスを利用するのかによって、
ダメな方法、いい方法というのがあるので、そこは知っておいていただくとよろしいかなと思います。
最後に余談なんですけども、クロードって文字起こしできないじゃないですか。
この文字起こしも何かできないのかなと思って、今日調べてたんですけど、できるということがわかりました。
これが一つ目に紹介した、画像生成するためにコーデックスにつなげるという方法の類似の方法でして、
今度は音声文字起こしをするために、アンチグラビティ、CLIにつなげるという方法が見つかったというか、
気づいたという感じなんですね。
アンチグラビティというのは、今度はGoogleが提供しているクロードコードみたいなものなんですよね。
アンチグラビティのCLI、つまりコマンドラインのみで操作できるモードがありまして、
これコマンドで操作できるんだったら、クロードコードから指示すれば、コマンドで指示すれば、
Geminiに今度は仕事させることができるということですね。
Geminiといえばマルチモーダル能力、例えば音声ファイルを与えたらテキストに変換、文字起こしができるとか、
そういういろんなファイル形式を与えられる、操作できるというマルチモーダル性能が高いのがGeminiの特徴なんですよね。
となると、音声ファイルをGeminiに与えて、そのまま文字起こしが返ってくるということを、
クロードからやらせることができるんじゃないかと。
今日やってみたらできたんですよね。
これはいいなと思いまして、例えば私の普段のワークフローでですね、
ボイシーなんかで喋ったポッドキャストなんかの音声を、一旦音声ファイルとしてパソコン内に保持して、それを文字起こしします。
18:00
その文字起こしを元にブログを書いてとかですね、ノートをサブスタックの記事にしていって、
画像生成はコーデックスに接続して画像生成させて、記事が出来上がるみたいなワークフローにしてるんですけども、
文字起こしはクロードからアンチグラビティ、CLIを直接叩いて、
音声文字起こしをさせるってことができるなということで、
今後はそういう流れでちょっと試してみたいなと思います。
そうすると今の流れって非常に面白いなと思っていて、私がクロードに指示をします。
クロードが基本的にはワークフロー全体を担っているんだけども、
ある部分ではアンチグラビティの方、ジェミニに指示を渡して、
ある部分ではコーデックス、GPTの方に仕事を渡して、
統合的に最後ブログ記事が出来上がるんだけど、
その追加物が出来るまでの司令塔をクロードが担っているみたいな感じですよね。
くしくもそれぞれの利点というかね、
クロード、GPT、ジェミニの良いところを組み合わせながらワークフローを作ることができたのが、
なかなか興味深いところだったなというふうに思います。
今回はちょっとテクニカルな話に寄ってしまいましたが、
単純に私もAIモデルとして賢いな、好きだなと思っているクロードのモデル、
これを中心に、でも今までクロードには出来なかった画像とか動画みたいなもの、
あと音声の文字起こしみたいなところを解決していくというところで、
可能性はどんどん広がっていくやり方だなというふうに思いました。
特にYouTubeで今公開しているHiggsフィールドのMCBの連携、
画像生成、動画生成していろいろ作っていくみたいな動画、
非常に私も楽しみながら作った動画でしたので、
まだ見ていない方はぜひ見ていただければなと思います。
それではご清聴いただきありがとうございました。
