00:00
からあげ帝国放送局、始まります。この配信では、AIの会社で働きながら、作家として本を書いたり、個人でメーカーとしてものづくりを楽しむ私からあげが、技術の話であったり、個人のスモールビジネス、その他雑多のことをお話ししていく配信です。
今日もですね、いつものように近所の公園を散歩しながら収録しています。曇りでですね、すごい散歩しやすい天気ですね。ちょっとこの後、天気が崩れるみたいなので、明日とかもですね、散歩できるかちょっと心配ですかね。
最初に少しお知らせというかですね、私は個人でAIアシスタントツールのZangiというですね、ソフトを開発しているんですけれども、いわゆるオープンクロー的なソフトですね。これがですね、Telegramというですね、Catツールに対応する変更を昨日してリリースしましたというところですね。
この変更はですね、ユタカーさんという、多分読み方が合っていると思うんですけれども、ユタカーさんがプルリクエストという変更のですね、リクエストをしてくれて実現した機能になります。ユタカーさんはですね、先週のNT金沢というイベントにですね、来てくださってお話もいろいろできてですね、その時にTelegramの話もしていてですね、プルリクエストしていいですかみたいな話もしていました。
なので、ぜひぜひという形で実現したものになります。このTelegramもですね、私全然あんまり知らなかったんですけれど、なんかLINEっぽいですね、Catツールで、実はですね、オープンクローとかエルメスエージェントとかですね、そういった今の主流のエージェントって結構第一にこのTelegramに対応しているので気にはなっていたんですよね。
使ってみたらですね、LINEっぽいインターフェースのCatツールで調べてみたらですね、なんか中国系だと勝手に思ってたんですけど、どうも違うみたいで、もともとロシアの技術者の方がですね、作っていたもので、なんかその国の正常的にちょっと開発がしづらいので、今はですね、拠点を点々と落として、ドバイで開発しているみたいなものみたいですね。
で、結構何て言うんですかね、仮想通貨のコミュニティとかで使われていたりしたようなツールだったりして、世界的にはですね、かなりメジャーな、だからディスコードとかよりワールドワイドで見ると使われているChatツールみたいですね。
で、私も少しですね、動作確認のために使ってみたんですけれど、今のところですね、ちょっと良さがまだわからないっていうのが正直なところですね。
多分ですね、そもそもChatツールなので、周りの人がたくさん使っているかどうかっていうところが重要なファクターにはなると思うんですけれど、周りでですね、Telegramを使っている人、一人も今のところですね、少なくとも一緒に使おうぜっていう人はいないので、正直良さはわからないっていうところですかね。
03:19
なので、もしですね、Telegramを詳しい方とか、こうやって使うと便利だよみたいなことを思っている方がいたらですね、あの情報をいただけると嬉しく思いますというところですね。
で、今日の本題に入っていこうかなと思うんですけれど、今日はですね、AIによる行き過ぎた自動化の果てにあるものについて話そうかなと思います。
この話のきっかけはですね、ゆる言語学ラジオのMCの堀本さんですね。
その堀本さんがやっているですね、ゆるコンピューター学ラジオという番組があるんですけれど、いわゆるコンピューターサイエンスのいろんな話を取り扱ったようなポッドキャストとかYouTubeで配信しているコンテンツですね。
ここで個人情報は捨てましょうみたいなタイトルでですね、クロードコードですかね、を使ったですね、様々な作業を自動化している話をですね、している回が最近ありました。
また概要欄からリンクは貼っておこうと思うんですけれど、これがですね、すごい共感というかですね、まさにですね、私もクロードコードではなくて自作のですね、
ザンギというソフトでやっていることとですね、重なることが非常に多かったですね。
堀本さんはですね、もう個人情報とかは一切保護を捨ててですね、全部自分のことをAIに教え込ませて、様々な作業の自動化とかもこなしているみたいな話をしてですね。
育っているのにも300時間って言ってたかな。
それだけ時間かけて調教したから、すごい便利に使えてますよって話がありましたね。
で、まさに私もですね、ずっと同じようなことをやっていてですね、同じワークスペースをずっと使い続けて、そこに自分のあらゆる情報ですね。
と言っても私の場合は本名とかですね、仕事の情報とかは入れていなくてですね、この唐揚げとしての活動ですね。
それに関するですね、ブログの情報とか、過去のツイッターのアーカイブとか、そういったものを全部入力して、様々なですね、作業もスキルという形にして自動化をしているっていうようなところですね。
ただ、やっていることはですね、ほぼ似ていたので、すごい共感したっていうところですね。
ただ、やっている時間は正直私の方が結構、時間だけで言えば長いかなってところですかね。
あとはですね、AIのツール自体までですね、自作して、それもちょっとずつ改良しながら育てているっていうところが違うところかなと思います。
06:06
ただ、これはですね、正直自分の趣味的なところと、一応ですね、AI関係の仕事をしているので、その勉強を兼ねているところはあるので、
コスパ的にはですね、決して良いとは言えないかなというところなので、普通に使う分にはですね、それこそクロードコードとかコーデックスとかですね、
それこそ残儀を使ってもらってもいいんですけれど、好きなツールを使いつつですね、より良いものが出たら塗り替えるっていうのがコスパ的には良いかなとは思いますが、
AIとかに興味があったり、自分でですね、ソフト開発するのが好きな人はですね、自分のAIエージェントとかアシスタント、ソフト自体もですね、作って育てていくっていうのは面白いんじゃないかなと思うので、個人的にはお勧めですね。
いろんな作業を自動化しているんですけれども、ついにですね、昨日ですね、このポッドキャストですね、音声配信のですね、収録後の配信までの完全自動化というのをですね、達成したので、ここで報告というかですね、自慢をしたいなと思っています。
これもきっかけがあってですね、音声配信仲間の支部長さんという方がですね、ものづくりの視点というですね、番組でですね、自分の音声配信のですね、配信をかなり自動化している。それもクロードコードを使ってみたいな話をしていたので、これはですね、負けてはいれないなというところでですね、私もですね、自動化にですね、本腰を入れて取り組んだというところですね。
で、支部長さんはですね、最後の登録のところですね、ボイシーを使われているので、そこのところはですね、自動化ができていないって言ってたので、私はですね、その上を目指して完全自動化を実現したというところですね。
具体的に言うとですね、前提としてですね、まずある程度ですね、そもそも自動化はできていたんですね。半自動化といった感じですかね。
で、どうやってるかというとですね、Geminiですね、GoogleさんのGeminiのGemっていうですね、いわゆるスキルみたいな機能ですかね。ある一定の作業をですね、プロンプトにまとめておいて自動化するみたいな機能があるんですけれども、そのGemをですね、2つ作って作業を自動化していました。
で、1つはですね、文字起こしをして、で、概要とですね、文字起こしの内容をまとめてくれるようなGemですね。これでですね、まず音声ファイルをアップロードすると自動で文字起こしして、どんな配信かっていう概要ですね。これがPodcastに登録するときの概要として使えるものになるんですけれど、それが取得できますと。あとはタイトルも提案してくれるっていう感じですね。
で、その後ですね、もう1つのGemはですね、アートワークですかね、カバーの画像を作ってくれるようなGemを作っています。
09:08
で、これはですね、キャラクターシートとして私のですね、唐揚げ先生のアイコンをあらかじめGemに読み込ませていてですね、で、プロンプトでこういう正方形の画像をですね、内容に応じて書いてくださいっていうようなGemにしてあるので、
さっきですね、文字起こしした概要をペタッと貼り付けて、画像を生成してくださいと言ってですね、ナノバナナですね、画像生成AIにお願いしてアートワーク画像を書いてもらってですね、これで画像とその配信の概要が揃うので、あとはですね、Spotifyを私は使って様々なプラットフォームに配信しているので、
ブラウザでですね、Spotifyにログインして、で、概要とカバー画像を貼り付けて、で、ポチポチですね、エピソードのナンバーとかを入力して配信ボタンを押すと。
で、あとですね、これは個人的な作業なんですけど、一応バックアップとしてですね、今までの文字起こしのテキストデータとか音声データとアートワークをですね、Notionにも保存しているみたいなことをやっています。
で、こういった一連の作業もかなり自動化されているので、トータルの作業時間はそこまで多くないんですね。
しばらく待って、ポチポチやって、で、しばらく待って、で、あとは画像が出てきて、気に入らなかったら修正するし、問題なければそのままポチポチ押してアップロードするみたいなところをやっていたんですけれど、
やっぱりですね、ちょこちょこっと作業があるので、ついですね、時間がないと忘れてしまったり、
そのちょこちょこっと切り替える時間が取れなくて、収録はしたんだけど、なんかアップロードを夜中までできなかったみたいなことがですね、
最近ですね、結構頻繁に起こっていて、実際ストレスにもなっていたんですね。
で、これ以上自動化しようとしてもですね、例えばGEMもですね、一個に統合するみたいな実験もしてみたんですけど、
やっぱりですね、プロンプトが大きくなるとですね、性能が下がってしまって、うまくですね、画像が安定しないみたいな問題が起こったりですね、
あとはそうですね、Spotifyへの投稿とかもですね、ブラウザを操作するみたいなことはGEMではですね、全くできなかったりするので、
どうしてもですね、それ以上に自動化ができなかったっていうところがあります。
で、このワークフローも割と安定していたので、ここは自動化していなかったんですけれども、
いよいよですね、もうここも毎日の作業なので、自動化してみたいなということでやってみたっていうところですね。
で、使ったのはですね、冒頭に紹介した自分の自作のソフトのZangyですね。
ただこれはですね、クロードコードとかコーデックスでも全然同じようなことはできるかなと思います。
12:03
で、そもそもですね、GEMで文字起こしして概要をまとめるとかですね、アートワークを作るみたいなプロンプトは既に用意してあったので、
それをそのままですね、スキルにして作業させますと。
で、一個のネックとしてですね、画像生成にもともと使っていたですね、ナノバナナみたいに無料で使えてですね、クオリティ高いものがなかなかなかったって問題があったんですけれど、
最近ですね、Glockがですね、画像生成をできるようになって、しかも私、Xですね、Twitterの方に課金しているので、ある程度これをですね、使用することができるんですね。
で、このGlockの画像生成はですね、Hermesエージェントというものからですね、呼び出すことができるので、ちょっと周りくどいんですけれども、
Zangiからですね、スキルを使ってHermesエージェントを呼び出して、そこからさらにGlockの画像生成をさせるっていうことでですね、画像生成も自動化することができました。
で、その後はですね、ブラウザをポチポチして登録するみたいな作業がいるんですけれど、ここがかなり難関かなと思っていたんですけれども、
ブラウザユースというですね、技術があってですね、AIがですね、ポチポチブラウザを操作してくれるんですね。
で、私はこのZangiをですね、普段使っているパソコンとは別にですね、DJX SparkというNVIDIAの小型のAIスーパーコンピューターみたいなものを使っているんですけれども、
そこでですね、ブラウザを動かして、ポチポチ押して投稿してもらうみたいなところをですね、自動化を一応達成したといったところですね。
で、私はですね、一切画面を見ていなくて、そもそもこのDJX Spark、普段はディスクでつながってないんですね。
だけど、ブラウザ使ってアクセスして登録してというですね、お願いをしたらですね、もうそれっぽくパソコン内でブラウザを勝手に立ち上げてですね、投稿までやってくれるといったところですね。
本当にできたのかなと思ってみたら、一応ちゃんと投稿されていたので、もうやるなというところですね。
なので、このブラウザ操作の部分もですね、スキル化することで、その概要とかを生成するスキルと、画像を生成するスキルと、ブラウザに投稿するスキルですね。
この3つをですね、それぞれ呼び出すような統合したスキルみたいなのを作ってですね、これを順に作業させることでですね、投稿を自動化したというような感じですね。
これでですね、完全に自動化ができたので、私はですね、音声をですね、AIに渡すだけで、配信までですね、AIが全部やってくれるっていったところですね。
それなりに時間はかかるんですけれども、いいのはですね、音声ファイルさえ渡しておけば、放置しておけばいいっていうところですね。
で、その間はですね、並行して私は何も気にせずですね、他の作業ができるので、今までだとですね、作業をやりながらたまにちょこちょこっと手を止めて、切り替えてですね、作業をしてまた元の作業に戻るみたいなことをやらないといけなかったんですけれども、
15:16
これだとですね、どうしても忘れてしまって放置されてしまうということが多かったんですけれど、それがなくなるっていうのは個人としては嬉しいですね。
作業時間的にはごくわずかなので、ある意味個人の自己満足的なところはありますし、仕事でやろうとするとですね、短縮できた時間で見るとあんまり効率化されてないので、なかなか効果を示すのが難しいんですけれど、
個人でやる分にはこういうのは非常に満足度高い作業かなと思います。
あとはそもそも私がですね、取手出しで音声とかはですね、一切BGMつけてないので、そこらへんがない分やりやすかったっていうのはあると思いますね。
BGMとかつけないといけない人はそれなりにもっと大変かなとは思いますが、ただできなくはない気がするので、
私もですね、気が向いたら小粋なBGMとかも自動で挿入するような配信にしてもいいかなとも思っていますが、
ちょっとこの配信にですね、小粋なBGMを求めている人がどれだけいるかっていうのがクエッションなので、気が向いたらというところですかね。
もしご要望ある方がいたらコメントなどいただけると嬉しく思います。
こういった形でですね、どんどんいろいろ自動化できるんですけれど、やっぱり自動化しすぎてどうなっちゃうのかなというところはありますね。
実はですね、前も話したんですけれども、私毎日日記を書いていたんですけれど、最近ですね、自分がやったこととか食べたことを結構AIに入力していて、
AIが勝手に日記を書いてくれるんですね。
最初はですね、自動化した日記はですね、AIに任せて、私はですね、それ以外の自動化できないような部分を手書きでですね、日記を毎日書こうと思ってたんですけれど、
最近ですね、AIの日記に満足しちゃってですね、これでいいじゃんってなってしまったので、逆に怖いなと。
昔、日記を書くことで自分の思考が整理されて、新たな発想につながるみたいなことをドヤ顔で言ったりですね、ブログに書いていたりしたんですけど、
なんか今AIに全部お任せで、あの時の自分の発言はどこに行ってしまったんだろうという感じですけれど、
ちょっとそうやってですね、大切なことまで全部AIに任せて自動化してしまって、大切なものを逆に失ってないかみたいなところは心配だったりもしますね。
あとはそうですね、そのうちこの散歩してですね、音声収録をするみたいなところまで自動化を始めたら、もう本当にこれは終わりですね。
18:02
どうやれば自動化できるんでしょうね。ロボットとかを作り出して、ロボットが散歩しながらですね、もう喋ってですね、それを録音してポッドキャストを配信するようにしたら、もう本当におしまいですね。
フィジカルAIで私はですね、すべてを奪われてですね、家で赤ん坊のようにオンギャーオンギャーと泣いているだけになりそうですが、
でも油断するとというかですね、本当にそれができちゃうと、それで満足しちゃう怖さっていうのがあるなぁとは思いましたので、
自分が何をやり続けるんだろうみたいな、何を自動化しても大丈夫なんだろうっていうところはですね、
気を緩めると全部自動化してしまうので、そこらへんのですね、歯止めというかルールを改めて問い直したいなと思う、
今日この頃だったりします。といったところでですね、ちょっと今日は長くなったのでコメント返しとかも省略して終わりにしたいと思います。
お便りなどもお待ちしておりますので、どんどんお寄せください。それではまた。