音楽・音声

この記事のページを開く

「どのプランで、どのモデルが使えるか」を整理する。名前の付き方と、上位・標準・軽量の使い分け。

1. 1. 名前の読み方：会社 ＋ シリーズ名 ＋ 世代Anthropic は「Claude ＋ Fable / Opus / Sonnet / Haiku ＋ 世代（5.1、5、4.5）」。OpenAI は「GPT-5 ＋ Pro / mini / nano」、Codex は GPT-5 系を使うエージェントの製品名。Google は「Gemini 2.5 ＋ Pro / Flash / Flash-Lite」。同じ世代なら、Fable＞Opus＞Sonnet＞Haiku、Pro＞（無印）＞mini＞nano、Pro＞Flash＞Flash-Lite の順に賢く、遅く、高い。
2. 2. 上位モデルは「設計と難所」、標準モデルは「手を動かす」毎回最上位を使うと上限にすぐ当たります。設計相談・原因不明のバグ・大きなリファクタは上位（Fable / Opus / GPT-5 Pro / Gemini 2.5 Pro）、日常の実装・テスト書き・軽い修正は標準（Sonnet / GPT-5 / Flash）に切り替えるのが定石です。Claude Code・Codex・Cursor はいずれも途中でモデルを切り替えられます。
3. 3. 0から作るなら最上位に「丸ごと」、直すなら標準に「小さく」全体を0から構築する時は、要件を1枚にまとめて Fable のような最上位モデルにまとめて任せ、動くまで口を出さないのが速い。逆に、既にあるコードの修正はコードレベルで標準モデルに1回1ファイル・1回1目的で指示するほうが、速く安く、壊れにくい。途中で迷走したら1段上げる。
4. 4. どのプランで何が使えるかClaude Pro は Sonnet 中心＋Opus に上限つき、Max は Opus / Fable を長く使える。ChatGPT Plus で Codex（GPT-5）が使え、Pro で GPT-5 Pro と上限拡大。Google AI Pro で Gemini 2.5 Pro、Gemini CLI は無料枠でも Flash / Pro が使える。詳細は各ツールの「サービス内の料金プラン」欄へ。
5. 5. 製品名とモデル名を混同しないClaude Code・Codex・Gemini CLI・Jules・Antigravity・Cursor・Copilot は「製品（道具）」で、その中で動く「モデル」は選べます。Cursor や Copilot は複数社のモデルを切り替えられるので、道具はひとつ、モデルは用途で、という組み合わせが可能です。Project Astra（アストラ）はカメラ・音声のリアルタイム助手の研究で、コーディング製品ではありません。
6. 6. API で使うなら単価で比べる自分のアプリに組み込む場合は「サービス内・定額」ではなく「API・従量課金」の単価（100万トークンあたり）で比べます。Haiku / mini / Flash-Lite / DeepSeek のような軽量モデルは桁で安く、大量処理はここで差が出ます。

• モデルの世代は数か月で入れ替わる。名前の「読み方」を覚えておけば新しい名前が出ても位置づけが分かる
• 上限（使用量）はプランごと・時間帯ごとに違う。長い作業は区切る

この記事のページを開く

Runway・Kling・Sora・Veo に共通する「プロンプトの組み立て→生成→延長→書き出し」の流れ。

1. 1. 1カット＝1プロンプトで考えるAI動画は5〜10秒の1カットが単位です。「30秒のCM」ではなく「海辺を歩く女性、夕方、横からのカメラ、ゆっくり」のように、1カットずつ作って後でつなぎます。
2. 2. プロンプトは 被写体／動き／カメラ／画風／光 の順例: 「白いシャツの女性が砂浜をゆっくり歩く（被写体・動き）。カメラは横から並走（カメラ）。フィルム調、夕方の逆光（画風・光）」。英語のほうが安定しますが、Sora・Veo・Kling は日本語でも通ります。
3. 3. 解像度と長さは最初は低く設定は 720p・5秒・1本から。気に入った構図が出てから 1080p や 10秒に上げると、クレジットの無駄が減ります。
4. 4. 同じシード・同じ参照で「続き」を作る気に入ったカットは「Extend（延長）」や、最後のフレームを次の生成の開始画像にすると、続きのカットが作れます。人物を揃えたい時は References（Runway）やキャラクター参照を使います。
5. 5. 書き出してから編集ソフトでつなぐ音・字幕・カット割りは CapCut・Premiere・DaVinci などで。AI動画ツールの中で完結させようとしないほうが早く仕上がります。BGM は Suno、ナレーションは ElevenLabs で別に作ります。

• 手や文字は崩れやすいので、寄りのカットでは手を映さない構図にする
• 無料枠は透かし入り。本番用は最安の有料プランで再生成する
• 生成物の商用利用条件はプランで違う（tools.json の「商用」欄）

この記事のページを開く

まず画像生成ツールで「決めの1枚」を作り、それを動かす。文章からより狙いどおりになりやすい。

1. 1. 元になる画像を用意するMidjourney・Ideogram・Firefly で構図を決めた1枚を作るか、自分の写真を使います。横長（16:9）で、動かしたい主役が中央にあると成功率が上がります。
2. 2. 動画ツールに画像をアップロードして「動き」だけ書く画像がある場合、プロンプトには「何がどう動くか」と「カメラの動き」だけを書きます。例: 「髪が風で揺れる。カメラはゆっくり寄る」。画風や被写体の説明は不要です（画像が決めている）。
3. 3. カメラ制御・モーションブラシで狙いを絞るRunway・Kling には、動かす範囲を塗るモーションブラシや、パン・ズームを数値で指定するカメラ制御があります。動きすぎて崩れる時は動きの強さを下げます。
4. 4. 最初と最後の画像を指定する（キーフレーム）Luma・Kling は「開始画像→終了画像」を指定でき、2枚の間を補間します。ロゴが浮かび上がる、商品が回転する、といった演出に向きます。
5. 5. ループ・延長で尺を稼ぐSNS の背景動画は「ループ」設定で自然に繰り返せます。長くしたい時は最後のフレームから延長します。

• 元画像の解像度が低いと動画も荒れる。1024px 以上で用意する
• 人物写真は本人の同意と各ツールの規約（実在人物の扱い）を確認する
• 同じ画像で複数回生成し、いちばん崩れの少ないものを採用する

この記事のページを開く

HeyGen などで、テキストを読む人物動画を作る。顔出しなし・多言語の解説に。

1. 1. 台本を先に書く1分＝およそ300字。話し言葉で、短い文に切ります。専門用語のふりがなは台本側で書き換えるほうが確実です。
2. 2. アバターと声を選ぶ用意されたアバターから選ぶか、自分を数分撮影して「自分のアバター」を作ります。声は日本語対応のものを試聴して決めます。
3. 3. スライドや画面録画を背景に置くアバターだけだと単調なので、Canva で作ったスライドや画面録画を背景に置き、アバターは隅に小さく配置します。
4. 4. 生成して、言い間違いは台本を直して再生成音声は台本から作られるので、聞き取りにくい箇所は台本の表記（漢字→ひらがな、数字→読み）を直して再生成します。
5. 5. 多言語化は翻訳機能でHeyGen の翻訳機能は口の動きまで合わせます。字幕は Descript や CapCut で付けると調整しやすいです。

• 無料プランは本数・尺に上限があるので、台本を仕上げてから生成する
• 自分の顔・声を使う場合は本人確認が必要なことがある

この記事のページを開く

Suno・Udio で、雰囲気の指定だけでインストを、歌詞を書けば歌ものを作る。

1. 1. ジャンル・雰囲気・楽器・テンポをタグで書く例: 「lo-fi hip hop, warm piano, soft drums, 80 BPM, relaxing, instrumental」。日本語でも動きますが、ジャンル名は英語のほうが意図どおりになりやすいです。
2. 2. BGM なら「Instrumental（歌なし）」を指定歌なしにすると動画のナレーションと被りません。曲の長さは最初は短めに作り、気に入ったら「Extend（延長）」で伸ばします。
3. 3. 歌ものは歌詞を自分で書くAI任せの歌詞は無難になりがち。[Verse] [Chorus] のようなセクション記号を付けて歌詞を貼ると構成が安定します。日本語の歌詞もそのまま歌います。
4. 4. 気に入った曲を「Remix / Cover」で詰めるテンポやジャンルを変えたバリエーションを同じ歌詞で作れます。ステム分離（ボーカル・伴奏の分離）は上位プランで。
5. 5. ダウンロード形式とライセンスを確認MP3 / WAV でダウンロード。商用利用（YouTube 収益化・広告）は有料プランの生成物に限られるのが一般的です。無料プランの曲を本番に使わないこと。

• アーティスト名を指定するプロンプトは多くのツールで禁止・無視される
• 曲の権利はツールの規約に従う。配信サービスへの登録可否も規約で確認

この記事のページを開く

ElevenLabs で文章を読み上げ、必要なら自分の声を学習させる。

1. 1. 台本を「読み」に直す数字・英語・固有名詞は読み間違いやすいので、「2026年」→「にせんにじゅうろくねん」のように台本側で直します。句読点で間が変わります。
2. 2. 声を選び、安定性・表現の強さを調整日本語対応の声を試聴。「Stability」を上げると平坦で安定、下げると抑揚が出ます。ナレーションは中〜高め、キャラクター音声は低めが目安。
3. 3. 自分の声を学習させる（クローン）静かな部屋で1〜3分、台本を自然に読んだ音声を録音してアップロード。Starter 以上のプランで作れます。本人以外の声は同意なしに使わないこと。
4. 4. 長い文章は段落ごとに生成1回の生成が長いと後半で品質が落ちることがあるので、段落ごとに生成して編集ソフトでつなぎます。
5. 5. 動画に載せる書き出した音声を Descript や CapCut に読み込み、字幕を自動生成すると作業が早いです。

• 文字数制の課金。台本を確定してから生成する
• 吹き替え（Dubbing）機能で既存動画を他言語にできる

この記事のページを開く

Midjourney・Ideogram・Firefly に共通する、崩れにくいプロンプトの組み立て。

1. 1. 被写体 → 状況 → 画風 → 光 → 構図 の順に書く例: 「木のテーブルに置かれたコーヒーカップ（被写体）、朝の窓辺（状況）、フィルム写真風（画風）、柔らかい自然光（光）、真横から、余白多め（構図）」。
2. 2. 縦横比と用途を先に決めるSNS は 1:1 か 4:5、サムネは 16:9、バナーは 3:1。後から切り抜くと主役が欠けるので、生成時に指定します。
3. 3. 4枚生成 → 良いものを Vary / Upscaleまず4枚出して、構図が良いものを「Vary（似た画像）」で詰め、最後に「Upscale」で高解像度にします。最初から高解像度は無駄が多いです。
4. 4. 文字を入れるなら Ideogram か ChatGPT文字の描画が正確なのは Ideogram と ChatGPT の画像生成。Midjourney は文字が崩れやすいので、文字は Canva で後から載せます。
5. 5. スタイルを固定するMidjourney の Style Reference、Leonardo のカスタムモデルで、同じ画風を続けて出せます。シリーズものは最初にスタイルを決めて固定します。

• 実在の人物・ブランドロゴ・著作物の再現はツールの規約で禁止されていることが多い
• 商用利用と権利処理は Adobe Firefly が明確（学習データが許諾済み）

この記事のページを開く

Claude Code・Codex・Cursor のエージェント機能で、指示→実装→確認のループを回す。

1. 1. 作りたいものを「1文＋受け入れ条件」で書く例: 「CSV を読み込んでグラフを表示する Web ページ。条件: ファイル選択で読み込める／折れ線と棒を切り替えられる／スマホで崩れない」。曖昧なほど遠回りします。
2. 2. リポジトリに約束事を置く（CLAUDE.md / AGENTS.md）使う言語・フレームワーク・テストの実行方法・触ってはいけないファイルを1枚に書いておくと、エージェントが毎回同じ流儀で動きます。
3. 3. 小さく作らせて、動かして、直す「まず最小構成で動くところまで」と指示し、動作確認してから機能を足します。一度に全部頼むと壊れた時に原因が分からなくなります。
4. 4. テストとチェックを自動化するテストコマンド（npm test など）を CLAUDE.md に書き、「テストが通るまで直して」と頼めます。人は結果だけ見ればよくなります。
5. 5. 差分（diff）を読んでからマージエージェントの変更はブランチに出させ、差分を読んでから取り込みます。理解できない変更は説明させます。

• Claude Pro / ChatGPT Plus にはそれぞれ Claude Code / Codex が含まれ、別契約は不要
• 使用量の上限に当たりやすいので、長いタスクは区切って頼む

この記事のページを開く

Claude Code を「会社」のように運用する。役割ごとのエージェント、就業規則（CLAUDE.md）、手順書（スキル）、定期実行の4点。

1. 1. 就業規則を1枚書く（CLAUDE.md）リポジトリ直下に CLAUDE.md を置き、「本番に直接触らない（ブランチ＋PR）」「数字を捏造しない（出典と確認日）」「テストが通らない変更は出さない」のような全員共通のルールを書きます。エージェントは起動時にこれを読みます。
2. 2. 役割ごとの社員を定義する（.claude/agents/*.md）例: editor.md（編集長: 記事を書く）、data-qa.md（データ班: 取得と抽出の正しさ）、pricing-research.md（料金調査班: 公式ページと台帳の差分）。frontmatter に name / description / tools（使ってよい道具）を書き、本文に「触ってよいファイル」「やってはいけないこと」を書きます。役割外の作業をさせないのがコツです。
3. 3. 繰り返す作業は手順書にする（スキル）よくある作業を .claude/skills/<名前>/SKILL.md に書くと、「/<名前>」で呼び出せます。例: /post（今日の記事を書いて検証する）、/pricing-check（料金台帳を公式と照合してPRを出す）。手順・入力・完了条件・禁止事項を書き、人が毎回説明しなくて済むようにします。
4. 4. 定期実行（ルーチン）に載せる「毎朝 記事を1本」「毎週月曜 料金を照合」のような仕事は、スケジュール実行（Claude Code のスケジュールタスクや CI の cron）に載せ、結果はPRや通知で人に届くようにします。本番反映は人の承認を挟みます。
5. 5. 承認は人、作業はAI社長（人）は PR を読んで承認するだけ。AI社員は数字の根拠と確認方法を PR に3行で書く。この分担にすると、サイトが12個に増えても人の作業は増えません。

• APIキーなどの秘密は .dev.vars / 環境変数に置き、エージェントに「読まない・書かない・ログに出さない」と明記する
• エージェントの tools は最小にする（調査係に Write を持たせない、など）
• 失敗した時に止まる設計（テスト・型チェック）を先に作る

ChatGPT・Claude・Gemini・Grok・Kimi のような基盤AIは、文章・調べもの・コード・画像まで一通りこなします。月$20前後の個人プランをひとつ持てば大半の用途が済み、動画や音楽のような専門ツールは「基盤AIで足りない分野だけ」足すのが無駄のない順番です。ChatGPT Plus には Sora と Codex、Claude Pro には Claude Code、Google AI Pro には Veo が含まれます。

同じ会社でも、アプリで使う月額プラン（定額・上限あり）と、開発者が自分のアプリに組み込むAPI（使った分だけ・上限なし）は別の契約です。当サイトでは前者を「サービス内・定額」、後者を「API・従量課金」と分けて表示します。ふつうに使うなら定額、アプリを作るならAPI。両方使う人は二重に払うことになるので、どちらが主か決めてから。

AIツールの料金は、定額で無制限のものと、クレジット（回数）制のものに分かれます。週に数本のSNS動画なら無料枠か最安プラン、毎日大量に作るなら上位プランか無制限プランのほうが安くつきます。

ほとんどのツールに無料枠があります。無料枠の多くは商用利用不可・透かしあり・公開設定なので、「作れるか」を確かめる用途に使い、本番は有料へ。

年払いは2〜3割安いことが多い一方、AIツールは半年で状況が変わります。最初の1〜2か月は月払いで様子を見て、定着したら年払いに切り替えるのが無駄が少ない順番です。

生成物を仕事に使うなら、商用利用の条件（プラン・売上規模）と、学習データの権利処理（Adobe Firefly のように許諾済みのもの）を確認してください。無料プランは非商用のことが多いです。

ChatGPT Plus には Sora・Codex・画像生成が、Google AI Pro には Veo・Gemini が、Claude Pro には Claude Code が含まれます。単機能ツールを複数契約する前に、すでに払っているサブスクで足りないかを見ます。