樹

♂最近、AIを扱い始めた超AIビギナーです。初心者が色々試し…足掻き…苦しんでる姿を 笑ってあげて下さい。 ヘッダーとアイコンは適当(？)にAI様に作ってもらいました。

[まじん @Majin_AppSheet]

『まじん式v4.3』を1月中に出したい。
メインはBananaの要素抽出。

Image To Imageじゃない、
1000回以上の調整を重ねて精度を磨き上げた、
執念の"OCR"システム。

そのうちGoogle標準で
Nanobananaの編集機能は実装するだろうが

GWS研究家として、
『GAS単体でどこまでやれるか』
1つの研究結果を示したい。

もちろん完璧ではない。
まじん式の強みとしては、

「〇〇っていうAIツールでBanana編集できるらしいよ」
「すごいね。でも弊社では〇〇は禁止です」

これに抗える。
機密もいける。外部通信なし。そして無料。

noteメンバーシップ限定公開です。
もうしばらくお待ち下さい。

[じくにーさん@AI動画の人 @jjjContinue]

GoogleのAI開発ツール「Antigravity」経由でNano Bananaを使うと実はめちゃくちゃ便利です。

HiggsfieldやAI StudioなどNano Bananaを使う方法は色々ありますが、Antigravityを使えば直したい場所を囲んでプロンプトを打つ形で複数箇所の同時修正ができます。

今のAI開発ツールは導入も非常に簡単にできるようになったし、この方��ならウォーターマークも出ないので一番やりやすいです。

[まるさん | 会議を描いて動かす漫画家 @malcchi]

GeminiのカスタムAI「Gem」に
NotebookLMと連携できる神アップデートが！

これ何がすごいかというと
・自分専用の専門家が簡単に作れる
・NotebookLMのノートを追加すればどんどん賢くなる

「難しそう…」って人向けに
3分で作れる方法をグラレコでまとめました！

保存して後で作ってみて。

[Noir◆幻想AIアート @atelier_noir00]

キャラの衣装を宝石級に輝かせる！「キラキラ質感」の呪文💎

AIイラストの服が「なんだか地味…」と思ったら、質感を指定するワードを足してみて！
たった数ワードで、衣装の輝きが段違いにアップします。✨

今日はSNS映え間違いなしの「キラキラ質感を出す3つのコツ」を紹介！

① 「光る素材」を指定する ✨
布の種類を具体的に指定するだけで、光の反射が変わります。
高級感を出したい時は、ツヤのある素材をプロンプト��入れよう！

💡 プロンプト例:
* made of iridescent fabric (虹色に輝く布地)
* shiny silk and satin (光沢のあるシルクとサテン)

② 「宝石と刺繍」をトッピング 💍
衣装の細部に「光る装飾」を散りばめるのがコツ。
密度が上がって、画面全体がリッチな印象になります！

💡 プロンプト例:
* embroidered with gold thread (金糸の刺繍)
* decorated with sparkling gemstones and crystals (輝く宝石とクリスタルの装飾)

③ 「光の粒子」を纏わせる 🌟
服そのものだけでなく、キャラの周りに光を飛ばすテクニック。
幻想的で、魔法を使っているような「主役感」が出ます！

💡 プロンプト例:
* glowing particles, sparkling light effects (光る粒子、キラキラした光のエフェクト)
* stardust texture (星屑のようなテクスチャ)

🌟 まとめ
「素材を指定」「装飾を��る」「光の粒子を足す」。
この3つを組み合わせれば、キャラの存在感が一気に華やかになります！💎✨

みんなのキャラも、キラキラ衣装でドレスアップさせてみてね！
「こんな素材の服ってどう描くの？」などの質問もコメントで待ってます！💬🙌

[まじん @Majin_AppSheet]

見落としていた。
Gemの"知識"にNotebookLMをセットできるのか。

[炎鎮🔥 - ₿onochin - @super_bonochin]

■ GPT-5.2 に Nano Banana Pro のスライドを渡したら、普通に編集可能なpptxにしてくれた
レイアウト考えたり画像作るところだけ Nano Bnana でやって、そこから先の修正とかメンテは、pptx にして Copilot でやると超速いｗ

← パワポのスライド
→ 元の画像

こんな感じのプロンプトでやった。
---
添付の画像を、pptxの1枚のスライドで完全再現してください。
テキストは完全に編集可能な形にし、元の画像にある図やグラフは切り抜いて（クロップして）そのまま利用してください。

[シュナプーン @schnapoon]

【Lovartでクリスマスカード制作】

いつもの2人のキャラクターを使ってクリスマスカードを作る
みなさんもぜひ@lovart_jpで作ってみよう！

①
ツノちゃんたちがクリスマスパーティの準備をしている様子を出力してもらう
2人に性格を設定して、イラストに反映

プロンプト：
[キャラクター1] と[キャラクター2] がクリスマスパーティーの準備をしているスナップショット風のイラストを4枚作成して
場面は、ローストチキンの買い出し、ケーキの飾りつけ、ツリーの飾りつけ、食べ物と飲み物の用意です。
[キャラクター1] はしっかり者で食いしん坊、 [キャラクター2] はまじめでおっちょこちょいという設定で作成して

作成した場面
ローストチキンの買い出し、ケーキの飾りつけ、ツリーの飾りつけ、食べ物と飲み物の用意

出力結果は添付画像

1/6

[Rockey @rockey2799m]

ローカルでAIイラストを始めてみたい人のための導入の記事をnoteに描きました。
これを見て今まで見ているだけだった多くの人がAIイラスト生成を始めてくれたら嬉しいです。

Stable Matrixで始めるAIイラスト生成〜Forge環境構築から、1枚描くところまで〜
https://t.co/I9RerrajBV

[Noir◆幻想AIアート @atelier_noir00]

AIイラストが10倍エモくなる！「視線」の魔法 ✨

AIイラスト、ただ「こっちを向いてる」だけじゃもったいない！
実は、キャラの「視線」をコントロールするだけで、1枚の絵に深いストーリーが生まれるんです。

今日はすぐに使える「視線誘導のテクニック」とプロンプト例を3つ紹介します！

① 「あえて外す」と世界が広がる 🌍
キャラに画面の外���見せてみて！
「何があるの？」と見る人の想像力を刺激して、一気に「映画のワンシーン」っぽくなります。

💡 プロンプト例:
• a girl looking into the distance with a thoughtful expression (物憂げな表情で遠くを見つめる少女)
• a knight looking over their shoulder at something unseen (何か見えないものに、肩越しに振り返る騎士)

② 「アイテム」を見つめて感情を語る 💍
手に持った花や、遠くの街灯をじっと見つめさせてみよう。
「大切にしてるのかな？」「帰り道かな？」と、言葉がなくてもキャラの気持ちが伝わるようになります！

💡 プロンプト例:
• a woman gazing at a single wilting flower in her hand, tears in her eyes (枯れかけた一輪の花を手に涙ぐみながら見つめる女性)
• a boy looking up at the night sky, reaching out to the stars (夜空を見上げ、星に手を伸ばす少年)

③ 「目を隠す」という引き算の美学 🕶️
前髪や影で、あえて片目や両目を隠すのもアリ。
全部見せないことで、「ミステリアス」さや「切なさ」が爆上がりします。SNSで目が止まる「エモい」絵の鉄板です！

💡 プロンプト例:
• a mysterious figure with one eye hidden by long bangs, smirking subtly (長い前髪で片目を隠し、かすかに微笑むミステリアスな人物)
• a character with eyes shadowed by a wide-brimmed hat, strong silhouette (広いつばの帽子で目が影になっているキャラ、力強いシルエット)

🌟 まとめ
「画力」だけじゃなくて「視線」で語る。
これがAIイラストを「作品」に変える秘訣です！
みんなも次に生成するときは、ぜひキャラの視線を意識してみてね✨

「今度はこんなことが知りたい！」などあればコメントで教えてくださいね！💬

[テツメモ｜AI図解×検証｜Newsletter @tetumemo]

📕【速報解説】Gemini 3 Flashがリリース！軽量モデルながらClaude Opus 4.5を超え、コーディングでは上位の3 Proをも凌駕する衝撃の結果
ただ、Geminiのモード記載も変更されてちょっと混乱している方も多いはず…
ということでリリースの概要含め、抑えおきたいポイントをまとめました　↓

まず結論から。公式ブログによると「3 Proの強力なマルチモーダル、コーディング、エージェント機能を継��しつつ、3 Proの1/4以下のコストと高いレート制限で強力なパフォーマンスを提供する」というポジショニングです。

■次に図の説明

- 高速モード→Gemini 3 Flash
- 思考モード→Gemini 3 Flash Thinking
- Proモード→Gemini 3 Pro

Nano Banana Proで日本語を表現する場合は文字化けしにくいGemini 3 Proが良いです　↓

さて、本題です

■ 数字で見る衝撃の性能

・Artificial Analysis Index：71（Claude Opus 4.5は70、GPT-5.2は73）
・SWE-bench Verified（コーディング）：78%（なんとGemini 3 Proの76.2%を上回る）
・MMMU Pro（マルチモーダル理解）：81.2%（GPT-5.2の79.5%を凌駕）
・GPQA Diamond（PhD級推論）：90.4%
・Humanity's Last Exam：33.7%（GPT-5.2の34.5%に肉薄）

公式が「Gemini 3 Flashは、スピードとスケールが知能を犠牲にする必要がないことを証明した」と宣言するのも頷けます。

■ コスト比���（100万トークン���たり）

・Gemini 3 Flash：入力$0.50 / 出力$3.00
・Gemini 3 Pro：入力$1.25 / 出力$10.00（Flashの約4倍）
・Claude Sonnet 4.5：入力$3.00 / 出力$15.00（Flashの約6倍）
・GPT-5.2：入力$1.25 / 出力$10.00

Simon Willisonが指摘するように「2.5 Flashより若干高い（$0.30→$0.50）が、2.5 Proを上回りながら3倍高速」という驚異的なコスパです

■誰の何を解決できるかを5つのペルソナで解説

【1】AIエンジニア視点
「エージェントコーディングの本命」

公式によると「コーディングエージェント能力を評価するベンチマークSWE-bench Verifiedで、Gemini 3 Flashは78%を達成。2.5シリーズだけでなく、Gemini 3 Proをも上回った」—上位モデルを軽量版が超えるという異例の事態

開発者向けプラットフォーム『Google Antigravity』にも対応し、「Astrocadeは3 Flashをエージェント型ゲーム作成エンジンに使用しており、1つのプロンプトから完全なゲームプランと実行可能なコードを生成している」という事例も紹介されています

→ 結論：反復的な開発、プロトタイピング、AIエージェント構築に最適。「思考の速度についていける」低レイテンシが武器

【2】経営者・ビジネス視点
「ROI最大化のゲームチェンジャー」

JetBrains、Bridgewater Associates、Figmaがすでに採用。公式は「その推論速度、効率性、推論能力は、より大型のモデルと同等のパフォーマンスを発揮する」と述べ、大型モデル並みの推論を低コストで実現できることを強調。

法律AIのHarveyも採用し「パフォーマンス向上には通常レイテンシのトレードオフが伴うが、Gemini 3 Flashは高速モデルでも法律業界の厳密な精度要件を満たせることを証明した」と評価されています。

→ 結論：大量のAPIコールが発生するプロダクションシステムで、コスト削減しながら品質維持したい企業向け。

【3】コンシューマー視点
「無料で最先端AIが使える時代に��

「Gemini 3 FlashがGeminiアプリのデフォルトモデルとなり、2.5 Flashを��き換える。これにより、世界中のすべてのGeminiユーザーが無料でGemini 3の体験を得られる」—全世界のユーザーが無料で3世代の体験を得られます。

Google検索のAI Modeにも搭載され、「結果として、リサーチと即座のアクションを効果的に組み合わせた体験を提供する」とのこと。

→ 結論：日常的にAIを使いたいが課金はしたくない人にとって、現時点で最もバランスの取れた選択肢。

【4】スタートアップ創業者視点
「限られた資金で最大成果を」

thinking levelを4段階（minimal/low/medium/high）で調整でき、「複雑なユースケースではより長く考えるが、一般的なタスクでは2.5 Proより平均30%少ないトークンで正確に完了する」という効率性。

TechCrunchの取材で「私たちはFlashをワークホース（主力馬）モデルとして位置づけている」と語られているように、日々の開発を支える存在です。

→ 結論：資金効率を最大化したいスタートアップの「主力AI」として最適。

【5】研究者・データサイエンティスト視点
「マルチモーダル推論の新境地」

「Gemini 3 Flashの推論、ツール使用、マルチモーダル能力における強力なパフォーマンスは、より複雑な動画分析、データ抽出、視覚QAを行いたい開発者に最適」

さらに「視覚入力に対してコードを実行し、ズーム、カウントなどの高度な視覚・空間推論タスクを行う」機能も搭載。

→ 結論：動画分析、データ抽出、視覚QAなど、マルチモーダルな研究タスクに強み。

■ 競合との明確な使い分け

・『Gemini 3 Flash』→ コスパ重視の本番環境、エージェント開発、マルチモーダル処理
・『Gemini 3 Pro』→ 最高精度が必要な複雑な推論、Deep Thinkモード活用
・『Claude Sonnet 4.5』→ 既存コードベースのデバッグ、長時間セッション、監査可能性重視
���『GPT-5.2』→ バランス重視、成熟したAPIエコシステム活用

正直なところ、「軽量版が上位版を超える」というのは私も最初信じられませんでした。でもSWE-benchの78%という数字は、Googleが本気でエージェント時代を見据えてチューニングした結果なのだと思います

ただ、実際に”実務”で使わないと納得できませんので、このへんは日々のポストで検証していきます！

「スピードとスケールは知能を犠牲にする必要がない」—この言葉が2025年のAI競争を象徴しているように感じます

[樹 @AI_Beginner_]

ダンスの何か抜く様な動きって
ピンを外す仕草だったんだ

で、チョイとバナナ様で作ってみた
バナナ手軽で凄いよ...

[まじん @Majin_AppSheet]

まじん式v4.2は、
NotebookLMスライドをGスライドにインポート可。
微修正にはBananaを使えばOK。

でも、なんかコレ、遠回りに感じる。

ちゃんと作り込みたいスライドは
まじん式でタタキを作り、
文言を整えてからBanana加工。

やっぱりビジネス用途だと、これが良い。

Bananaガチャ精度UPのプロンプトを練るより、
ちゃんと手修正できたほうが良い。
AIがプレゼンするんじゃないから。

Google Vidsが日本語対応したので、
そのまま一瞬で動画化も可能。

狙ったとおりプレゼンできて、
Bananaとも相性よくて、
Vidsでナレーション動画にもできる。

まじん式、柔軟。

↓動画化は40秒あたり～

[樹 @AI_Beginner_]

ダンスが人気との事で
BananaProで作成してみました。

GPT-Image-1.5だと
私の指示がわるいのか？
成人指定でつくれませんと注意されたので💦諦めました...
チャッピー厳しいぃ😭

[うえむら @uemura_HR]

NotebookLMで作成したスライドをGeminiで設定図（YAML）に変換し、編集可能なGoogleスライドを生成する方法についての記事。一発出力だと業務利用で「使える」品質には至らず細部を編集したくなる。詳細な手順を示してくれているので試してみたい。

https://t.co/Yisu5M9PoQ

[テツメモ｜AI図解×検証｜Newsletter @tetumemo]

📕なぜGoogleは『美しい日本語』を描けて、OpenAIは描けないのか？

引用元でGPT Image 1.5のレビューを投稿したんですが、ずっと引っかかっていることがあります

Nano Banana Pro、日本語テキストが本当に綺麗なんですよね。で、OpenAIはなぜそこに追いつけないのか

気になりすぎて色々調べてみました。あくまで推測ですが、少し考察した内容をシェア

まず、そもそもの『設計思想』の違い

Nano Banana ProはGemini 3 Proの上に構築されています。つまり『言葉を理解する脳』と『絵を描く手』が最初から一体化している。

テキストを描く前に、その言葉の意味や文脈、文化的なニュアンスまで理解してからレンダリングに入る。一方、従来の画像生成モデルは「キーワードマッチング」に近い設計で、日本語の『美しさ』を理解しているわけではなく、パターンとして学習しているだけ。

この差が、複雑な文字体系を持つ言語で顕著に出るんじゃないかと
つまり、Gemini 3.0の思考力を画像生成にも活かしている差なのかなと

次に、Googleの『多言語資産』の厚み

Google検索、YouTube、Google翻訳、Googleフォント...Googleは世界中の言語データを20年以上蓄積してきた会社です。日本語だけでも、検索クエリ、翻訳ペア、字幕データ、手書き認識データ��膨大にある

OpenAIがどれだけ優秀なモデルを作っても、この『データの厚み』を短期間で���めるのは正直キツいと思います。特に日本語みたいに文字種が多い言語（ひらがな、カタカナ、漢字、そしてそれらの混在）では、学習データの質と量が直接出力に効いてくる。

あと、日本語フォントの複雑さ。これ、想像以上です

英語は26文字。日本語は常用漢字だけで2,136字、プラスひらがな・カタカナ。さらに縦書き・横書き、文字間のバランス、句読点の位置...美しく見せるルールが膨大にあります

GoogleってNoto Sans JPとか自社で日本語フォントを開発してきた会社なんですよね。文字の『美しさ』とは何かを、エンジニアリングとして理解している。この知見がNano Banana Proに反映されていると考えるのが自然かなと

技術的な話をすると、Nano Banana Proには『GemPix 2』という独自レンダリングエンジンが載っている

ピクセルを描く前に「意味的な論理、物理的な因果関係、感情的な意図」を分析する。従来の拡散モデルとは根本的に違うアプローチで、テキストを『画像の一部』ではなく『意味を持つ情報』と��て扱っている

だからスペルミスが起きにくいし、文脈に合った配置ができる。OpenAIがここに追いつくには、アーキテクチャ自体の再設計が必要かもしれない...というのは言い過ぎかもしれませんが、今回でそのくらいの差を感じました

最後に、身も蓋もない話をすると『優先順位の違い』

OpenAIの主戦場は英語圏です。収益の大半は北米と欧州から。一方Googleは日本の検索市場で90%以上のシェアを持っていて、日本語対応は『必須』だった

Nano Banana Proが多言語で強いのは、技術力だけじゃなく『ビジネス上の必然』があったから。OpenAIにとって日本語テキストの完璧なレンダリングは、現時点では「あれば嬉しい」レベルなのかもしれません。厳しい言い方ですが、優先順位の問題

で、今の私の結論です

Googleの圧倒的な進化は、一夜にして起きたわけではない

20年分の多言語データ、フォント開発の知見、マルチモーダルAIへの早期投資、日本市場への本気度。これらが積み重なって、Nano Banana Proという形で結実した

OpenAIは編集の一貫性や生成速度では確実に進化しています。でも『美しい日本語を描く』という一点では、今のところGoogleに軍配が上がる

これは技術の優劣というより、それぞれの企業が『何に賭けてきたか』の違いなんだと思います

日本語ユーザーとしては、OpenAIにも本気で取り組んでほしい。その日が来ることを期待しています！

※画像はGPT Images 1.5とNano Banana Proの比較

[かな｜Claudeの先生 @kanauo2]

難しい内容ほど、
図解にするまでが一番大変だったりします。

構成を考えて、整えて、
「これで合ってるかな」とチェックして。
そこに時間を使ってしまうことも多いですよね。

このJSONの解説図解。
作成するのに時間がかかっていそうですが、
AIに任せると、10分ほどで形にできました。

2025/12/20（土）に、
この図解を作った具体的な流れを
『Noteにまとめて公開します』

この図解はJSONの構造を知りたいときに、
見てくれると嬉しいです。

[テツメモ｜AI図解×検証｜Newsletter @tetumemo]

📕 OpenAIが新しい画像生成モデル『GPT Image 1.5』をリリース

正直に言います

日本語テキストの表現力は、前バージョンより劣化している印象です。多言語テキストレンダリングで圧倒的な評価を得ているNano Banana Pro（Google DeepMind）には到底及ばない。期待していただけに、がっかりしました...

ただ、テキスト以外の部分では「これは進化したな」と感じる部分があります。

まず『高忠実度』は確かに納得のレベル。WixのAI研究責任者も「強力なプロンプト順守で高忠実度の画像を生成し、構図、照明、きめ細かな詳細を保持する」と評価していますが、実際にYAMLプロンプトを試したところ、構造化された指示への追従性がかなり良い。
構図や配置の精度も明らかに上がっていて、「6x6のグリッドに指定した要素を正確に���置する」といった複雑な指示にも以前より正確に応えてくれます。

次に『精密な編集』の完成度。OpenAI公式によると「照明、構図、人物の外見などの要素を、入力、出力、およびその後の編集全体で一貫性を保ちながら、要求された部分のみを変更する」ことが可能

要するに「Nano Banana Proと同じような事ができるようになったよ」ってこと

従来の画像生成AIは「一部だけ直す」と全体が崩れがちでしたが、GPT Image 1.5では「追加、削除、結合、ブレンド、転置など、さまざまな種類の編集に優れており、画像の特徴を失うことなく、ユーザーが望む変更を実現する」。犬の写真に特定のセーターを着せたり、背景だけ差し替えたりしても、元画像の質感がしっかり残ります。

そして意外と見落とされがちなのが、新しい『Images機能』の存在。ChatGPTのサイドバーに専用スペースが追加され、プロンプトを書かなくても「インスピレーションを刺激するためのプリセットフィルターやトレンドのプロンプト」から様々なアートスタイルを試せるようになった

プロンプトエンジニアリングが苦手な人でも、ワンクリックで映画ポスター風やヴィンテージ写真風など多彩な表現に挑戦できる。これは初心者にとって大きな参入障壁の低下です

生成速度も最大4倍に高速化。他の画像が生成中でも次のリクエストを投げられるので、アイデアの試行錯誤が圧倒的に捗ります。正直ベースで言うと、Nano Banana Proと同じか、それより少し遅い。

ビジネス面では「単一のソース画像から完全な製品画像カタログ（バリエーション、シーン、角度）を生成する」ことが可能に。APIでは画像入出力が20%安価になり、同じ予算でより多くの画像を回せるとのこと

まとめると、GPT Image 1.5は『テキスト生成』より『編集の一貫性』『構図精度』『手軽なスタイル探索』に振り切ったアップデート。日本語テキストを多用するクリエイターにはかなり物足りないですが、写真編集やeコマース用途、そしてプロンプトに詳しくない人が気軽に画像生成を楽しむには、ある程度実用的な選択肢の一つだと思います。

ただ厳しめに言えばNano Banana Proにはどの性能も及ばず、あの美しい日本語を体験した日本人はこのモデルをあえて使うとは思えないですね

今後の進化、楽しみにしてます！

画像は左側旧モデル
右が新モデルです

[マネー猫🐈‍⬛💰 @moneynekonyan]

親に万が一のことがあってもコレ見て冷静に動けば損しません↓↓↓

[シトラス(柑橘系) @AI_Illust_000]

使えるかもしれないプロンプト(NovelAI V4.5 Full)

｢lap pillow invitation｣
キャラクターが自分の膝で膝枕をする提案をするシチュエーション。

｢beckoning｣
手招き。
指や手首を軽く曲げる、表面を叩くなど様々な��ェスチャーがあります。

｢patting lap｣
自身の膝を軽く叩きます。

[yachimat - AI Short Anime @yachimat_manga]

Nano Banana Pro > 口パク！
動画生成じゃなく画像だけで目パチ口パクしようとしてます。

まずはスプライト画像つくって、それを音声に合わせて動かすっていう感じです

まあそういうツールあると思うんですけどね、もっと手軽に手元でやりたいのと他のと統合したいので自作してます

これなら動画生成じゃないので無限に生成できます
もちろんリアルタイムも。

ただ若干精度とかスムーズにしたりするのが大変ってことに今更気づいた

��も、結構使い道あると思うのでちゃんと形にしたいな！

そのうち公開版でちゃんとつかえるようにします！