椿アキヒト@生成AIクリエイター＆AIサポーター

📚 Perplexity活用アドバイザー/WEBディレクター/生成AIサポーター | 『ひらめきTIPSで学ぶ。検索AIエンジンPerplexity』著者｜🔍 Perplexityの実践的な活用法を発信/業務効率化のコツ/情報収集の極意💡 あなたの知的好奇心を加速させる情報を発信中！

[椿アキヒト@生成AIクリエイター＆AIサポーター @akihito2bk]

BEAMSTAR B START

https://t.co/okkCzq9w7Lのクレジットが大量にストックされてたので、Minimax H3 Max turboをフル活用して作ってみました。粗はかなり目をつぶってます。

[動画AIオタクちゃん @videoai_otaku]

気になる動画のアニメーションを再現したい時にはこのプロンプトをAstraに送るとOK

『参考動画のモーションを再現したいです。1フレームごとに変化する動きを目視で追いかけて座標位置や速度、加速度、カラーデザイン含めて全て再現をした上で再利用できる形でパラメータ保存してください。』

[椿アキヒト@生成AIクリエイター＆AIサポーター @akihito2bk]

夏の終わりに長引く雨
カンカン照りじゃなくて
今は散々なタイミング
戦犯に大バッシング

嫌になっちゃうなぁ
汗水垂らして、働いたマネー
破産したオーナーはまたねーって
自分探しの旅にダイビング

やばい、仕事なくなるかもって
バイバイ、華麗なるマイライフ
甘い気持ちでいるのも、いいことなくて
それでも、なんとかなるもんさ

求人ページを眺めると
世間にはいろんな仕事があるんだって
同じ空の下で誰かが、働いてる
綺麗事で悦に、入ってる

倒産、ピンチ？　仕事なくなるかもって
そんな時こそ自分を変えるチャンス

自分を裏返して、B面スタート
水しぶき感じながらフライング

止まない雨がシャツを濡らす
予報もまた、外れて
気まぐれな天気にパンチング
淡々と僕はウォーキング

もう笑っちゃうなぁ
証明写真で、強引な笑顔
履歴書の余白をパズルのように、
宛先は希望の社名をタイピング

やばい、仕事なくなるかもって、
バイバイ、華麗なるマイライフ
甘い気持ちでいるのも、いいことなくて
それでも、なんとかなるもんさ

求人ページの横文字は
最近生まれたトレンドワードで溢れている
生まれたばかりの君となら、助け合える
運命を信じて、歩き出せる？

指で流すたび、知らない明日が増えてく
仕事ないくせに、ちょっとワクワク

白紙になったら、好きに描けばいいじゃん
ボツだった未来も、描き直すチャンス
雨が止むまで、待つことないじゃん
濡れたまんまで、歩けばいいじゃん

やばい、仕事なくなるかもって、
バイバイ、華麗なるマイライフ
甘い気持ちでいるのも、いいことなくて
それでも、なんとかなるもんさ

自分を裏返して、B面スタート
濡れたシャツのまま、今日もフライング

まだ雨は止んでないけど
さっきより空が明るい

[椿アキヒト@生成AIクリエイター＆AIサポーター @akihito2bk]

BEAMSTAR B START

https://t.co/okkCzq9w7Lのクレジットが大量にストックされてたので、Minimax H3 Max turboをフル活用して作ってみました。粗はかなり目をつぶってます。

[connect24h @connect24h]

先日私のところでも超絶バズった。操作を録るだけでSKILL.mdが出てくるMicrosoft謹製のデスクトップアプリ「Skill Recorder」。実際の操作画面含めての記事。大変助かります。

定型業務のSKILL.md移譲はもう珍しくない。ただ現状の主流はplaywright-mcpやplaywright-cliでブラウザ操作をトレースして、その結果をAIに食わせてSKILL.mdに起こす流れだ。Skill Recorderはそこを一段すっ飛ばして、デスクトップアプリ側で操作を記録してスキル化まで持っていく。トレース基盤を自前で組む手間が消える意味はでかい。

面白いのは、はてブ52を集めたこの記事のタイトルが「捗る？」と疑問形で終わってること。実際に触った人ほど手放しで褒めてない。自分の環境でも週次の定型作業を一本録ってみて、既存のplaywright-cli経由の生成物とSKILL.mdを並べて差分を見るつもり。録画からスキルが出る体験が本物なら、Skill作成のコストはまるごと変わる。

記録された操作がそのまま手順として残る以上、認証情報の扱いだけは最初に確認しておきたい。
ソース: https://t.co/5hQMaFPuSM

[小出 孝雄/エイジレスCEO @takoidet]

ちなみに指示書はこんな感じ。

[Akshay 🚀 @akshay_pachaar]

from prompt → context → harness → loop → graph engineering.

the list keeps growing, and every new term gets treated as a replacement for the last one. each layer wraps the one before it, and the cleanest way to tell them apart is to ask what a single unit of work looks like.

𝗽𝗿𝗼𝗺𝗽𝘁 𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗶𝘀 𝘁𝗵𝗲 𝗺𝗲𝘀𝘀𝗮𝗴𝗲.

the model remembers nothing before this call, so the prompt has to carry the full universe of what it needs. a role, the background, the instructions, a few examples, a format.

when the output falls short, the skill is working out which ingredient let you down, not rewriting the instructions every time.

the unit of work is one input.

𝗰𝗼𝗻𝘁𝗲𝘅𝘁 𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗶𝘀 𝘁𝗵𝗲 𝗺𝗲𝗺𝗼𝗿𝘆.

across many steps the window is finite and the available information is not, which forces a curation step. a curator keeps what matters, compresses what is useful but bulky, and drops the rest.

good curation is mostly about knowing what to throw away, not packing more in.

the unit of work is what stays in the window.

𝗵𝗮𝗿𝗻𝗲𝘀𝘀 𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗶𝘀 𝘁𝗵𝗲 𝗺𝗮𝗰𝗵𝗶𝗻𝗲.

on its own a model just generates text. the harness gathers what it needs, runs it, calls tools or sub-agents, and verifies the result with tests or a judge.

that verify step is the entire difference between calling an api and running an agent.

the unit of work is one pass through the machine.

𝗹𝗼𝗼𝗽 𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗶𝘀 𝘁𝗵𝗲 𝗿𝘂𝗻.

one pass rarely finishes the job, so something has to decide whether to run the machine again. that decision needs a goal defined upfront, brakes like max iterations and budget caps, and a completion check that is automated rather than felt.

an agent that stops asking for tools has ended its turn, which is not the same as finishing the task.

the unit of work is the whole run.

the diagram covers those four. here is the fifth.

𝗴𝗿𝗮𝗽𝗵 𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗶𝗻𝗴 𝗶𝘀 𝘁𝗵𝗲 𝗰𝗼𝗼𝗿𝗱𝗶𝗻𝗮𝘁𝗶𝗼𝗻.

once several loops have to work together, you need to say what runs when, what runs in parallel, and who checks whom. nodes do the work, edges decide what runs next, and shared state flows between them.

a single loop is just a one-node graph with an edge pointing back at itself, which is why graphs govern loops instead of replacing them.

the unit of work is the whole job.

here is the part that ties it together.

prompt and context both live inside the harness gather step. the harness is one pass, the loop decides whether to run that pass again, and the graph decides which loops run at all.

zoom out and the unit of work gets bigger. zoom in and you are back at the prompt.

that also tells you where to debug. find the layer whose unit of work broke, then fix that layer.

the prompt is the easiest layer to edit, which is why it keeps taking the blame for failures that live three layers up.

i also published this deep dive on graph engineering, covering the core idea, how to get started, shared state, routing you can trust, and when a graph is genuinely overkill.

the article is quoted below.

[鈴木@アナログ営業会社を100日後にAIで売上を300％にする人 @ai_300]

【衝撃】
AIに「永久記憶」を持たせる方法
追加アプリも複雑なデータベースも不要
MarkdownとOpus5だけで始められる
仕組み化できれば月20万円分の作業を圧縮できる
1週間では地味、3週間後に突然つながる
詳しい方法は👇

AIの永久記憶は、魔法の新機能ではありません。

AIが毎回読み返せる「外部の記憶」を作ればいい。

動画で行っていることを一言で言うと、

散らばった資料を、Claudeが理解しやすいWikiへ自動変換している。

それだけです。

ただし、普通の要約とは違う。

要約は1つの文章を短くする。

LLM Wikiは、1つの資料を複数の再利用可能な知識へ分解する。

たとえば、20ページのPDFがある。

これを丸ごと1つの要約にすると、後から一部分だけ使いにくい。

そこでClaudeへ、

「内容を独立したテーマに分け、8〜15個のMarkdownページを作れ」

と指示する。

各ページには以下を持たせる。

・ページタイトル
・3行程度の概要
・重要な事実
・数値や固有名詞
・関連するページへのリンク
・原本ファイル名
・更新日
こうすると、AIは質問に必要なページだけを読める。
「料金について教えて」なら料金ページ。
「競合との差は？」なら競合比較ページ。
「営業メールを書いて」なら顧客像、悩み、商品概要、事例ページ。
必要な知識だけを組み合わせる。
これがトークン削減だけでなく、回答精度の安定にもつながる。

作成方法はClaude Codeがラクです。

プロジェクトフォルダを開き、最初にCLAUDE.mdやinstructions.mdへルールを書く。

指示文の例はこれ。

「rawフォルダ内のファイルを確認してください。内容を再利用可能な知識単位へ分割し、wikiフォルダへMarkdownで保存してください。既存ページがある場合は重複を避け、関連ページへWikiリンクを付けてください。原文にない情報は追加しないでください」

実行後は、人間が確認する。

確認項目は5つ。

・重要な数字が消えていないか
・ページが細かすぎないか
・逆に複数テーマが混ざっていないか
・出典が残っているか
・リンク先が存在するか

問題があればinstructionsを修正し、もう一度生成する。

一度ルールが固まれば、次からは資料をrawへ追加するだけ。

議事録を入れる。

市場調査を入れる。

顧客インタビューを入れる。

過去の投稿を入れる。
ClaudeがWikiへ統合する。
すると、投稿作成、提案書、教材、FAQ、営業メールの作業が一気につながる。
「永久記憶」とは、全部を暗記させることではない。
必要なとき、正しい場所から取り出せる状態です。

AIに賢さを求める前に、忘れない机を用意しろ。

知識は保存しただけでは資産にならない。

再利用できる形に変えた瞬間から資産になる。

[ゆるおくん @y_ruo1]

裏技として、アスキーアートを使ってポーズを変えるのもおすすめ。

🤦‍♂️「参考にしたいポーズ素材の画像生成を作るのに時間がかかって大変...」
🤦‍♂️「画像2枚だとAIの読み取りに時間がかかってトークンの消費が勿体ない」

この悩みは、やりたいポーズを言語化して、一回アスキーアートで出させてから作りたいポーズに変更すれば早くて簡単。

[Higgsfield AI 🧩 @higgsfield]

Meet Higgsfield Academy. We're training the next generation of AI filmmakers.

The directors behind Hell Grind, our 95-minute feature screened in Cannes, are opening their playbook as fully interactive courses.

Join the academy and you're ahead of 99% of the industry.

[neco - AI Anime @neco1751662]

Higgsfieldがクリエイターにとって嬉しすぎるプログラムを発表してるよ！

AI動画の作り方を学べる
『ヒッグスフィールド・アカデミー』
が全コース無料😳✨

初心者用・中級者用の2コースがあって、
修了するとLinkedInの資格欄に追加できる認定証を取得できるから自分のスキルとしてちゃんと提示できる👍

しかも、そこで終わりじゃなくて、
優れた才能を持つクリエイターとして認定されれば
『Higgsfield Filmmaker Grant』
っていうプログラムに参加できて、
Higgsfieldからクレジットやレッスンの支援が受けられるみたい。
これはチームの応募も可能みたい👀

AI動画これから始めたい人も
更にスキルアップして活動したい人も
みんな要チェックだ！

[Zeto @ZetoGroovin]

【精度高いAIダンス動画の作り方】
ダンスモーションを深度マップに変換してSeedance2.0でキャラとモーション動画を参照させてダンス動画作ってみた！
引用元1p ( @impalementd )さんの作り方を参考にさせていただきました！
深度マップにするとモデルに渡す情報が「動き」だけになるからなのか、ダンスの精度が高くなってる気がします。

そして、KnRoco ( @roco_kn_roco )さん、おじさんダンスのアイデアありがとうございました☺️

[ベク @beku_AI]

https://t.co/vBPpcnzYj8

[椿アキヒト@生成AIクリエイター＆AIサポーター @akihito2bk]

顔パーツを選択して、顔を鉛筆画風の顔を作った後にGPT-2で、似顔絵の輪郭線を忠実に守って実写化。
けっこういい感じです。
国籍指定すれば、その国の人っぽくなってます。

[椿アキヒト@生成AIクリエイター＆AIサポーター @akihito2bk]

GPT 5.6リリースから、Codex動かしてモンタージュアプリが、大分、様になってきました。
顔のパーツを組み合わせるだけならできるので、後は利便性の部分を突き詰めていきたいですね。
現在、Codexは仕様上限のリセットを頻繁に行っているのでこの機会にいろいろと作りたいところです。

[mana｜株式会社MakeAI CEO @MakeAI_CEO]

いろんな人がClaude Codeで作った動画編集ツール売ろうと目論んでるが、絶対に無料のHyperFramesでいい。アセットとか取り込まなくてもここまでできるし、既存動画の編集録画とか参考動画を渡せば、8割くらいまで編集をマネしてくれる！

もう動画編集ツールはHyperFrames一択です！Codexでも使えるよん！

[ミヤマ @mmmiyama_D]

ChatGPTのウソ透過滅殺プロンプトですが、もっといいのできました！
Work→5.6 Terra 高い、で実行しています。
注意点は、出来上がるまでちょっと時間がかかることです。しばしお待ちください😅
プロンプトは以下に👇　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

＜prompt・改＞
@画像を作成する
添付画像を元画像の背景除去処理として編集してください。人物だけを正確に残し、人物以外のすべてのピクセルを削除してください。
背景は透明のアルファチャンネルにしてください。
CLIのネイティブ透過処理に切り替えて進めてください。

重要
・市松模様、チェッカーボード、白背景、グレー背景は描かない
・透明に見える背景を描くのではなく、背景ピクセル自体を削除する
・出力形式は、透明部分を保持したPNG
・人物の顔、髪、服、手、輪郭、ポーズなどは絶対に変更しない

[HeyGen @HeyGen]

How HeyGen Models generate a 30-minute video, the longest single-pass AI generation ever. 6× the industry ceiling

The hard part was never length, it was consistency. Most systems drift; the face stops looking like you. HeyGen Models stay locked in

Full technical report below ↓

[iX @iX00AI]

キャラクターの一貫性は、静止画では維持できても、カメラワークが入ると細部は崩れるケースが少なくありません。

だからこそ、実制作では「どんなキャラクターシートを作るか」がかなり重要になります。

このスレッドでは、話題になった手法を実際に比較・検証しながら、その違いを分かりやすく解説しています。

キャラの一貫性についてはこれが一つの答えだと私も思います。

[ベク @beku_AI]

https://t.co/LsT5O61F5N

[ぴらの@ショート動画編集・台本・運用・AI @piranoman]

これすごいわ。

今朝復活したClaude fable 5で、動画編集のテロップデザインが大量生産できた。

7/7以降は従量課金なので、今のうちにテンプレやスキルを作っておかないと損かなと。

雑な指示でも簡単に作れたのでサクッと触ってみるのがおすすめ。

このテロップデザインの作り方を知りたい人は、