ffff01

Chess蔡司のGrok Bot日記 #3 🎬

【Botのアップデート】
• ログイン情報、銀行カード、連絡先の保存：Botがログイン情報、銀行カード、連絡先を保存できるようになりました。一度追加すれば、Botが安全に記憶し、次回からはそのまま使えます。
• スマホアプリとの連携：Botがスマホのカレンダー、リマインダー、連絡先などのアプリを使えるようになりました。iOSとAndroidで順次提供中です。
• 1Password：Botがあなたの1Passwordアカウントを使えるようになりました。共有を許可したログイン情報を使って、Botが代わりにログインします。数日以内にユーザーへの提供が順次始まります。
• Pages：Botがレポート、メモ、ダッシュボードを作成できるようになりました。ページを作ってと頼めば、Botと一緒に編集したり、Botに継続して更新させたりできます。

【Chessの事例】
今回は、最初から最後までの一連の制作過程を紹介します。10月24日、私とBotの「Caesar」は、Xで最も話題になった動画のひとつを、Bagel版「@bagel_winのアカウントを1万回チェックする」に作り替えました。完成動画は最初から最後までCaesarが制作し、私は意見を伝えただけ。前後十数回にわたってやり取りしました。すべてスマホで、私のメイン担当であるCaesarと会話しながら進めました。

1️⃣ 12:00 要望を伝える：グループに参考動画を投稿して、「似た動画と、さっきNotionに送ったものを参考に、Bagelの動画を作って」と依頼しました。12:14にはCoinbaseの「Checking my portfolio 10,000 times.」を送り、まずは私のXアイコンを使って、@bagel_winのアカウントを1万回チェックする動画にしてほしいと伝えました。PRも絵コンテを分解していて、Caesarは動画を自分で作ると言いました。

2️⃣ v1〜v4、AIが動画を直接生成：v1は10秒のアイコン版。白い部屋で折りたたみスマホを猛烈に開閉しますが、手やスマホが変形し、最後は口が開きすぎていました。スマホの背面にBagelのロゴを入れ、主人公をCaesarのアイコンに変え、白いDuoが映えるよう背景を黄色にするよう依頼。さらに元の投稿に合わせて頭を揺らし、Duo全体を回転させ、背景は夜の街にしてほしいと伝えました。v3は0:07で映像が崩れ、Caesarは自分で確認した後、「このバージョンはひとまず使わないで」と教えてくれました。v4はスマホが震えるだけで開閉せず、自己チェックにも通らなかったため、私には送らず、「AIによる直接生成では、本物のヒンジの開閉は再現できない」と結論づけました。

3️⃣ v5、発想を切り替える：同じアングルで「閉じた状態」と「開いた状態」の画像を先に生成し、Caesarが自分でスクリプトを書いて、ffmpegで交互に切り替える編集を行いました。1秒あたり約4回の開閉、5つのカメラアングルを2秒ごとにハードカットし、同期したパチッという音も追加。私は「このバージョンはいいね」と伝えました。ちょっとした行き違いもありました。バックグラウンドの自己チェックでは開閉が分からないという結果でしたが、Caesarがフレームごとに確認し直し、フレーム抽出の抜けが原因だと判明。正直に「あなたが見たものを基準にしてください」と教えてくれました。

4️⃣ v6〜v9、細部を詰める：Duoの一部が4つの四角形になっていたので、実機とそっくりにしてほしいと依頼。Bagelの中は黄色にし、夜の街は見栄えがよくなかったので単色の黄色い背景に変更。黄色い背景に白い顔のロゴ画像も送りました。背面ロゴの下にBagelの文字を加え、背景の黄色はCaesarのアイコンの色コード#FFFF01にし、アイコンにある小さな縦線も追加。CaesarはAIが看板の文字を「CAESR」と間違えていたことなど、問題点も自分から報告してくれました。v9では、公式Duoの素材を送ると、それを参考に白いガラスの背面パネルとカプセル型のデュアルカメラを描き直しました。

5️⃣ 最大のクリエイティブな工夫：「1万回」を「1万通りの感情」に置き換えること。5つのカットは順に、緊張、怒り、悔しさ、大喜び、そして崩れるような大笑い。v10ではアイコンの左側に中国語の大きな文字を入れ、その下に英語のラベルを追加しました。

6️⃣ v11〜v14、監督レベルの細部調整：「緊張」の場面では、スマホが揺れてから0.7秒後に文字を出すように。緊張しているのに視線がスマホを見ていなかったので描き直し。緊張する前に、期待を込めて笑う時間を0.8秒追加。最後には1秒の黒画面を入れ、Bagelのロゴ、文字、スローガンを表示。17:41に私が「いいね」と伝え、完成版が決まりました。

7️⃣ v15、ナレーション：最後の1秒でBagelが登場するときに、アメリカ英語の男性の声で、広告らしい口調でBagelとスローガンを一緒に読み上げてほしいと依頼しました。Caesarはバックグラウンドタスクを実行し、既存のTTS（GuyNeuralの音声）を見つけて、「Bagel! A mobile-first prediction market app.」と読み上げました。長さは約2.1秒で、最後の1秒には収まらず、2.4秒に延長したことも正直に教えてくれました。私は「このバージョンで大丈夫」と伝え、古い投稿を削除して、音声付きの動画を再投稿しました。

一連の流れは、12:14に要望を伝え、17:41に完成版が決定、18:05に音声を追加、18:10に投稿。全部で15バージョンでした。参考動画を分解し、アイコンを取得し、動画を作れなければ別の方法に切り替え、画像生成とスクリプト編集を組み合わせ、クリック音とTTSのナレーションを加える。各バージョンを自己チェックしてから私に見せ、問題があれば正直に伝えてくれます。私は欲しいものを言うだけ。これが、今の私にとってのGrok Botです。スマホでちょっと話すだけで形にしてくれる、本当に仕事をやり遂げるパートナーです。

画像は15バージョンから選んだ9枚のコラージュで、後ろの3枚はスマホでCaesarとやり取りしたスクリーンショットです。完成動画は、私のXアカウント@chessxyzにある10月24日の投稿で見られます。ここにはリンクを載せません。

個人でAI Agentを使った体験の記録です。動画と文章の両方にAIが関わっています。

#GrokBot #AIAgent

「Love, Death & Robots」🩷☠️🤖

今回のお話は、以上！