AIサムネがダサいのはなぜ？画像生成AIへの表情・背景・フォント指定とメタプロンプティング

おちつきAIラジオのサムネイルを良くするための会議として、この深掘り回は始まります。番組は配信ごとに正方形版と、ビデオポッドキャスト用の16対9の横長版の両方のサムネイル画像を用意しています。

しぶちょーさんは最近のサムネイルについて、かねりんさんが手を抜いているのではないかと切り出します。かねりんさんは「逆張りですよ」「AIっぽくない」と返しました。

二人の間では以前、作り込みすぎると「AIでやりました感」が出るので、手作り感のある方向でAIを使おうと話し合っていました。現在のシンプルなサムネイルは、その方針の結果です。

しぶちょーさんが具体例に挙げたのは、第114回の速報回「DeepSeek驚きすぎ」のサムネイルです。横長版では「驚きすぎ」の文字がDeepSeekのロゴと微妙に重なり、隙間の詰まり方が気になったといいます。

背景の海の生き物がクジラなのかシャチなのかでも二人の見解は割れ、かねりんさんは「間違い探し」と笑います。さらに、しぶちょーさんのアイコンが珍しくデフォルメされずにそのまま貼られていた点も指摘されました。

ほかにも、しぶちょーさんが急に実写になったり、緑の唇が顎髭のように描かれたりと、絵柄が安定しない回がありました。かねりんさんも「否めないです」と認めています。

しぶちょーさんは、ダメ出しではなく、作りやすい仕組みを一緒に考える回にしたいと説明します。リスナーが自分で画像生成をするときのヒントにもしてほしい、という狙いです。

かねりんさんの現在の手順は、ほぼ自動化されています。流れは次のとおりです。

このフローはスキルスキル ── AIエージェントに特定の作業手順や指示をまとめて覚えさせる仕組み。一度作っておくと、同じ作業を毎回同じ手順で実行させられますとして組まれており、「なるべくシンプルに」という指示も入っています。ブラウザ操作の工程もスキルに含まれ、Chromeを勝手に立ち上げて操作しているそうです。

しぶちょーさんは、CodexCodex ── OpenAIが提供するコーディング向けのAIエージェント。コードの作成や実行に加え、画像生成などの機能も呼び出せますに直接画像生成をさせてもよいのではと提案します。最初の頃はうまくいかなかった、とかねりんさんは振り返ります。

しぶちょーさん自身は、Claude Codeが画像生成したいときにだけCodexを呼び出す構成にしていて、「よっぽど外れ出てこない」といいます。そのうえで二人は、フローは器用にできているので、改善すべきはプロンプトだと意見を合わせました。

しぶちょーさんは、指示のたびに「今日の指示をもとにルールを修正して」と頼み、少しずつ直していく仕組みも勧めます。原稿作成でも、1回ごとにフィードバックすると徐々に良くなるそうです。

しぶちょーさんは、サムネイルに求められるものをAIに調査させてきたと話します。ビデオポッドキャスト化で、ポッドキャストの主戦場はYouTubeに移りつつあります。

YouTubeではABテストでクリック率を競いますが、再生されれば一瞬で1カウントになるため、強烈なサムネイルでクリックさせたもの勝ちになりがちです。一方、ポッドキャストはその作法と相性が悪いという調査結果が出ているといいます。

そのためポッドキャストには、内容が伝わることと、番組らしさが伝わることの2つのフックが必要だと、しぶちょーさんは整理します。「この話が聞きたい」と思わせる中身と、またこの番組を見たいと思わせるブランドのテンプレートです。

しぶちょーさんはさらに、サムネイルの型を4つ紹介しました。

しぶちょーさんの見立てでは、おちつきAIラジオのサムネイルはどれにも当てはまらない「おちつきAI型」になっていて、どれかに寄せる必要があるといいます。

しぶちょーさんが一番の問題と見ているのは、サムネイルを見ても速報回か深掘り回かがわからない点です。

速報回は1週間のニュースを幅広く扱うため、ニュースを1つだけ文字にするのが正しいのか迷いがあります。かねりんさんも、何を文字にするかは毎回悩みどころだったと明かします。

ブランディング的に大丈夫かと問うしぶちょーさんに、かねりんさんは「まだ全然」大丈夫と即答します。速報回のアイデアとして、しぶちょーさんは二人がニュースキャスターの格好をする案を出しました。

二人をサムネイルに出し続けるかについて、しぶちょーさんは出たほうがよいと答えます。ただ、しぶちょーさんには最近気になっていることがありました。

しぶちょーさんのアイコンは、番組のメインアートワークにも使われている緑のアフロのキャラクターです。かねりんさんは「あの緑のキャラ何だろう」と言葉を添えます。顔出しをしているので実写で出ることもでき、どちらがよいか迷っているといいます。

かねりんさんは、しぶちょーさん本人がアフロのかつらをかぶれば解決すると提案します。最近、しぶちょーさんのコスプレでユニバーサルに行った人がいたものの、しぶちょーさんはドン・キホーテで売っているようなアフロでは大きさが足りないと、こだわりを見せました。

しぶちょーさん自身の番組では、アフロのアイコンと、AIで美化された実写風の本人を必ず2人並べ、両者を結びつけようとしています。ただ、写真を入れて寄せるよう指示しても、すぐ美化されてしまうそうです。

SNSではアフロのアイコンが中心で、動画やショートでは実写の顔が出るため、その乖離をしぶちょーさんは「めんどくせえ」と感じていました。かねりんさんは、実写に寄せていくことを提案します。

実写化の素材について、しぶちょーさんは苦い経験を語ります。収録画面のキャプチャを入れたところ、口元を隠すマイクがくちばしのようになり、変な生き物ができてしまったといいます。

かねりんさんは、別番組の相方に、ヘッドホンも帽子もなしで30秒間いろいろな表情をしてもらう動画を撮ってもらったそうです。驚いた顔や大爆笑などを20枚ほど切り出して置いておくと、本人らしい画像が出るようになりました。

しぶちょーさんが勧めるのは、その画像をまとめた「設定資料」です。漫画やアニメのキャラクター設定資料のように、横顔や笑顔を1枚にまとめたものをAIに作らせ、参照させます。

しぶちょーさんのアフロのアイコンは設定資料を用意しているため、自分のコンテンツで画像生成しても口髭になることはないといいます。フォーマットを固めれば、人を追加しても同じようにコントロールが効くそうです。

スキルの中で「画像生成の前にこの設定資料を読み込む」と指示すれば、かねりんさん用、しぶちょーさん用の資料で生成が安定する、というのがこのパートの結論です。人物はわずかな違いで別人に見えるので、なおさら重要だと二人は話します。

しぶちょーさんは、画像生成AIのプロンプトのポイントをおさらいします。最近のプロンプトガイドは、とにかく細かく設定してほしいという方向で、それをスキルで埋められるようにするとよいといいます。

昔はJSON形式やMarkdown形式がAIに読みやすいといわれましたが、しぶちょーさんによれば、最近はそうした呪文的な書き方はあまり必要ありません。後から自分で更新しやすい、書きやすい形で書けばよいそうです。

あわせて、書いてよいものと書いてはいけないものを分けることも大切です。かねりんさんが「髭はやめてくださいみたいな」と例を出すと、しぶちょーさんは賛同しました。

人物や動作は具体的に書き、参照画像の場所も示します。結局は、作りたいものを的確に伝えることに収束するとしぶちょーさんはまとめました。

スキルのフォーマットとして、まず二人が必ず登場し、左にかねりんさん、右にしぶちょーさんと位置を決めておくことが確認されます。現在も基本的にはこの配置です。

表情は、タイトルに応じて喜怒哀楽をAIに自動で決めさせるとよい、としぶちょーさんは提案します。服装を内容で変えるかどうかも決めておく項目です。

かねりんさんが現在のプロンプトを見せると、しぶちょーさんは「結構しっかりしてる」と評価しつつ、抜けている点を指摘しました。

しぶちょーさんによると、プロンプトには「明るい白い研究室のような部屋」という記述はあるものの、すべてが「主題」の中に入っているといいます。テーマに合う背景、二人の表情、文字とフォントを項目として分けてAIに出させたほうが、全体のバランスが取れるそうです。

しぶちょーさんは、項目を定義させるときに、タイトルだけでなく、そのテーマについて話している文字起こしをすべて入れてよいと勧めます。深掘り回なら全体を、速報回なら該当トピックのゾーンを入れるイメージです。

しぶちょーさんは、AIクローン回のサムネイルを例に挙げます。中身を参照しておらず、「AIクローン」という言葉に引っ張られている気がするという見立てでした。

サムネイルの文字とタイトルの関係について、しぶちょーさんは「基本は似た言葉でいい」と答えます。かつて両者が食い違っていたため、現在はタイトルからビッグワードを取る指示になっており、しぶちょーさんもそれを支持しました。

速報回は、ニュースキャスター風の二人が端にいて、ニュースが1つ大きく出ているフォーマットでよいのではないか、という案にまとまります。

考えるのが面倒なら、良いと思うサムネイルを集めてメタプロンプティングすればよい、としぶちょーさんは言います。かねりんさんは「新種単語だ」と反応しました。

メタプロンプティングメタプロンプティング ── AIに使うプロンプト自体をAIに考えさせる手法。ここでは見本画像を入れ、それを生成できるプロンプトを書き出させる使い方を指していますは、画像を入れて、その画像を生成できるプロンプトを出させる手法だと説明されます。

しぶちょーさんは以前、かねりんさんのサムネイルを作ったとき、良いと思ったサムネイルを30枚ほど集め、1枚ずつプロンプトを出させました。言葉を分析し、最終的に1つの画像生成用プロンプトへ統合したそうです。

今のプロンプトを最適化する場合は、背景などを指定するフォーマットを作り、AIに埋めさせるほうがコントロールしやすいといいます。かねりんさんは、文字・フォント・背景・表情を必須項目として毎回定義させる、と整理しました。

番組ロゴを入れるかどうかも論点になりました。AIに調べさせたところ、シリーズ物として展開するならブランド認知のためにロゴがあったほうがよく、速報回のように型を決める回には入れてもよい、という結果だったそうです。

しぶちょーさん自身は「いらないと思うけど」と言いつつ、YouTubeではKANERIN Podcast Studiosのチャンネルから配信していて番組のアートワークを見る機会がない、というかねりんさんの指摘に同意します。

速報回の文字は「AIニュース速報」のような形で、例えば「Grok4.5」の新リリースに結論を一言添え、二人が紹介している絵が案として出ました。コテコテでよいとしつつも、しぶちょーさんは「塩梅が難しい」と認めます。

見本を集めるならYouTubeではなくビデオポッドキャストのサムネイルにしたほうがよい、としぶちょーさんは付け加えます。YouTubeのものだと、どうしてもYouTubeっぽくなるからです。

リアルイベントでリスナーにシールを貼ってもらったランキングを参考にする案も出ましたが、あれはサムネイルではなく好きなエピソードのランキングだったため、見送りになりました。

すでにスキル化が進んでいるので、ここまでの内容をスキルに反映すれば良くなる、としぶちょーさんは見ています。見本の数については注意点がありました。

特徴を抽出してプロンプトにし、共通項と型をまとめて4パターンほどに整理します。その型をスキルに入れて更新していけば、自分で細かく書き換える必要はないといいます。リッチすぎる場合は禁止事項で少しずつ調整すればよい、という考えです。

必須項目には、表情・背景・フォントに加えて、ポーズも入れることになりました。顔だけでは微妙で、身振り手振りのアクションが欲しいからです。

しぶちょーさんの好きなサムネイルは、第60回のミトス回「危険すぎて公開できない」です。かねりんさんが盾で守っている構図でした。

かねりんさんのお気に入りは第80回「日本最強AI」で、旭日旗を背景に戦艦で出撃するような絵柄でした。しぶちょーさんは「この時代に戻せばいいかもしれない」と評します。

振り返ると、第54回までは粗く、第56回からしぶちょーさんがテコ入れしたという変遷もありました。

今回の回なら、正座するかねりんさんに、しぶちょーさんがホワイトボードでサムネイルを指摘している場面はどうか、とアイデアが膨らみます。背景はその回のAIトピックから外れないようにする、という条件も付きました。

かねりんさんが「コツみたいなものはなくて」と確認すると、しぶちょーさんは、作りたいものをいかに細かく伝えられるかだと答えます。

理想は、AIに3パターンほど出させてかねりんさんが選び、少し修正して完成させる形です。盾や原始人のような絵柄から「よりどりみどり」で選べるとよい、とかねりんさんは期待を込めます。

サムネイルで再生が伸びるかについて、しぶちょーさんは「よくわかんねえ」としつつ、影響はあると考えています。

ただし、クリックさせることを目的に過激になると本質から逸れるので、バランスが大事だと付け加えました。しぶちょーさんは今後、プレミアム放送で表情の素材を撮ることにしています。

かねりんさんは変更後も「そういうことじゃないんだよ」という波乱があるかもと予想します。しぶちょーさんは、ABテストのように極端に振って、収束点を見つけていこうと応じました。

エンディングに向けて、かねりんさんは、その回を象徴するワンシーンを描くという考えに改めて共感します。かねりんさんは自分たちの番組を「対談芸術」と表現し、サムネイルを「絵日記」と言い表しました。

話はさらに広がり、壁にサングラスやアフロだけが貼ってある現代アートのようなサムネイルの案まで飛び出します。YouTubeのABCテストで1枚をアートにすれば、全パターンを見たくて端末を回すファンも出るのでは、とかねりんさんは笑います。

しぶちょーさんは「ガチャ効果みたい」と応じました。かねりんさんは、まず今回教わった王道をきちんと試してから遊んでいく、と締めくくっています。

まとめ

おちつきAIラジオのサムネイルがしっくりこなかったのは、ツールの問題というより、AIに伝える情報の不足にありました。二人は、人物を設定資料で安定させ、表情・背景・フォントなどを項目として指定し、その回を象徴する場面を描く方向で見直すことにしています。

• ポッドキャストのサムネは、内容が伝わることと番組らしさが伝わることの両方が必要
• 速報回はニュース風のシリーズ型、深掘り回はテーマを生かす強フック型と分ける
• 表情を集めた設定資料を参照させると、人物の顔が安定しやすい
• 文字起こしを入れ、表情・ポーズ・背景・文字・フォントをAIに提案させて組み合わせる
• 好きな見本を10枚ほど集めてメタプロンプティングし、作風を型にしてスキルを更新する