待ち時間がもったいない、から始まる自動化

「ちょっと待って、これ、もったいないな」

そう思ったのが今日のきっかけでした。

同じ作業を、延々と繰り返していた

YouTube用の台本を、自分の声で読み上げさせる作業をしていました。

台本を章ごとに区切って、ツールに貼り付けて、ボタンを押して、音声ができるまで待って、保存して、また次の章を貼り付けて……。

1章あたり数十秒かかります。
台本は10章、20章ある。
そのあいだ、私はただ画面を見て、音声ができるのを待っていました。

PCの前に座って、進捗バーを眺めているだけの時間。

「この時間、もったいないな」

そう思ったんです。

「自動化できないかな？」って聞いてみた

n8nとかDifyとか、そういう名前は聞いたことがあったんです。
「自動化ツール」って。
インストールだけはしてある。
でも、画面を開いても何から始めたらいいか分からなくて、そっと閉じていました。

今回は、Claudeに聞いてみました。
「この待ち時間、自動化できないかな？」って。

返ってきた答えは、想像よりずっと簡単でした。

「このツール、APIがあります。
これを叩けば自動化できますよ」

API。

エンジニアさんがよく言うやつ。
私みたいな人には関係ない世界の言葉、だと思っていました。

半信半疑で、言われた通りに試してみた

言われたURLをブラウザに打ち込みました。

見慣れない英語の画面が出てきて、ちょっと怯みました。
でも、Claudeに「ここを押して、これを貼って、このボタンを押してください」と順番に教えてもらえたので、その通りにしただけ。

そしたら、動いたんです。

自分のPCの中で動いているアプリが、私の打ち込んだ文字を読み上げ始めました。
自分の声で。

「え、すごい」

分からなくても、始められるんだ

今までの私は、「分かってから始める」派でした。

勉強してから、理解してから、準備が整ってから。
そう思って、結局何年も手をつけていないことが、いくつもあります。

でも今日、分からないまま始めて、動いたんです。

APIが何なのか、正確には今も説明できません。
でも、それを使って自分の声で音声が作れることは、今日分かりました。

理解が先じゃなくて、体験が先でもいい。

触ってみて「あ、こういうことか」って後から分かる順番も、全然ありなんだなって思いました。

待ち時間を、別の時間に変えたい

完全な自動化ができるようになったら、何が変わるか。

待ち時間がなくなる、わけじゃないんです。
音声の生成そのものは、たぶん同じだけかかる。
でも、その時間の使い方が変わります。

PCの前で進捗バーを見ている時間が、別のことをしている時間に変わる。
娘と話している時間。

音声はできている。
私は他のことをしている。

同じ1時間なのに、中身が全然違うんですよ。

小さな発明を、暮らしに足していく

大きな自動化じゃなくていいんです。

「毎日5分、繰り返していた作業」を「放置したら終わっている作業」に変える。
それを少しずつ足していけば、1日のなかに空白の時間が生まれていく。

その空白に、本当にやりたかったことが入ってくる。

今日、ひとつ発明しました。
明日はもうひとつできるかもしれません。

暮らしって、そうやって少しずつ、自分の手で作り変えていけるんだな。

そう思えた日でした。

追記：自分だけの辞書が育っていく

感動のあと、実際に準備を進めました。

台本を読ませるには、「読ませたい部分だけ」を抜き出したファイルが必要でした。
タイトル案とか、画面の説明とか、そういうメタな情報は混ぜたくない。

最初は面倒だなと思ったんです。
毎回コピペするの？
って。

でも解決策は、拍子抜けするほど簡単でした。

「Claudeに『台本と一緒に、読み上げ用のテキストも作って』ってお願いしておけばいいですよ」

そうか。
AIにお願いしておけば、毎回ついでに作ってくれるんだ。

そのときふと気づいたんです。

「Mintor（ミンター）」を、読み間違えられたら嫌だな

自分が作ったサービスの名前を、音声合成ツールが「ミントー」って読んだら、きっと悲しい。

そしたらまた解決策がありました。
「読み方辞書」を作っておくんです。

“`
Mintor → ミンター
Claude → クロード
…
“`

こういう小さなルールを、Claudeに渡しておく。
そうすれば、毎回ちゃんと「ミンター」にしてくれる。

この辞書、使いながら育てていくものなんだそうです。
新しい言葉が出てくるたびに、1行ずつ足していく。

これって、自分だけの辞書なんですよね。

他の誰のためでもない、私が作っているサービスの、私が使っているツールの、私が話す言葉の、読み方辞書。

使えば使うほど、精度が上がる。
精度が上がれば、もっとスムーズに動画が作れる。
動画がスムーズに作れれば、もっと発信できる。

自分のために、自分の道具を育てていく感じ。

昔の人も、たぶん同じことをしていたんだと思います。

使い込んだ包丁は、自分の手に馴染む。
何度も拭いたテーブルは、傷も含めて「自分の家」になっていく。
毎日使う道具に、少しずつ自分の痕跡が足されていく。

今の私が育てているのは、AIに渡す指示書という形の道具です。

物理的な傷はつかないけど、毎日少しずつ、私専用になっていく。
私のサービス名、私のツール、私の話し方。

デジタルでも、道具は「育てる」ものなんだな。

そう思った日でした。

作業はまだ途中です。
Pythonで自動化するスクリプトを書くところで、今日は終わりそう。

でも、ここまで進んだだけで十分満足です。

明日続きをやる自分のために、今日できたところまでコミットして、ちゃんと記録を残しておこうと思います。

追記：思った通りにいかない時間がいちばん楽しい

そのあと、実際にスクリプトを書き始めました。

一発で動くはずだと思っていました。
さっきブラウザで試したことを、Pythonで順番に書くだけなんだから。

動きませんでした。

「500エラー」という、サーバー側でなにかが壊れた時のメッセージが返ってきました。

原因は、私が「すぐに音声ができている」と思い込んでいたことでした。

お願いを送ったら、すぐに結果が返ってくる。
そう信じていたんです。
でも実際は「受け付けました」と返ってくるだけで、音声ができあがるのは、その少しあと。

私が取りにいった時点で、まだ用意できていなかった。

人間の世界でも、同じことがあると思います。
「お願いしたからすぐできている」と思い込んで、できていない相手を責めてしまうこと。

ちゃんと、できるまで待つ。

そのシンプルな原則を、機械に教えてもらった気がしました。

直しても、また同じエラーが出ました。

今度は「できました」という返事があったのに、ファイルの場所がまだ空っぽ。0.1秒くらいのタイミングのズレで、起きていたことでした。

これは、聞かないと絶対に気づけないやつでした。

機械の中にも「ほぼ同時だけど、ちょっとだけズレてる瞬間」があって、そこにハマるとエラーになる。

人生みたいだな、と思いました。

追記2：自分の声を選ぶという不思議な時間

動くようになったあと、今度は「声の質」が気になりました。

同じ文章を読ませても、毎回ちょっとずつ雰囲気が違うんです。
明るかったり、低かったり、速かったり。

「気に入った声を、固定したい」

やり方はありました。
数字を1つ決めて、それを指定すると、毎回同じ声が出てくる仕組み。

1,2,3,4,5… と数字を変えながら、何度も同じテキストを読ませました。
8回繰り返して、耳で聞き比べました。

そしたら、「これだ」と思える声が、1つ見つかったんです。

面白かったのは、理由は全く説明できないこと。

なんでその数字の声が一番良かったのか、論理的に理由は言えません。
他の数字よりちょっと柔らかく聞こえて、ちょっと親しみやすい感じがした、それだけ。

でも、それで十分なんですよね。

理由を言えなくても、「これがいい」って選ぶことはできる。
服を選ぶときも、食べ物を選ぶときも、人と付き合うときも、だいたいそうじゃないですか。

もともと、自分の声を学習させて作った「私の声」でした。

その中から、さらにお気に入りのバリエーションを選ぶ。
「AIが作った私の中から、私が好きな私を選ぶ」という、ちょっと変な作業。

自分のことなのに、選ぶ側に回っている感覚がありました。

道具は、触ると馴染んでいく

思い通りに動かないことが、何回もありました。

そのたびに、ちょっと直して、ちょっと試して、またちょっと直す。
その繰り返しです。

気がついたら、このツールの癖が分かってきていました。

• 「お願いしても、すぐには返事ができない子」
• 「返事したあとに、ちょっと遅れて準備ができる子」
• 「毎回ちょっとずつ機嫌が違う子」

擬人化するつもりはなかったんですが、触っていると、どうしてもそう見えてきます。

道具って、使い込むとこうやって性格が見えてきて、「どう扱えばいいか」が自然と分かってくるんですよね。

包丁も、鍋も、PCも、ツールも、たぶん同じです。

今日一日で、この小さなツールとずいぶん仲良くなれた気がします。

思った通りに動かなかった時間こそが、その仲良くなる時間だったんだと思います。

うまくいかない時間を「無駄だった」と思わないで済むこと。
これは、AI開発を始めてから身についた感覚のひとつです。

続きはまた明日。

本番の台本で、今日選んだこの声が通用するのか、試します。

ダメだったら、また数字を変えて、好きな声を探し直す。

そういう作業を、ちょっと楽しみにしている自分がいます。

追記：本番の台本を読ませてみた

翌朝、46段落の台本を食わせてみました。

結果は、**ちゃんと聞こえる。
でも完璧じゃない**。

段落ごとにトーンが違う。
明るかったり、暗かったり。
同じ「私」が「わたし」になったり「わたくし」になったりする。

「なんでこうなるんだろう」と思った。
でも、考えてみたら当たり前かもしれません。
人間だって、同じ文章を10回読んだら、毎回ちょっとずつ違うはずです。

試しに、段落ごとじゃなくて、もう少し大きなかたまり——セクション単位で読ませてみました。

統一感が出ました。
同じセクションの中では、声のトーンがつながっている。

「ああ、文脈をまとめて渡した方が、声も安定するんだ」

考えてみれば当たり前です。
短い一言だけ渡されるより、前後の文脈があった方が、読む側も雰囲気をつかみやすい。
AIもそうなのかもしれません。

完璧な声じゃなくていい。「私の声だ」と思えるくらいの再現度があればいい。

BGMを敷いて、テロップを乗せて、動画になったとき、たぶん十分に「私の声」として届く気がしています。

追記：見えないものに振り回された日

翌日、パイプラインを通してみたら、音声が途中で切れていました。

原因は「見えない文字」でした。

Googleドキュメントからテキストを取り出すとき、先頭に人間の目には見えない3バイトがくっついてくる。
「BOM」という名前の、いわば荷札のようなもの。

テキストエディタで開いても見えない。
目で読んでも気づかない。
でも、音声生成ツールはそれを「おかしなもの」として受け取っていた。

修正は、たった1単語を変えるだけでした。

utf-8 を utf-8-sig に。
それだけで、見えない文字が自動的に取り除かれる。

「1行の修正で直った」と言うと簡単に聞こえます。
でも、その1行にたどり着くまでに、何十分も「なんで切れるんだろう？」と考えていました。

問題の難しさって、解決の手間とは別のところにある。「何が起きているか分からない」時間が、いちばん長い。

追記：伝言メモで連携する仕組み

もうひとつ、仕組みを足しました。

出来上がった音声ファイルを、Googleドライブに自動でアップロードする仕組み。

やり方は、子どもの頃にやった「伝言ゲーム」みたいなものです。

音声を作るスクリプトは、完成したら「終わったよ」と書いたメモを置く。
別の仕組み（n8n）が5分おきに見回りに来て、メモがあったらファイルをアップロードして、メモを片付ける。

直接会話しなくても、メモを介して連携できる。

この「伝言メモ方式」、デジタルでも仕組みは同じなんだなと思いました。「誰かに何かを頼む」仕組みは、どの世界でも似ている。

追記：62分40秒、全部通った

最終テスト。
46段落の台本を、BOM修正済みのスクリプトで流した。

62分40秒。
全段落エラーなし。
出来上がった音声は6分4秒。

全部聴きました。自分の声でした。

最初にAPIを叩いた日から数えて、2日。
「待ち時間がもったいないな」から始まって、パイプラインが完成した。

台本をGoogleドライブに置くだけで、音声ができて、勝手にアップロードされる。

大きな発明じゃない。
でも、毎日の暮らしから、確実にひとつの「待ち時間」が消えた。

その分だけ、別のことに使える時間が生まれた。

小さな自動化を、また暮らしに足せました。

追記：「自分で動かす」と「誰かに動かしてもらう」

n8nというツールには、2つの使い方があります。

ひとつは、自分のPCで動かす方法。
「セルフホスティング」と呼ばれていて、無料です。
もうひとつは、クラウド版。
月額料金を払えば、ブラウザでログインするだけで使えます。

私は前者を選びました。
理由は単純で、音声を作るツールが自分のPCの中にあるから。
クラウドからは手が届かない。

その代わり、起動するのにコマンドを打つ必要がありました。
毎回同じ長いコマンドを打つのは面倒なので、「バッチファイル」というものを作りました。
中身はそのコマンドが書いてあるだけ。
ダブルクリックすれば起動する。

これって、暮らしの中の「ちょっとした手間」を減らす工夫と同じだなと思いました。

調味料をよく使う順に並べ替える。
よく使う書類をクリアファイルにまとめる。
毎朝やることをチェックリストにする。

やっていることの本質は変わらない。
ただ、始めるまでのハードルを1つ下げるだけ。

それだけで、「面倒だからやらない」が「まあやるか」に変わる。

小さな工夫の積み重ねが、暮らしを動かしていく。
今日もまたひとつ、そういう工夫を足せました。

かなえ

個人開発を応援する非エンジニア

婚約破棄をきっかけに、29歳で未婚の母になると決めました。
不安と向き合いながら、10年かけて働き方を少しずつ作り変えてきた40代です。

AppSheetやGASを独学で覚え、いまはAIを使った個人開発を毎日続けています。
個人開発を応援する非エンジニアとして、等身大の試行錯誤や、子育て・自立・副業のことを、正直に記録しています。