現状の混沌とした状況で、私がAntigravityのようなAIに丸投げして自動処理に委ねるのは時期尚早 。そこで今回は、仕組みを大幅に改善した「第２弾：コード作成のエコシステム」を構築しましたのでご紹介します 。

私は現在、Google AI Proを利用中です。

現状の課題：コード生成の「利用制限」と「中抜け」

現在、AIによるコード生成において、主に次の2つの問題に直面しています。

1. 利用制限の壁：アクセス集中により、すぐに利用制限を超えてしまう 。
2. 長文コードの欠落（中抜け）：特に長文のコードを生成しようとすると、全文記述をお願いしても、途中が省略されたり欠落したまま出力されるエラーが頻発する 。

部分ごとに完成させる方法もありますが、最終的には全体を通して動作させる必要があるため、やはり「修正済みの全文」をそのまま出力してほしいのが本音です 。

解決策：NotebookLM × Gem × AI Studioの連携エコシステム

これらの課題を解決するため、それぞれのAIの強みを活かした連携フローを組みました。

【エラー発生・新規開発】
  ▼
1. NotebookLMに相談（現状分析 ＆ 指示書の作成）
  ▼
2. コードの長さに応じて分岐
  ├─ 通常（600行未満） ⇒ Gemに依頼（生のコードを使用）
  └─ 長文（600行以上） ⇒ Google AI Studioに依頼（秘匿化コードを使用）

① NotebookLM：仕様の自動同期と「指示書」の作成

最近のアップデートにより、NotebookLMのソースに登録したGoogleドキュメント、スプレッドシート、スライドが自動同期されるようになりました 。これにより、現在動作中の最新コードを常にNotebookLMに理解・分析させることができます 。

万が一エラーが出た場合は、画面のスクリーンショットなどをソースに追加して、現状に即した対策を講じてもらうことも可能です 。

💡 ポイント ：NotebookLMはまだコーディング能力や長文出力が非力なため、「Gemに処理を引き継ぐための指示書（プロンプト）」を出力させる役割に集中させます 。

② Gem（通常コード）：テスト実行から検証まで

NotebookLMが作った指示書を、使い慣れたGemにコピペします 。Gemには現在動作中のコード（Googleドキュメント）が同期されているため、指示書を渡すだけでスムーズにコーディング、テスト実行、検証まで完結できます 。大半の小〜中規模なコードは、このGemの環境で問題なく処理できます 。

💡 ポイント ：Gemには、NotebookLMを知識ソースとして付けることができます。さらにそのNotebookLMに付いているソースをGemが理解できる仕組みにはなっていますが、どうも情報が遠いのか薄くなり欠落が生じやすいです(26年6月)。従って現状、Gemの知識ソースとしてコード(gdoc)を同期させる方が、はるかに精度が高いです。

③ Google AI Studio（長文コード：600行以上）：中抜け対策の切り札

マイライブラリの中核となるGAS（Google Apps Script）や一部のPHPなど、600行を超える長文コードで「中抜け」を防ぎたいときだけ、オプションとしてGoogle AI Studioを利用します 。

• セキュリティ対策（秘匿化）：AI Studioは基本無料で強力ですが、データが外部へ漏洩するリスクがあります 。そのため、外部公開用のフォルダ（scripts_pub）内にある、重要な情報（APIキーやパスワード等）を隠した「秘匿化コード（_pub.txt）」をコピペして作業を行います 。

💡 ポイント ：一応、600行を境界として、GemとAI Studioを選別する考えではありますが、作業途中で行数が境を上下することはあり得ますので、実際はほとんどは管理者である私が判断することになります。実際は、長文コードであっても、修正箇所と修正方法が容易である場合は、NotebookLMの返答あるいはGemとのやり取りで解決することになります。AI Studioを使うのは、大掛かりで困難になった時だけになると思います。

④ GoogleAIProからAIPlusにダウングレードした時に、境界行数を変更する

コーディング作業はいつも高度な能力が必要なわけではなく、安定期や軽微な修正、小規模な新規開発なら能力を下げても問題は起きません。AIProは月2900円、AIPlusは月725円とびっくりするほどの料金の差があります。ですから、考え方としては、高度なコーディングを行いたい時には、AIProにアップグレードして、安定期はAIPlusにダウングレードするという柔軟な運用を行いたいです。そのAIPlusのダウングレードに合わせて、上記の境界行数をたとえば600行から300行に変更する、といった対応を行えば良いわけです。AIPlusにしたときに、ストレージが400GBに制限される点は、私の場合、別途、DAS棚田システムにて、自動的にコントロールがされます。

このエコシステムを導入するメリット

• エラー対応の迅速化：最新のコードが自動同期されているため、前提条件をいちいち説明する手間が省けます 。
• コードの品質安定：長文コードをAI Studioに任せることで、イライラする「コードの中抜け」を完全に回避できます 。
• 安全性の確保：無料の強力なAIを使いつつも、秘匿化コードを挟むことでセキュリティリスクを最小限に抑えられます 。

今後の展望：1年後の「第３弾」へ向けて

現時点（2026年6月）では、私が考えるベストな組み合わせですが、もし将来的にNotebookLMが長文コードの出力を得意とするようになれば、全ての作業が1つで完結します 。

テクノロジーの進化スピードを考えると、1年後くらいにはNotebookLMやGemのさらなる改善によって、もっとシンプルな「第３弾のエコシステム」へ移行していることでしょう 。

終わりに：私のAIとの付き合い方

私がデジタル分野に触れているのは、趣味としての楽しみと認知症防止のためです 。そのため、生成AIの利用も以下のように2つに分けて、無理のないペースで楽しんでいます 。

1. 専門的な利用：このimakatブログやシステムの維持・改善（Google Gemini中心）
2. 日常的な利用：生活サポート（Apple製品中心なので、Siri AIにゆったり親しむ方向）

あまりお金をかけず、最新技術の恩恵を賢く受けながら、これからもマイペースに開発を楽しんでいこうと思います 。

以上

今回は、Googleの生成AI（Gemini）の「Gem共有（カスタムAIエージェント）」を活用して、高精度なVTT字幕を生成するプログラムを作成しましたので紹介します 。

最大の特徴は、サブスクリプション不要（無料）で実践できるという点です 。（※Googleアカウントは必要です 。）

Geminiの文字起こしはマルチモーダル処理のため、精度は非常に高く、後から手直しする手間が劇的に減ります 。無料枠の制限を賢く回避しつつ、面倒な作業は、Macクイックアクションで自動化する、実践的なワークフローを公開します。

以下の動画をご覧ください。

コードと要約(クリック)

要約： 「VTT作成用に動画を分割する」ワークフローは、ユーザーが指定した基本秒数を基に、動画を無音区間で自動分割し、VTTの「秒ずらし」に役立つオフセット記録を生成します。ffmpegとPythonスクリプトを連携させ、再エンコードなしで高速分割します。 「字幕時刻の秒ずらしを行う」ワークフローは、選択したVTTファイルの全タイムスタンプを、ユーザーが入力した秒数だけシフト（前後にずらす）させ、新しいVTTファイルを出力します。awkを用いて精密な時間計算を行います。 「VTTの連番を付け直す」ワークフローは、VTTファイル内の古い連番や不要なヘッダを削除し、字幕ブロックに正しい連番を振り直して整理されたVTTファイルを生成します。 これらのワークフローは、それぞれ動画の分割、字幕の時間調整、字幕ファイルの整理という異なる課題に対応し、VTT作成・管理作業を自動化・簡素化することを目的としています。

添付の動画の音声から字幕用のvtt形式のコードを出力します(Gem共有)。

公開スクリプトに関するお問い合わせは以下へ↓

ポイント解説

解決すべき課題：Geminiの「5分の壁」

Geminiに動画を読み込ませて文字起こしをする際、特に無料アカウントでは「動画は5分以内」という制限があります 。 今回紹介するワークフローは、事前の「動画分割」と、事後の「タイムスタンプ調整（秒ずらし）」を組み合わせることで、この壁をストレスなく突破します。
有料会員でも使用制限を超えた時で、急いでいる場合などは、この方式は有用です。

長時間の動画からVTT字幕を生成する6つのステップ

ここでは、例として10分弱の動画に字幕をつける手順を解説します 。

1. 動画の準備

まずは手元に、字幕を作成したい元の動画ファイルを用意します 。

2. 基本秒数の設定と動画の分割（クイックアクション）

動画を5分以内のパーツに分けます 。

• 用意した動画を右クリックしクイックアクションから自作の「字幕用に動画を分割する」を選択します 。
  
• 分割する基本秒数を入力します（デフォルトは270秒＝4分30秒です） 。
  
• ポイント: 単純に時間でバサッと切るのではなく、指定時間付近の「1秒間の無音部分」を探し、キリの良いところで自動分割されるように工夫しています 。
  
• 実行すると、split_01、02…という分割動画と同時に、offsets.txtというファイルが生成されます 。このテキストには「245.130秒」といった分割時のズレ（累計秒数）が記録されており、後で使います 。
  

3. Gemini（Gem）によるVTT字幕作成（手動）

いよいよAIに文字起こしを依頼します。公開している専用のGemを使用します（※リンクは「コードと要約」に掲載します） 。

• Gemを開き、「Proモード」を選択します 。
  
• 下部のメッセージボックスに、分割した最初の動画（01）をドロップ（またはコピペ）して送信します 。
  
• しばらく待つと、タイムスタンプ付きのVTTコードが出力されます 。
  
• 出力されたコードをコピーし、あらかじめ用意しておいた空のVTTファイル（例：01.vtt）にペーストして保存します 。
  
• 注意点: 02以降の動画を処理する際は、AIが混乱するのを防ぐため、必ず「新しいセッション（チャット）」を開いてから同じ手順を繰り返してください 。
  

4. VTTの秒ずらし（クイックアクション）

出力された02番以降のVTTファイルは、動画の開始時刻が「0秒」にリセットされてしまっています 。これを元の時間軸に戻します。

• 対象のVTTファイル（02など）を右クリックし、クイックアクションから「字幕時刻の秒ずらしを行う」を選びます 。
  
• 手順2で生成されたoffsets.txtに記載されている秒数（例：245.130）を入力し、OKを押します 。
  
• 正しい時間にシフトされた _timeshifted.vtt というファイルが新しく作成されます 。
  

5. VTTファイルの結合（手動）

それぞれの時間軸が整ったら、1つのファイルにまとめます。

• 結合用の空ファイル（binded.vtt(※1)）を用意します 。
  
• 01.vttの中身をそのままペーストします 。
  
• 続けて、02_timeshifted.vtt、03_timeshifted.vtt の連番以降のテキスト部分を順番にコピーして下に追加し、保存します 。
  

※1:あとで気付きました。bindedは間違った英語です。boundあるいはconbinedというのが適切です。

6. 連番の振り直しと整理（クイックアクション）

結合したファイルは、字幕の通し番号（連番）が「1」から始まる箇所が複数混在してしまっています 。これを綺麗に整えます。

• binded.vtt を右クリックし、クイックアクションから「字幕VTTの連番を付け直す」を選択します 。
  
• これにより、最初から最後まで番号が正しく振り直された完成版 renumbered.vtt が出来上がります 。
  

まとめ

言葉遣いやテキストの微修正は、このように全体の形が綺麗に整った最後に行うのがおすすめです 。

地味にコツコツと進める手作業の部分もありますが、仕組みが非常に分かりやすいため、作業中のストレスはほとんど感じません 。Gem(ChatGPTもそう)の文字起こし精度が抜群に高いのは、単なる音声からの文字起こしだけでなく、動画内の視覚情報（映像）例えば、動画に登場する文字、人物の動きなどを認識するという、マルチモーダル処理を行っているためです。26年3月現在、CapCut、Vrew、Premiere Pro、Davinci Resolve、Filmoraの文字起こしは「映像情報」を加味せず、純粋に「音声データ」のみに依存しています。おかげで、Gemの場合は、手直しが非常に少なくて済むのが最大のメリットです 。

以上