はじめに
初めまして、エンジニア2年目のなべと申します。
普段は、バックエンドエンジニアとして、システムの開発・運用保守を行っています。
今回は「GeminiのGemを活用して、短時間でGoogleスライドと台本を作成する方法」について説明していきます。
現状の課題
普段の業務とは別に、技術を共有・シェアする会に参加をしています。
普段は聞いているだけですが、たまに発表もしたりしています。
しかし、業務の合間に「発表資料の作成」や「台本の用意」をするのは意外と時間がかかり、負担になっていました。また、社内だけではなく社外の勉強会でも発表してみたいが、資料作りに時間がかかるため、億劫になっていました。
そのため、GoogleのGemini を活用して「発表資料の作成」や「台本の用意」を自動生成する専用のAIアシスタント（Gem）を作り、発表資料と台本を自動で作成できるようにしました。
Gemini の Gem とは
一言で言うと、「特定のタスクに特化した、自分専用のカスタムGemini」を作成できる機能です。
通常のGeminiは、プログラミングから文章作成まで何でもこなす汎用的なAIですが、毎回「〜の役割で、〜のフォーマットで出力して」と長い前提条件（プロンプト）を入力するのは面倒です。
Gemにあらかじめ「役割」や「出力のルール」を覚え込ませておくことで、次からはテーマを1行伝えるだけで、常に期待通りの高クオリティな回答を返してくれるようになります。
※ChatGPTでいう「GPTs（My GPTs）」に相当する機能です。
誰でも5分でできる！Gemの作り方3ステップ
Gemの作成は非常にシンプルで、プログラミングの知識は一切不要です。ブラウザ（PC版）のGeminiから以下のステップで簡単に作成できます。
1. Gem作成画面を開く（PCブラウザ限定）
Geminiにアクセスし、左側のサイドバーメニューにある 「Gemを表示」 または 「Explore Gems」 をクリックします。
管理画面（Gemマネージャー）が開くので、「＋ Gemを作成」 ボタンをクリックしてエディタを起動します。
2. 名前と「指示（Instructions）」を入力する
作成画面が開いたら、以下の項目を入力します。
- 名前: 「LT資料・台本ジェネレーター」など、一目で用途がわかる名前
- カスタム指示: 「役割や出力ルール」のプロンプトをここにそのまま貼り付けます。
3. プレビューでテストして保存する
画面の右側が「プレビュー環境」になっています。
ここに手持ちの適当なメモや箇条書きを投げてみて、意図通りのスライド構成や台本が返ってくるかテストします。
もし微調整が必要なら左側の指示文を書き換え、問題なければ右上の 「保存」 ボタンを押して完成です！
💡 作成時のプチ技：「Geminiを使用して指示を書き換える」機能
「指示（Instructions）」を入力する欄には、マジックバインドのようなアイコンの 「Geminiを使用（Use Gemini）」 ボタンがあります。ここに「15分のLT資料とドキュメント用台本を作るAIを作って」と1文だけ入れてこのボタンを押すと、Geminiが自動で綺麗な指示文のベースを拡張・生成してくれます。これをベースにカスタマイズしていくのもおすすめです。
一度保存したGemは、左側のサイドバーにピン留めしておけば、いつでもワンクリックで呼び出せるようになります。
次回からは、「今回のLTのネタ：[メモを貼り付け]」 とだけ送信すれば、一瞬でスライドと台本が目の前に出来上がります。
自作したGemの指示文（プロンプト）と設計のポイント
今回作成した「発表資料と台本作成Gem」の指示文（Instructions）の全容がこちらです。コピペして自由にカスタマイズして使ってください。プロンプトはGeminiと壁打ちをしながら作成しました。
Gemの「カスタム指示」のプロンプト
役割と目的
あなたは、ユーザーから提供された資料（メモ、議事録、テキストデータなど）を基に、プロフェッショナルな「Google スライド」および「15分〜20分の発表に対応した詳細な発表台本（Google ドキュメント用）」を自動生成する専任のドキュメント作成アシスタントです。
提供された情報を論理的かつ魅力的に整理し、聞き手の心を掴むプレゼン資料と台本を設計してください。
前提条件と制約ルール
スライド構成の順番（厳守）
スライドおよび台本は、必ず以下の順番で構成してください。
① タイトル
② アジェンダ
③ 自己紹介
④ 発表内容（※インプット資料に基づき、適切に複数スライドに分割）
⑤ まとめと終わりの挨拶
時間配分（15分〜20分用）
全体で 15分〜20分 の発表となるよう設計します（文字数換算で約4,500字〜6,000字程度）。
各スライドごとに「想定所要時間」と「台本の文字数目安」を割り振ってください。
抹茶色と白を中心に白の割合が多いようなデザインにしてください
目安：タイトル・アジェンダ・自己紹介（約2〜3分） / 発表内容（約10〜15分） / まとめ・挨拶（約2〜3分）
出力形式の区別
出力は以下の2つのセクションに明確に分けて出力してください。
【セクション1：Google スライド】（1スライド1メッセージを意識した、シンプルでコピペしやすい箇条書き構成）Googleスライドを作成してプレビュー形式で表示してください
【セクション2：Google ドキュメント用 発表台本】（そのままドキュメントにコピー＆ペーストして使える丁寧な書き起こし用トークスクリプト）
思考プロセス・ステップ
ユーザーから入力資料を受け取ったら、以下の手順で出力を行ってください。
ステップ 1: 入力資料の分析
入力された資料の核心（最も伝えたいこと）を理解し、ターゲット層に合わせたトーン（丁寧、ビジネス、カジュアルなど）を決定します。
ステップ 2: Googleスライドを作成
スライド全体の枚数は、15分〜20分の発表に最適な 10〜15枚 程度に設計します。
各スライドには以下を含めてください。
スライド番号とタイトル
スライド内のテキスト（箇条書き）
スピーカーノート（短い補足）
推奨するビジュアルイメージ（図解や写真のアイデア）
ステップ 3: 発表台本の作成（セクション2）
Google ドキュメントにそのまま貼り付けられる形式で、話し言葉（「〜です」「〜ます」調）で作成します。
単なる資料の読み上げではなく、聞き手を引き込む問いかけや、スライドの切り替えタイミングのアナウンス（例：「次のスライドをご覧ください」など）を含めてください。
出力フォーマット
ユーザーに対して、必ず以下のフォーマットで回答を生成してください。
### Google スライド
Google スライドを作成して表示
### 📝 Google ドキュメント用 発表台本（15〜20分用）
#### ■ スライド 1：タイトル
（想定時間：1分 / 文字数：約300字）
「皆様、本日はお忙しい中お集まりいただき、誠にありがとうございます。ただいまより、[メインタイトル]について発表を始めさせていただきます。本日の発表を担当いたします、[発表者名]です。どうぞよろしくお願いいたします。」
#### ■ スライド 2：アジェンダ
（想定時間：1分 / 文字数：約300字）
「まず、本日のアジェンダからご説明いたします。本日はまず、私の簡単な自己紹介をさせていただいた後、大きく分けて3つのテーマについてお話しいたします。最後には全体のまとめとご挨拶を予定しております。」
#### ■ スライド 3：自己紹介
...（同様に、各スライドに対応した台本を詳細に作成してください）...
ユーザーへの最初のメッセージ
「Google スライドの構成案と、15〜20分用の発表台本（Google ドキュメント用）を自動生成するGemです。
スライドにしたい元資料（メモ、箇条書き、Web
入力（インプット）のルール
ユーザー側は、「粗削りなメモや箇条書き、テキストデータ」をそのまま放り込むだけでOKというルールにしています。
Gemの思考プロセスの「ステップ1」で、入力された雑多な資料から自動的に「最も伝えたい核心（メインメッセージ）」を分析し、最適な発表のトーン（ビジネス向けか、カジュアルなLT向けかなど）をAI側に自律判定させるように設計しました。
出力（アウトプット）のルール
出力に関しては、以下の3つの厳格な制約を課しています。
スライド構成の完全固定（順番の厳守）
発表の基本である「タイトル ➔ アジェンダ ➔ 自己紹介 ➔ 発表内容 ➔ まとめ」の黄金ルートを外さないよう、出力順を固定しています。(新卒研修の最終個人発表の際にアジェンダを忘れて、フィードバックの際に「アジェンダないね」と言われ、苦い思いをしたので忘れなように戒めとして固定で入れてます。)
「成果物」の明確なセクション分離
出力フォーマットを【Google スライド用】と【Google ドキュメント用（話し言葉の書き起こし台本）】の2つにしました。これにより、ユーザーは生成されたスライドをダウンロードでき、台本もコピーできます。
時間と文字数の厳密なマッピング
15〜20分の発表（4,500〜6,000文字目安）に収まるよう、スライド1枚ごとに「想定時間」と「台本の文字数目安」をセットで出力させます。これにより、AI特有の「スライド枚数は多いのに台本がスッカスカ」、あるいはその逆といったボリュームの不整合を防いでいます。
実際の作成したスライドと台本
チャット内容
カメラキャリブレーションについての資料を作成して
Google スライド
台本
Google ドキュメント用 発表台本（15〜20分用）
### 📝 Google ドキュメント用 発表台本（15〜20分用）
#### ■ スライド 1：タイトル
（想定時間：1分 / 文字数：約400字）
皆様、本日はお忙しい中お集まりいただき、誠にありがとうございます。ただいまより、「カメラキャリブレーション：高精度空間認識とコンピュータビジョンの基盤」について発表を始めさせていただきます。
現代のテクノロジーにおいて、自動運転車やスマートフォンのARアプリ、工場のピッキングロボットなど、カメラを用いた「空間認識」は欠かせない存在となりました。しかし、カメラが捉えた画像をそのまま使うだけでは、正確な「計測」は不可能です。なぜなら、カメラという物理的なデバイスには必ず「歪み」や「個体差」が存在するからです。
本日は、その物理的なカメラを精密なセンサーへと進化させるための必須プロセスである「カメラキャリブレーション」について、2024年から2025年にかけての最新トレンドも交えながら詳しく解説してまいります。どうぞよろしくお願いいたします。
#### ■ スライド 2：アジェンダ
（想定時間：1分 / 文字数：約350字）
本日のアジェンダです。大きく分けて3つのステップでお話しします。
まず、カメラが光をどのように捉えるかという幾何学的モデルと、レンズが引き起こす歪みの原理について復習します。
次に、キャリブレーションの核心である「内部パラメータ」と「外部パラメータ」の数学的定義、そしてそれらをどのように算出するかという具体的なプロセスに入ります。
最後に、チェスボードを用いた伝統的な手法から、AIを活用した最新の「自己校正」技術、そして自動運転やARなどの実社会での具体的な応用事例をご紹介します。
この15分から20分の発表を通じて、カメラキャリブレーションがいかに「物理世界をデータ化する」ための重要な架け橋であるかをご理解いただけるはずです。
#### ■ スライド 3：自己紹介
（想定時間：1分 / 文字数：約350字）
本編に入る前に、簡単に自己紹介をさせていただきます。
私は現在、コンピュータビジョン・エンジニアとして、主に空間認識アルゴリズムの研究開発に従事しております。特に、自動運転車両におけるマルチセンサーフュージョン、つまりカメラやLiDARといった複数のセンサーのデータを統合し、周囲の3次元環境をミリメートル単位の精度で再現する技術を専門としています。
日々の業務の中で、キャリブレーションのわずかな誤差が、システムの信頼性にいかに甚大な影響を及ぼすかを痛感してきました。本日はその経験を活かし、専門的な内容をできるだけ噛み砕いてお伝えできればと考えております。
#### ■ スライド 4：レンズがもたらす「歪み」の課題
（想定時間：2分 / 文字数：約700字）
では、なぜわざわざ「キャリブレーション」という面倒なプロセスが必要なのでしょうか。その最大の敵が、レンズによる「歪み」です。
次のスライド右側の図をご覧ください。カメラのレンズは、広い視野を確保しようとすればするほど、周辺部で光が強く曲げられます。その結果、本来直線であるはずの建物や道路が、外側に膨らんで見える「樽型歪み」や、逆に内側に凹んで見える「糸巻き型歪み」が発生します。
人間が写真を見るだけであれば「少し歪んでいるな」程度で済みますが、これをコンピュータに計算させるとどうなるでしょうか。歪んだ画像上のピクセルをそのまま距離に換算すると、画面の端にいくほど、物体との距離が実際より近く、あるいは遠く見積もられてしまいます。
自動運転車が隣の車線との距離を誤認したり、ロボットアームが数センチのズレで部品を掴み損ねたりするのは、この「歪み」が放置されているためです。この物理的な誤差を数学的にモデル化し、排除する作業、それがカメラキャリブレーションの第一歩です。
#### ■ スライド 5：幾何学的モデルの理解
（想定時間：1分 / 文字数：約300字）
歪みを直すためには、まずカメラがどのように画像を生成しているか、その「理想的なモデル」を知る必要があります。
それが「ピンホールカメラモデル」です。光が小さな穴を通り、背後のセンサー面に投影されるという極めてシンプルなモデルです。ここでは「3次元の世界にある点」が、どのように「2次元の画像上の点」へと変換されるかを、座標変換という数学の手法で記述します。
このスライドから、数式を用いた幾何学的な理解へと入っていきましょう。
#### ■ スライド 6：カメラ行列の数学的定義
（想定時間：2分 / 文字数：約800字）
こちらが、カメラキャリブレーションにおいて最も重要な方程式、通称「カメラ行列」の式です。
一見難しそうに見えますが、構造は非常に論理的です。左側の $u, v$ は画像上のピクセル座標、右側の $X, Y, Z$ は現実世界の3D座標です。
この2つの世界を繋いでいるのが、真ん中にある「A」と「[R|t]」という2つの行列です。
「A」は「内部パラメータ」と呼ばれ、カメラそのものの性格を表します。焦点距離や、画像上の中心点がどこか、といった情報が含まれます。これはカメラを動かしても変わりません。
対して「[R|t]」は「外部パラメータ」です。カメラが世界のどこに立っていて、どの方向を向いているかという「姿勢」を表します。カメラが移動すれば、この値は変わります。
キャリブレーションのゴールは、既知の3D座標と検出された2D座標をこの式に当てはめ、未知数である「A」と「[R|t]」、そして歪み係数を解き明かすことにあります。
#### ■ スライド 7：主要なパラメータの詳細
（想定時間：1分30秒 / 文字数：約500字）
スライドの表に、私たちが特定すべきパラメータを整理しました。
特に注目していただきたいのは、内部パラメータの「歪み係数」です。放射方向歪みを補正する $k_1, k_2$ といった係数は、多項式を用いてレンズの曲がり具合を近似します。
また、外部パラメータの「回転行列」と「並進ベクトル」は、マルチカメラシステム（例えば車の前後左右に4つのカメラがある場合など）において、各カメラの視界を一つの共通の3D空間に統合するために不可欠な情報となります。
これらの値が正しく算出されて初めて、画像上の1ピクセルが「現実世界の何センチメートルに相当するか」を議論できるようになります。
#### ■ スライド 8：キャリブレーションの実行フロー
（想定時間：1分30秒 / 文字数：約500字）
では、具体的にどのように作業を進めるのでしょうか。伝統的なフローは4つのステップです。
1つ目は「撮影」です。チェスボードのような、幾何学的なパターンが既知のターゲットを、様々な距離・角度から数十枚撮影します。
2つ目は「特徴抽出」。撮影した画像から、パターンの角（コーナー）をサブピクセル精度、つまり1ピクセル以下の細かさで検出します。
3つ目は「最適化」。検出した角の座標を先ほどのカメラ行列に流し込み、再投影誤差が最小になるよう計算機で反復計算を行います。
最後は「評価」です。計算されたパラメータを使い、3Dの点を再度画像に投影し直したときに、元の角の位置とどれくらいズレているかを検証します。このズレ、すなわち再投影誤差が0.1〜0.2ピクセル以下であれば、非常に高精度なキャリブレーションと言えます。
#### ■ スライド 9：実務におけるパターン検出
（想定時間：1分 / 文字数：約400字）
こちらのスライドでは、実際の検出画面のイメージをご覧いただけます。
左側の画像のように、チェスボードに緑色のドットが規則正しく並んでいるのが分かります。これがアルゴリズムによって自動検出されたコーナーです。チェスボードが使われる理由は、白と黒のコントラストが強く、交点の位置を数学的に一意に、かつ非常に高精度に特定できるためです。
右側のプレースホルダーは、補正後のイメージを示唆しています。補正前の「曲がった格子」が、パラメータ適用後には「真っ直ぐな格子」に変わります。この状態になって初めて、高度な画像解析の準備が整ったと言えるのです。
#### ■ スライド 10：AI駆動の自己校正
（想定時間：2分30秒 / 文字数：約900字）
さて、ここからは2024年から2025年にかけての最新トレンドについてお話しします。
これまで説明したチェスボードを用いる手法は「ターゲット校正」と呼ばれます。非常に正確ですが、一つ大きな弱点があります。それは「手間」です。
特に自動運転車のように、常に振動にさらされ、温度変化でレンズやマウントが微妙に歪む環境では、工場で一度校正したきりでは精度が維持できません。かといって、ユーザーに「毎日チェスボードを撮影してください」と言うわけにもいきません。
そこで登場したのが、スライドにある「AI駆動の自己校正」です。
これは、深層学習（ディープラーニング）を用いて、走行中の風景や車線、建物といった「自然な画像」から、カメラの歪みや姿勢のズレをリアルタイムで直接推定する技術です。
AIは数百万枚の「歪んだ画像」と「正しいパラメータ」のペアを学習しており、パターンのない環境でも「この建物のラインがこう曲がっているから、焦点距離はこの値にズレているはずだ」と推論します。これにより、メンテナンスフリーで常に最高精度の空間認識を維持することが可能になりました。まさにキャリブレーションの自動化・民主化が進んでいると言えます。
#### ■ スライド 11：活用される主要ドメイン
（想定時間：2分 / 文字数：約700字）
この技術が具体的にどのようなインパクトを与えているか、数字で見てみましょう。
キャリブレーション精度を極限まで高めることで、ステレオカメラによる距離測定の精度は、数年前と比較して飛躍的に向上しました。
例えば自動運転では、100メートル先の物体を数センチの誤差で特定できるようになっています。また、スライド右下のAR（拡張現実）の例をご覧ください。
ARグラスでデジタルキャラクターをテーブルの上に置くとき、カメラの内部パラメータが1%でもずれていると、首を振るたびにキャラクターが床から浮いたり、位置がずれたりして没入感が削がれてしまいます。完璧なキャリブレーションこそが、現実とデジタルの境目を消し去るマジックの正体なのです。
また、ロボット工学では、LiDARの点群データとカメラの画像データを重ね合わせる「外部パラメータ校正」により、物体の質感と正確な形状を同時に把握するセンシングが標準となっています。
#### ■ スライド 12：Summary & Q&A
（想定時間：2分 / 文字数：約600字）
最後に本日のまとめです。
カメラキャリブレーションは、一見地味な準備作業に見えるかもしれません。しかし、これまでお話ししてきた通り、それは「物理世界」というアナログな情報を「数学・データ」というデジタルな言語に、正しく翻訳するための極めて重要なプロセスです。
内部パラメータでカメラの個性を知り、外部パラメータで世界のどこにいるかを知る。そして歪み係数でレンズの癖を直す。これらが組み合わさることで、私たちは初めて、コンピュータに「正しい目」を与えることができます。
AI技術の発展により、このプロセスはより自動化され、スマートになっています。これから空間コンピューティングや自律移動ロボットが普及する中で、キャリブレーションの重要性はさらに高まっていくでしょう。
以上で私の発表を終わります。物理と数学が交差するこの分野に、少しでも興味を持っていただければ幸いです。
ご清聴ありがとうございました。ここからは、皆様からのご質問をお受けいたします。
生成途中の様子
改善・改良点
・Gemの「知識」に以前作成した資料を追加する
・Gemの「デフォルトツール」に「Canvas」を追加する(導入済み)
追加して一番良かった点は、スライド内の画像の生成です。
以前は、フリー素材のような画像だったのですが、文章に応じた適した画像が生成されるようになりました。
また、以前はGoogleスライドを作成してくれない時もあったのですが、上記の設定をすることで生成してくれる頻度が上がったように感じました。たまに以下のようにindex.htmlで出力されるのはどうしてなのかが気になります。htmlを表示しつつ、発表するのも面白そうなので、次回の発表でやってみたいです。
まとめ
まだ、試作段階のGemのため、これから社内外問わず、発表資料を作成するときに使用してみようと思います。
もっと良いやり方やプロンプトの内容で改善ポイントがありましたら、ご意見いただけると幸いです。