はじめに
ソフトウェア開発案件では「この機能のここ、もうちょっとよくなんないかなー」などの曖昧な要求に毎回閉口するものだが、自分が普段PCを使っていると実際割とその状況にあったカスタム・アプリケーションが必要だと気付く。Claude Codeの登場でそれを簡単に実現できるようになったらどうなるのだろうか？今回は2つの事例を紹介したい。一応モデルは両方ともOpus 4.6。
ケース1: OCRないかなー
iPad Proを持っているのだが、ペンをなくしてしまった。Apple Pencilの第二世代なのだが、どうやら安いジェネリックがあまりないようで、高い純正品も買いたくなかったので期待せず探していたところ、なんか第一世代と第二世代が混ざったような怪しい「ペン」を見た。店員に「このApple Pencilは…」と聞いたら「いや、これはApple Pencilではなくて…iPadで使える…ごにょごにょ」みたいな感じで明らかに怪しい。価格は安い。
一応持っているiPad Proには対応しているとは書いてある。しかし、対応表を見る限りApple Pencilの対応端末とは境界が異なるようだ。じゃあこれは使えるのか？いや、ここは考えても仕方ない。信じなければ確実に使うことはできない。だが、信じたら使えるかもしれない。ということで購入し、無事使うことができた。
しかし、ここで困ったのが、事情によりスキャンした書籍を大量に読んでいるのだがOCRされておらず、ペンで文字を選択できないことだ。App StoreでOCR付きのPDFアプリをいくつも探すも、OCRの段階でどれも金を取られる。
自作だ。多分縦書きが多いのでNDLOCR-liteがいいだろう。OCRそのものではなく文字部分にアノテーションを入れたいだけなので精度はこれで十分、いうてOCRももともと活字資料向けなのでそこそこはいけるだろう。とはいえpip installなどでライブラリとして楽に使えるものではなく、求めるPDFへのOCR埋め込み機能はサンプルのGUIアプリにありそうだがGUIを使うまでもない。
そこでClaude Codeの出番だ。まずディレクトリを作り当該リポジトリをクローンして配置する。その上で、Claude Codeに「ndlocr-liteディレクトリのライブラリを使って、PDFをOCRしてPDFに埋め込むコマンドを作ってくれ」と指示。恐らくGUIの当該機能を拾えたのか、一発で成功。あとはファイルがなぜか10倍になるから減らしてくれと頼んだらjpegにしてくれ、それで概ね成功。快適な読書アノテーション環境を手に入れることができた。
本は読んでいない。
ケース2: 音声認識ないかなー
昨日、日米首脳会談の途中でイスラエル首相がおもむろに記者会見をすると発表。なんか調べたらイスラエル政府公式YouTubeチャンネルで配信がされるようだ。5分前に「枠」が立ったが世界の人々がチャット欄に混沌をもたらしていたので速攻で閉じ、会談が始まった。とはいえ英語はともかくヘブライ語はわからん！なので一旦音声として保存して音声認識させてdeeplあたりに突っ込むことにした。
音声自動認識といえばとりあえずWhisperである。最近のものは評価していないが、首相スピーチなら多分発音もまともだろうし聞きやすい語彙が使われるのでそこまで高性能なものはいらんだろう。しかしコードを書く時間もアプリを探す時間もない！会見が始まってしまう！
ということでそこでClaude Codeの出番だ。「Whisperで音声ファイルからテキストに言語を指定して変換するPythonコードを書いてくれ」と指示したらこれもまたほぼ一発。あとはヘブライ語部分と英語部分があったので時間指定などを追加して完成。
会見はなんかキナ臭そうなことを言っていたので聞かなかったことにした。
まとめ
両方とも今週の話で、仕事でなくても割と日常に入り込んできているなーって感じ。パソコンを使っていて欲しい機能があったら適当にClaude Codeに指示すればよい。どこまでできるかはわからんが。複雑なものでなかったらアプリを入れるより作らせる方がいいかもしれない。人間側はどういう機能がOSSライブラリとしてあるか知っておけばよく、もしかしたらそれすらいらない時代が来るかもしれない。