生成 AI を「作る」側で使い始めると、モデルそのものより、その周りの道具選びで時間が溶けていきます。画像から逆にプロンプトを起こす、数字人の動画を手元で作る、生成動画のウォーターマークを調べる、文章を AI と一緒に書く。最近読み直したノートから、そういう制作の現場で役に立ちそうなものを 7 本選びました。画像 → 動画 → ワークスペース → 文章 → 次に何を作るか、という順に並べています。
いずれも各サービスや作者の公式発表ではなく、公開ページを読んで残した個人のメモです。料金や無料枠、モデル名はノートを取った時点のページの記載で、変わっている可能性があります。各節の最後に、もう少し詳しい日本語ノート（redreamality.com）へのリンクを置きました。
1. ImagePrompt.org：画像からプロンプトを逆算する
気に入った画像を見つけたとき、「これに近いものを作りたい」と思っても、言葉にするのは意外と難しいものです。ImagePrompt.org の Image to Prompt は、アップロードした画像を AI が解析し、主題、場面や背景、画風、配色、光の条件、全体の雰囲気といった要素をテキストのプロンプトに起こしてくれます。出力形式は General Description のほか、Flux、Midjourney、Stable Diffusion 向けが用意されていました。無料ユーザーは 1 日 5 回分の Prompt Credits があり、ローカルのタイムゾーンでリセット時刻が表示されます。アップロード画像は生成のために一時的に処理するだけで、終わったらすぐ削除するとサイトでは説明しています。NSFW 画像はブロックされ、抽象度の高い画像ほど説明がざっくりしたものになる、という注意書きも正直です。出てきた文をそのまま使うより、たたき台として削ったり足したりするのが向いています。
→ 画像からプロンプトを起こす ImagePrompt.org の使いどころ
2. Easy-Wav2Lip で数字人動画を無料で作る
解説動画やライブコマースで「話す人物」の動画が欲しいけれど、毎回カメラの前に立つのは大変。中国の掲示板で共有されていたチュートリアルは、オープンソースの Easy-Wav2Lip をローカルで動かして、有料のオンラインサービスに頼らず数字人動画を作る流れを順に説明しています。まずグリーンバックの前で 20〜30 秒ほど話している映像を撮ります。話す速さはふつう、身振りは控えめに。音声は自分で吹き込むか、剪映（CapCut の中国版）の AI 読み上げで作り、.wav で書き出します。WebUI に映像と音声を入れ、画質を Enhanced、口元のマスク追跡を有効にして生成。歯が欠けて見えるときは Wav2Lip_GAN に切り替えるとよい、というあたりは実際に試した人ならではの知見です。最後に剪映のクロマキーや After Effects のロトブラシで人物を切り抜き、背景・字幕・BGM を重ねて仕上げます。
3. DeMark-World：AI 生成動画のウォーターマーク検出と修復
生成動画を扱っていると、ウォーターマークがどう検出され、どう処理されうるのかは知っておきたい論点です。DeMark-World は SoraWatermarkCleaner の後継として作られたオープンソースのフレームワークで、Sora、Runway、Pika、Kling、Gemini/Veo、Luma Dream Machine などの出力を対象にしています。処理は二段階で、まず YOLO で各フレームのウォーターマークの位置を検出し、見落としたフレームは前後のフレームの枠を平均して補います。次に、速さ重視の LaMa か、時間方向の一貫性を重視する E2FGVI-HQ のどちらかで検出領域を修復します。Web UI（Streamlit）、Python API、CLI、REST サーバーの四つの入口があり、uv で環境を作り、FFmpeg が必要です。ライセンスは Apache 2.0。技術的には面白い一方、ウォーターマークは生成物の出どころを示すためのものなので、使う場面と各サービスの規約は自分で確かめておきたいところです。
→ DeMark-World の二段階パイプライン（検出と修復）のメモ
4. Flowith：画像モデルと制作アプリをまとめたワークスペース
ツールを一つずつ契約していくと、どこに何を置いたか分からなくなります。Flowith は自らを Agentic Workspace と呼んでいて、ページには New Flow、Flow Library、Media History、Knowledge Garden、Knowledge Market といった入口が並んでいました。画像の生成・編集モデルとしては Seedream 5.0 Pro、GPT Image 2.5 Flare、Grok Image 2.0、Nano Banana 2 Lite などが選べ、時期によってはモデルごとの割引表示も出ています。アプリ側には背景除去、リライティング、アップスケーラー、バーチャル試着、SNS 投稿メーカー、Code Video などがあり、テンプレートはブランディング、EC、ポスター、商品、SNS といった用途別に分かれています。モデルを比べながら一つの画面で制作を回したい人向けの構成です。
5. Flowith の Knowledge Market：知識ベースを売り買いする
同じ Flowith でも、もう一つ面白いのが知識ベースのマーケットです。ノートに残したのは、Yiming-Shi-PhD というクリエイターが公開している生物情報学の知識ベース「Bioinformatics Med（BrainMed Lab）」のページでした。データから中心となる枠組みや手法、議論を抜き出す、文献の空白や流行を見つけて研究の方向を出す、といった用途がうたわれています。知識ベースを使った「強化 AI」と通常の AI の回答をその場で比べられる試用があり、購入は買い切りで以後の更新も含み、再配布は禁止。税引き後の支払いの 80% がクリエイターに入る、という分配の仕組みも書かれていました。自分の専門知識を AI 向けに整えて売る、という形の一例として見ておく価値があります。
→ 知識ベースを商品にする Flowith Knowledge Market の例
6. OpenCode で文章を書く：Plan で構想、Build で出力
コーディングエージェントは文章づくりにもそのまま使えます。OpenCode の中国語チュートリアルの「コンテンツ制作」の回は、AI にいきなり本文を書かせると品質がぶれる、という問題から入ります。勧めているのは三段階です。まず Plan モードでテーマ・構成・アウトラインを詰め、次に Build モードでアウトラインに沿って本文をファイルに書き出し、最後も Build モードで @ファイル名 を指定して推敲や加筆を重ねます。プロンプトのテンプレートは、AI をベテランのコンテンツプランナーに見立て、テーマと想定読者（任意で目的・字数・トーン）を渡すと、記事の位置づけ、構成、各パートの要点、タイトル案が返ってくる形です。文体がばらつくなら AGENTS.md に好みを書いて固定する、という一言は、エージェントで文章を書いている人なら刺さるはずです。
7. BuilderPulse：次に何を作るかを公開シグナルから拾う
道具がそろったら、残る問いは「何を作るか」です。BuilderPulse は個人開発者や MicroSaaS の創業者向けに、毎日一つ具体的な「作るべきもの」を、なぜ今なのかという理由と出典リンク付きで出しているブリーフィングです。Hacker News、GitHub Trending、Product Hunt、Hugging Face、Google Trends、Reddit、Indie Hackers、Lobsters、DEV Community など 300 件以上の公開シグナルを突き合わせている、と説明しています。ノートに取った回のテーマは、会話を検索できるメモに蒸留するローカルファーストのエージェント記憶でした。ライセンスは CC BY-NC 4.0 で、商用利用には作者の書面での許可が必要とされています。毎日のアイデアをそのまま採用するというより、需要の兆しの読み方を学ぶ教材として使うのがよさそうです。
どれも短いメモですが、並べてみると「素材を作る」「仕上げる」「まとめて回す」「言葉にする」「次を決める」と、制作の一周分がだいたい埋まります。気になったものがあれば、リンク先のノートから元のページにもたどれます。