考察記事を YouTube の掛け合い動画にした ― ハコブくんと作り手の壁打ちの型

Pixels to Motors の YouTube に、考察記事をもとに案内役のロボット「ハコブくん」と作り手が掛け合う新しい型「考察回（壁打ちの型）」を作った。1本目「ロボットの頭脳は、脳のように分かれるのか｜大きなAIは大脳、専用AIは小脳」（7分05秒）は、77文のうち18文（55.2秒）を作り手本人の AI 音声が、59文をハコブくんが話し、画面の真ん中の「考察ノート」の紙の文字だけが、書く・数える・判子を押すように動く。

この型を作ったことで、良くなること・できるようになったことは、次の3つです。

• 答えではなく、考えている途中を見せる回ができた。 これまでの解説回は、ハコブくんが1人で答えを伝える形でした。考察回では、作り手が持ち込んだ話にハコブくんがまじめすぎる返事をし、作り手が本音でツッコむ。考えが動いた所だけを見せ、細かい数字はサイトの記事に任せます
• 次の回は、部品を写して場面を書き替えるだけで作れる。 紙の動き・ハコブくん・作り手のドット絵・字幕を重ねる部品（kabe_kit.py・701行）と、縦長ショートの部品（kabe_short.py）を、この回で作りました。本編の書き出しは1回あたり約15分（12,761コマ・作業環境の CPU 2つ）。前の型と比べた手間は測っていないので、2本目を作るときの時間で確かめます
• 縦長ショートが、画面いっぱいの絵と大きく動くハコブくんから始まる。 3本（24.0〜26.8秒）とも、最初の数秒は本編の「脱線」の絵（宇宙・紙の山・引退式）の前でハコブくんが飛び出し、そのあと紙の話に入ります。見る人が離れにくくなるかは見込みで、公開後の YouTube アナリティクスの「視聴を続けた割合」で確かめます

この型を作るきっかけは、考察記事 LOG424（ロボットの AI は脳のように分業する、という考察）を、いつもの解説回の形では動画にしにくかったことでした。考察記事は、作り手と Claude のやり取りで考えが動いていく記録です。ハコブくんが1人で答えを伝えると、その「動き」が消えてしまいます。そこで、Claude 役のハコブくんと作り手が壁打ちをする形を、台本のたたき・絵コンテ・40秒ほどの動きの試しから作りました。動画の中身（脳のたとえや数字）は LOG424 にあるので、この記事では、動画の作り方だけを書きます。

確認用の動画を見た作り手からは、何度か直しが入りました。いちばん大きかったのは、ショートの始まりへの一言です。

あと、この始まりだとユーザーすぐ離脱しそう

下の図で、7分05秒のどこで、だれが話し、何が動いたかを見られます。帯を押すと、その時刻の文が出ます。

作業ログ ― 型を決めてから、本編とショートを書き出すまで

ここから下は作業の記録です。効果の数字は、測れたものだけを「変わったこと」に書き、ほかは見込みです。視聴の数字は、YouTube に公開したあとにアナリティクスで確かめます。本編はこの記事を書いた時点では、まだアップロードしていません。

使った道具：ElevenLabs・Gemini・Playwright・ffmpeg

この回で使った道具と、この記事での呼び方です。

「脱線」は、この記事では、話が大きくそれた所で、紙が飛んでいき画面いっぱいの絵に替わる場面のことです。「ボツ」は、ハコブくんの的外れな返事に押す朱の判子です。

考察回の型：解説回と分けて、ボケ・ツッコミ兼本音・へーの3拍にした

解説回（ハコブくんが1人で答えを伝える回）とは別の型にしました。決めたことは、動画づくりの決まりの文書 video_rules.md の10節に書いています。

• 構図は変えない。左にハコブくん（右向きの上半身）、右に作り手のドット絵（4倍の大きさ・声に合わせて1ドット弾む）、真ん中に紙（1060×780）
• 1回の掛け合いは「ボケ（ハコブくんがまじめすぎる）→ ツッコミ兼本音（作り手）→ へー（数字・脳の雑学）」の3拍
• 作り手のセリフは、LOG424 に残っている本人の言葉を話し言葉に整えたもの（11文）。短い相づち・ツッコミ（7文）は Claude の案で、本人が選んで了承した（「勝手に引退させないで」は、3版で作り手の指摘を受けて足した）
• 数字は1回のやり取りに1つまで。出どころは紙の下に小さく出し、読み上げない
• 動かすのは紙の上の文字だけ（書く・置く・数える・判子・ボツ）。字幕は今までどおり動かさない。線を使わず面で分け、事実は墨、作り手の見立ては濃い灰、ハコブくんは薄い灰。朱は判子とリアクションだけ
• くり返しの笑いを2つ置く。ハコブくんが考え込むと「考え中」の秒数が数え上がる（最後だけ即答する）。ハコブくんが詳しく話し始めると、作り手が「細かいのは、記事に書いといて」で止める

ねらい・変わったこと・見込める効果をまとめます。

• ねらい：考察記事の「考えが動いた所」を、答えを並べるニュースの形にせずに見せる
• 変わったこと：作り手の声が出る文は、解説回の LOG425 の回（11分10秒で4文・30.4秒）から、7分05秒で18文・55.2秒になった。ハコブくんのボケには、まとめで「ボツになった3つは、全部僕が言ったことです」と落ちを付けた
• 見込める効果：だれの考えかが声と絵で分かり、記事を読まない人にも考えの道すじが届く。届いたかは、公開後のコメントと視聴を続けた割合で確かめる

台本：別のエージェントの照合で2版、作り手の指摘で3版にした

台本は narration.py に1文ずつ書きます（場面の名前・ハコブくんの表情・字幕・後ろの間）。1版を書いたあと、書いたのとは別のエージェントに、出典の原文と1文ずつ突き合わせてもらいました。指摘は「直す5・整える12」で、たとえば、ある人物の投稿が別の人への返事であるかのように読める所を、別の投稿だと分かる言い方に直しました。これが2版（72文・6分46秒）です。

2版の確認用の動画を見た作り手の指摘は2つでした。

動画の全体の流れが（台本）唐突に話題がはじまるところがあるように感じるんだけど。見直してみてくれない？

引退のところおれのツッコミがあった方がいいね。

話題が変わる所を1つずつ見て、前の話とつなぐ一言を5文足し、2文の頭を言い換えました。引退の所には、作り手のツッコミ「勝手に引退させないで。」を足しました。3版は77文・7分05秒です。足した文と言い換えた文は、次のとおりです（diff の出力は、下の「使ったコード」の節に全文を載せています）。

文を足すと、文の番号が後ろへずれます。場面の動き（scenes_kabe.py）は2版の番号のまま書いてあったので、全部を書き替えず、足した文だけ名前で書く形にしました（NEW = {"tsukkomi": 14, ...} と、2版の番号をいまの番号に直す ix()）。決まりとして、video_rules.md の10節にも書いています。

• ねらい：話題が変わる所で、見ている人が置いていかれないようにする
• 変わったこと：19秒長くなった（6分46秒 → 7分05秒）。場面の動きの書き替えは、足した5文の名前を書くだけで済んだ
• 見込める効果：話の途中で離れる人が減る。公開後の視聴を続けた割合の曲線で、話題の変わり目に落ち込みがないかを見る

声：ElevenLabs で72文を作り、3版では変わった7文だけ作り直した

声は、作り手の Mac の中で ElevenLabs のスクリプト（共通の部品 tts_eleven.py）を動かして作りました。鍵は KIOXIA に置いてあり、スクリプトが読むだけです（画面にも記事にも出していません）。1回に作るのは18文までにして、2版の72文を分けて作りました。ハコブくんの声と、作り手の声（4コママンガの登場人物用に作った声を借りている）の2つを使い分けます。作り手の声で読むのは、場面の名前が _ei で終わる文です（narration.py の EI_LINES）。

3版で足した5文と言い換えた2文、計7文だけを作り直しました。ほかの70文は、文の中身が同じなら前の mp3 をそのまま引き継ぎます（同じ文をもう一度作ると、抑揚が変わることがあるため）。

読みは、ElevenLabs に渡す前に ELEVEN_READ で置き換えます。この回で足した読みは「0.05秒 → れいてんれいごびょう」「18.6秒 → じゅうはちてんろくびょう」「脊髄 → せきずい」「遅っ → おそっ」などです。

紙の文字：HTML で動かし、時刻を止めて1コマずつ撮る

紙（考察ノート）の上の文字の動きは、HTML の CSS アニメーションで書きました。書く（1文字ずつにじんで出る）・置く（少し大きく出てはねる）・数える（0から数え上がる）・判子（大きく落ちて画面が少し揺れる）・ボツ（判子が押されて枠が薄くなる）の5つです。

書き出すときは、ブラウザ（Playwright）でページを開き、window.setT(t) で時刻を止めてから1コマずつ撮ります。止めてから撮るので、何度書き出しても同じ絵になります。もう1つの工夫は、何も動いていないコマを撮らないことです。ページの側に window.busy(t) を置き、その時刻に動いている部品がなければ、前のコマをそのまま使います。冒頭のブロックでは、871コマのうち撮ったのは238コマでした。

撮ったコマは、ブロック（場面のまとまり）ごとに1本の動画にします。全部で25ブロックです。中身が変わっていないブロックは、前に作った動画を使い回します（block_hash）。

その上に、Python でハコブくん（口・目・緑の輪・全身の動き）、作り手のドット絵（声の大きさに合わせて1ドット弾む・8つの姿）、字幕を重ね、声・BGM・効果音と合わせて mp4 にします。BGM はいつもの曲を、考察回なので3dB小さくしました（話している間 -26dB・間 -19dB）。

• ねらい：字幕は動かさず、紙の文字だけを動かして、考えが書き込まれていく感じを出す
• 変わったこと：本編1本の書き出しが約15分（12,761コマ・作業環境の CPU 2つ）。中身が変わらないブロックは撮り直さない
• 見込める効果：台本を直したとき、変わったブロックだけ撮り直せば済む。2本目を作るときに、書き出しの時間を記録して確かめる

脱線の絵：Gemini で4枚を作り、文字は動画の側で重ねた

話が大きくそれた所（4か所）では、紙が飛んでいき、画面いっぱいの絵に替わって、数秒で戻ります。絵は Gemini の画像の API で作りました。決まりは2つです。絵の中に文字を描かせず、一言は動画の側で重ねること。絵にハコブくんが描いてあるときは、左下のハコブくんを消すこと（引退式の絵）。

かかった時間は、画像を作るスクリプト（gemini_bg.py）が残した記録の値です。宇宙の絵は2回作り、2回目の絵を使いました。いまのプロンプトには「1枚の続いた写真・帯や継ぎ目なし」の指定が入っています（2回目のほうが、渡した文の量が137から159に増えている）。

ハコブくんの体：上半身の絵を傾けると切れたので、全身の絵で動かした

ハコブくんは、ふだんは左端の上半身で、口と目と緑の輪だけが動きます。1本に4回だけ、体ごと動かします（飛び出す2回・のけぞる1回・コケる1回）。最初は上半身の絵をそのまま回して倒していましたが、確認用の動画で、作り手に2回指摘されました。

転けているハコブくんの体が切れてるので、全身入れるようにしてください。

またハコブくんが切れちゃってるよ！3分50あたり

上半身の絵は画面の下で切ってあるので、傾けると切り口が見えます。コケる所は、全身の絵を足もとの角を軸にして倒す形に変え、回したときに絵の端が切れないよう、回す前に周りに足す余白を420から760ピクセルに広げました。3分50秒あたりの「のけぞる」も、全身の絵を上の位置に置いて動かす形にしました。決まりとして「体ごとの動きは、どれも全身の絵で動かす」を video_rules.md に書きました。

サムネイル：リアルな脳は気持ち悪く見えたので、つるっとした立体にした

タイトルは、作り手が「もう少し具体的なことを書いて分かりやすく伝えたい」として、次の形に決めました。

ロボットの頭脳は、脳のように分かれるのか｜大きなAIは大脳、専用AIは小脳

サムネイルは、文字の組み方が違う A 案・B 案を作り、背景を Gemini で作りました。最初の背景は写真のような脳の模型でしたが、作り手の一言で作り直しました。

サムネイル脳の画像が気持ち悪く見えるな。リアルっぽいのが原因かも

「なめらかなつや消しの素材・解剖の細かさなし」と指定して、立体（光）と平面の2つを作り、立体を選びました。そのあと「脳とロボットをもっと右下に寄せる」「もっと大きくしていい」で、脳とロボットアームを背景から切り抜いて右下に置き直し、1.16倍に大きくした案に決まりました。背景を作るのにかかった時間は、1枚15.8〜19.7秒です。

縦長ショート：版2で、絵の前の大きなハコブくんから始め、2人とも全身にした

本編が合格したあと、縦長ショート（1080×1920）を3本作りました（kabe_short.py）。版1は、本編と同じく紙から始まり、ハコブくんは全身・作り手は上半身でした。作り手の指摘は3つでした。

俺が上半身だけで、ハコブくんが全身は変だね

あと、この始まりだとユーザーすぐ離脱しそう

宇宙の背景、本の山、引退のイラスト背景を上手く使って、ハコブくんが大きく動くところから始まった方がいんじゃない？ あと必要なら俺の全身イラストが必要（服装は写真参照）

版2で変えたことです。

• 最初の数秒は、本編の脱線の絵を画面いっぱいに出し、大きなハコブくん（高さ900ピクセル）が飛び出す・跳ねる所から始める。本題に入ったら絵を暗くして紙を出し、ハコブくんは左下の全身に戻る
• 作り手の全身のドット絵を、作り手の服装の写真と上半身のドット絵を Gemini に渡して4枚作った（1枚17.0〜21.7秒）。プロンプトは4つ（立つ・ツッコミの手つき・驚く・笑う）で、ツッコミの手つきを頼んだ2枚目は腕組みで出てきたので、腕組みとして使った。作った絵を高さ170ピクセルに縮め、64色に減らしてドット絵にした
• 大きさは身長に合わせた。作り手は「ハコブくん1150mmで俺は1700mmだよ！」「デフォルメしているからピッタリ合わせる必要はないけど、大まかなイメージが伝わるようにしてね！」。作り手 765ピクセル（170ピクセルの4.5倍）、ハコブくん 515ピクセル（765 × 1150/1700）、足もとは画面の下から40ピクセル
• 服は「上下セットアップなので濃いダークグレー」。ズボンを上着と同じ濃い灰に塗り直し（v2）、インナーは黒にそろえた（上着の裾より下だけを塗り直した）
• 2本目を「ドテッ」から「捨てられない人」（紙の山の絵から始まる）に替えた
• 細かい直し：作り手の絵を右端に寄せてはみ出さないように／引退式の絵の帯の中に「祝・引退」が入る位置に絵をずらす／生成AIの注記を、キャラと重ならない見出しの下の右へ／宇宙の絵の大きな言葉の前に「イーロン・マスクさんの X の投稿」の札を出す

字幕のセンタリングでは、作り手にこう聞かれました。

ハコブくんのセリフの字幕のセンタリングがされてないよ（なぜセンタリングが簡単にできないのか考えてみて）

原因は、Claude が、右側に並ぶ YouTube のボタンの列を避けるつもりで、字幕と紙の中心を x=470 に寄せていたことでした。そのことを先に伝えていませんでした。画面の真ん中（x=540）に戻しました。あわせて、字幕の行の割れ方がおかしかった所を、1行11字までにして直しました。

• ねらい：最初の1〜2秒で、動くもの・大きい絵で手を止めてもらう
• 変わったこと：3本とも、絵の前の大きなハコブくんから始まる。2人とも全身で、身長の比が見える
• 見込める効果：ショートで最後まで見る人が増える。公開後、版2の3本の「視聴を続けた割合」を、これまでのショートと並べて確かめる

保存した場所と、本編の指紋

本編は、作業環境で tar.gz にまとめて18MBずつに分けて Mac へ送り、つないで指紋（md5）が同じことを確かめました。最初は mp4 をそのまま分けて送りましたが、送る前の出力のフォルダで、分けたファイルの1つの中身が書き換わり、指紋が合いませんでした。

d9fd497c0f163a0477f293c8c56d2194  out.mp4（作業環境・425.4秒・45,264,197バイト）
d9fd497c0f163a0477f293c8c56d2194  KIOXIA r2r2r-data/videos/頭脳は脳のように分かれる/アップロード用/頭脳は脳のように分かれる.mp4

作業ログ ― この回で使ったコード・プロンプト・出力（全文）

作業フォルダ（iCloud の 動画/頭脳は脳のように分かれる/）と型のネタ帳（動画/_ネタ帳/考察回_壁打ちの型/）にあるファイルの、書き出しに使った版の全文です。共通の部品（_制作ベース/ の hakobu.py・timing.py・subtitle.py・audio_mix.py・short_kit.py・tts_eleven.py など）は、前の回の記事に載せたものから、この回では変えていません。作り手の全身のドット絵を縮めて色を減らした作業と、ズボンの塗り直しは、その場のコマンドで行い、スクリプトとしては残していません。

narration.py（台本の1文ずつ（場面・表情・字幕・後ろの間）と、読みの直し・作り手の声で読む文）

# -*- coding: utf-8 -*-
# 台本「ロボットの頭脳は、脳のように分かれるのか」— 考察回「壁打ちの型」の1本目（もとは LOG424）
#   2026-11-02 1版。型と絵の決まり: 動画/_ネタ帳/考察回_壁打ちの型/（台本たたき・絵コンテ・動きの試し）
#   2026-11-02 3版: エイイチの指摘「話題が唐突に始まる所がある」「引退にツッコミを」で、つなぎの5文を足し2文を言い換えた（引退のツッコミ・マスクの前・工夫の前・小脳の4倍・失敗の前・記録といえば・まとめの前）
#   2026-11-02 2版: 別のエージェントの照合（直す5・整える12）で直した（マスクは Freda への返事ではない・18.6秒・見立ての言い方・反射・海馬・概要欄の出どころ）
#   書き写した元: 動画/ハコブくんの声と絵/narration.py（形・読みの直し・自己紹介とアウトロの定型・EI_LINES）
#   エイイチのセリフ: LOG424 の本人の言葉を話し言葉に整えたもの。相づち（短い反応）は Claude の案で、エイイチが「これで先に進めて」と了承（2026-11-02）
#     本人: hook_ei・retire_ei・ei_more・faster_ei・brain_ei・fail_ei（2つ）・web_ei・log_ei（2つ）・hippo_ei

台本の2版から3版への差分（diff narration_2版.py narration.py の出力）

3a4
> #   2026-11-02 3版: エイイチの指摘「話題が唐突に始まる所がある」「引退にツッコミを」で、つなぎの5文を足し2文を言い換えた（引退のツッコミ・マスクの前・工夫の前・小脳の4倍・失敗の前・記録といえば・まとめの前）
39a41
>  ("retire_ei", "surprise", "勝手に引退させないで。", 0.5),
40a43
>  ("musk", "base", "ただ、頭脳の話を、もっと大きくする人もいます。", 0.5),
54a58
>  ("more", "base", "つまり、大きなAIだけでは、ロボットは間に合いません。", 0.5),
70c74
<  ("cerebellum", "surprise", "しかも、人の小脳には、考える大脳の表面の、4倍ほどの神経細胞があるそうです。"),
---
>  ("cerebellum", "surprise", "もう1つ、人の脳の話です。小脳には、考える大脳の表面の、4倍ほどの神経細胞があるそうです。"),
74a79
>  ("fail_q", "think", "では、その忙しい小脳は、どうやって育つのでしょう。", 0.6),
85c90
<  ("log", "doubt", "ところでエイイチは、記事を全部、全文で残しています。番号は、424番まで来ています。……捨てられない人ですか？", 0.6),
---
>  ("log", "doubt", "記録といえば、エイイチは、記事を全部、全文で残しています。番号は、424番まで来ています。……捨てられない人ですか？", 0.6),
92a98
>  ("sum", "smile", "ここまでを、1枚にまとめます。", 0.5),
113c119
<     "ということは、エイイチの研究室", "ところでエイイチは"))]
---
>     "ということは、エイイチの研究室", "記録といえば、エイイチは"))]

scenes_kabe.py（紙の場面・脱線・ハコブくんの表情と全身の動き・作り手の姿・効果音）

# -*- coding: utf-8 -*-
# 動画「ロボットの頭脳は、脳のように分かれるのか」— 考察回「壁打ちの型」の1本目（もとは LOG424）の場面
# 型の決まり: 動画/_ネタ帳/考察回_壁打ちの型/（台本たたき・絵コンテ・動きの試し）
#   紙（考察ノート）の文字は真ん中にそろえる／線を使わず面で分ける（事実＝墨・エイイチの見立て＝濃い灰・ハコブくん＝薄い灰）
#   朱は判子とリアクション（遅っ・ボツ・この見立ては、エイイチから）だけ／字幕は今まで通り（出る・消えるだけ）
#   脱線（画面いっぱいの絵）は4回: 引退式（マンガ）・宇宙・コップ・紙の山（どれも Gemini で作った絵）
import os
from kabe_kit import *

kabe_kit.py（紙を1コマずつ撮り、ハコブくん・作り手・字幕を重ねて書き出す部品）

# -*- coding: utf-8 -*-
"""考察回「壁打ちの型」の書き出しの部品（2026-11-02 1本目「頭脳は脳のように分かれる」で作った）。
紙（考察ノート）の上の文字の動きは HTML の CSS アニメーションで描き、時刻を止めて1コマずつ撮る（決まった絵になる）。
ハコブくん（口・目・リング・飛び出す・コケる）、エイイチのドット絵（声に合わせて小さく弾む）、字幕は、ここで重ねる。

使い方（動画の作業フォルダで。scenes_kabe.py に場面を書く）
  python3 kabe_kit.py sheet          場面ごとの静止画の一覧（一覧_場面.jpg）
  python3 kabe_kit.py render [名前..] 紙の映像を作る（できているものは使い回す）

kabe_short.py（縦長ショートの版2）

# -*- coding: utf-8 -*-
"""考察回「壁打ちの型」の縦長ショート（1080×1920）・2版。
2026-11-02 エイイチの指摘で作り直した:
  「おれが上半身で、ハコブくんが全身は変」→ エイイチも全身のドット絵（src/ei/エイイチ_全身_*_170px_v1.png・Gemini で写真の服装から作った）
  「この始まりだとすぐ離脱しそう」「宇宙・紙の山・引退式の背景を使って、ハコブくんが大きく動く所から始める」
    → 最初の数秒は、画面いっぱいの絵の前で、大きなハコブくん（高さ900）が動く。本題に入ったら、絵を暗くして紙（考察ノート）を出し、
      ハコブくんは左下の全身（高さ400）に戻る
画面の割り振りは video_rules.md 9-2: 0〜150 何も置かない／170〜440 見出し／480〜1130 紙／左下 ハコブくん・右下 エイイチ（足もと y=1640）／字幕は2人の間の上

sound.py（BGM と章の効果音。効果音の時刻は scenes_kabe.py の SE）

# 音の置き方（audio_mix.py が読む）。効果音の時刻は scenes_kabe.py の SE に書く（場面の動きと同じ所で決めるため）
# 考察の場面は静かに、脱線の場面は効果音を大きめに（考察回の型）
from scenes_kabe import SE as _SE

BGM = [
    dict(file='sound/bgm_明るいB_2.mp3', start=0, end=None, level=-26, gap=-19, fade_in=0.6, fade_out=3.0),   # いつもの曲（ElevenLabs Music）を、考察回なのでいつもより3dB小さく
]

SE = list(_SE)

CHAPTER_SE = dict(file='se_chapter_marimba', files={'title': 'se_chapter_glock'}, level=-10, offset=-0.3,
                  scenes=['title', 'bring', 'think', 'split', 'fail_ei', 'log', 'sum', 'outro'])

gemini_bg.py（Gemini の画像の API で、脱線の絵・全身のドット絵・サムネイルの背景を作る）

#!/usr/bin/env python3
"""考察回の脱線の場面の背景を Gemini の画像の API で作る（2026-11-02）
使い方: python3 gemini_bg.py <プロンプト.txt> <出力の頭> [札=参照画像のパス ...]
16:9。鍵は KIOXIA/gemini_api_key.txt から読むだけ（表示しない）。もとは 4コマの道具 gemini_gen_labeled.py"""
import sys, json, base64, time, urllib.request, urllib.error, mimetypes, os, datetime
MODEL = "gemini-3.1-flash-image"
SIZE = os.environ.get("BG_SIZE", "2K")
KEY_PATHS = [os.path.expanduser("~/mnt/KIOXIA/gemini_api_key.txt"), "/Volumes/KIOXIA/gemini_api_key.txt"]
key = next(open(p).read().strip() for p in KEY_PATHS if os.path.exists(p))
prompt_path, out_head, refs = sys.argv[1], sys.argv[2], sys.argv[3:]
parts = []
for r in refs:
    label, path = r.split("=", 1)
    parts.append({"text": f"Reference image — {label}:"})
    parts.append({"inlineData": {"mimeType": mimetypes.guess_type(path)[0] or "image/png", "data": base64.b64encode(open(path, "rb").read()).decode()}})
parts.append({"text": open(prompt_path, encoding="utf-8").read()})
body = {"contents": [{"role": "user", "parts": parts}],
        "generationConfig": {"responseModalities": ["IMAGE"], "imageConfig": {"aspectRatio": os.environ.get("BG_ASPECT", "16:9"), "imageSize": SIZE}}}
req = urllib.request.Request(f"https://generativelanguage.googleapis.com/v1beta/models/{MODEL}:generateContent",
        data=json.dumps(body).encode(), headers={"Content-Type": "application/json", "x-goog-api-key": key})
t = time.time()
try:
    res = json.load(urllib.request.urlopen(req, timeout=300))
except urllib.error.HTTPError as e:
    print("失敗", e.code, e.read().decode()[:800]); sys.exit(1)
el = time.time() - t
stamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
img = None
for c in res.get("candidates", []):
    for p in c.get("content", {}).get("parts", []):
        if "inlineData" in p: img = p["inlineData"]
ext = ".jpg" if img and "jpeg" in img["mimeType"] else ".png"
base = f"{out_head}_{stamp}"
if img: open(base + ext, "wb").write(base64.b64decode(img["data"]))
for c in res.get("candidates", []):
    for p in c.get("content", {}).get("parts", []): p.pop("inlineData", None)
json.dump({"model": MODEL, "size": SIZE, "elapsed_s": round(el, 2), "prompt": prompt_path, "refs": refs, "response": res}, open(base + ".json", "w", encoding="utf-8"), ensure_ascii=False, indent=1)
u = res.get("usageMetadata", {})
print(os.path.basename(base + ext) if img else "画像なし", f"{el:.1f}秒", u.get("promptTokenCount"), u.get("candidatesTokenCount"), res.get("candidates", [{}])[0].get("finishReason"))

脱線の絵のプロンプト：宇宙（宇宙_プロンプト.txt）

Photorealistic wide cinematic photograph, 16:9 landscape.
A colossal AI data center floating in deep space: a huge ring-shaped station packed with rows of glowing server racks, cooling fins and tiny blinking status lights, seen at a dramatic angle.
A giant blue planet fills the upper right, a dense star field and a faint purple nebula behind.
The mood is awe-inspiring and slightly absurd, like a movie poster that went too far.
Leave generous empty starry space in the center and left of the frame so that large white text can be placed over it. One continuous seamless photograph — no bands, no stripes, no split panels, no hard horizontal edges.
No text, no letters, no numbers, no logos, no people, no astronauts.

脱線の絵のプロンプト：引退式（引退式_プロンプト.txt・ハコブくんの正面と横の絵を参考に渡した）

Black and white Japanese manga illustration, one wide 16:9 panel, clean ink line art with screentone, the artwork fills the whole image with no panel border and no frame line.

USE THE ATTACHED REFERENCE for the robot "Hakobu" — match its body shape, screen face, wheels, line weight and screentone exactly. Hakobu is a hospital delivery robot: a rounded box body with a screen for a face. Hakobu has NO arms and NO hands.

Scene: a retirement ceremony on a hospital break-room table.
- On the table stands a small white 6-axis desktop robot arm. It holds a bouquet of flowers in its gripper, slightly drooping, as if bowing in thanks.
- Above it hangs a paper garland and a blank ribbon banner with NO letters on it. Confetti falls.
- Hakobu stands beside the table, deeply moved: its screen face shows big tear drops streaming down and a wobbly happy smile. Small sparkle marks around it.
- Comedic, heartwarming, deliberately over-the-top, like a farewell party for a coworker.

No text, no letters, no numbers, no speech bubbles anywhere in the image. No people.

脱線の絵のプロンプト：割れたコップ（コップ_プロンプト.txt）

Photorealistic high-speed photograph, 16:9 landscape.
A clear drinking glass shattering on a polished pale hospital corridor floor, water splashing up in a frozen crown shape, glass shards suspended in mid-air, every droplet sharp.
Low camera angle close to the floor, shallow depth of field, the corridor softly blurred behind.
Cool clinical lighting with one warm accent light, dramatic slow-motion feel, a little comedic in its seriousness.
Keep the upper center area relatively plain so text can be placed over it.
No people, no robots, no text, no letters, no logos.

脱線の絵のプロンプト：紙の山（紙の山_プロンプト.txt）

Photorealistic wide photograph, 16:9 landscape.
A small Japanese home office completely buried under mountains of printed paper documents: towers of stacked A4 sheets reaching the ceiling, leaning piles, sheets sliding off and scattered across the floor, binders and sticky notes everywhere. A desk with a laptop and a small white robot arm is barely visible under the paper.
In the lower center, leave a clear dark gap in the paper pile, as if someone has just been buried there and could pop their head out.
Warm evening desk-lamp light mixed with cool light from a window, slightly comedic exaggeration, like a magazine photo of a hoarder of documents.
Keep the upper center area calm so text can be placed over it.
No people, no faces, no hands, no readable text on any paper, no logos.

作り手の全身のドット絵のプロンプト1：立つ（f1.txt）

Pixel art, FULL BODY from head to shoes, the SAME character as the first attached reference image (the pixel-art bust): same face, same black messy hair with bangs, same thick black rectangular glasses, same warm orange skin tone with reddish-brown shading, same chunky pixel size, same limited color palette, same black outlines, no anti-aliasing. Outfit exactly as the person in the second attached photo: a loose dark charcoal gray tailored jacket, a black crew-neck T-shirt, loose wide black trousers, and light gray-white chunky sneakers with lavender-blue accents. Standing, the whole figure centered and fully visible with a small margin, feet at the bottom. Plain flat pure white background. No text, no letters, no shadow on the ground.
Pose and expression: relaxed standing pose with both hands in the trouser pockets, a calm slight smile, facing the viewer.

作り手の全身のドット絵のプロンプト2：ツッコミの手つき（f2.txt・出てきた絵は腕組み）

Pixel art, FULL BODY from head to shoes, the SAME character as the first attached reference image (the pixel-art bust): same face, same black messy hair with bangs, same thick black rectangular glasses, same warm orange skin tone with reddish-brown shading, same chunky pixel size, same limited color palette, same black outlines, no anti-aliasing. Outfit exactly as the person in the second attached photo: a loose dark charcoal gray tailored jacket, a black crew-neck T-shirt, loose wide black trousers, and light gray-white chunky sneakers with lavender-blue accents. Standing, the whole figure centered and fully visible with a small margin, feet at the bottom. Plain flat pure white background. No text, no letters, no shadow on the ground.
Pose and expression: a comedic retort (tsukkomi): body turned slightly to the left, one hand thrust out to the left with the back of the hand facing out as if lightly hitting someone, eyes half-closed in an unimpressed look, a wry lopsided smile.

作り手の全身のドット絵のプロンプト3：驚く（f3.txt）

Pixel art, FULL BODY from head to shoes, the SAME character as the first attached reference image (the pixel-art bust): same face, same black messy hair with bangs, same thick black rectangular glasses, same warm orange skin tone with reddish-brown shading, same chunky pixel size, same limited color palette, same black outlines, no anti-aliasing. Outfit exactly as the person in the second attached photo: a loose dark charcoal gray tailored jacket, a black crew-neck T-shirt, loose wide black trousers, and light gray-white chunky sneakers with lavender-blue accents. Standing, the whole figure centered and fully visible with a small margin, feet at the bottom. Plain flat pure white background. No text, no letters, no shadow on the ground.
Pose and expression: leaning back in big surprise, eyes wide open behind the glasses, eyebrows raised high, mouth open in an O shape, both hands raised with palms open, one foot slightly lifted.

作り手の全身のドット絵のプロンプト4：笑う（f4.txt）

Pixel art, FULL BODY from head to shoes, the SAME character as the first attached reference image (the pixel-art bust): same face, same black messy hair with bangs, same thick black rectangular glasses, same warm orange skin tone with reddish-brown shading, same chunky pixel size, same limited color palette, same black outlines, no anti-aliasing. Outfit exactly as the person in the second attached photo: a loose dark charcoal gray tailored jacket, a black crew-neck T-shirt, loose wide black trousers, and light gray-white chunky sneakers with lavender-blue accents. Standing, the whole figure centered and fully visible with a small margin, feet at the bottom. Plain flat pure white background. No text, no letters, no shadow on the ground.
Pose and expression: bursting out laughing, eyes squinted shut with joy, shoulders raised, one hand covering the mouth, the other hand on the stomach, leaning forward slightly.

サムネイルの背景のプロンプト：最初の案・写真のような脳（脳と腕_プロンプト.txt）

A photorealistic, cinematic photograph for a YouTube thumbnail background. On the right third of the frame: a realistic anatomical model of a human brain seen from the side, with the cerebrum (large upper part) lit in warm amber light and the cerebellum (small lower back part) glowing in soft cyan light, so the two parts are clearly different. Next to it, a small white desktop robot arm reaching toward it. Dark charcoal background with soft studio lighting and slight depth of field. The left two-thirds of the image and the bottom quarter must be calm, dark, empty space (for text added later). Seamless single photograph, no bands or seams. No text, no letters, no numbers, no logos, no people, no watermark. 16:9.

サムネイルの背景のプロンプト：つるっとした立体（脳_光_プロンプト.txt）

A sleek, minimal 3D render for a YouTube thumbnail background, in the style of a modern tech product illustration (smooth matte plastic, not realistic, no anatomical detail, nothing fleshy or wet). On the right third: a smooth, simplified brain shape made of soft rounded matte material, split into two clearly separate pieces with a small gap between them: the large upper piece (cerebrum) in warm amber orange, the small lower back piece (cerebellum) in bright cyan, each softly glowing. Next to it, a small white robot arm in the same smooth matte style. Dark charcoal background with soft studio light. The left two-thirds and the bottom quarter must be empty, calm, dark space for text added later. No text, no letters, no numbers, no logos, no people, no watermark. 16:9.

サムネイルの背景のプロンプト：平面（脳_平面_プロンプト.txt）

A clean, friendly flat graphic illustration for a YouTube thumbnail background (not photorealistic, no anatomical detail, no wet or fleshy texture). On the right third: a simple, stylized brain icon seen from the side, drawn with smooth rounded shapes and only a few soft curved lines, made of two clearly separated parts: the large upper part (cerebrum) in warm amber orange, the small lower back part (cerebellum) in bright cyan. Thin soft glow around the shape. Next to it, a simple white robot arm drawn in the same flat style. Deep charcoal navy background with a subtle gradient. The left two-thirds and the bottom quarter must be empty, calm, dark space for text added later. No text, no letters, no numbers, no logos, no people, no watermark. 16:9.

サムネイルの背景のプロンプト：右下に大きく（脳_光2_プロンプト.txt）

A sleek, minimal 3D render for a YouTube thumbnail background, in the style of a modern tech product illustration (smooth matte plastic, not realistic, no anatomical detail, nothing fleshy or wet). Composition: the subject is LARGE and placed in the LOWER-RIGHT part of the frame, occupying the right 45% of the width and reaching down close to the bottom edge. The subject: a smooth, simplified brain shape made of soft rounded matte material, split into two clearly separate pieces with a small gap between them: the large upper piece (cerebrum) in warm amber orange, the small lower back piece (cerebellum) in bright cyan, each softly glowing. A small white robot arm stands at the far right, its gripper pointing at the cyan piece, fully inside the frame. Dark charcoal background with soft studio light. The left 55% of the image must be empty, calm, dark space for text added later. No text, no letters, no numbers, no logos, no people, no watermark. 16:9.

thumb_A.py（サムネイル A 案の文言と背景）

# サムネイル A 案（2026-11-02）: 背景は Gemini で作った「脳の模型とロボットアーム」（サムネ素材/脳と腕.jpg）
PHOTO = 'サムネ素材/脳と腕.jpg'
PHOTO_POS_FULL = '50% 50%'
HAKOBU = True
KICKER = '考察回'
LINES = ['ロボットの頭脳は', '<span class="red">脳のように</span>', '分かれる？']
LABEL = '考えるのに18.6秒'
VARIANTS = ['photo4']
SIZE_L1, SIZE_L2, SIZE_L3 = 120, 190, 150
TXT_TOP = 60
HK_H = 560
LABEL_BOTTOM = 250

thumb_B.py（サムネイル B 案の文言と背景。この案を、背景を「右下に大きく」に替えて使った）

# サムネイル B 案（2026-11-02）: タイトルの後ろ半分をそのまま大きく。大脳＝暖色、小脳＝水色（背景の模型の光と同じ色）
PHOTO = 'サムネ素材/脳と腕.jpg'
PHOTO_POS_FULL = '50% 50%'
HAKOBU = True
KICKER = 'ロボットの頭脳は、脳のように分かれる？'
LINES = ['大きなAIは<span style="color:#F5A04A">大脳</span>', '専用AIは<span style="color:#5BD8F0">小脳</span>', '']
LABEL = '僕はどっち？'
VARIANTS = ['photo4']
SIZE_L1, SIZE_L2, SIZE_L3 = 150, 150, 10
TXT_TOP = 60
HK_H = 560
LABEL_BOTTOM = 250

概要欄の下書き（概要欄_下書き.md）

<!--
YouTube の概要欄の下書き（2026-11-02「頭脳は脳のように分かれる」＝考察回「壁打ちの型」の1本目・もとは LOG424）。{t:文番号} は、その文が始まる時間に置きかわる（文番号は 0 から数える）。
python3 <_制作ベース>/description.py で 概要欄.txt を作り、それを貼る。
-->
ロボットを動かすAIが1回考えるのに、専用のAIは0.05秒、何にでも使える大きなAIは18.6秒。エイイチが持ち込んだ話に、案内役のハコブくんが付き合う「考察回」です。答えを伝える回ではなく、考えている途中をそのまま見せます。人の脳が大脳・小脳・反射に分かれているように、ロボットのAIも分かれていくのか。速い手を育てるのは何か。

詳しい数字と考えた道すじは、サイトの記事にまとめています。
記事：ロボットのAIは脳のように分業する ― 小脳を育てるのは失敗の手直し https://pixelstomotors.com/record/robot-ai-divides-like-brain

▼目次
0:00 0.05秒と、18.6秒
{t:6} この番組について
{t:10} 持ち込み：ロボット専用の頭脳は、いらなくなる？
{t:21} やり取り1：遅い頭
{t:36} 人の脳も、分かれている
{t:49} やり取り2：失敗の手直し
{t:59} やり取り3：記憶の整理
{t:66} まとめ
{t:69} 残った問い
{t:74} エンディング

▼数字の出どころ
・0.05秒・18.6秒・11〜19秒（使い方による違い）：NVIDIA「Astranomy」（2026年10月14日）。π0.5 は 46.96ミリ秒、OpenAI の GPT-6 Astra は使い方によって 11.50秒〜18.56秒 https://research.nvidia.com/labs/srl/projects/astranomy/
・370回ほど：18.6秒 ÷ 0.05秒 で出した目安です
・海外の投資家の書き込み：Robonomics（Freda Duan）「Robotics' New Era After Astra」 https://robonomics.substack.com/p/robotics-new-era-after-astra ／ X の投稿 https://x.com/fredaduan/status/2116727410972590380
・イーロン・マスクさんの投稿（"~100% of SI will be deep space compute. Obviously." を訳しました） https://x.com/elonmusk/status/2114772074438988256
・小脳の神経細胞が、大脳の表面（大脳皮質）の4倍ほど：Suzana Herculano-Houzel の研究 https://www.frontiersin.org/journals/neuroanatomy/articles/10.3389/fnana.2010.00012/full ／ インタビュー https://intelligence.org/2014/04/22/suzana-herculano-houzel/

▼この動画について
・エイイチのセリフは、記事を書く前のやり取りで本人が話した言葉を、話し言葉に整えたものです。短い相づちやツッコミの一部は、本人が了承した案です
・「大きなAIは、賢くなるほど考える時間が長くなる方向に進んでいる」は、ハコブくん（Claude）の見立てです
・手直しの区間を分けて学ばせる方法は、まだ試していません。続きは机の上の実験で確かめます

▼この番組について
「フィジカルAI解説｜Pixels to Motors」は、フィジカルAIのニュースや実機の記録から、現場で使える形を考える番組です。
エイイチは、本業のデザイナーをしながら、ロボティクスの研究と開発をしています。その中で分かったことと、そこから考えた見立てを、案内役のハコブくんがお伝えします。

・ナレーションは AI 音声（ElevenLabs）です。話しているのは Pixels to Motors のキャラクター、ハコブくんです
・エイイチの声も AI 音声で、本人の声ではありません
・引退式・宇宙・割れたコップ・紙の山の絵と、サムネイルの背景（脳の模型とロボットアーム）は、生成AI（Gemini）で作成しています
・実機の映像はエイイチが撮ったものです

▼ロボットの開発・導入のご相談
メール：pixelstomotors@adaptdesign.jp

▼リンク
Webサイト：https://pixelstomotors.com
4コママンガ『ハコブくん』：https://pixelstomotors.com/manga-archive
GitHub：https://github.com/PixelstoMotors
X：https://x.com/adaptdesignjp
LinkedIn：https://www.linkedin.com/in/eiichi-shimazu

チャンネル登録・高評価もよろしくお願いします。コメントは、エイイチが全部読んでいます。

#フィジカルAI #ロボット #AI

ショートのタイトルと説明文（ショート_タイトルと説明文.txt）

ショートのタイトルと説明文（本編「ロボットの頭脳は、脳のように分かれるのか｜大きなAIは大脳、専用AIは小脳」から作った3本・版2）
関連動画には本編を設定してください。

━━━━━━━━━━━━━━━━
ショート1_遅っ（24.3秒）
タイトル：
深宇宙で計算？ その前に、考えるのに18.6秒 #Shorts
説明文：
「超知能のほぼ100%は、深宇宙で計算される」。話がでかい。地上のロボットでは、何にでも使える大きなAIが1回考えるのに18.6秒。その間に、ロボット専用のAI（π0.5）は動きを370回ほど直せます。
数字の出どころ：NVIDIA「Astranomy」（2026年10月14日）・イーロン・マスクさんの X の投稿。370回は 18.6秒 ÷ 0.05秒 の目安です。
宇宙の絵は生成AI（Gemini）で作成しました。声は AI 音声です（エイイチの声も AI 音声で、本人の声ではありません）。
本編：ロボットの頭脳は、脳のように分かれるのか
#フィジカルAI #ロボット #AI

━━━━━━━━━━━━━━━━
ショート2_捨てられない人（24.0秒）
タイトル：
記事424本を全部残す人は、捨てられない人？ #Shorts
説明文：
記事を全部、全文で残しているのは、捨てられないからではなく、全部の積み重ねが「基幹情報」だから。ただ、情報が多いだけでは言葉や動きは良くならない。脳も、その日の出来事をいったん海馬に残し、大事なものを大脳へ移していきます。
紙の山の絵は生成AI（Gemini）で作成しました。声は AI 音声です（エイイチの声も AI 音声で、本人の声ではありません）。
本編：ロボットの頭脳は、脳のように分かれるのか
#フィジカルAI #ロボット #AI

━━━━━━━━━━━━━━━━
ショート3_勝手に引退させないで（26.8秒）
タイトル：
π0.5 は引退？「勝手に引退させないで」 #Shorts
説明文：
何にでも使える大きなAIが、追加の練習なしでブロックを器に入れた。では、ロボット専用のAIは引退？　答えは、組み合わせ。遅く考える頭と、速く直す手に分けます。
引退式の絵は生成AI（Gemini）で作成しました。声は AI 音声です（エイイチの声も AI 音声で、本人の声ではありません）。
本編：ロボットの頭脳は、脳のように分かれるのか
#フィジカルAI #ロボット #AI

書き出しの記録（kabe_kit.py build の出力・3版の本編）

BGM 1本・効果音 35個 → mix.wav
   89.67秒  文013  se_whoosh  -10dB  「ということは、エイイチの研究室の」
   94.17秒  文014  se_pop  -8dB  「勝手に引退させないで。」
   94.77秒  文014  se_pop  -12dB  「勝手に引退させないで。」
  110.25秒  文018  se_whoosh  -10dB  「超知能の、ほぼ100%は、深宇宙」
  118.57秒  文020  se_whoosh  -14dB  「宇宙は、今日は置いておきます。」
  130.53秒  文023  se_pop  -8dB  「遅っ。」
  145.93秒  文026  se_whoosh  -10dB  「コップが手から滑り始めても、僕が」
  183.03秒  文034  se_pop  -12dB  「考えてみました。……半分、おっし」
  210.77秒  文037  se_pop  -8dB  「人も、小脳と大脳で役割が分かれて」
  213.23秒  文038  se_rise  -10dB  「……それです。」
  229.08秒  文041  se_pop  -10dB  「ちょっと実演します。」
  284.20秒  文052  se_whoosh  -12dB  「では僕も、小脳を鍛えるために、今」
  284.55秒  文052  se_pop  -6dB  「では僕も、小脳を鍛えるために、今」
  286.70秒  文053  se_pop  -12dB  「失敗だけ覚えちゃって、良くないね」
  330.00秒  文059  se_whoosh  -10dB  「記録といえば、エイイチは、記事を」
  333.45秒  文060  se_whoosh  -14dB  「LOGは、全部の積み重ね。基幹情」
  377.05秒  文068  se_pop  -14dB  「ちなみに、ボツになった3つは、全」
  377.45秒  文068  se_pop  -14dB  「ちなみに、ボツになった3つは、全」
  377.85秒  文068  se_pop  -14dB  「ちなみに、ボツになった3つは、全」
  404.80秒  文072  se_ding  -12dB  「今の返事、速かったね。」
  122.90秒  文021  se_tick  -16dB  「では、なぜ組み合わせになるのか。」
  123.90秒  文021  se_tick  -16dB  「では、なぜ組み合わせになるのか。」
  124.90秒  文021  se_tick  -16dB  「では、なぜ組み合わせになるのか。」
  125.90秒  文021  se_tick  -16dB  「では、なぜ組み合わせになるのか。」
  126.90秒  文021  se_tick  -16dB  「では、なぜ組み合わせになるのか。」
  127.90秒  文021  se_tick  -16dB  「では、なぜ組み合わせになるのか。」
   36.80秒  文006  se_chapter_glock  -10dB  「Pixels to Motors」
   65.60秒  文010  se_chapter_marimba  -10dB  「夜、エイイチから、画面写真が7枚」
  122.30秒  文021  se_chapter_marimba  -10dB  「では、なぜ組み合わせになるのか。」
  131.60秒  文024  se_chapter_marimba  -10dB  「大きなAIなら、ここで18.6秒」
  200.07秒  文036  se_chapter_marimba  -10dB  「だから、分けるしかありません。遅」
  267.13秒  文050  se_chapter_marimba  -10dB  「失敗を手直しするデータの積み重ね」
  322.50秒  文059  se_chapter_marimba  -10dB  「記録といえば、エイイチは、記事を」
  365.27秒  文066  se_chapter_marimba  -10dB  「ここまでを、1枚にまとめます。」
  408.97秒  文074  se_chapter_marimba  -10dB  「この動画が役に立ったら、高評価と」
  900/12761
  1800/12761
  2700/12761
  3600/12761
  4500/12761
  5400/12761
  6300/12761
  7200/12761
  8100/12761
  9000/12761
  9900/12761
  10800/12761
  11700/12761
  12600/12761
frames 12761 = 425.4s  確認用 19.3MB (crf 29)