Posts

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） Grok 3がオープンソースに。何が変わる？ 2026年2月、Elon MuskのAI企業xAIがGrok 3のオープンソース化を発表した。さらに2月17日にはGrok 4.20 Betaも公開。AI業界が一気に動いている。 この記事では、Grok 3とGrok 4.20 Betaの特徴を整理し、ChatGPTやClaudeと比較しながら「副業で使えるのか」を検証する。 Grok 3オープンソース化のポイント 何が公開されるのか Grok 3のモデルウェイト（重み）が公開される 開発者が自分のサーバーで動かせるようになる 商用利用の条件は今後のライセンス次第 なぜ重要なのか オープンソース化されたAIモデルは、MetaのLLaMAシリーズが有名。Grok 3が加わることで、無料で使える高性能AIの選択肢がさらに増える。 個人開発者やAI副業をやっている人にとっては、APIコストゼロで動かせる可能性がある。ただし、実際にローカルで動かすにはGPUなどの環境が必要になる点は注意。 Grok 4.20 Betaの特徴 2月17日に公開されたGrok 4.20 Betaは「ラピッドラーニング」が特徴。 毎週モデルが改善される（ユーザーの利用データで学習） X（Twitter）との統合が深い リアルタイム情報へのアクセスが可能 使い方 Grok 4.20 BetaはX（Twitter）上で無料で使える。X Premiumに加入していれば追加機能も利用可能。 X.comまたはXアプリにログイン Grokタブを開く テキストを入力して利用開始 ChatGPT・Claudeとの比較 項目 Grok 4.20 ChatGPT (GPT-4o) Claude Code 無料利用 X上で可能 制限付き可能 API従量課金のみ リアルタイム情報 X投稿データに強い Web検索対応 なし コード生成 基本対応 対応 最も得意 長文の一貫性 普通 良い 非常に良い 日本語精度 やや弱い 良い 良い 画像生成 Aurora搭載 DALL-E搭載 なし 率直な感想 Grokの強みはXとの統合とリアルタイム性。トレンドの把握や最新ニュースの要約には向いている。 ...

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） AI副業で「本当に使っている」ツールだけ紹介します こんにちは、ぷーたです。AI副業の情報を発信していると「結局どのツールがいいの？」という質問をよくいただきます。 正直、AIツールは多すぎて選べないですよね。そこでこの記事では、僕が実際に毎日使っているツールだけを7つに絞って紹介します。「試したけど使わなくなったツール」は載せていません。 選定基準 実際に1ヶ月以上使い続けていること 副業の収益に直接貢献していること コストに見合った効果があること この3つを満たすものだけ選びました。 1. Claude Code — AIコーディングのメインウェポン 項目 評価 副業貢献度 ★★★★★ コスパ ★★★★☆ 学習コスト ★★★☆☆ 月額コスト API従量課金（月数千円〜1万円） なぜ使っているか： ターミナルからプロジェクト全体を読み込んで、コード生成・修正・デバッグが全部できる。ブラウザにコピペする手間がゼロ。 副業での活用： 自動化スクリプトの作成、ブログ記事の構成案作成、バグ修正。僕の副業の生産性を体感で2倍以上にしてくれたツール。 注意点： API従量課金なので、使い方次第でコストが膨らむ。月の予算上限を決めておくのがおすすめ。 詳しい使い方は「Claude Code 使い方ガイド」で解説しています。 Claude AIの活用法をもっと深く学ぶ 2. ChatGPT — 万能アシスタント 項目 評価 副業貢献度 ★★★★★ コスパ ★★★★★ 学習コスト ★★★★★ 月額コスト 無料〜月約3,000円（Plus） なぜ使っているか： アイデア出し、文章の校正、画像生成（DALL-E）、調べものまで何でもできる万能選手。 副業での活用： 記事の構成案作成、タイトル案の量産、SNS投稿文の下書き、画像生成。Claude Codeがコーディング特化なら、ChatGPTはそれ以外の全部を担当。 注意点： 無料プランでも十分使えるが、GPT-4oを頻繁に使うならPlusがおすすめ。 Claude Codeとの使い分けは「Claude Code vs ChatGPT 徹底比較」で詳しく書いています。 ChatGPT活用術の本をチェック 3. Mac mini — 24時間稼働の自動化サーバー 項目 評価 副業貢献度 ★★★★★ コスパ ★★★★☆ 初期投資 ★★☆☆☆ 月額コスト 電気代約200円/月 なぜ使っているか： 副業の自動化スクリプトを24時間動かすために必要。VPSより安く、ローカルにデータを置けるのがメリット。 ...

※この記事にはアフィリエイトリンクを含みます（PR） AIの進化は目覚ましいですが、「最新の情報に弱い」「専門的な質問に的確に答えられない」といった課題に直面したことはありませんか？自分自身も、AIライティングを仕事にしている中で、この壁に何度もぶつかってきました。 そんな悩みを解決してくれるのが、今回ご紹介する「RAG（Retrieval-Augmented Generation、検索拡張生成）」という技術です。 RAGは、AIが持っていない最新の情報や、特定のドメインに特化した知識を外部から参照することで、より正確で信頼性の高い回答を生成できるようにする仕組みです。 この記事では、AIツール実践者である自分が、RAGの基本から具体的な活用方法までを、体験ベースで分かりやすく解説します。AIの回答精度を格段に向上させたい方、最新AI技術をビジネスに導入したい方は、ぜひ最後までお読みください。 RAG（検索拡張生成）とは？AIの回答が賢くなる仕組み RAGとは、一言でいうと「AIに外部の知識データベースを検索させて、その結果を元に回答を生成する」技術のことです。これまでのAI（LLM: Large Language Model）は、学習データに含まれる情報しか回答できませんでした。しかし、RAGを導入することで、AIは学習データにない最新の情報や、社内文書、専門書などの外部情報を参照できるようになるのです。 RAGの基本的な流れ RAGの仕組みは、大きく分けて以下の3つのステップで構成されています。 検索（Retrieval）: ユーザーからの質問（プロンプト）を受け取ると、まず関連性の高い情報を外部の知識データベースから検索します。この知識データベースは、事前にベクトル化（後述）された文書群です。 拡張（Augmentation）: 検索で見つかった関連性の高い情報（コンテキスト）を、元の質問と一緒にAI（LLM）に渡します。 生成（Generation）: AI（LLM）は、与えられた質問と検索結果のコンテキストを照らし合わせ、それらを統合して最終的な回答を生成します。 このプロセスにより、AIは「知っていること」だけでなく、「調べたこと」も踏まえて回答できるようになり、情報が最新で、かつ質問に特化したものになるのです。 RAGを導入するメリット：なぜAIの回答精度が向上するのか RAGを導入することで、AIの回答精度が向上するだけでなく、様々なメリットがあります。自分が実際にRAGを試してみて実感したことを中心にご紹介します。 1. 回答の最新性と正確性の向上 AIモデルは、学習データが更新されない限り、その学習時点の情報しか持っていません。例えば、2023年後半の出来事についてChatGPTに質問しても、正確な回答が得られないことがあります。RAGでは、最新のニュース記事やWebサイトを検索対象に含めることで、常に最新の情報に基づいた回答を生成できます。これにより、「AIの回答が古い」「情報が間違っている」といった問題を大幅に解消できます。 2. 専門知識や社内情報への対応力向上 特定の業界や企業内でのみ通用する専門用語、機密情報、社内規定などは、一般的なLLMには学習されていません。RAGを利用すれば、これらの情報を外部データベースとして用意し、AIに参照させることで、専門的な質問や社内情報に関する質問にも正確に回答できるようになります。これは、社内FAQボットや、特定の製品に関するサポートチャットボットなどで非常に有効です。 3. ハルシネーション（幻覚）の抑制 LLMは、学習データにない情報や、不確かな情報に基づいて、もっともらしい嘘をついてしまうことがあります。これを「ハルシネーション」と呼びます。RAGでは、AIが回答を生成する際に、必ず根拠となる外部情報を参照するため、ハルシネーションの発生を抑制し、より信頼性の高い回答を生成しやすくなります。 4. コスト効率の改善 大規模言語モデルをゼロから最新情報で再学習させるのは、膨大な時間とコストがかかります。RAGであれば、既存のAIモデルをそのまま利用し、外部データベースの更新や検索機能の追加だけで、最新情報に対応させることができます。これは、AI開発・運用コストの削減に繋がります。 RAGの具体的な活用例：自分が試したAIツール RAGの概念は理解できたけれど、「具体的にどうやって使うの？」と思われるかもしれません。ここでは、自分が実際に試してみて、「これは便利だ！」と感じたRAGの活用例と、それを実現するためのAIツールをご紹介します。 1. 最新ニュースやトレンド分析 例えば、「最近のAI業界の動向を教えて」という質問をしたとします。RAGを導入していないAIだと、数ヶ月前の情報しか返ってこないかもしれません。しかし、RAGを使い、最新のニュースサイトを検索対象に含めると、直近で発表された論文や、注目されているスタートアップ企業の情報などを網羅した、より価値の高い回答が得られます。 自分自身、AIライティングのネタ探しで、日々最新情報をキャッチアップする必要があります。RAGを導入したカスタムAIに、特定のキーワード（例：「AI ライティング 最新技術」）でWeb検索をさせて、その結果を要約させるようにしたところ、情報収集の効率が格段に向上しました。LangChainのようなフレームワークを使うと、このようなWeb検索と要約のパイプラインを比較的簡単に構築できます。 2. 社内ドキュメント検索・要約 企業で働く方にとって、社内規定や過去のプロジェクト資料、マニュアルなどを探すのは、時に手間がかかります。RAGを使えば、これらの社内ドキュメントをベクトルデータベース化しておき、自然言語で質問するだけで、該当する情報やその要約をAIが提示してくれるようになります。 自分の知人の企業では、OpenAI APIとベクトルデータベース（例：PineconeやChroma）を組み合わせて、社内ヘルプデスクの自動応答システムを構築しました。社員が「経費精算の申請方法を教えて」と質問すると、関連する社内規定のドキュメントを検索し、その内容を元に具体的な手順をAIが回答してくれます。これにより、担当者の負担が大幅に軽減されたそうです。 3. 特定分野に特化したQ&Aボット 例えば、法律、医療、金融など、高度な専門知識が求められる分野でもRAGは活躍します。専門書や論文、業界レポートなどを学習データとしてRAGシステムを構築すれば、その分野に特化した高精度なQ&Aボットが実現できます。 自分自身、新しいAI技術について執筆する際に、専門用語や技術的な詳細について理解を深めたいことがあります。そこで、最新のAI論文を収集し、それらをベクトル化して、GPT-4などの強力なLLMに参照させる形でRAGシステムを構築してみました。すると、論文の内容を噛み砕いて説明してくれたり、関連する技術との比較をしてくれたりと、学習効率が劇的に上がりました。 RAGを始めるためのステップ：LangChainとOpenAI APIを使ってみよう RAGの仕組みや活用例を見て、「自分でも試してみたい！」と思った方もいるかもしれません。ここでは、比較的簡単にRAGを体験できる方法として、PythonのフレームワークであるLangChainと、OpenAIが提供するOpenAI API（特にGPT-3.5 TurboやGPT-4）を利用した入門的なアプローチをご紹介します。 必要なもの Pythonの実行環境（Python 3.7以上推奨） LangChainライブラリ (pip install langchain openai chromadb) OpenAI APIキー （オプション）ベクトルデータベース（ここではローカルで利用できるChromaDBを使用します） 簡単なRAGの実装例（概念） 以下に、Pythonコードのイメージ（擬似コードに近い）を示します。これを実行することで、ローカルのテキストファイルを知識ソースとした簡単なRAGシステムが構築できます。 ...

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） AI副業で月1万円は現実的なのか？ こんにちは、ぷーたです。「AI副業で月100万円！」みたいな話をSNSで見かけますが、正直あれは再現性が低いと思っています。 僕が実際にやってみて分かったのは、月1万円なら地道にやれば到達できるということです。この記事では、僕が実践している3つの収入源と、それぞれの具体的な数字を正直に書きます。 収入源1：noteの有料記事 やっていること AIツールの使い方や自動化の手順をnoteで有料記事として公開しています。記事の構成案やコード例の下書きにClaude Codeを使い、自分の体験と検証結果を加えて仕上げます。 実際の数字 記事単価：300〜500円 月の販売数：10〜20件程度 月の収入：約3,000〜8,000円 正直に言うと、月によってかなりバラつきがあります。SNSで告知した直後は売れますが、何もしないと数日ゼロのこともあります。 コツ 「AIで〇〇を自動化する手順書」のように、読者がすぐに再現できるノウハウが一番売れます。抽象的な話や感想文は売れません。 収入源2：ブログアフィリエイト やっていること このブログ「AI副業ラボ」で記事を書き、Amazon等のアフィリエイトリンクを掲載しています。AIツールのレビューや比較記事がメインです。 実際の数字 月間PV：まだ数百〜千PV程度 月の収入：約500〜2,000円 ブログは立ち上げから半年以上かかるのが普通で、最初の3ヶ月はほぼゼロでした。SEOで上位表示されるまで地道に記事を積み上げる必要があります。 コツ ロングテールキーワード（「Claude Code 使い方」「Mac mini 自動化」など）を狙うのが鉄則です。ビッグキーワードでは個人ブログは勝てません。 収入源3：YouTube Shorts やっていること AIツールのTips動画をYouTube Shortsで投稿しています。スクリプト作成にClaude、音声合成にVOICEVOX、動画編集にFFmpegを使い、パイプラインを半自動化しています。 実際の数字 投稿頻度：週3〜5本 1本あたりの再生数：数百〜数千回 月の収入：0〜2,000円程度 YouTube Shortsの収益化は条件（チャンネル登録者1,000人以上等）を満たす必要があり、僕はまだ収益化の途中段階です。将来的な種まきとしてコツコツ続けています。 合計すると月1万円前後 3つの収入源を合計すると、調子が良い月で約1万円前後です。正直、時給換算すると低いです。でも、一度作った記事や動画は資産として残り続けるので、積み上げるほど効率が良くなる実感はあります。 月1万円に到達するまでの期間 僕の場合、本格的に取り組み始めてから約4ヶ月で月1万円に到達しました。最初の2ヶ月はほぼ収入ゼロだったので、ここを乗り越えられるかが分かれ目です。 「すぐ稼げる」と思って始めると挫折します。3ヶ月は種まき期間と割り切るのが大事です。 やめたほうがいいAI副業 逆に、以下のようなことは僕の経験上おすすめしません。 AIで量産した低品質記事のアフィリエイト：Googleに評価されず、時間の無駄になる AIイラスト販売のみ：レッドオーシャン化が激しく、差別化が難しい 情報商材の転売：信頼を失うリスクが大きすぎる まとめ：月1万円は「地味だけど確実」 AI副業で月1万円は、派手さはないけれど現実的な目標です。大事なのはAIに丸投げしないことと、自分の体験を必ず入れること。AIは道具であって、価値を作るのは自分自身です。 まずは1つの収入源に集中して、月3,000円を目指すところから始めてみてください。 よくある質問（FAQ） Q1. AIの知識がなくても始められますか？ ChatGPTやClaudeを使ったことがあれば十分始められます。高度なプログラミングスキルは不要で、AIチャットに質問しながら記事を書くところからスタートできます。 Q2. 初期費用はどのくらいかかりますか？ noteの投稿は無料です。ブログはドメイン代が年間約1,500円程度で、Hugo + Cloudflare Pagesなら無料でホスティングできます。AIのAPI利用料は月に数百円〜数千円程度です。合計で月1,000〜3,000円あれば始められます。 Q3. 本業に支障が出ませんか？ 僕は平日の夜1〜2時間と休日の数時間を充てています。自動化の仕組みを作ってしまえば、運用は最小限の時間で済みます。ただし、最初の仕組み作りには集中して時間を確保する必要があります。 関連記事 この記事が参考になった方は、こちらもぜひ読んでみてください。 Claude Code 使い方ガイド｜毎日使って分かった活用術 — 僕が副業で一番使っているAIツールの具体的な使い方 Claude Code vs ChatGPT 徹底比較 — どっちを使うべき？用途別の使い分けルール Mac miniを自動化サーバーにしたら副業が回り始めた — 月200円で24時間自動化する方法 ブログで月5万円達成ロードマップ — ブログ副業の具体的な始め方 もしもアフィリエイトの始め方 — アフィリエイト初心者に最適なASP おすすめ書籍 AI副業についてもっと深く学びたい方に。実際に僕が読んで役立った分野の書籍を紹介します。 ...

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） 両方使って分かった「向き不向き」 こんにちは、ぷーたです。僕は副業の作業でClaude CodeとChatGPTの両方を日常的に使っています。 「どっちが優れているか」という議論をよく見かけますが、結論から言うと用途によって使い分けるのが正解です。この記事では、実際に両方使って感じた違いを具体的に書きます。 基本的な違い Claude Code Anthropic社が提供するCLI（ターミナル）ベースのツール ローカルのファイルを直接読み書きできる API従量課金制 コードベース全体を理解した上で提案してくれる ChatGPT OpenAI社が提供するブラウザ/アプリベースのツール 月額課金（Plus/Pro）または無料プラン プラグインやGPTs、画像生成（DALL-E）など多機能 幅広い用途に対応 コード品質の比較 Python・JavaScript どちらもPythonとJavaScriptのコード生成は実用レベルです。体感ではありますが、Claudeのほうが長いコードの一貫性が高い印象です。特にファイル間の依存関係を考慮した修正は、プロジェクト全体を読めるClaude Codeが有利です。 一方、ChatGPTはコードスニペットの生成速度が早く、ちょっとした関数を素早く書きたいときに便利です。 デバッグ エラーメッセージを貼り付けてデバッグしてもらう場面では、Claude Codeは実際のファイルを読んだ上で原因を特定してくれるので精度が高いです。ChatGPTはコンテキストをチャット上で与える必要があるため、大規模なプロジェクトだと限界があります。 コスト比較 ChatGPT 無料プラン：利用可能（制限あり） Plus：月額20ドル（約3,000円） Pro：月額200ドル（約30,000円） ※料金は変動する可能性があるため、OpenAI公式サイトで最新情報を確認してください。 Claude Code API従量課金：使った分だけ支払い 僕の場合、月に数千円〜1万円程度 ライトユーザーならChatGPTの無料プランまたはPlusで十分です。コードを本格的に書く人はClaude Codeのほうがコスパが良くなるケースもあります。 用途別おすすめ Claude Codeが向いている場面 既存プロジェクトの修正・機能追加：ファイルを直接読み書きできるのが圧倒的に便利 複数ファイルにまたがるリファクタリング：プロジェクト構造を理解した上で提案してくれる 自動化スクリプトの作成：ローカル環境に合わせた設定ファイルまで生成してくれる ChatGPTが向いている場面 アイデア出しやブレスト：対話型のインターフェースが直感的 画像生成やマルチモーダル作業：DALL-Eとの連携が便利 一般的な質問や調査：幅広い知識を持ち、回答が分かりやすい モバイルでの利用：アプリが使いやすい 僕の使い分けルール 実際の運用としては、こんな感じで使い分けています。 コーディング作業 → Claude Code 記事の構成案・アイデア出し → ChatGPTまたはClaude（ブラウザ版） デバッグ → Claude Code（プロジェクト内で完結するため） 画像生成 → ChatGPT（DALL-E） 日常の調べもの → ChatGPT 要するに、ターミナルでの開発作業はClaude Code、それ以外はChatGPTというのが僕の結論です。 注意点：AIの出力は必ず検証する どちらのツールを使う場合でも、AIが生成したコードや情報は必ず自分で検証することが重要です。AIは自信満々に間違ったことを言うことがあります。特に最新の情報やニッチなライブラリについては要注意です。 ...

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） Claude Codeを毎日使い倒して3ヶ月が経った こんにちは、ぷーたです。普段はサラリーマンをしながら、副業でAIツールを活用しています。 今回は僕が毎日ターミナルで叩いているClaude Codeの使い方を、実際のワークフローに沿って紹介します。「AIにコード書かせるとか本当に使えるの？」と思っている人にこそ読んでほしい内容です。 Claude Codeとは？ターミナルで動くAIアシスタント Claude CodeはAnthropicが提供するCLI（コマンドラインインターフェース）ツールです。ターミナルから直接Claudeと対話しながら、コードの生成・編集・デバッグができます。 ChatGPTのようにブラウザ上でコードをコピペする必要がなく、自分のプロジェクトフォルダ内でそのまま作業できるのが最大の特徴です。 インストールと起動 npm install -g @anthropic-ai/claude-code cd your-project claude たったこれだけで使い始められます。Node.jsが入っていれば数分でセットアップ完了です。 僕の実際の使い方：3つの活用パターン 1. コーディング：既存コードの修正と機能追加 一番使う場面がこれです。例えばPythonスクリプトにエラーハンドリングを追加したいとき、Claude Codeにプロジェクトを読み込ませた上で「この関数にリトライ処理を追加して」と指示するだけです。 ファイルを読み込んで、差分を提示して、承認すれば書き換えてくれる。この流れが自然すぎて、もうエディタだけで作業する気になれません。 実感した効果：定型的なコード修正にかかる時間が体感で半分以下になりました。特にテストコードの生成は本当に助かっています。 2. 自動化スクリプトの作成 僕はMac miniで複数のPythonスクリプトを自動実行していますが、新しいスクリプトの雛形を作るときにClaude Codeが活躍します。 「launchdで毎朝9時に実行するPythonスクリプトを作って」と頼むと、plistファイルとPythonスクリプトの両方を生成してくれます。ディレクトリ構造を理解した上で適切な場所にファイルを配置する提案までしてくれるのがポイントです。 3. コンテンツ作成の下書き このブログ記事の構成案もClaude Codeで作っています。ターミナル上で「キーワード〇〇で記事の構成案を出して」と打てば、見出し構成が出てきます。 ただし、AIが出した文章をそのまま使うことは絶対にしません。あくまで叩き台として使い、自分の体験や数字を入れて仕上げるのが鉄則です。 使ってみて分かった注意点 コスト管理は必須 Claude CodeはAPI利用料が発生します。Anthropic Consoleでトークン使用量を確認できるので、月初に予算を決めて使うのがおすすめです。僕は月の上限を設定して、超えそうなときはタスクを絞るようにしています。 プロンプトの書き方で品質が変わる 「いい感じにして」ではなく「この関数のエラーハンドリングを追加して、失敗時はログに出力して3回リトライする実装にして」のように具体的に指示すると精度が格段に上がります。 ファイル操作は確認してから Claude Codeはファイルの作成・編集・削除ができます。変更前に差分を確認するステップがあるので、必ず内容を読んでから承認する習慣をつけましょう。 まとめ：Claude Codeは「使える相棒」だった 3ヶ月使ってみて、Claude Codeはターミナルで完結するAIペアプログラマーとして非常に実用的でした。特にコードベースを理解した上で提案してくれる点が、他のAIチャットツールにはない強みです。 プログラミング初心者でも、既存のプロジェクトに対して「これ何やってるか説明して」と聞くだけで理解が深まります。副業でコードを書く人には間違いなくおすすめできるツールです。 よくある質問（FAQ） Q1. Claude Codeは無料で使えますか？ Claude Code自体のインストールは無料ですが、利用にはAnthropicのAPIキーが必要で、API利用料がかかります。従量課金制なので、使った分だけ請求されます。料金はAnthropicの公式サイトで最新情報を確認してください。 Q2. プログラミング未経験でも使えますか？ ターミナルの基本操作（cdコマンドでフォルダ移動する程度）ができれば使い始められます。ただし、AIが生成したコードの内容を理解する努力は必要です。完全に丸投げするのではなく、学習ツールとして使うのがおすすめです。 Q3. ChatGPTと何が違いますか？ 最大の違いは、Claude Codeがローカルのプロジェクトファイルを直接読み書きできる点です。ChatGPTはブラウザ上での対話が中心ですが、Claude Codeはターミナル上でファイル操作まで完結します。詳しい比較は別記事で書いています。 関連記事 Claude Code vs ChatGPT 徹底比較 — どっちを使うべき？用途別の使い分けルール AI副業で月1万円を稼ぐ現実的な方法 — Claude Codeを使ってどうやって副収入を得ているか Mac miniを自動化サーバーにしたら副業が回り始めた — Claude Codeで作ったスクリプトを24時間自動実行 Copilot vs Cursor 比較 — 他のAIコーディングツールとの比較 おすすめ書籍 Claude CodeやAIプログラミングを深く学びたい方に。 ...

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） Mac miniを自宅サーバーにして半年が経った こんにちは、ぷーたです。副業の自動化を進める中で、「常時稼働するマシンが欲しい」という壁にぶつかりました。VPSも検討しましたが、最終的にMac miniを24時間稼働の自動化サーバーとして使うことにしました。 半年運用してみた実感を、設定方法から電気代まで正直に書きます。 なぜMac miniなのか？VPSとの比較 VPSのメリット・デメリット VPS（さくらVPS、ConoHa等）は月額数百円から借りられて手軽です。ただし、スペックを上げると月額が跳ね上がります。メモリ4GB・2コアで月1,000〜2,000円程度が相場です。 Mac miniを選んだ理由 僕が使っているのはApple Silicon搭載のMac miniです。選んだ理由は3つ。 ローカルにデータを置ける：APIキーや学習データをクラウドに上げなくて済む 十分なスペック：メモリ16GB・高速SSDで複数スクリプトを同時実行できる 消費電力が低い：実測で待機時約5W前後、負荷時でも20〜30W程度 Mac miniの初期費用は決して安くありませんが、1年以上使うなら月額換算でVPSより安くなる計算です。 実際の消費電力と電気代 ワットチェッカーで実測しました。 アイドル時：約5〜7W Pythonスクリプト実行時：約15〜25W 高負荷時（ML学習等）：約30〜40W 1日の平均消費を仮に10Wとすると、月の電力量は約7.2kWhです。電気代の単価を30円/kWhとすると月額約216円。VPSの月額料金と比べるとかなり安いです。 ※電気料金は契約プランや地域によって異なります。上記は目安です。 launchdでスクリプトを自動実行する方法 macOSにはcronの代わりにlaunchdというジョブスケジューラが標準搭載されています。これが非常に便利です。 plistファイルの作成 ~/Library/LaunchAgents/ にplistファイルを置きます。 <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd"> <plist version="1.0"> <dict> <key>Label</key> <string>com.example.my-script</string> <key>ProgramArguments</key> <array> <string>/usr/bin/python3</string> <string>/Users/you/scripts/my_script.py</string> </array> <key>StartCalendarInterval</key> <dict> <key>Hour</key> <integer>9</integer> <key>Minute</key> <integer>0</integer> </dict> <key>StandardOutPath</key> <string>/tmp/my_script.log</string> <key>StandardErrorPath</key> <string>/tmp/my_script_error.log</string> </dict> </plist> 登録と確認 launchctl load ~/Library/LaunchAgents/com.example.my-script.plist launchctl list | grep my-script これで毎朝9時にPythonスクリプトが自動実行されます。ログも指定したパスに出力されるので、問題があればすぐに確認できます。 ...

本記事には広告・アフィリエイトリンクが含まれています（景品表示法に基づくPR表記） YouTube Shortsの投稿を半自動化してみた こんにちは、ぷーたです。副業でYouTube Shortsに動画を投稿しているのですが、毎回手作業で台本を書いて、録音して、編集して…とやるのは本業のあるサラリーマンには正直キツいです。 そこで台本生成から動画出力までを半自動化するパイプラインを作りました。完全自動ではなく、要所で人間が確認を入れる「半自動」です。この記事では実際に使っているツールと手順を紹介します。 パイプラインの全体像 僕のパイプラインは以下の4ステップです。 台本生成：Claude Codeでスクリプトを作成 音声合成：VOICEVOXでナレーション生成 動画編集：FFmpegで素材を結合 アップロード：YouTube Studio（ここは手動） それぞれ詳しく説明します。 ステップ1：Claude Codeで台本を生成 台本のテンプレートを事前に用意しておき、Claude Codeに「このテーマで台本を書いて」と指示します。 僕が使っているテンプレート構成はこうです。 フック（1.5秒）：視聴者の注意を引く一言 本体（6〜8文）：具体的な情報を伝える エンドカード（2秒）：フォローやチャンネル登録のCTA Claude Codeはプロジェクト内のテンプレートファイルを読み込めるので、「前回の台本と同じトーンで」といった指示も通ります。 注意点：AIが生成した台本はそのまま使わず、必ず自分で読み返して修正します。事実確認が不十分な内容や、誇張表現が含まれていることがあるためです。 ステップ2：VOICEVOXで音声合成 台本が確定したら、VOICEVOXでナレーション音声を生成します。VOICEVOXは無料で使えるテキスト音声合成ソフトで、商用利用も可能です（キャラクターごとの利用規約を要確認）。 僕はVOICEVOXのAPIを叩くPythonスクリプトを作っています。 import requests import json def generate_voice(text, speaker_id=3, output_path="output.wav"): # 音声合成クエリの作成 query_res = requests.post( "http://localhost:50021/audio_query", params={"text": text, "speaker": speaker_id} ) query = query_res.json() # 音声合成の実行 synth_res = requests.post( "http://localhost:50021/synthesis", params={"speaker": speaker_id}, data=json.dumps(query) ) with open(output_path, "wb") as f: f.write(synth_res.content) VOICEVOXをローカルで起動しておけば、このスクリプトで一発で音声ファイルが生成されます。 ...