画像・音声・動画
1 項目
画像・音声・動画とは｜このカテゴリで分かること
文章以外を扱う生成AI、つまり画像生成AI・動画生成AI・音声認識（文字起こし）・音声合成をまとめたカテゴリです。「画像生成AIの使い方を一通り知りたい」「AIで画像生成と動画生成のどちらを使うべきか迷っている」「生成した画像を仕事で使って著作権は大丈夫か」といった疑問に答えます。
対象は、ブログやSNS、資料づくりで画像や音声を使いたい人から、ローカル環境で細かく制御したい人までです。仕組みの概要、思い通りに作るための指示の出し方、ツールの選び方、そして公開前に必ず確認したい権利と安全の論点までを扱います。
読む順番（おすすめの順路）
- 画像生成AIの基本｜仕組み・種類・使い始めの流れと注意点 … まず、画像生成AIの仕組みと得意・不得意をつかみます。
- 画像生成のプロンプトの書き方｜被写体・スタイル・構図を具体的に伝えるコツ … 被写体・スタイル・構図に分けて伝える、指示の基本を学びます。
- ネガティブプロンプト（画像）｜出したくない要素を避けるための指定 … 出したくない要素を避ける指定と、対応しないモデルでの代替です。
- img2imgとインペイント｜既存の画像を元に変換・部分修正する方法 … 一から作るのではなく、既存の画像を元に直す方法を知ります。
- 画像理解とOCR｜AIに画像・書類・図表を読み取らせる方法と精度の注意 … 作る側の次は、AIに画像や書類を「読ませる」使い方です。
- 音声認識（文字起こし）｜仕組み・精度を左右する要因・業務での使い方 … 会議や取材の録音を文字にする、文字起こしの精度の上げ方です。
- 音声合成（TTS）｜文章から音声を作る仕組み・使い方・声の権利の注意 … 文章から音声を作る仕組みと、声の権利の注意を押さえます。
- 動画生成の基本｜テキストや画像から動画を作るAIの仕組みと現状の限界 … 動画生成でできることと、現時点の限界を確認します。
- 画像・動画生成AIの選び方｜用途別の使い分けと確認事項 … 用途に合わせて、画像・動画のツールを選ぶ観点を整理します。
- LoRAとは｜少ない計算量でモデルを追加学習する軽量な手法 … ここから応用編です。少ない計算量で画風などを追加学習する手法です。
- ComfyUIとは｜ノードをつないで画像生成の流れを組み立てるツール … 生成の流れをノードで組み立てる、上級者向けのツールです。
- 生成画像の著作権｜日本の考え方・利用時のリスク・実務上の注意 … 最後に、公開や商用利用の前に著作権の考え方を確認します。
押さえておきたいポイント（リサーチ）
文化庁・OpenAI・C2PAの公式情報で確認できた事実です（2026年10月時点。ガイドラインやサービスの仕様は更新されるため、最新は公式で確認してください）。
- 文化庁は、文化審議会著作権分科会法制度小委員会の「AIと著作権に関する考え方について」（2024年3月15日）を公表し、2024年7月31日には、AIの開発者・提供者・利用者向けのチェックリスト＆ガイダンスも公表しています。
- 同資料では、AIの学習段階と、生成・利用段階を分けて整理しています。生成・利用段階の著作権侵害は、人がAIを使わずに創作する場合と同様に考え、既存の著作物との類似性と依拠性の両方が認められるかで判断する、という整理が示されています（同資料は法的拘束力を持つものではないと明記しています）。
- OpenAIの画像生成APIは、マスク（編集したい範囲の指定）による部分的な編集に対応しており、入力のプロンプトと生成画像はコンテンツポリシーに基づくフィルタの対象になると説明されています。
- OpenAIの文字起こしAPIは、アップロードできる音声ファイルが25MBまでで、話者の区別（ダイアライゼーション）に対応したモデルも案内されています。上限を超える場合は、圧縮や分割が推奨されています。
- C2PAは、デジタルコンテンツの出どころと編集履歴を示すための技術標準（Content Credentials）を策定しています。生成物の来歴を示す手段の1つとして知っておくと役立ちます。
よくある疑問
Q. 画像生成AIと動画生成AIは、どちらから始めるべきですか？ A. 指示の出し方や修正の感覚をつかみやすいのは静止画です。動画は費用と処理時間がかかり、思い通りに動かす難度も上がります。比べ方は 画像・動画生成AIの選び方｜用途別の使い分けと確認事項 にまとめました。
Q. AIで作った画像を、商用で使っても問題ありませんか？ A. サービスの利用規約で商用利用が認められているかと、既存の作品に似ていないかの両方の確認が必要です。考え方は 生成画像の著作権｜日本の考え方・利用時のリスク・実務上の注意 を参照してください。
Q. 思ったような画像になりません。 A. 被写体・場面・スタイル・光・構図に分けて具体的に書き、一度に直す点を1つに絞ると改善しやすくなります。詳しくは 画像生成のプロンプトの書き方｜被写体・スタイル・構図を具体的に伝えるコツ へ。
Q. 会議の録音を文字起こしするときの注意は？ A. 録音環境で精度が大きく変わるほか、参加者の同意と個人情報の扱いに注意が必要です。手順は 音声認識（文字起こし）｜仕組み・精度を左右する要因・業務での使い方 で解説しています。
編集部の見解
画像・音声・動画の生成AIは、ツールの入れ替わりが速いため、特定のサービスの操作手順を覚えるより、「指示を要素に分けて伝える」「一度に1か所ずつ直す」という共通の型を身につけるほうが長く役立つと考えます。つまずきやすいのは、生成までは楽しく進んでも、公開の段階で権利や肖像の確認が抜けることです。編集部としては、作る前に「どこに、誰向けに出すか」を決め、利用規約・類似性・人物の写り込みの3点を公開前のチェック項目に入れておくことをおすすめします。また、本物そっくりの音声や映像は、作れることと公開してよいことが別であると考えます。