Codex Images
Codexの組み込み画像生成ツールを使って作成される画像。ターミナルから実行します。画像1枚につき1つのcodex exec、複数のジョブを同時に実行します。ChatGPTプラン(PlusまたはPro)を使用し、APIキーは不要です。
ユーザーの言語で話しかけてください。<out>は出力フォルダです。動画の場合はvideo-agent/edits/<slug>/images/、それ以外の場合はvideo-agent/images/<name>/となります。
1. Codex(最初の1回のみ)
codex --version
codex login status
- インストールされていない場合:
npm i -g @openai/codex(Node 20以上が必要)、macOSの場合はbrew install codex。 - ログインしていない場合:ユーザー自身で
codex loginを実行してもらいます(ブラウザが開き「ChatGPTでサインイン」と表示されます)。チャットでOpenAIのAPIキーやパスワードを尋ねないでください。
2. ブリーフィング
画像1枚につきプロンプト1つ。複数のアイデアを1つのジョブにまとめないでください。
不足している情報だけを、1つのメッセージで質問してください:
- 用途:サムネイル(1280x720、16:9)、ショートカバー(1080x1920、9:16)、スクエア投稿(1:1)、イメージボードやBロール用の静止画(動画のフォーマットに合わせる)。
- 枚数:デフォルトは1枚。サムネイルの場合は3バリエーション(それぞれ異なるアイデア、同じものを3回ではない)。
- 顔の有無:作成者の顔が写っているサムネイルには、1~3枚の鮮明な写真が必要です(テイクのフレームから切り出したもので可:
ffmpeg -v error -y -ss <t> -i <take> -frames:v 1 -q:v 2 <out>/ref-face.jpg)。絶対パスを渡してください。
各プロンプトは英語で具体的に記述します。被写体、フレーミング、背景、光、色、画像上のテキスト(最大3語、そのまま引用符で囲み、動画の言語で記述)、およびフォーマットを指定します。サムネイルの場合:被写体は1つ、大きく読めるテキスト、強いコントラスト、明確な表情の顔、右下隅には何も配置しない(YouTubeが再生時間を表示するため)。画像上の主張はすべて動画に基づいています。
プロンプトを番号付きリストで表示し、承認を待ちます(各画像はChatGPTプランのCodex使用制限を消費します)。
3. 生成
プロンプトごとに1ジョブ、最大3ジョブまで同時にバックグラウンドで実行します。必ず< /dev/nullで終了させ(これがないとcodex execが入力を待ち続けます)、最後のメッセージをファイルに保存します:
mkdir -p <out>/logs
codex exec --skip-git-repo-check -s workspace-write -C "$PWD" \
--output-last-message <out>/logs/<n>-<name>.txt \
"Use your built-in image_gen tool to generate exactly one raster image for the prompt below. Do not edit any file. Do not ask questions. No SVG, no HTML, no placeholder.
Reference images (pass them to image_gen as referenced_image_paths): <absolute paths, or none>
When done, reply with exactly these two lines:
ASSET_NAME: <kebab-case-name>
IMAGE_PATH: <absolute path of the generated image>
Image prompt:
<the prompt>" \
< /dev/null > <out>/logs/<n>-<name>.log 2>&1
ジョブは約1~3分かかります。ジョブが終了したら、その.txtファイルを読み、IMAGE_PATHを取得して画像をコピーします:
cp "<IMAGE_PATH>" <out>/<n>-<name>.png
応答にIMAGE_PATHがない場合:ジョブ開始後に作成された~/.codex/generated_images/内の最新ファイル(ls -t ~/.codex/generated_images/*/* | head -3)を確認します。新しいファイルがない場合:ジョブは失敗しています。.logの末尾(多くの場合、使用制限に達したか、codex loginが必要)を表示し、そのジョブをもう一度実行します。
4. 確認と引き渡し
- プロンプトごとに画像1枚、かつ同一の画像がないこと(
shasum <out>/*.png)。 - サイズ確認:
sips -g pixelWidth -g pixelHeight <file>(macOS)またはffprobe -v error -show_entries stream=width,height -of csv=p=0 <file>。サムネイルは16:9でなければなりません。ffmpegで1280x720にトリミングまたはスケーリングし(-vf "scale=1280:720:force_original_aspect_ratio=increase,crop=1280:720")、2MB未満のJPGにします。 - 各画像を目視確認:テキストの綴りが正しいか、顔が本人に似ているか、不自然な点(手、余分な文字など)がないか。問題がある場合:プロンプトを修正してその画像を再生成します。
<out>/manifest.jsonを作成します:画像ごとにfile、prompt、refs、dateを含むエントリを1つずつ。画像を表示した後、以下のようにします:
- サムネイルまたはカバー画像の場合:
/publishは<edit>/images/を使用します(ユーザーが1つを選び、<edit>/cover.jpgとしてコピーされます。これがカバーとYouTubeサムネイルになります)。 - 動画用の静止画の場合:
/short-editingでボード上のimgアイテムとして配置できます(ショートのassets/images/にコピーします)。
すべて問題なければ<out>/logs/を削除します。
正直な限界
- 画像生成ツールはOpenAI製で、Codex内部にあります。結果はツールに依存し、変更される可能性があります。画像上のテキストは綴りが間違っていることがあります。常に確認してください。
- 参照写真からの顔は似ていますが、完璧であることは稀です。サムネイルには実際の写真が最も安全です。
- 各画像はChatGPTプランのCodex使用制限にカウントされます。制限に達した場合は待つか、上位プランに変更する必要があります。
- 同意を得た人物の写真のみを使用し、所有権のないロゴやキャラクターは使用しないでください。