AI搭載の画像・動画・音声生成ツール - メディアを理解し、創造する

Why ergon?

ergonは単なる画像処理ツールではありません。画像・動画・音声とAIの力を組み合わせた多機能CLIツールです：

• スマートな画像認識 - 画像の内容を自動的に理解し、詳細なキャプションを生成
• 多彩な画像生成 - テキスト入力から10種類以上のスタイルで高品質な画像を作成（Imagen 4）
• 画像編集 - 既存画像をAIで編集・変換（Nano Banana）
• AI動画生成 - テキストまたは画像から高品質な動画を生成（Veo 3.1）
• 音声合成 - テキストを自然な音声に変換、キャラクター・演技指定も可能（TTS）
• 多言語対応 - 日本語・英語など10言語でのキャプション生成
• 柔軟な出力形式 - Markdown、JSONなど様々な形式に対応

インストール

npxで直接実行（インストール不要）

npx ergon image gen "beautiful sunset"

グローバルインストール

npm install -g @hirokidaichi/ergon
ergon image gen "beautiful sunset"

AIエージェント用スキルとして追加

Claude Code や Cursor などのAIエージェントにスキルとして追加：

npx skills add hirokidaichi/ergon

ソースコードからのインストール

git clone https://github.com/hirokidaichi/ergon.git
cd ergon
npm install
npm run build
npm link

APIキーの設定

ergon configureを使って、Google API KEYをセットアップします。

ergon configure

または、環境変数に直接設定することもできます：

export GOOGLE_API_KEY="your-api-key"

コマンド一覧

ergon <command> <subcommand> [options]

Commands:
  image      画像の生成・編集・説明
  video      動画の生成
  narration  音声ナレーションの生成
  preset     画像生成プリセットを管理
  configure  APIキーなどの設定
  log        ログを表示

image - 画像コマンド

image gen - 画像生成（Imagen 4）

テキストから画像を生成します。

ergon image gen [options] <theme>

オプション：

| オプション | 説明 | デフォルト | |-----------|------|----------| | -o, --output <path> | 出力パス | 自動生成 | | -s, --size <size> | サイズ（tiny/hd/fullhd/2k/4k） | fullhd | | -a, --aspect-ratio <ratio> | アスペクト比（16:9/4:3/1:1/9:16/3:4） | 16:9 | | -t, --type <type> | スタイル（下記参照） | flat | | -f, --format <format> | フォーマット（png/jpg/jpeg） | png | | -e, --engine <engine> | エンジン（imagen4/imagen4-fast/imagen4-ultra） | imagen4 | | -p, --preset <name> | プリセット名 | - | | -c, --context <file> | コンテキストファイル | - | | --json | JSON形式で出力 | false | | --dry-run | 実行せずに設定確認 | false |

スタイル（-t）： realistic, illustration, flat, anime, watercolor, oil-painting, pixel-art, sketch, 3d-render, corporate, minimal, pop-art

使用例：

# 基本的な画像生成
ergon image gen "beautiful sunset over the ocean"

# アニメスタイルで正方形画像
ergon image gen "cute cat character" -t anime -a 1:1

# 高速モードで生成
ergon image gen "mountain landscape" -e imagen4-fast

# プリセットを使用
ergon image gen "product photo" -p corporate-style

image edit - 画像編集（Nano Banana）

既存の画像をAIで編集します。

ergon image edit [options] <file> <prompt>

オプション：

| オプション | 説明 | デフォルト | |-----------|------|----------| | -o, --output <path> | 出力パス | 自動生成 | | -f, --format <format> | フォーマット（png/jpg/jpeg/webp） | png | | -e, --engine <engine> | エンジン（nano-banana/nano-banana-pro） | nano-banana | | --json | JSON形式で出力 | false | | --dry-run | 実行せずに設定確認 | false |

使用例：

# 背景を変更
ergon image edit photo.jpg "背景を青空に変更"

# スタイル変換
ergon image edit landscape.png "油絵風にして"

# 要素の削除
ergon image edit photo.jpg "背景の人物を消して" -o edited.jpg

image explain - 画像説明

画像の内容を説明します。

ergon image explain [options] <file>

オプション：

| オプション | 説明 | デフォルト | |-----------|------|----------| | -l, --lang <lang> | 出力言語（ja/en/zh/ko/es/fr/de/it/ru/vi） | ja | | -f, --format <format> | 出力形式（markdown/json） | markdown | | -c, --context <context> | コンテキスト情報 | - | | -o, --output <path> | 出力ファイル | - |

使用例：

# 日本語で説明
ergon image explain photo.jpg

# 英語で説明
ergon image explain photo.jpg -l en

# JSON形式で出力
ergon image explain photo.jpg -f json

video - 動画コマンド

video gen - 動画生成（Veo 3.1）

テキストまたは画像から動画を生成します。

ergon video gen [options] <theme>

オプション：

| オプション | 説明 | デフォルト | |-----------|------|----------| | -i, --input <file> | 入力画像（image-to-video） | - | | -o, --output <path> | 出力パス | 自動生成 | | -d, --duration <seconds> | 動画の長さ（5-8秒） | 8 | | -r, --resolution <res> | 解像度（720p/1080p） | 1080p | | -a, --aspect-ratio <ratio> | アスペクト比（16:9/9:16） | 16:9 | | --fast | 高速モード（Veo 3.1 Fast） | false | | --json | JSON形式で出力 | false | | --dry-run | 実行せずに設定確認 | false |

使用例：

# テキストから動画生成
ergon video gen "a cat playing with a ball"

# 画像から動画生成（image-to-video）
ergon video gen "the character starts dancing" -i character.png

# 縦動画（TikTok/Reels向け）
ergon video gen "person walking in the city" -a 9:16

# 高速モードで生成
ergon video gen "sunset timelapse" --fast

narration - 音声コマンド

narration gen - 音声生成（TTS）

テキストから音声を生成します。キャラクター設定や演技プランも指定可能です。

ergon narration gen [options] <text>

オプション：

| オプション | 説明 | デフォルト | |-----------|------|----------| | -o, --output <path> | 出力パス | 自動生成 | | -m, --model <model> | モデル（pro/flash） | pro | | -v, --voice <voice> | 音声（Aoede/Charon/Fenrir/Kore/Puck） | Kore | | -l, --lang <lang> | 言語（ja/en/zh/ko/es/fr/de/it/pt/ru） | ja | | -f, --format <format> | 形式（mp3/wav） | mp3 | | --speed <speed> | 話速（0.25-4.0） | 1.0 | | -c, --character <desc> | キャラクター設定 | - | | -d, --direction <inst> | 演技プラン | - | | --json | JSON形式で出力 | false | | --dry-run | 実行せずに設定確認 | false |

使用例：

# 基本的な音声生成
ergon narration gen "こんにちは、世界"

# 音声とスピードを変更
ergon narration gen "Hello, world" -v Puck --speed 1.2 -l en

# キャラクター・演技指定
ergon narration gen "えいっ！手裏剣！" -c "元気な女の子" -d "興奮して叫ぶ"

# Flash モデルで高速生成
ergon narration gen "お知らせです" -m flash

preset - プリセットコマンド

画像生成のプリセットを管理します。

# プリセット一覧
ergon preset list

# プリセット作成
ergon preset create <name>

# プリセット削除
ergon preset delete <name>

# プリセット表示
ergon preset show <name>

その他のコマンド

configure - 設定

ergon configure

log - ログ表示

ergon log [options]

オプション：
  -n, --number <number>  表示するログ数
  -f, --format <format>  出力形式（text/json）

サンプル画像生成例

| スタイル | コマンド | 生成例 | |---------|---------|--------| | リアリスティック | ergon image gen "mountain landscape" -t realistic | | | アニメ | ergon image gen "cute cat character" -t anime -a 1:1 | | | フラット | ergon image gen "email icon" -t flat -a 1:1 | | | 水彩画 | ergon image gen "spring flowers" -t watercolor -a 1:1 | | | ピクセルアート | ergon image gen "game character" -t pixel-art -a 1:1 | | | 3Dレンダリング | ergon image gen "futuristic building" -t 3d-render -a 1:1 | | | コーポレート | ergon image gen "business meeting" -t corporate | | | ミニマル | ergon image gen "geometric logo" -t minimal -a 1:1 | | | ポップアート | ergon image gen "woman portrait" -t pop-art -a 1:1 | | | スケッチ | ergon image gen "elderly man portrait" -t sketch -a 1:1 | |

サンプル動画生成例

Veo 3.1による動画生成サンプル（音声付き）：

| スタイル | コマンド | プレビュー | |---------|---------|----------| | リアル | ergon video gen "sunrise over mountain lake, birds flying, ambient nature sounds" --fast | | | ポップ | ergon video gen "cartoon character dancing with confetti, upbeat pop music" --fast | | | アニメ | ergon video gen "anime magical girl transformation, sparkling effects, dramatic music" --fast | |

💡 音声付き動画: リアル | ポップ | アニメ

サンプルナレーション生成例

キャラクター設定と演技指定による多彩な音声生成：

| スタイル | コマンド | サンプル | |---------|---------|----------| | プロフェッショナル | ergon narration gen "こんにちは、ergonへようこそ..." -c "プロフェッショナルな女性ナレーター" -d "落ち着いた声で" | 🔊 再生 | | 元気 | ergon narration gen "わーい！すごい画像ができたよ！" -v Puck -c "元気いっぱいの子供" -d "興奮して楽しそうに" | 🔊 再生 | | シネマティック | ergon narration gen "Welcome to ergon..." -v Charon -c "Deep voiced narrator" -d "Cinematic style" -l en | 🔊 再生 | | 優しい | ergon narration gen "素敵な作品ができましたね..." -v Aoede -c "優しいお姉さん" -d "穏やかに微笑みながら" | 🔊 再生 |

設定

設定ファイル

~/.ergon/config.json

環境変数

export GOOGLE_API_KEY="your-api-key"
# または
export GEMINI_API_KEY="your-api-key"

ログファイル

~/.ergon/logs/

トラブルシューティング

APIキーが設定されていません

ergon configure

動画ダウンロードで403エラー

APIキーが正しく設定されているか確認してください。

モデルが見つからない

• APIキーが有効か確認
• Google AI Studio でAPIが有効化されているか確認

開発者向け

# 開発モード
npm run dev -- <command>

# テスト
npm test

# 型チェック
npm run check

# ビルド
npm run build

ライセンス

MIT

作者

Hiroki Daichi