副業を始めて3週間目。今日、画像生成APIに2,750円突っ込んで、完全敗北しました。Gemini APIも、OpenAIも、日本語のサムネを作らせると文字化けだらけ。「効率化＝APIを使いこなす」って勝手に思い込んでた話、正直に書きます。
「API化したらカッコええやん」と思った夕方
きっかけは、自分の出品サムネを作り直したかったから。
今までは、ブラウザのGemini（gemini.google.com）に「こんな画像作って」と頼んで、ダウンロードボタンを押す、っていう手作業。3枚で15分くらい。
ここでふと、こう思ってしまった。
「API使えば、AIに指示するだけで全部自動でいけるんちゃう？」
カッコええ響きやった。「俺、画像生成API使って自動化してます」って言いたい。それだけの理由で、財布のヒモがゆるんだ。
OpenAI画像生成API（GPT-Image-1）で750円→意外と健闘、けど
まずはOpenAIのGPT-Image-1。$5（約750円）を副業用クレカで課金。
「Excelの集計を1クリックで自動化、っていうサムネ画像作って」とプロンプトを書いて、エンター。
何回か試して、最終的に出てきたのが、これ。
…悪くはない。「集計」「自動化」もちゃんと読める。
けど、ここに至るまでは何回も外れを引いた。「集計」が「業計」になったり、文字の配置が崩れたり。プロンプトを微調整して、ようやくこのレベル。
「Geminiならもっと精度高いはず」と、調子に乗ったのが運の尽き。
Gemini API（Nano Banana）で2,000円→もっと酷い日本語の文字化け
Geminiの画像生成API（コードネーム：Nano Banana）に手を出した。2,000円チャージ。これで合計2,750円。
同じプロンプトを投げる。
出てきたのが、コレ。
「AIで自動仕」「毎日くり弩ら」「1クレック」「スプーシェット」。
全部、字が、化けてる。
ブラウザで普段使ってるGeminiは、こんなん絶対出さん。なのにAPI経由やと、これ。同じ「Gemini」って名前なのに、出力が完全に別物。
ここで気づいた。
ブラウザ版GeminiとAPI版Geminiって、別物やったんや。
モデルが違うのか、後処理が違うのか、技術的な理由は正直分からん。けど、結果は明確。日本語サムネ用途では、Gemini APIは使い物にならんかった。
結局、ブラウザ版Geminiが最強やった
3時間溶かして、お金も2,750円ドブに捨てて、撤退モード。
そのとき、ふと冷静になった。
「ブラウザ操作して、ブラウザ版Geminiでやればええだけちゃうん？」
…当たり前のことやった。
ブラウザのGeminiは、すでに完璧な日本語サムネを作れている。だったら、ブラウザを自動で開いてGeminiに指示出すだけでええ。APIに固執する理由は、もう無い。
で、ここで一番衝撃やったのがコレ。
最近のAIは、自分の手で実際にパソコンのブラウザを操作できるんよ。
「Geminiのページ開いて」「ここに文章貼って」「送信ボタン押して」「出てきた画像ダウンロードして」を、人間が言葉で頼むだけ。スクリプトもプログラムも、何も書いてない。画面の中でカーソルが勝手に動いて、AIが目で画面を見て、自分の手でマウスとキーボードを動かしてくれる。
最初に画面でカーソルが動いた瞬間、声出たもん。「うわ、勝手にやってる…」って。
これで、ブラウザGeminiの完璧な日本語精度と、AIの自動操作のいいとこ取りができる。APIに払った2,750円、ここで完全に救われた感あった。
出来上がったサムネが、これ。
文字化け、ゼロ。「集計」「自動化」「1クリック」、全部キレイ。
2,750円の授業料で残ったもの
今日の学び、これ一つ。
すでに上手くいってる手順を、わざわざ”カッコええ方法”に置き換えようとして失敗した。
未経験ほど、「API」「自動化」っていう響きに憧れる。俺がまさにそれやった。けど、現場で動いてた答えはこう。
- ブラウザ版Gemini＝日本語サムネがそのまま使える（無料・手作業少しだけ）
- 画像生成API（OpenAI／Gemini）＝文字化け or 不安定（有料・自動化はできても結果がアカン）
2,750円、いい授業料やった。「効率化」と「カッコええ」を混ぜたらアカン、って体に刻んだ。
そして今日一番の収穫は、AIが自分の手でブラウザを動かしてくれるってことを、目の前で見られたこと。これ、未経験の身からするとマジで革命やった。
明日からは、このAIによるブラウザ自動操作を本格運用していく。サムネ量産も、出品の編集も、リサーチも、人間がやってた作業を全部AIに渡せる予感がしてる。その話は、また次の記事で。