ergon
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）
```bash
npx ergon image gen "beautiful sunset"
```
### グローバルインストール
```bash
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：
```bash
npx skills add hirokidaichi/ergon
```
### ソースコードからのインストール
```bash
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。
```bash
ergon configure
```
または、環境変数に直接設定することもできます：
```bash
export GOOGLE_API_KEY="your-api-key"
```
## コマンド一覧
```
ergon [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。
```bash
ergon image gen [options]
```
**オプション：**
| オプション | 説明 | デフォルト |
|-----------|------|----------|
| `-o, --output ` | 出力パス | 自動生成 |
| `-s, --size ` | サイズ（tiny/hd/fullhd/2k/4k） | fullhd |
| `-a, --aspect-ratio ` | アスペクト比（16:9/4:3/1:1/9:16/3:4） | 16:9 |
| `-t, --type ` | スタイル（下記参照） | flat |
| `-f, --format ` | フォーマット（png/jpg/jpeg） | png |
| `-e, --engine ` | エンジン（imagen4/imagen4-fast/imagen4-ultra） | imagen4 |
| `-p, --preset ` | プリセット名 | - |
| `-c, --context ` | 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：**
```bash
# 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。
```bash
ergon image edit [options]
```
**オプション：**
| オプション | 説明 | デフォルト |
|-----------|------|----------|
| `-o, --output ` | 出力パス | 自動生成 |
| `-f, --format ` | フォーマット（png/jpg/jpeg/webp） | png |
| `-e, --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：**
```bash
# 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。
```bash
ergon image explain [options]
```
**オプション：**
| オプション | 説明 | デフォルト |
|-----------|------|----------|
| `-l, --lang ` | 出力言語（ja/en/zh/ko/es/fr/de/it/ru/vi） | ja |
| `-f, --format ` | 出力形式（markdown/json） | markdown |
| `-c, --context ` | コンテキスト情報 | - |
| `-o, --output ` | 出力ファイル | - |
**使用例：**
```bash
# 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。
```bash
ergon video gen [options]
```
**オプション：**
| オプション | 説明 | デフォルト |
|-----------|------|----------|
| `-i, --input ` | 入力画像（image-to-video） | - |
| `-o, --output ` | 出力パス | 自動生成 |
| `-d, --duration ` | 動画の長さ（5-8秒） | 8 |
| `-r, --resolution ` | 解像度（720p/1080p） | 1080p |
| `-a, --aspect-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：**
```bash
# 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。
```bash
ergon narration gen [options]
```
**オプション：**
| オプション | 説明 | デフォルト |
|-----------|------|----------|
| `-o, --output ` | 出力パス | 自動生成 |
| `-m, --model ` | モデル（pro/flash） | pro |
| `-v, --voice ` | 音声（Aoede/Charon/Fenrir/Kore/Puck） | Kore |
| `-l, --lang ` | 言語（ja/en/zh/ko/es/fr/de/it/pt/ru） | ja |
| `-f, --format ` | 形式（mp3/wav） | mp3 |
| `--speed ` | 話速（0.25-4.0） | 1.0 |
| `-c, --character ` | キャラクター設定 | - |
| `-d, --direction ` | 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：**
```bash
# 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。
```bash
# プリセット一覧
ergon preset list
# プリセット作成
ergon preset create
# プリセット削除
ergon preset delete
# プリセット表示
ergon preset show
```
---
## その他のコマンド
### configure - 設定
```bash
ergon configure
```
### log - ログ表示
```bash
ergon log [options]
オプション：
-n, --number 表示するログ数
-f, --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](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/video-realistic-sunrise.mp4) | [ポップ](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/video-pop-dance.mp4) | [アニメ](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/video-anime-magical.mp4)
---
## 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](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/narration-professional.mp3) |
| 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](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/narration-energetic.mp3) |
| 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](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/narration-cinematic.mp3) |
| 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](https://raw.githubusercontent.com/hirokidaichi/ergon/main/samples/narration-gentle.mp3) |
---
## 設定
### 設定ファイル
```
~/.ergon/config.json
```
### 環境変数
```bash
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
```bash
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
```bash
# 開発モード
npm run dev --
# 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