企業イベントで撮った大量の写真から、広報に使える写真の候補を選び、写っている場面の説明とキャプションの案を付ける

処理の起点を決める

イベント台帳の状態が「選定開始」になったことを起点にします。 写真のフォルダへの追加を1枚ずつ拾うと、カメラマンが現像を何回かに分けて置いたときに、途中の写真だけで候補を絞ってしまいます。カメラマンが全部を置き終えて台帳を変えた時点を、選定の始まりにします。

Apps Script を10分ごとの定時実行で動かし、台帳の状態を見ます。 Apps Script は1回の実行が6分までとされています。600枚を1回では処理し切れないので、1回の実行で40枚ずつ処理し、どこまで済んだかを台帳に書いて次の実行で続きから始めます。 600枚なら15回、2時間半ほどで一巡します。夕方にカメラマンが置けば、翌朝には選定表ができています。

上限は Google Workspace のアカウントで、定時実行の合計が1日6時間、URL の取得（外部 API の呼び出し）が1日10万回とされています。月12件・平均600枚に、連写の比べ合いとキャプションの呼び出しを足しても、1日の上限には届きません。同じ週にイベントが重なる日も、台帳の順に1件ずつ処理します。

入力データを集める

質を決めるのは、2行目と3行目です。 プログラムが無ければ、キャプションの名前は空欄になります。撮影NGの一覧が無ければ、AIは何を探せばよいか分かりません。どちらも顧客から受け取る資料なので、イベントの前日までに台帳に入れることを受注の条件にします。

撮影NGの一覧は、目で見て分かる特徴で書きます。 「撮影を望まない人」では探せません。「胸元に赤いリボン」「白い布をかけた展示台」「受付のノートパソコンの画面」のように書きます。

【撮影NGの一覧（例）】
NG1：胸元に赤いリボンを付けた来場者の顔がはっきり写っている
NG2：白い布をかけた展示台（発表前の試作機）が写っている
NG3：報道受付のノートパソコンの画面が読める
NG4：他社のブースのロゴが主役になっている

データの取得方法を決める

写真は選定用の縮小版を使います。 現像した元の画像は1枚10MBを超えることがあり、指示と合わせて20MBというリクエストの上限に近づきます。 カメラマンには、現像のときに元の画像と、長辺2,048ピクセルの縮小版の2つを書き出してもらいます。 選定表から納品するときは、同じファイル名の元の画像を使います。

撮影時刻はカメラの時計に依存します。 カメラの時計が5分ずれていれば、演目の突き合わせも5分ずれます。撮影の始めに会場の時計を1枚撮ることをカメラマンの決まりにし、その1枚の撮影時刻と写っている時計の差を台帳に入れて補正します。複数のカメラマンがいれば、カメラごとに補正します（カメラの機種は imageMediaMetadata.cameraModel で分けられます）。

AIへ渡す前に整形する

1. ファイルの形式の確認 … JPEG・PNG・HEIC 以外（RAW など）は処理せず、台帳に件数を書きます
2. 撮影時刻の補正 … カメラごとの時計のずれを足し引きします
3. 演目の付与 … 補正した時刻がプログラムのどの演目の時間帯に入るかを引きます。休憩や転換の時間は「演目なし」にします
4. 連写のまとまり … 同じカメラで3秒以内に続けて撮られた写真を、1つのまとまりにします
5. 写真の向き … imageMediaMetadata.rotation を見て、横向きのまま渡さないようにします
6. 処理済みの印 … 処理を終えた写真のファイルIDを台帳の作業用のシートに書き、二重に処理しません

4番目の連写のまとまりが、費用と手間の両方に効きます。 登壇の場面では、同じ構図で10枚近く続けて撮ることがよくあります。まとまりごとに比べて上位の2枚だけを候補に残せば、人が見る枚数はさらに減ります。

AIに処理させる

させるのは、写真に写っている事実を決まった項目で書き出すことだけです。 写真の良し悪しの総合点は付けさせません。

撮影NGの判断を「おそれあり」に倒すのが、この表でいちばん大事な点です。 NGの来場者が写った写真を公開すれば取り下げが要り、NGでない写真を外しても、ディレクターが外した理由の一覧から戻せます。誤りの重さが左右で違うので、迷ったら外す側に寄せます。

1行目が、この構成の前提です。 キャプションに名前を入れたくなると、顔から当てさせたくなります。しかし、登壇者の名前はプログラムに書いてあり、撮影時刻で引けます。 AIに任せる理由がありません。

指示内容を固定する

あなたは広告・PR会社で、イベントの写真から広報用の候補を選ぶ前の
一次の仕分けをする立場です。渡された写真1枚と、下のイベントの情報だけを見てください。

【イベントの情報】
イベント名：{event_name}
撮影時刻の時間帯の演目：{program_slot}
撮影NGの一覧：{ng_list}

【書き出す項目】
1. scene：次のどれか1つ。stage（登壇）／venue（会場の全景）／booth（展示ブース）／
   conversation（来場者との対話）／group（集合写真）／signage（受付・看板）／
   product（製品の寄り）／other
2. defects：該当するものをすべて。blur（ピンぼけ・手ぶれ）／eyes_closed（主な人物の目つぶりのおそれ）／
   exposure（露出の大きな失敗）／cropped_face（主な人物の顔が切れている）／needs_check（判断できない）
3. ng_hits：撮影NGの一覧の番号ごとに、写っているおそれがあれば、その番号と、写真のどこか（box_2d）
4. people_count：none／1-2／3-10／11+／many
5. attendee_face_prominent：登壇者以外で顔が大きく判別できる人がいるか（true／false）
6. description：見えている事実だけを、40字以内で

【厳守事項】
- 写っている人物が誰かを書かないでください。名前、所属、肩書を推し量らないでください。
- 年齢、性別、体形、表情からの印象を書かないでください。
- 撮影NGの目印が小さくて判断できないときは、写っているおそれがあるとしてください。
  迷ったときに、写っていないとしないでください。
- 写りの不具合を判断できないときは needs_check を入れてください。
  迷ったときに、不具合なしとしないでください。
- スクリーンや看板の文字は、読めた文字だけを description に書いてください。
  読めない文字を補わないでください。
- 公開してよいか、良い写真かどうかは書かないでください。

「誰かを書かない」を最初に置いているのは、何も言わないと書くからです。 登壇の写真に演目の情報が付いていると、AIはその演目の登壇者の名前を説明に入れます。名前を入れるのは後段の規則で、時刻表から入れます。 AIの説明に名前が混ざると、どちらが根拠か分からなくなります。

連写の比べ合いでは、別の指示を使います。

次の写真は、同じ場面を数秒以内に続けて撮ったものです。
主な人物の目が開いているか、ピントが主な人物に合っているか、手ぶれが無いかの3点だけで、
良い順に並べてください。構図や好みでは並べないでください。
3点で差が無ければ、同じ順位にしてください。
撮影NGの一覧に当たるおそれがある写真は、順位を付けずに ng としてください。

「3点だけで並べる」と縛るのは、好みで並べさせないためです。 構図の良し悪しはディレクターが決めます。AIには、目・ピント・ぶれという、誰が見ても同じ答えになる点だけで比べさせます。

キャプションの案は、候補に残った写真だけに作ります。 渡すのは、AIが書いた場面の説明、時刻表から引いた演目と登壇者の名前・肩書、顧客ごとの表記の決まりです。「登壇者の名前は渡したものをそのまま使い、渡していない名前を書かない」「写真の説明に無いことを書かない」と指示します。

出力形式を固定する

次の形のJSONで受け取ります。 Gemini API の構造化出力で、/v1beta/interactions の response_format に mime_type: "application/json" とスキーマを指定します。

{
  "file_id": "",
  "scene": "stage | venue | booth | conversation | group | signage | product | other",
  "defects": ["blur | eyes_closed | exposure | cropped_face | needs_check"],
  "ng_hits": [
    { "ng_no": "NG1", "box_2d": [0, 0, 0, 0] }
  ],
  "people_count": "none | 1-2 | 3-10 | 11+ | many",
  "attendee_face_prominent": false,
  "description": ""
}

1つ目の理由は、規則で候補を絞れることです。 defects が空で、ng_hits が空のものだけを候補にし、scene ごとに目安の枚数の2倍まで残します。規則は Apps Script の側にあるので、顧客ごとに目安を変えても指示は変わりません。

2つ目は、外した理由を残せることです。 選定表には、候補だけでなく、外した写真を defects と ng_hits の種類ごとに並べたシートを付けます。ディレクターは「目つぶりのおそれ」のシートだけを流し見て、戻すものを拾えます。

3つ目は、NGの場所が分かることです。 box_2d は、公式のページで [ymin, xmin, ymax, xmax] の順に、画像の大きさに対して0〜1000に正規化された座標とされています。元の画像の大きさに戻せば、ディレクターは写真のどこを拡大すればよいかが分かります。 公式のページは、JSONとして正しくても値は正しいとは限らず、アプリケーションの側で検証するよう案内しています。 座標が範囲外のときや、scene が決めた値以外のときは「要確認」に回します。

選定表に書き出す列は次のとおりです。

【選定表（候補のシート）】
| No | ファイル名 | 撮影時刻 | 場面 | 演目 | 場面の説明 | キャプションの案 | 来場者の顔 | 採否 | 直したキャプション |
| 12 | DSC_0412 | 13:05:22 | 登壇 | 基調講演 | 壇上で1人が話し、スクリーンに新製品の外観が映っている | 基調講演に登壇する〇〇株式会社 代表取締役社長 △△ △△ | なし | | |

システムへ連携する

写真のファイルを動かしたり消したりはしません。 候補は、元の写真へのショートカットを候補のフォルダに作るだけにします。外した写真も元の場所に残るので、戻すときに探し直す必要がありません。

顧客への納品は人が行います。 選定表がそのまま顧客に届く設定にすると、NGのおそれを見落とした写真が人の確認を経ずに渡ります。

人が確認する

この構成では、納品する写真を全件、人が選びます。 AIが出すのは候補と外した理由で、どれを納品するかは決めません。

1. 候補を場面ごとに見る … 目安の2倍まで残っている候補から、構図と場面の伝わり方で選びます
2. 来場者の顔が大きく写った写真を確かめる … attendee_face_prominent が true の写真は、撮影の告知の範囲で使ってよいかを確かめます
3. キャプションの名前と肩書を確かめる … 時刻表から入った名前が、写真の場面と合っているかを見ます。転換の時間の前後は特に見ます
4. 外した理由の一覧を流し見る … 目つぶりのおそれ、要確認のシートから、戻せるものを拾います
5. NGのおそれの写真は戻さない … 戻すなら、NGの目印が写っていないことを拡大して確かめた場合だけにします

2番目と3番目を省かないでください。 来場者の肖像の扱いと、登壇者の名前の取り違えは、顧客の広報の信頼にそのまま響きます。

目標は、1件あたり60分です。 600枚を見る時間が、候補の数十枚と外した理由の一覧を見る時間に置き換わります。

例外に対処する

5行目は、受注の段階で防ぎます。 この構成は来場者が社会人のイベントに限ります。Gemini API の規約は、18歳未満が利用するか、利用しうるサービスでの利用を認めていません。 子どもが来場しうるイベントは最初から対象外にし、従来どおり人が選びます。

2行目と3行目は、最初の数件で多く起きます。 書き出しの設定と時計の写真を、カメラマンの撮影の手順に入れておけば減ります。

記録を残す

• イベントごとの写真のファイルIDと、Gemini API が返したJSONの全文
• そのとき使ったプログラム、撮影NGの一覧、場面ごとの目安、時計の補正の値
• 連写のまとまりと、比べ合いの順位
• ディレクターが外した理由の一覧から戻した写真と、その理由
• ディレクターが直したキャプション … 元の案と直した後の文
• 顧客に納品した写真の一覧と、納品の日時

4行目と5行目は、指示を直す材料になります。 「目つぶりのおそれ」から戻す写真が多ければ、伏し目を目つぶりと取り違えています。直したキャプションに同じ型が続けば、顧客ごとの表記の決まりが足りません。

JSONと納品の一覧は、顧客の問い合わせに答える記録です。 「あの場面の写真は無いのか」と聞かれたときに、撮っていなかったのか、NGで外したのかを示せます。