広告会社がバナーのサイズ展開の画像を Gemini で点検し、文字の切れ・ロゴの欠け・表記の違いを入稿前に拾う

処理の起点を決める

デザイナーが案件のフォルダに「展開完了」の印を付けたときに動きます。 印は、空のファイルを1つ置くか、案件の管理表の欄を「展開完了」にするかのどちらかに決めます。画像の書き出しのたびには動かしません。 書き出しの途中で動かすと、まだ無いサイズが「足りない」として一覧に並び、進行担当が混乱します。

直しの後は、直したサイズだけを流し直します。 デザイナーが直したファイルを上書きすると、プログラムはファイルの更新の日時を見て、前回の点検の後に変わったサイズだけを呼び直します。 変わっていないサイズは前回の結果を使います。

入力データを集める

質を決めるのは、原稿表の行が最新であることです。原稿表の行に版と更新の日を持たせ、点検の結果にその版を残します。

ロゴの見本は、欠けの見分けに効きます。 ロゴは広告主ごとに横組み・縦組み・アイコンだけの型があり、小さいサイズではアイコンだけにするのが決まりの広告主もあります。 見本を一緒に渡しておくと、決まりどおりのアイコンを「文字が欠けたロゴ」と言いにくくなります。

データの取得方法を決める

展開の画像は、ファイル名からサイズを読みます。 「案件番号_300x250_v2.png」のように、案件の番号・サイズ・版を入れる書き方に決めます。ファイル名のサイズと、画像の実際のピクセルの寸法が違えば、AIを呼ぶ前に止めます。 書き出しの設定の間違いで、600×500の画像に300×250の名前が付いていることがあります。

寸法・容量・形式の照合は、AIを使わずにプログラムで行います。 Google 広告のアップロード型ディスプレイ広告なら、仕様のサイズの一覧、GIF・JPG・PNG の形式、150KBの上限と照らします。媒体ごとに規定を一覧で持ち、案件の管理表の「配信する媒体」の欄で切り替えます。

Gemini API へは、サイズごとに1回、基準と展開の2枚を組にして渡します。 1件で10〜20回の呼び出しを並べて行います。サイズごとに分けると、どの組で比べたかがはっきりし、直しのときにそのサイズだけを呼び直せます。

有料の利用枠で使い、store を false にします。 Gemini API の規約では、有料のサービスではプロンプトと応答が製品の改善に使われないとされています。Interactions API は既定ですべてのやり取りを保存し（有料の枠で55日）、保存しないときは store=false を付けると案内されています。発表前のセールの価格や新商品の画像を扱うので、保存しない設定にします。

AIへ渡す前に整形する

1. 形式の変換 … GIF は Gemini API の対応形式に無いので、プログラムでコマごとに PNG に書き出します。同じ絵のコマはまとめ、違う絵のコマだけを渡します
2. 寸法の照合 … ファイル名のサイズと実際の寸法が違うものは、ここで止めてデザイナーに戻します
3. 小さい画像の拡大 … 320×50のような細い画像は、注釈の文字が数ピクセルの高さしかありません。整数倍に拡大して渡し、拡大した倍率を記録します。拡大するかは、最小構成で拡大の有無を比べて決めます
4. 基準の画像の縮小 … 基準の画像が大きいときは、長い辺を1,200ピクセル程度に縮めます。基準は「何が書いてあるか」の見本なので、細部までは要りません
5. 原稿表の正規化 … 全角と半角、改行、空白をそろえた文字列を作っておきます。突き合わせはこの正規化した文字列どうしで行います
6. 大きさの確認 … 2枚と指示の文を合わせて20MBを超えないかを見ます。バナーは小さいので、超えることはまずありません

3番目を軽く見ないでください。 公式の案内では、両辺が384ピクセル以下の画像は258トークンで扱われます。画像として小さいことと、AIが文字を読み取れることは別の話です。 拡大で読み取りが変わるかを、自社のバナーで先に確かめます。

AIに処理させる

させるのは、展開の画像の文字を役割ごとに書き写し、位置を枠で返し、切れ・欠け・重なり・背景との区別がつきにくい箇所の候補を返すことだけです。 基準の画像は、どの文字がどの役割かを教える見本として渡します。

右端の列の考え方は、迷ったら進行担当に見せる側に倒すことです。 デザインの意図で端にかけた文字か、展開で切れた文字かは、AIには分かりません。分からないものは候補に入れて人に見せ、候補から外すのは人がします。

1行目がいちばん起きやすい失敗です。 原稿表を渡して「合っていますか」と聞くと、価格の2桁が入れ替わった画像でも「合っています」と返ることがあります。書き写しと照合を分ければ、照合の側は決まった答えしか返しません。

指示内容を固定する

あなたは広告会社の制作部で、バナーのサイズ展開を点検する係です。
2枚の画像があります。1枚目は広告主の承認を取った基準の画像、
2枚目は同じ原稿から作った {幅}×{高さ} のサイズ展開の画像です。
2枚目の画像は {倍率} 倍に拡大してあります。

【やること】
1. 2枚目の画像に書かれている文字を、すべて書き写す。
   1枚目を見本にして、役割を headline（見出し）／price（価格）／
   period（期間）／disclaimer（注釈）／cta（ボタン）／other から選ぶ。
2. 文字ごとに、2枚目の画像の上の枠を [ymin, xmin, ymax, xmax] の順で、
   0〜1000 に正規化して返す。
3. ロゴの枠を返し、見本のロゴのどの型（横組み・縦組み・アイコン）に近いかを付ける。
4. 次の候補を探し、枠と種類を返す。
   画像の端にかかって切れている文字、欠けているロゴ、
   文字やロゴが写真や他の要素と重なっている箇所、
   文字の色と背景の色や模様が近く読みにくい箇所。
5. 1枚目にあって2枚目に見つからない役割を返す。

【厳守事項】
- 文字は見えたとおりに書き写してください。原稿表や1枚目の画像に
  合わせて直さないでください。読めない文字は ? にしてください。
- 2枚目の文字が1枚目と同じかどうかを判定しないでください。
  書き写すだけにしてください。
- 注釈の大きさや位置が適切かどうか、法令や媒体の審査に合うかどうかを
  書かないでください。
- デザインの良し悪し、文言の修正案を書かないでください。
- 端にかけた文字が意図か切れか分からないときは、kind を unclear にして
  候補に入れてください。
- 写っている人物については何も書かないでください。

「1枚目に合わせて直さない」を書かないと、書き写しが見本に寄ります。 2枚目の価格が「1,890円」でも、1枚目に「1,980円」とあれば、AIはそちらに引っぱられて書き写すことがあります。書き写しが見本に寄ると、照合の側で違いが見つかりません。 見本は役割を教えるためだけに渡していることを、指示の文で縛ります。

出力形式を固定する

サイズごとに、次の形の JSON で受け取ります。 role、kind、logo_type は enum で決まった文字列に絞ります。

{
  "size": "320x50",
  "scale": 3,
  "texts": [
    { "role": "headline | price | period | disclaimer | cta | other",
      "text": "秋のまとめ買いセール", "box_2d": [120, 30, 520, 610] }
  ],
  "logo": { "box_2d": [100, 860, 900, 990], "logo_type": "horizontal | vertical | icon | unknown" },
  "issues": [
    { "kind": "text_cut | logo_cut | overlap | low_contrast | unclear",
      "box_2d": [0, 940, 300, 1000], "description": "右上の文字が画像の端で途切れている" }
  ],
  "missing_roles": ["disclaimer"]
}

1つ目の理由は、texts をそのまま原稿表と突き合わせられることです。 プログラムは role ごとに原稿表の欄を引き、正規化した文字列で比べます。違いは「原稿表：10/31まで／画像：10/30まで」のように並べて一覧に出し、どちらが正しいかは進行担当が決めます。

2つ目は、box_2d から注釈と価格の関係を計算できることです。 プログラムは price と disclaimer の枠の高さをピクセルに戻して比を出し、枠の間の距離も出します。比と距離の一覧を案件をまたいで並べると、どのサイズの型で注釈が小さくなりやすいかが分かります。

3つ目は、missing_roles で消えた要素がすぐ分かることです。 小さいサイズで注釈を落としたとき、書き写しに disclaimer が無いだけでは見落とします。基準にあった役割が無いことを、別の欄で返させます。

response_format の schema には、次のように値を絞った形を入れます（抜粋）。

{
  "type": "object",
  "properties": {
    "size": { "type": "string" },
    "texts": { "type": "array", "items": { "type": "object",
      "properties": {
        "role": { "type": "string", "enum": ["headline", "price", "period", "disclaimer", "cta", "other"] },
        "text": { "type": "string" },
        "box_2d": { "type": "array", "items": { "type": "integer" }, "minItems": 4, "maxItems": 4 }
      },
      "required": ["role", "text", "box_2d"] } },
    "issues": { "type": "array", "items": { "type": "object",
      "properties": {
        "kind": { "type": "string", "enum": ["text_cut", "logo_cut", "overlap", "low_contrast", "unclear"] },
        "box_2d": { "type": "array", "items": { "type": "integer" }, "minItems": 4, "maxItems": 4 }
      },
      "required": ["kind", "box_2d"] } },
    "missing_roles": { "type": "array", "items": { "type": "string" } }
  },
  "required": ["size", "texts", "issues", "missing_roles"]
}

システムへ連携する

入稿の画面へは、この構成から何も送りません。 点検を通ったものを自動で入稿する経路を作ると、進行担当が見る前の画像が配信されます。原稿表にも書き込みません。 照合で違いが出ても、正しいのが画像か原稿表かは人が確かめます。

直しの依頼の下書きは、サイズごとの候補を1通にまとめます。 「300×250：右上の『期間限定』が端で切れている」「320×50：注釈が見つからない」のように、サイズと場所と何が起きているかを並べ、どう直すかは書きません。 直し方はデザイナーが決めます。

人が確認する

1. 寸法の不一致を先に見る … AIを呼ぶ前に止まったサイズです。書き出しの設定の間違いなので、デザイナーに戻すだけで済みます
2. 照合の違いを見る … 原稿表と書き写しが違った箇所を、画像で確かめます。書き写しの読み違いか、画像の誤りかを見分けます
3. 候補を見る … 切れ・欠け・重なり・背景との区別、見つからない役割、注釈と価格の高さの比と距離です。残すか外すかを決めます
4. 依頼を直して送る … 下書きを直してデザイナーに送ります
5. 外した候補を記録する … 意図した端の文字を切れと言った、アイコンのロゴを欠けと言った、などの理由を残します

2番目で読み違いを見分けるのは、照合の違いの一部はAIの書き写しの誤りだからです。 小さい注釈の「※」が「＊」になる、全角のカンマが抜ける、といったことが起きます。正規化で吸収できるものは正規化の規則に足し、毎週の違いの一覧から読み違いを減らします。

目標は、120件をならして1件10分です。 候補の無いサイズは一覧で流し見て、候補のあるサイズと照合の違いに時間を使います。外す候補が1件で半分を超えるなら、ロゴの見本が足りないか、意図して端にかける表現が広告主の型として登録されていません。

例外に対処する

上から3行目までが大半を占めます。 どれもAIの精度の問題ではなく、書き出しの設定と、入稿の形式の問題です。 書き出しの設定を案件の型として決めておくほうが、指示の文をいじるより効きます。

記録を残す

• 案件の番号とサイズごとの、展開の画像と基準の画像と、Gemini API が返した JSON の全文
• そのとき照合に使った原稿表の行と版
• 照合の違い、注釈と価格の高さの比と距離の計算の結果
• 進行担当が外した候補と、その理由
• 直しの依頼を送った日時と、直しの後の点検の結果

2つ目で原稿表の版を残すのは、広告主の変更が後から入るためです。 入稿の後に「期間が違う」と言われたとき、点検の時点の原稿表と画像が合っていたのか、原稿表そのものが古かったのかを、この記録で見分けます。

4つ目が、指示の文と正規化の規則を直す材料です。 外した理由で「意図した端の文字」が多ければ、広告主ごとの表現の型を指示に足します。