README.md
January 27, 2026 · View on GitHub
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）
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 |  |
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