
GPT Image 2.6はClaude、Geminiと合わせ技が最強!
11月4日(米国時間)、OpenAIの画像のAI「GPT Image 2.6」が公開されました。指示1回で動くGIFまで作れるようになり、noteでも、試してみた記事が一気に増えています。
私はその前から、画像はGPT Image、声はGemini、全体の指示と確認はClaude、と役割を分けて、AIを掛け合わせて使ってきました。GPT Image 2.6も公開の2日後から制作に組み込み、同じ週に出たGeminiの動画のAIで、絵に動きもつけています。
私は、AIに月4.5万円ほど払いながら、note・ブログ・YouTubeを1人で回している文系のひとり社長です。この記事では、3つのAIの役割と1回あたりの費用、掛け合わせると何が変わるのかを、同じ場面を3通りで作って比べた結果と一緒に書きます。

3つのAIを、どう分けて使っているのか
絵はGPT Image 2.6、声と動きはGemini、全体をまとめるのがClaudeです。Claudeは、ほかのAIに指示を出して、出来上がりを確かめる「ディレクター」の役です。

GPT Image 2.6(絵)
noteの記事の画像(アイキャッチ・図)と、GIF
YouTube動画の、場面の絵
Gemini(声と動き)
自分の声を学習させた声で、noteなどの記事の要約を読んだり、YouTube動画のナレーションやセリフを読んだりする
直近は「Gemini Omni 1.2 Flash」で、GPT Image 2.6で描いた場面の絵に、アニメーションとして動きをつけている
Claude(ディレクター)
各AIへの指示文(プロンプト)を作る
各AIにつなぐ
各AIの出来上がりの品質を確かめる
AI全体の費用を管理する
記事などの文章を書く
数字を見て、分析と改善をする
私がするのは、何を作るかを決めることと、費用の見込みにOKを出すこと、出来上がりを見ることの3つです。
1つのAIに全部を任せないのは、それぞれに苦手があるからです。Claudeは絵や声を作れず、GPT Image 2.6のGIFは16コマまで。Gemini Omniは、絵の見た目まで任せると、キャラクターの顔が変わりました(このあと比べます)。
1回いくらかかるのか
台帳から出した、1回あたりの費用です(1ドル157円で計算)。
GPT Image 2.6(画質は low)
場面の絵1枚(キャラクターの参照1枚つき): 約4〜5円・30秒ほど
GIF 1本(9〜16コマ): 約6〜9円・30秒ほど
Gemini(声)
1行(字幕1枚ぶん): 約0.1〜0.3円
40秒ほどのショート動画1本の声: 約1.5〜3.5円
Gemini Omni 1.2 Flash(動き・720p)
1秒あたり約10.9円と、1回ごとに約2.5円
4秒で約45円、15秒で約166円
Claude
月額の定額(Claude Ultraの月200ドル)。私はかなり使うのでUltraプランですが他のプランでも大丈夫です
AIへの支払いは、全部で月4.5万円ほどです。Claude Maxの月200ドルが中心で、画像や音声のAIをClaudeから呼ぶAPIが月7,000円ほど、GeminiのAI Proが月2,900円です。
いちばん高いのは動きなので、YouTubeでも、動かすのは見せたい場面だけにしています。
GIFは、メルマガやブログの記事にも入れ始めましたが、目に見える効果はまだ出ていません。1本10円もかからないので、続けて試しています。
掛け合わせると、何が変わるのか
本当に「合わせ技が最強」なのかを、比べて確かめました。noteのキャラクターが「PCを打つ → こちらを向く → 手を振る」場面を、3通りで作っています。指示文はどれもClaudeが書き、動きの指示は3つとも同じです。
A GPT Image 2.6だけ: 場面の絵を描き、その絵を16コマのGIFにする
B Gemini Omniだけ: キャラクターの参照の絵2枚から、4秒の動画を作る
C 合わせ技: GPT Image 2.6で描いた場面の絵を、Omniで4秒動かす
こちらを向いて手を振った瞬間を並べると、こうなります。

A GPT Image 2.6だけ(約11円・約1分)
線も机もロゴも崩れず、正面の顔も元のキャラクターに近い
ただ、16コマ(約2秒)でくり返すので動きが速く、手を振るコマは手がぼやけた。秒ごとの指定と音はできない
B Gemini Omniだけ(約46円・41秒)
指示した秒どおりに動いた
ただ、線は細く、服は参照のもう1枚のシャツジャケットになった。正面を向くと、目・眉・鼻が描き込まれ、noteのキャラクターには見えない
C 合わせ技(約49円・約1分10秒)
GPT Image 2.6で描いた絵の線・青い雲・机・ロゴのまま、指示した秒どおりに動いた
正面の顔は、目と眉が少し描き込まれ、首元に白い襟が出た
見た目を決めるのはGPT Image 2.6、動きと時間を決めるのはGeminiです。BからCで増えたのは、最初の絵1枚ぶん(約4円)だけでした。
ただ、正面の顔はAのほうが元に近く、費用もAがいちばん安い。小さな動きをくり返すだけならA、決めた秒どおりに動かすならC、と使い分けます。Omniだけで作ることは、していません。
ここで実用イメージを持ってもらうために
参考に実際にCで作成したYouTubeのテスト動画を公開します。
3つのAIのつなぎ方と、指示文を全部公開
ここから先では、3つのAIをClaude Codeでつないでいる構造と、Claudeが各AIに渡している指示文を、公開できる範囲で全部出します。
この先で解説すること
3つのAIをClaude Codeでつなぐ構造(何を置き、どの順で動かすか)
Claudeが各AIに渡している指示文6本(noteのアイキャッチ・記事の図・GIF・場面の絵・声・動き)
出来上がりの確かめ方(文字の崩れ・0.5秒ごとのコマ・声の読み違い)
費用の管理のしかた(見込み→OK→記録・画質の上限)
Claude Codeに、つなぎ役の道具を作らせる頼み方
つまずいた9つのことと、直し方
読み終えるとできること
自分のClaude Codeに、絵・声・動きのAIをつないで、Claudeに指示を出させられる
作る前に、1回いくらかかるかを知ってから動かせる
絵や動きが崩れても、作り直しを小さくして直せる
画像・声・動画のAIを、1人で掛け合わせて使いたいひとり社長やフリーランスの方におすすめです。