概要
https://zenn.dev/takkuhiro/articles/ejan-hackathon
詳細内容
## AIで理想の自分は作れる！ AIメイクアップガイド Ejan
https://zenn.dev/takkuhiro/articles/ejan-hackathon
開発者は、AIによる理想像と現実のギャップを埋めるため、パーソナライズされた段階的なメイク・ヘアスタイリングガイドを画像・動画で提供するAIスタイルガイド「Ejan」を構築しました。
**Content Type**: Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:3/5 | Anti-Hype:4/5
**Main Journal**: 74/100 | **Annex Potential**: 76/100 | **Overall**: 76/100
**Topics**: [[AIエージェント, 画像生成AI, 動画生成AI, パーソナライゼーション, システムアーキテクチャ]]
記事は、AI画像生成が示す理想の姿と、それを現実に実現する間のギャップという課題を提起しています。具体的には、メイクが苦手な女性が75.4%に上り、YouTube動画も視聴維持率が低いなど、既存の学習方法ではこのギャップを埋められない現状を指摘します。
この課題に対し、Google Cloud主催のハッカソンで開発されたAIスタイルガイド「Ejan（いいじゃん）」が、解決策として提案されています。Ejanの核となるコンセプトは「なりたい姿への"道筋"を可視化する」ことです。ユーザーは顔写真を一枚アップロードするだけで、パーソナライズされたヘアスタイルやメイクの提案を受け、さらに「もう少しナチュラルに」といった自然言語でのカスタマイズも可能です。
エンジニアにとって最も注目すべきは、Ejanの技術的アプローチです。スタイルガイド生成には、GoogleのNano Banana（Gemini 2.5 Flash Image）による段階的な画像生成と、Veo 3による動画生成が組み合わされています。特にNano Bananaの活用法は秀逸で、前ステップの画像と最終完成画像を同時にコンテキストとして入力することで、現在の状態から最終目標へと自然に変化していく中間画像を連鎖的に生成します。これは、マルチモーダルAIのコンテキスト処理能力を巧みに利用した具体例であり、類似の連続的なビジュアルガイド生成に応用できる強力なパターンを示しています。
システムアーキテクチャは、バックエンドにFastAPI、フロントエンドにNext.js 14（React Server Components）を採用し、Google Cloud上で展開されています。UX向上のため、動画生成を非同期処理とする工夫もなされており、複数のAIサービスを連携させつつ、パフォーマンスとユーザー体験を両立させる実践的な設計が示されています。
Ejanは単なる画像生成ツールではなく、AIの創造力と人間の実行力を結びつけることで、ユーザーが具体的なステップを踏んで理想の自分に近づける手助けをします。この「理想への道筋を示す」というアプローチは、ファッション、インテリア、料理、フィットネスなど、様々な分野に応用可能であり、生成AIを現実世界の具体的な課題解決に活用するための重要なヒントを提供しています。