こんにちは！
1級FP技能士のアシまるくんです！
さて、本日はまさに"人類の叡智の無駄遣い"です。
第1章『4年間コトコト煮込んだものがこちらです』
昨日1/19は"カラオケの日"でした。1946年のこの日にNHKのど自慢大会が始まったことから、それが転じて"カラオケの日"とされているようです。
さて、以前に以下のブログ記事を公開しました。
私は、年間2,000曲近く歌う大のカラオケ好き(*1)で、DAMの精密採点(*2)で90点以上獲得した曲をメモとして蓄積しています。
その際に使っているのが、こちらの"うたメモ"というアプリです。
シンプル過ぎるUIがとても魅力的で、こちらに4年以上書き留め続けているのですが、とある問題が。それは、機種変更の時にデータが引き継げない！、これは大問題です。4年間書き溜め続け、いまなお増やし続けている努力（？）の結晶が機種変更とともに水泡に帰すなどあまりに耐え難い。早速対策を打つことになりました。
良い方法が思いつかず、手書きでチャレンジした時期もありましたが、いかんせん量が多い。手書きは20曲くらいで挫折しました。そんな折、家族から"スクリーンショットでよくない？"と。それでいいやん！
というわけで、毎年年末になると、それまでに登録した分をスクリーンショットに保存する作業が恒例になりました。
スクリーンショットはこんな感じ（3枚分）です。
データの見方は、
曲名
歌手名
得点（聴感/ボーナス加点）
取得年月日
AI HEART（精密採点AI HEARTを使用した場合のみ）
です。こんな感じの画像が70枚弱あります。
AIもだいぶ進歩してきたので、この画像データをデータベース化し、ついでに分析までやってもらおうというのが今回の試みです。
(*1)音楽関係の仕事をしている家族いわく、"うまくはない"とのことです。"でも、オリジナリティがすごい"という評もいただいています笑
(*2)DAMの人気採点システム"精密採点"は、LIVE DAM AiRからLIVE DAM WAO!に機種変更するにあたって、"精密採点AI"から"精密採点AI HEART"にリニューアルしました。このブログでは、特に指定しない限り、"精密採点"とは２つの総称を指します。
第2章『データ圧縮1,000分の1』
まずは、excelづくりですね。70枚近い画像データを1枚のexcelに落としましょう。
方針は前回のブログと同じです。
まずは、PCフォルダに70枚の画像を保存し、geminiCLIに場所を教える。
データのレイアウト
曲名
歌手名
得点（聴感/ボーナス加点）
取得年月日
AI HEART（精密採点AI HEARTを使用した場合のみ）
を伝え、作成してほしいデータ形式
曲名/歌手名/得点/聴感/ボーナス加点/取得年月日の6項目
を伝え、csvに書き起こすように依頼。すると瞬く間にcsvファイルが出来上がり。
csvのままでは、文字化けして読めないので、新規のexcelを開き、csvファイルの取得でexcel内に読み込めば、こんな感じでデータベースが出来上がりました。この間、わずか30分。手書きの時間はなんやったんや笑
データを見てみると、いくつか過誤データ（漢字違い、数字違い、脱字）はありましたが、660曲のデータに対し、ミスは15~20個程度。ビックデータに使おうと思うと不安に感じますが、趣味に使う程度であれば失敗率3%は頼もしい友人と言えるでしょう。
これで分析の難しかった画像データ66枚が分析の容易なデータベースにできました。しかも、ファイルサイズも元の画像前部と比較すると、ファイルサイズもexcel1枚なのでたった1,000分の1。すばらしい！
第3章『そしてデータサイエンスへ』
さあ、geminiCLIは役割を全うしました。ここからバトンはchatGPTに渡されます。
"適当に分析して"と渡してもいいのですが、ある程度の説明と方向性を示した方が上手くいくだろう、と予想。多分そのまま渡すと、数字に強く引っ張られるんでね。それよりかは、曲名や歌手に重きを置いた方が歌唱分析としては深みが出そう。
というわけで、私が出したプロンプトがこちら
こちらのデータは、私が2022～2025年の4年間でDAMの精密採点で、90点以上を獲得した曲のリストです。 ただし、取得年月日が2025/7/20以前は精密採点AI、2025/7/21以降は精密採点AI HEARTでの採点のため、同一指標のデータとはなっていません。
その上で、このデータについて分析し、詳細なレポートをお願いします。
分析は次の7つの観点で行い、レポートも7つの観点で出してください。
①時系列ごとの得意曲の推移傾向（2022、2023、2024、2025前期（AI期）、2025後期（HEART期））
②精密採点AIの得点TOP10と精密採点AI HEARTのTOP10を比較し、採点形式の影響がどのように表れているか。
③精密採点AIの聴感TOP10と精密採点AI HEARTのTOP10を比較し、採点形式の影響がどのように表れているか。
④精密採点AI HEARTの曲について、聴感と得点にどの程度相関があるか。
⑤登録データ数の多い歌手名TOP20から分かるこのデータ主の歌唱傾向
⑥登録データ数の多い歌手名TOP20について平均点でランク付けしたときに分かるデータ主の得意歌手傾向
⑦このデータから分かる歌唱主の歌唱傾向（プロファイリング）
たったこれだけでしっかり分析をして、ドキュメントで出力してくれと言えば、A4用紙6枚のレポートまでwordで出力してくれました、すごいですね。
簡単なデータサイエンスであれば、ノーコードで出来てしまう時代が来たんですね。
さて、個人的にすごいな、と思った点を３点紹介します。
①相関係数の自動算出
精密採点には、"聴感（AI）"という謎要素があります。どうやら人が聞いて心地が良いかどうかを評価しているようです。それと全体得点の相関がどれだけあるのかを"ピアソンの相関係数"と"スピアマンの相関係数"の2つの指標で自動計算した上で、あんまり関係ないことをレポートとして出してくれました。
②表記ゆれの統合
歌手によっては、以下の画像のような場合があります。
こういうのを、一律"郷ひろみ"と評価してほしい、とお願いすれば統合したうえで、分析してくれます。同じ歌手名を含むで一律統合してくれだと、時間がかかったり、意図せぬ統合も起こるので、現段階だと、表記ゆれ統合してほしい歌手を個別指定した方が速かったです。
③今後のおススメ挑戦曲
このレポートを出力されたのちに、今後もこのライブラリを増やしていくためにどんな曲に挑戦した方がいいか、とリクエストしたところ、いくつかレコメンドしてくれました。
岡村孝子さんの"夢をあきらめないで"がおススメだそうです。
ただ、おすすめの選曲がいわゆるカラオケで歌いやすいとされている古い名曲（新しくても2000年代止まり）に偏っており、新しいのも欲しいというと、超有名曲しか教えてくれないため、これはchatGPTのライブラリ拡張に期待ですね。
以上、長文レポートにお付き合いありがとうございました！
皆様のAIの面白い遊び方あれば、ぜひご教示ください。