メインコンテンツまでスキップ
動画レシピ台所
IDEA 21

動画レシピ台所

料理動画を手順カードに変えて、濡れた手のまま声で進める

料理番組SmolVLM2smart-turn-v3Supertonic 3
本日のひとこと
好きな料理動画
+
手順カードにする
+
声で進める
=
手を拭かずに作れる
動画は見て学ぶもの、カードは見ながら作るもの。役割を分ける。
01

本日のお悩み

動画は見たい。でも、手は濡れている

濡れた手では触れない
濡れた手では触れない
洗い物の途中で、次の手順が分からなくなる。
粉だらけの手
粉だらけの手
画面に粉がつくと、次は何も押せなくなる。
よくいる人
タカシさん(38)共働き・週末に料理担当・動画を見ながら作る

一時停止を押すたびに手を拭いて、そのまま画面を汚している

困りごと

  • 動画の該当場面を探して戻す
  • 分量を聞き逃して巻き戻す
  • 煮込みと副菜の段取りが崩れる

ほしいもの

  • 画面に触らずに進めたい
  • 材料と火加減を一覧で見たい
  • 同時進行を整理してほしい
動画で作るときの悪循環
手が止まる
動画を再生
手順で止める
濡れた手で触る
場面を探して戻す
火が進みすぎる
動画を見ながら作るときの困りごと(想定)
巻き戻して探す34%
濡れた手で画面操作27%
分量を聞き逃す20%
段取りが崩れる13%
その他6%
想定の内訳。身近な声をもとにした例で、調査結果ではない。
02

本日のメニュー

動画を、台所向けの手順カードに作り替える

何が変わるか
いま
  • 動画を何度も止めて戻す
  • 濡れた手で画面を触る
  • 材料は耳と記憶だけ
  • 同時進行は頭の中
動画レシピ台所
  • 手順カードが1枚ずつ出る
  • 「次」「もう一回」で進む
  • 材料と分量が一覧になる
  • タイマーが並んで動く
本日の流れ
  1. 1動画を選ぶURL か録画
  2. 2場面に区切る切り替わりで分割
  3. 3カードにする材料・分量・火加減・時間
  4. 4声で進める次・もう一回
  5. 5タイマーを並べる同時進行を管理
3つの重なり
料理動画手順カード声の操作動画レシピ台所
既存の手段との位置
手順に整理
手で操作
紙に書き写し声で進むカード動画を一時停止音声アシスタント動画を一時停止紙に書き写しスマートスピーカー動画レシピ台所
声で操作
元動画のまま
手の汚れにくさの物差し
動画を一時停止紙のレシピ動画レシピ台所
画面を触る何も触らない
03

下ごしらえ

台所に立って、声で進めるまで

① タブレットを壁に立てかける
① タブレットを壁に立てかける
見るのは手順カードだけ。画面は大きく、文字は少なく。
② 一人暮らしの狭い台所
② 一人暮らしの狭い台所
置き場所がなくても、スマホ1台で足りる。
③ 声のやりとり
レシピ開始
1番目。玉ねぎを薄切りにします。
次
2番目。中火で8分炒めます。タイマーを付けますか。
タイマー8分
8分を開始しました。
④ 手順カード
9:41●●● ▮
手順 2 / 8
玉ねぎを炒める火加減:中火
玉ねぎ 2個油 大さじ18分
タイマー 8:00
飴色になるまで混ぜる
次へ
もう一回
⑤ 親子で作る
⑤ 親子で作る
子どもが「次」と言えば進む。大人は手を離さなくていい。
⑥ 煮物をゆっくり
⑥ 煮物をゆっくり
読み上げの速さは変えられる。
もう一人
ヨシコさん(72)一人暮らし・動画で新しい煮物を覚えたい

動画は早くて、文字も小さくて、追いつけない

困りごと

  • 話すのが速くて聞き取れない
  • 小さい文字が読みにくい
  • 画面の操作が不安

ほしいもの

  • ゆっくり読み上げてほしい
  • 大きい文字で1つずつ
  • 声だけで進めたい
手順カードの画面
手順カードの画面
カレーを作る20分の気持ち
0分 材料を出す一覧で確認
5分 切る「次」で進む
10分 炒めるタイマーが鳴る
15分 煮込む副菜も並行
20分 盛る手が汚れていない
04

お客様の好みに合わせる

タカシさんは声で、ヨシコさんはゆっくり大きく

タカシさんの願いと、機能の対応
タカシさんの願いと、機能の対応
タカシさんの週末と、台所が入る場面
土 昼動画を選ぶ
下ごしらえ材料の一覧を見る
炒める濡れた手のまま「次」
煮込みタイマーが並列で動く
盛り付け画面が汚れていない
設計の原則(困りごと → だからこう作る)
手が濡れている → 画面に触らず声だけで進める「次」「もう一度」「何グラム」の3つで足りるように作る。操作
分量を聞き逃す → 材料は最初に一覧で出す動画の中の分量を拾い、調理の前に並べる。情報
煮込みと副菜が重なる → 時間を並列で見せる火にかけた時間を持ち、次にやることを先に知らせる。段取り
小さい文字と速い話し方 → ヨシコさん向けにゆっくり大きな字で1手順ずつ。読み上げの速さも落とせる。やさしさ
よくあるレシピアプリとの違い
よくある作り動画レシピ台所
入口レシピを検索見ていた動画をそのまま取り込む
操作の数調理中に12回前後(想定)0回(声で進める)
通知おすすめの催促火を止める時だけ
言葉づかい材料名と分量だけ「次は弱火にして5分」
料金の見せ方広告を消す課金3本まで無料で作れる
機能の優先度(刺さる度 × 作る手間)
刺さる度は高い
手間が大きい
価値はあるが後で最初に作るやらないおまけで足す声で「次」へ進む材料の一覧複数の鍋のタイマー分量の自動換算調理の自動撮影栄養計算
手間が小さい
刺さる度は低い
届くひとこと(コピー案)
手は濡れたままで、大丈夫です。
次は?
弱火にして、ふたをして5分。タイマーを始めます。
ヨシコさんには、同じ内容を大きな字とゆっくりした声で。
05

最初の一皿まで

動画を1本取り込んで、声で「次」と言うまで

初回体験のストーリーボード
初回体験のストーリーボード
マイクの許可は「次」と最初に話しかける直前に1行の理由つきで聞く。登録は3本まで無料のあと。秒数は(想定)。
最初の30日(すべて想定)
100%
インストール
78%
動画を1本取り込む
58%
声で「次」と言えた
34%
7日目に再訪
19%
30日継続
最初の7日間に出すもの
1週目
日月火水木金土11本取り込む2「次」で進む3タイマー声かけ4同時進行52本目673本目と案内
通知は火を止める時だけ(目標)。台所パスは3本目の手順カードができたあとに1度だけ。初回には出さない。
つまずきどころと手当て
マイク許可の理由が分からない → 「次」と言う直前に1行で理由「台所で『次』『もう一度』を聞き取るためだけに使います」と見せる。許可
換気扇や水の音で聞こえない → 最初に3回だけ声を試す「次」を3回言ってもらい、聞き取れる音量と距離を画面で知らせる。環境
どの動画を取り込むか分からない → 見ていたページの共有から動画アプリの共有ボタンから渡す。自分で見られる動画だけを対象にする。取り込み
ヨシコさんには字と話し方が速い → 最初に速さを聞く最初の画面で「ふつう/ゆっくり」を選び、大きい字に切り替える。やさしさ
よくあるレシピアプリの初回と、最初の一皿まで
よくある初回案内最初の一皿まで
最初の画面レシピ検索とおすすめ動画を貼る1つの欄
会員登録最初に必須3本作ったあと
権限起動時にまとめて「次」と話す直前にマイクだけ
最初の目標好みの料理を選ぶ手順1つを声で進める
有料の案内初回に広告を消す課金3本目の手順カードのあと
06

本日の材料

Hugging Face にある、台所向きの小さなモデル

使う3つのモデル
動画レシピ台所
SmolVLM2-256M動画の場面から手順を読む
smart-turn-v3話し終わりを判定
Supertonic 3端末内で読み上げ
それぞれの役目
HuggingFaceTB/SmolVLM2-256M-Video-Instruct動画の数コマを見て、材料・火加減・時間を文にする。256M と小さく、端末内で動かしやすい。場面を読む
pipecat-ai/smart-turn-v3話し終わりを判定する。「次」の途中や、考えながらの声で割り込まない。声を待つ
Supertone/supertonic-3端末内で動く軽い読み上げ。通信がなくても手順を読める。読み上げる
場面を読む技術のあゆみ
  1. 2023画像と言葉を結ぶ VLM
  2. 2024動画を読む VLM
  3. 2025数億パラメータの小型化
  4. 2026台所の端末で場面を読む
モデルの大きさ(パラメータ数の目安)
SmolVLM2-256M256M
smart-turn-v38M
比較:一般的な 7B 級 VLM7,000M
SmolVLM2 は名前のとおり 256M。スマホやタブレットに載せられる大きさ。
どこで処理するか
タブレットMacクラウド
台所で使える◎△○
通信なしで動く◎◎×
場面の読み取り精度○◎◎
動画を外に出さない◎◎×
料金◎◎△
07

火にかける

動画から手順カードと声の操作が動くまで

動画から手順カードになるまで
動画から手順カードになるまで
話し終わりの判定
話し終わりの判定
1回の声のやりとり
1回の声のやりとり
「次」と「もう一回」の間(イメージ)
タイマー換気扇・水の音次もう一回
  • 料理する人
  • 雑音
水の音や換気扇ではなく、人の話し終わりを待ってから動く。
ソフトの層
手順カード大きい文字・1枚ずつアプリ
タイマー管理同時進行を並べるロジック
声の判定話し終わりを待つsmart-turn-v3
読み上げ手順を声で返すSupertonic 3
場面を読む動画から手順を作るSmolVLM2
同時進行の段取り(例)
1分2分3分4分5分6分7分8分9分10分11分12分13分14分15分16分17分18分19分20分21分22分23分24分25分26分27分28分29分30分
玉ねぎを炒める
肉を加えて煮込む
きゅうりを切る(副菜)
ドレッシングを作る
ご飯を保温
盛り付け
煮込みの間に副菜
煮込みの間に副菜
本日の材料
カレー 4人分(例)
玉ねぎ …… 2個(400g)
鶏もも肉 …… 300g
じゃがいも …… 2個(300g)
水 …… 600ml
ルウ …… 4皿分最後に
火加減 …… 中火 → 弱火火
1本の動画から手順カードまで(例)
600件
動画のコマ(1秒1枚)
24件
場面の切り替わり
12件
調理の場面
8件
手順カード
10分の動画の想定。コマを選んで読むので、全コマは読まない。
台所に置いた手順カード
台所に置いた手順カード
調理台から離れていても読める大きさにする。
08

盛り付け

画面に触る回数が減り、段取りが崩れにくくなる

3回作ったあとの目標
0回調理中に画面へ触る回数以前は約12回(想定)
2回以下見返し・やり直し以前は約8回(想定)
1分以内次の手順を知るまで声で即時(目標)
90%手順どおりに完成3回目の目標
1回の調理で画面に触る回数(想定)
  • 動画を一時停止
  • 動画レシピ台所
動画を一時停止しながら vs 手順カード
動画を止める手順カード
次の手順に進む手で操作声で「次」
分量を確認巻き戻す一覧を見る
同時進行頭の中タイマー並列
手の汚れ×◎
元の雰囲気を楽しむ◎△
手が止まりやすい場面(想定)
動画の巻き戻し画面の操作分量の確認炒める煮込む切る盛り付け
数字が大きいほど手が止まりやすい。調査ではなく想定。
声の聞き取り成功率
92%
台所の環境での目標(想定)
好循環
台所が回る
動画を選ぶ
カードにする
声で進める
同時進行できる
また作る
09

お代の頂き方

食べる人からは少しだけ。作る側から、いただく

お金と価値の流れ
お金と価値の流れ
料金プラン(すべて想定)
おためし手順カードを月3本まで作れる。声の操作も使える。無料
台所パスカードは無制限。ゆっくり読み上げと大きな字も使える。月540円(想定)
発信者料理動画の発信者が、自分の動画の手順カードを配る。月2,980円(想定)
食品メーカー調味料や乾物の公式レシピを、手順カードで掲載する。1レシピあたり。年30,000円(想定)
食べる人にはよけいな広告を見せず、掲載は作る側が負担する。
収益の柱(12か月後の想定)
40%台所パス
  • 台所パス40%
  • 食品メーカーの掲載30%
  • 発信者向けの月額25%
  • 料理教室への提供5%
広告や、料理の履歴の販売はしない。掲載はレシピに限り、順位は金額で決めない。
ひとり分の経済(すべて想定)
月510円平均単価(想定)台所パスと掲載料の平均
6%無料から有料へ(想定)4本目を作る時に伸びる
月4%解約率(想定)料理をしない月がある
約12,700円LTV(想定)510円 ÷ 4%
1,000円獲得単価(想定)発信者からの紹介が中心
4,000人損益分岐(想定)月の固定費204万円で
焦がして食材を1,500円(例)無駄にした日がある。濡れた手で画面を触らず作れるなら、月540円は安い。(タカシさん(38)の想定)
ダウンロードから有料まで(想定)
10,000人
ダウンロード
5,000人
1本作る
2,000人
3本作る
600人
台所パス
3本作った人の3割が有料になる想定。
1人あたりの月の原価(想定)
端末内の手順抽出0円
声の合成0円
カードの保管8円
決済手数料20円
サポート20円
動画の読み取りも声の操作も端末の中で動くので、動画処理のサーバー代がかからない。
10

レシピをつくる

8週間で家族が台所で使える形にする

試作の計画
W1W2W3W4W5W6W7W8
場面分割(SmolVLM2)
手順カードの変換
声の操作(smart-turn-v3)
読み上げ(Supertonic 3)
同時進行のタイマー
iPhone と Android
家で2週間試す
最初の1週間でやること
  • 自分用に動画を3本録画するカレー・味噌汁・唐揚げ
  • SmolVLM2 を Mac(MLX)で動かす場面ごとに手順を出させる
  • 手順カードの形を決める材料・分量・火加減・時間
  • 台所の雑音で声を録る換気扇・水の音あり
  • ElevenLabs eleven_v4_turbo と読み上げを聞き比べる速さの設定も
試作の仕様
入力
料理動画の URL か録画(自分用)
出力
手順カード・材料と分量・タイマー
操作
声のみ(次・もう一回・タイマー3分)
処理
動画の処理は端末内
端末
iPhone / Android 実機・Mac(MLX)
月の運用コスト(想定)
¥1,800
  • RunPod 評価800円
  • Apple Developer600円
  • ElevenLabs 声の比較400円
11

食後の片付け

権利とまちがいに気をつけて、次の台所へ

リスク
影響大
起きにくい
対策を用意最優先で潰す様子見慣れで解決分量の読み違い雑音で声が拾えない動画の権利火加減の誤解読み上げが速い
起きやすい
影響小
動画の権利への配慮
動画の権利への配慮
広がり
広がり
その先
その先
好きな動画から覚えた料理が、家族の定番になっていく。