1. NotebookLMの基本と「Everything Notebook」の概念 [0]

NotebookLMの真価は、個人の全情報を集約した「Everything Notebook」を構築し、AI上に自身の「デジタル分身」を作成することにある。

1.1. Everything Notebookの構築と目的 [4]

  1. Everything Notebookの概念 [4]
    1. 多くのユーザーはNotebookLMを特定のテーマ（例: AI学習、外国語学習）ごとにノートを作成するのに使うが、Google公式ブログでは「Everything Notebook」という主要なノートを作成することを推奨している [5]。
    2. この「Everything Notebook」には、日々の常識資料、プロジェクト資料、仕事や起業における核心データ、過去のブレインストーミング、成功事例、失敗談など、個人のあらゆる情報を集約する [6]。
  2. デジタル分身としてのAI [7]
    1. 個人の全情報を集約した「Everything Notebook」を作成することで、ユーザー専用のパーソナライズされたAIが誕生する [7]。
    2. このAIは、ユーザーの過去、思考様式、性格、長所、短所、成功、失敗をすべて理解し、デジタル分身として機能する [8]。
    3. 将来の意思決定や戦略立案において、AIはユーザーの特性に基づいてオーダーメイドの意思決定ルートを提案し、長所を活かし、欠点を克服する手助けをする [9]。
  3. システムプロンプトとの違い [11]
    1. 以前の動画で紹介されたシステムプロンプトはAIにユーザーを理解させるためのものだが、「Everything Notebook」の概念は、NotebookLMが保存できる情報量がシステムプロンプトをはるかに超えるため、AIをユーザーの完全な代理人として機能させる [11]。
    2. 例えば、動画投稿者の場合、主ノートには動画の台本、YouTubeのバックエンドデータ、視聴者層、動画の評価、ビジネス提携メールなど、仕事に関するすべての資料が含まれている [13]。
    3. NotebookLMはこれらの情報に基づいて分析、提案を行い、将来の運営戦略を計画できる [14]。
  4. 推奨される利用開始方法 [10]
    1. NotebookLMを使い始める際には、まず「Everything Notebook」を作成し、その後に個別の知識ノートを設定することが推奨される [10]。

2. GeminiとNotebookLMの連携による機能拡張 [18]

GeminiとNotebookLMを連携させることで、NotebookLM単体では不可能なインターネット検索、マルチモーダル機能（画像生成、コード作成）が利用可能になり、AIの回答品質が向上する。

2.1. Gemini連携による機能強化 [18]

  1. Geminiとの連携機能 [18]
    1. Google GeminiはNotebookLMと連携しており、ユーザーが作成した「Everything Notebook」をGeminiの企画立案に利用できる [18]。
    2. Geminiの公式サイトのAI対話ボックスにある「+」ボタンをクリックし、NotebookLMオプションを選択することで、NotebookLM内のノートブックを選択できる [20]。
  2. インターネット検索機能の補完 [22]
    1. NotebookLMは質問への回答時にインターネット検索ができないため、左側の情報源と自身の学習データのみに基づいて回答する [22]。
    2. Geminiと連携することで、AIはNotebookLM内の資料を参照しつつ、インターネット検索も行い、両方の情報を統合して回答を生成できる [23]。
    3. Geminiでは複数のノートブックを選択できるため、情報源の範囲が広がり、Geminiの長いコンテキストウィンドウと強力なクラウドRAG機能により、AIの回答品質が向上する [24]。
  3. パーソナルな戦略立案 [26]
    1. 例えば、個人の核心資料を保存した主ノートと、個人成長に関する著名な思想家の動画や資料を保存したノートをGeminiで選択する [26]。
    2. これにより、Geminiはユーザーの個人情報と著名な思想家の核心思想を組み合わせて、オーダーメイドの個人事業戦略を立案できる [26]。
    3. NotebookLM単体では、複数のノートブックを横断してAIが回答することはできない [27]。

2.2. マルチモーダル能力の補完 [28]

  1. マルチモーダル機能の追加 [28]
    1. NotebookLMでは、画像のカスタム生成やAIによるコード作成はできない [29]。
    2. Gemini公式サイトでは、Nano Banana画像モデルやCanvasプログラミング機能を利用して、NotebookLMの資料と連携させ、画像生成やコード作成が可能になる [30]。
  2. 具体的な活用例 [31]
    1. 例えば、ファッション関連のNotebookLMノートブックがある場合、Geminiでそのノートブックを選択し、ノート内の資料に基づいてファッション関連の画像を生成できる [31]。
    2. これにより、ECサイトや個人アパレルショップの広告に利用したり、Canvas機能を使ってトレンドファッションテーマのウェブサイトを直接生成したりすることが可能になる [32]。
    3. これらの機能はNotebookLM単体では実現できない [32]。
  3. 機能の展開状況 [33]
    1. この機能は現在、グレースケールテスト（一部ユーザーへの先行公開）中であり、すべてのユーザーに展開されているわけではないが、近いうちに全面的に展開される予定である [33]。

3. 提示詞（プロンプト）の高度な活用術 [35]

NotebookLMのシステム提示詞とカスタム提示詞を適切に設定することで、AIの回答精度と出力品質を大幅に向上させ、Deep Research機能も最適化できる。

3.1. システム提示詞の設定と最適化 [36]

  1. システム提示詞の設定方法 [36]
    1. NotebookLMのページ中央エリア右上にある「ノートブック設定」ボタンをクリックし、「カスタム」を選択することで、システム提示詞を設定できる [36]。
    2. 最近のアップデートで、システム提示詞の長さは1万文字に拡張された [37]。
    3. インターフェースには、役割、スタイル、目標などの基本的な推奨事項が示されている [38]。
  2. 提示詞テンプレートの構成要素 [39]
    1. 役割の定義: アナリスト、司会者、プロダクトマネージャーなど、AIに担わせたい役割を定義する [40]。
    2. タスク目標の定義: 核心的な論点の整理、論文や意思決定文書の作成など、AIに達成させたい目標を定義する [41]。
    3. 資料使用規則: 資料庫の内容のみに基づいて回答させるか、自身の学習データも参照させるかを指定する [42]。
    4. 思考・分析方法: 異なる視点を比較させるか、直接結論を出して根拠を探させるかを指定する [43]。
    5. 出力形式: Markdown形式、表形式、プレーンテキスト、簡体字中国語の使用、専門用語の英語併記など、出力の形式を定義する [44]。
    6. トーン・スタイルの定義: 専門的で厳密なトーン、比喩や擬人化の禁止、接続詞の過度な使用の禁止など、AIの表現スタイルを定義する [45]。
    7. 負の制約の追加: 過度なへりくだりや丁寧さの禁止、曖昧な指示の禁止、目標主体の明確化など、AIにさせたくない行動を具体的に指示する [47]。
  3. システム提示詞の重要性 [48]
    1. このような提示詞はほとんどのシナリオに適用可能であり、ユーザーの状況に応じて内容を追加できる [46]。
    2. システム提示詞は高い優先度と干渉防止能力を持ち、コンテキストによって薄められることがないため、非常に重要である [50]。
  4. チャット履歴の保存 [52]
    1. NotebookLMはデフォルトでチャット履歴を保存しないため、ページを更新すると会話が消える [52]。
    2. ユーザーは「ノートに保存」をクリックする習慣をつけるべきである [53]。

3.2. カスタム提示詞の設定と汎用ロジック [54]

  1. カスタム提示詞の設定箇所 [54]
    1. インターフェース右側の「スタジオ」セクションには、現在6つの機能モジュール（音声要約、動画要約、学習カード、クイズ、インフォグラフィック、プレゼンテーション）があり、それぞれにカスタム提示詞を設定できる [55]。
    2. 各機能モジュールの右側にある鉛筆アイコンをクリックして編集ウィンドウを開くことで、カスタム提示詞を設定できる [56]。
  2. システム提示詞との作用範囲の違い [57]
    1. システム提示詞はノートブック全体（中央のAI質問応答ウィンドウ）にのみ作用する [57]。
    2. 各機能モジュールのカスタム提示詞は、それぞれ自身のモジュールにのみ作用し、互いに干渉しない [57]。
  3. カスタム提示詞の汎用ロジック [58]
    1. 目標とターゲットオーディエンス: 生成するコンテンツが誰に向けたものか（例: 子供向け絵本、金融ポッドキャスト、試験対策の学習カード）を明確にすることが最も重要である [59]。
    2. 証拠の制約: NotebookLMに資料庫のソースのみに基づいて要約させるか、AI自身に要約させるかを指定する [61]。
    3. NotebookLMは要約タスクにおいて自己合理化補完を行う傾向があるため、適切な制約を設定することが重要である [61]。
  4. 提示詞の活用方法 [62]
    1. 6つの機能モジュールそれぞれの提示詞設計のポイントは、ノートに表形式でまとめられている [62]。
    2. 各機能モジュールの鉛筆アイコンをクリックすると、提示詞の例が表示されるため、これと汎用設計思想を組み合わせることで、望むコンテンツを生成できる [63]。

3.3. Deep Research機能の最適化 [65]

  1. Deep Researchの特性と使用シナリオ [65]
    1. NotebookLMのDeep Research機能は、一般的なAIのDeep Research機能とは効果が異なる [65]。
    2. これは、両者の戦略と使用シナリオが異なるため、内蔵されている検索計画メカニズムが異なることに起因する [66]。
    3. NotebookLMのDeep Researchは、手持ちの資料の網羅性や時事性が不足している場合に、資料庫の補完を目的としている [67]。
    4. 生成されるレポートは主に資料庫の情報源として利用される [67]。
    5. 一方、ChatGPTやGeminiのDeep Research機能で生成されるレポートは、プレゼンテーションや報告書として直接利用できる [68]。
    6. したがって、両者の使用シナリオは異なる [69]。
  2. Deep Researchの提示詞設計 [70]
    1. NotebookLMのDeep Researchを使用する際は、そのシナリオに合わせて提示詞を最適化する必要がある [70]。
    2. 研究の目標と用途: 何のために研究を行うのかを明確にする [71]。
    3. 研究範囲: 時間範囲、地域範囲、内容の重点などを含め、手持ちの既存資料と相互補完的になるように設定する [72]。
    4. 情報源の制約: 公式文書や学術論文を優先するか、コミュニティフォーラムを優先するかを指定する [73]。
    5. 出力構造と表現規則: レポートの構造や表現方法を定義する [74]。
  3. Deep Researchの最適化方法 [75]
    1. Redditコミュニティでは、構造化された完全な提示詞を作成することで、NotebookLMのDeep Research機能を最適化し、より質の高いレポートを生成する事例が報告されている [75]。
    2. また、GeminiやGPTのDeep Research機能で生成したレポートをNotebookLMにインポートして利用することも可能である [76]。
    3. 興味がある場合は、RedditのNotebookLMセクションで関連する投稿を参照できる [77]。

4. ファイル管理と連携の高度なテクニック [79]

大容量ファイルのアップロード、YouTube動画の一括インポート、Google Driveとの連携、そして人顔写真の審査回避といった高度なテクニックを駆使することで、NotebookLMの利用範囲と効率を大幅に向上させることができる。

4.1. 大容量ファイルのアップロードと一括インポート [79]

  1. 大容量オーディオ・ビデオファイルのアップロード [79]
    1. NotebookLMにはアップロードファイルサイズに制限があり、数時間の会議や講義の音声・動画ファイルは直接アップロードできない [80]。
    2. 解決策として、ファイルをYouTubeに非公開動画としてアップロードし、その動画リンクをNotebookLMにインポートすることで、ファイルをノートブックにアップロードできる [82]。
    3. この方法は、講義やセミナーの録画を頻繁に行う場合に特に有効である [83]。
  2. YouTube動画の一括インポート [84]
    1. 特定のYouTuberの動画をNotebookLMに一括でインポートしたい場合、「YouTube to NotebookLM」というブラウザ拡張機能を利用できる [84]。
    2. Google Chromeの拡張機能ストアでこのプラグインを検索してインストールすると、YouTuberのホームページから動画をワンクリックでノートブックにインポートできる [85]。
  3. ウェブページ資料の一括保存 [87]
    1. 「NotebookLMウェブページインポーター」という類似のブラウザ拡張機能もあり、YouTube動画だけでなく、通常のウェブページの画像やテキスト資料もワンクリックでNotebookLMに保存できる [87]。
    2. ただし、このプラグインは無料ユーザーの場合、1日の利用回数に制限がある [88]。

4.2. Google Driveとの連携と活用 [89]

  1. Google Driveを介した資料のインポート [89]
    1. 動画投稿者は、Google公式のブラウザ拡張機能「Save to Google Drive」を個人的に好んで使用している [89]。
    2. この拡張機能はウェブページの内容をGoogle Driveに保存でき、NotebookLMはGoogle Drive内の資料を直接情報源として選択できるため、非常に便利である [90]。
  2. Google Driveへの多様なデータ保存 [92]
    1. 「Save to Google Drive」拡張機能を使ってウェブページの内容をGoogle Driveにインポートできる [92]。
    2. Gemini公式サイトでの会話もGoogle Driveに保存でき、Google AI StudioでのGeminiとの会話はデフォルトでGoogle Driveに保存される [92]。
    3. NotebookLMでの会話もワンクリックでGoogle Driveに保存できる [93]。
    4. Gmailの添付ファイルもワンクリックでGoogle Driveに保存可能である [94]。
    5. Google Driveのデスクトップアプリをインストールすると、PC上のあらゆる資料をGoogle Driveフォルダに直接保存でき、自動的にクラウドに同期される [95]。
  3. Obsidianとの連携 [96]
    1. Obsidianのようなノートアプリを使用している場合、Google Driveをクロスプラットフォーム同期バックアップとして直接利用できる [96]。
    2. これにより、Obsidianの知識ノートをGoogle Drive経由でNotebookLMに直接インポートでき、NotebookLMの強力なAI機能がObsidianのAI機能の欠点を補完する [97]。

4.3. 人顔写真の審査回避と活用例 [98]

  1. 人顔写真の審査回避方法 [98]
    1. NotebookLMに顔写真を含む画像をアップロードすると、審査に通らない場合がある [99]。
    2. 解決策として、Google Driveでドキュメントを作成し、その中に写真をコピーして数語のテキストを追加して保存する [100]。
    3. その後、NotebookLMでこのファイルをインポートすれば、審査を回避できる [100]。
  2. 人顔写真の活用シナリオ [101]
    1. 心理カウンセリング学習: 人物の感情分析を行うために写真をアップロードし、その人の感情状態や不安の有無を分析する [101]。
    2. ファッション・EC関連: 今年の流行トレンドに関するノートブックを作成し、ファッションモデルの写真をアップロードする [102]。
      1. NotebookLMに写真と資料を組み合わせて、小紅書（RED）のプロモーション文案やEC広告の宣伝文案を生成させる [102]。
    3. ウェブ小説執筆: 人物の一貫性を保つため、AIで生成した男性主人公の写真をNotebookLMにアップロードする [103]。
      1. AIはその後、この写真を男性主人公の容姿の参考として常に利用する [103]。

5. ドキュメントの自動結合テクニック [105]

NotebookLMのファイル数制限を回避するため、純粋なテキストファイルはシェルスクリプトで、バイナリファイルはPythonコードやオンラインツールで自動的に結合する。

5.1. ドキュメント結合の必要性と制限 [105]

  1. ドキュメント結合の必要性 [105]
    1. 各NotebookLMノートブックにはドキュメント数に制限があり、無料ユーザーは50個までである [105]。
    2. ただし、単一ファイルのサイズ制限は50万トークンである [106]。
    3. 手持ちの資料が多すぎる場合、手動でコピー＆ペーストしてドキュメントを結合することは非効率的であるため、自動化された方法が必要となる [107]。

5.2. 純粋なテキストファイルの結合 [108]

  1. シェルスクリプトによる結合 [108]
    1. TXTやMarkdownなどの純粋なテキストファイルは、短いシェルスクリプトを実行するだけで結合できる [110]。
    2. シェルスクリプトはWindowsに標準搭載されており、コマンドラインを開けば実行でき、Pythonコードのように依存関係のインストールは不要である [111]。
    3. MacBookでも同様に実行可能である [112]。
    4. 画面に表示されているコードをコマンドラインで実行すると、現在のフォルダ内のすべてのテキストファイルが自動的に結合される [113]。
  2. AIによるコード生成の活用 [114]
    1. コードに不慣れな人でも、AIにコードを生成させることで、複雑な問題を解決し、自動化を実現できる [115]。
    2. 興味がある人は、ノートに記載されている提示詞を使ってAIにコードを生成させることができる [117]。

5.3. バイナリファイルの結合 [118]

  1. バイナリファイルの結合方法 [118]
    1. PDF、Word文書、画像、電子書籍などのバイナリファイルを結合するには、ツールが必要である [118]。
    2. ファイル数が少ない場合は、オンラインツールを使って手動でアップロードし、PDFなどを結合できる [119]。
    3. しかし、ファイル数が多く、PDF、Word、画像などファイルの種類が混在している場合は、Pythonコードを使用するのが最も便利な方法である [120]。
    4. 具体的な提示詞とコードは知識ノートにまとめられており、動画投稿者のチャンネル情報や個人ページの概要から入手できる [121]。