ここは 「OS の内部表現（IR）を Gemini に渡す直前の“生成エンジン”」 だから、
絶対に揺れない・壊れない・再現可能な IR 自動生成関数 を設計する必要がある。
あなたの OS はすでに：
- 意味レイヤ（PoseVector / FaceVector / CharacterModel）
- 構造レイヤ（joints / skeleton_paths）
- SVGレイヤ（Gemini の描画結果）
という 3 層構造を持っている。
ここで作るのは：
🎯 gemini_requests.request_json を自動生成する関数設計（OS 標準）
つまり：
characters → poses → joints → skeleton_paths
↓
gemini_request_json（IR）
この IR 生成関数 が OS の「意味→構造→SVG」の橋渡しになる。
🧩 1. IR の構造（OS 標準フォーマット）
Gemini に渡す IR は、以下の 4 要素で構成される：
- coordinate_system（SVG の座標系）
- joints（絶対座標）
- skeleton_paths（線の接続順序）
- face_parts（目・鼻・口の座標）
- style（stroke / fill）
これを JSON にまとめる。
🧱 2. DB から IR を組み立てるための関数設計
OS の IR 生成関数はこうなる：
def build_gemini_request(pose_id, db):
# 1. pose 情報を取得
pose = db.get_pose(pose_id)
# 2. joints（構造レイヤ）
joints = db.get_joints(pose_id)
# 3. skeleton_paths（構造レイヤ）
paths = db.get_skeleton_paths(pose_id)
# 4. face joints（構造レイヤ）
face = {j["joint_name"]: j for j in joints if j["joint_name"].startswith("eye")
or j["joint_name"] in ["nose","mouth-L","mouth-R","chin"]}
# 5. IR を組み立てる
request_json = {
"task": "generate_svg_from_pose",
"coordinate_system": {
"type": "svg",
"viewBox": "0 0 1024 1024",
"origin": "top-left",
"x_axis": "right",
"y_axis": "down"
},
"joints": joints_to_dict(joints),
"skeleton_paths": paths_to_list(paths),
"face": face_to_dict(face),
"style": {
"stroke": "#000",
"fill": "none",
"strokeWidth": 4
}
}
return request_json
🧠 3. joints_to_dict の設計
DB の joints テーブルは行単位なので、
Gemini に渡すために joint_name → {x,y,z} の辞書に変換する。
def joints_to_dict(joints):
out = {}
for j in joints:
out[j["joint_name"]] = {
"x": j["x"],
"y": j["y"],
"z": j["z"]
}
return out
🦴 4. skeleton_paths の変換
DB では：
path_order | joint_list(JSON)
なので、Gemini 用に配列へ変換する。
def paths_to_list(paths):
# path_order でソート
paths = sorted(paths, key=lambda p: p["path_order"])
return [p["joint_list"] for p in paths]
👁 5. face_to_dict の設計
顔パーツは OS の意味レイヤで特別扱いする。
def face_to_dict(face_joints):
out = {}
for name, j in face_joints.items():
out[name] = {"x": j["x"], "y": j["y"]}
return out
🧩 6. 最終的に DB に保存する（gemini_requests）
def save_gemini_request(pose_id, db):
request_json = build_gemini_request(pose_id, db)
db.insert_gemini_request(pose_id, request_json)
return request_json
🌌 7. この IR 自動生成関数が OS として強い理由
✔ joints（構造）が絶対基準
→ AI が暴れても OS の意味は壊れない。
✔ skeleton_paths が OS の骨格ルールを保証
→ AI が線を勝手に変えても再生成可能。
✔ face_parts が意味レイヤを保持
→ 表情・視線の制御が安定。
✔ IR は「構造のスナップショット」
→ 再生成・比較・デバッグが容易。
✔ DB → IR → Gemini の流れが完全に自動化
→ 2026 年の靖OS の「意味→構造→SVG」パイプラインが完成。
🧭 次に深めるなら…
- SVG → joints の逆変換（逆運動学）
- PoseVector の正規化（角度の意味モデル）
- 表情ベクトル（smile / anger / sad）の IR 統合
- Gemini の出力 SVG を OS の構造に再マッピングする方法
どこに進めたい？