Plateはどうやって夕食の写真を「作れるレシピ」に変えるのか

Plateのレシピは、すべてキャプチャから始まります。目の前の料理の写真、チャットで届いたリンク、あるいは本物のクックブックのページ。中でも写真からの変換はいちばん魔法のように見えるため、最もよく質問をいただきます。完成した一皿 — たとえばスパゲッティ・ボロネーゼ — を1枚撮るだけで、数秒後には材料、分量、手順、栄養の目安まで揃った完全なレシピが目の前に現れます。

そこに魔法はありません。あるのは、丁寧に順序立てられたパイプラインだけです。その数秒間に何が起きているのか、順を追って見ていきましょう。

写真はビジョンモデルによって解析され、料理を特定した上で、そこから逆算して構成要素を推定します。パスタ、ソース、牛ひき肉、上にのったパルメザン。文脈が重要です — 同じ赤いソースでも、パスタの上にあるのと卵の隣にあるのとでは読み取り方が変わります。だからモデルは、ピクセルを個別にラベリングするのではなく、料理全体について推論します。

Plateがモデルに、ラベルだけでなく調理のロジックを求めるのも同じ理由です。料理は材料のリストではなく、判断の連なりです。煮込む前に焼き色をつける、パスタの茹で湯に塩をする、最後にチーズで仕上げる — こうしたことは、料理の見た目と、その料理が一般的にどう作られるかから推測されます。

特定された材料は、構造化されたレシピになります。人数分に合わせて調整された分量、料理人が実際に動く順番に並んだ手順、そして各段階に添えられた時間。写真でも、貼り付けたリンクでも、手入力のメモでも、Plateは結果を同じすっきりとしたフォーマットに整えます — レシピがどこから来ても、クックブックに一貫した佇まいが生まれるのはこのためです。

最後に、すべての材料に栄養の目安が付き、料理にはシグネチャーのビジュアルが与えられます。完成した一皿の上に、それぞれの構成要素が浮かぶ、シネマティックな分解ビューです。

AIが写真から料理を読み取るのは、あくまで推定であり、ラボの分析ではありません。隠れた材料 — ソースに溶け込んだアンチョビ — は見逃されることがありますし、分量は視覚的な手がかりから推測されます。だからこそ、Plateのレシピはすべての部分が編集可能です。分量を直し、あなただけが知っている材料を加えれば、レシピも栄養もビジュアルも、それに合わせて更新されます。

目指しているのは、あなたの判断を置き換えることではありません。名前をつけ、構造化し、見積もるという面倒な90%を引き受けて、あなたが料理そのものに集中できるようにすることです。