[Practical Guide] I got NotebookLM to help me edit news summary articles, and it reduced my work time by 90%!

Hello everyone, I'm Crypto Traveler, and I've been completely obsessed with AI lately.

This article shares how using an AI called NotebookLM can make article editing overwhelmingly easier, and because it's reproducible, I'm sharing it here.

I think the content used here can be applied to various article editing methods, so please use it as a reference and add your own improvements.

Every two weeks, I collaborate with friends to summarize a news flash channel.

The news content is quite dense and interesting, so I enjoy doing the news summaries, but there is a lot of information, and it takes a considerable amount of work time to create the summary.

Although there are many posts, only a small fraction is truly important, so I have been using a method of summarizing them well and focusing on introducing only the good information, but I was struggling to find a way to reduce that work with AI.

I had been using AI to some extent and thought it would be quite easy, but the sheer volume of information became a bottleneck, leading to challenges where the AI couldn't process it all or would cause unnecessary hallucinations.

However, after three months of trial and error, I have become able to create a very high-precision summary prototype quite easily and completely for free, so I would like to write an article and introduce it here.

I believe this article can be applied not only by those doing WTM summaries but by anyone who does the work of summarizing various information into a final form, so I would be happy if you could use it as a reference.

1. Exporting post data from Telegram

Now, I will explain how to actually do this. I am working on a computer, so please be aware that the operations might be significantly different on a smartphone.

For this test, I will try to prepare data for March 10, 2026 (Japan Standard Time) to make it easier to summarize and edit.

The first task is to export that information from within the Telegram app.

Exporting the English version

Go to the English version of the We The Media channel, click the three-dot button in the top right, and go to the "Export Chat History" screen.

Next, you decide what to output. From this original English version of the We The Media channel, you will export a file called JSON. The reason for this is to analyze the emoji reactions written in this JSON file.

Set the format to JSON,
decide where to download the file,
select the date you want to export in the 'from' section,
and select the day after the date you want to export for 'to'.

Please be aware that the time will vary depending on which country you are in when you perform this export setting.

If you are using a computer in Japan and want to export 24 hours of posts for March 10, you should select from 0:00 on March 10 to 0:00 on March 11.

It takes about 30 minutes to export, so it might be good to keep that in mind.

Exporting the Japanese version

Once the export of the English We The Media post content is complete, we move on to exporting the Japanese version's post content.

What is important here is that we do not use the "We The Media Japanese Version" channel where we usually view posts, but rather the "We The Media Japanese Translation Chat" channel, which transcribes the content of videos posted to the We The Media Japanese version and provides Japanese translations and comments.

By exporting from this channel, you can obtain all We The Media posts, their Japanese translations, and information on images and videos.

Exporting from this channel involves exporting both JSON and HTML files.

Preparing the files

In the next stage, we convert the exported files to make them easier for the AI to use.

Both the exported JSON file and the HTML file need to be converted.

Converting from JSON format to TXT format

First, we start by changing the prepared files into a usable format.

The Notebook LM service we will be using cannot upload JSON files, so it is necessary to convert the result.json file into a TXT file.

Let's name the Japanese file "jp.txt" and the English one "en.txt".

On a Mac, you can just change the filename from Finder.

On Windows, please change it using the following method.

Converting from HTML format to PDF format

Open the exported HTML file in a web browser. By doing this, all information will be exported as a news feed on a single page.

You should be able to open your default browser by simply double-clicking the downloaded HTML file.

Next, save this HTML file as a PDF file. Let's name the file "jp.pdf". By doing this, all information and images will be contained within a single file, making it easier for the AI to process and saving you the trouble of uploading multiple files.

You can export as a PDF file using the print function in your web browser. While the method for printing may vary depending on the browser, you should be able to print using shortcuts like Command+P or Control+P.

Summarizing data with AI

Logging into NotebookLM

The AI used here is a service provided by Google called NotebookLM. While there are many AIs in the world, this NotebookLM is the best tool for summarizing news articles because it generates answers based only on the information provided.

First, register for NotebookLM, log in, and click buttons such as "Create a notebook" or "New".

Then, a screen like the one below will appear, so upload the three files you prepared earlier here.

If you cannot upload them all at once, you can also upload the files using the "Add source" item on the left.

Once you upload the files, it will take a while for them to be processed, so please be patient.

Data Formatting

When the file upload is complete, it will automatically analyze the content and write a summary at the top of the screen. The process from here on is to format the data so that it can be used for WTM summaries.

Please paste the following prompt into the bottom center of NotebookLM.

"Enter a prompt..." is the section.

The purpose of this prompt is to summarize and write out WTM posts in a specific format to make them easier to edit.

This prompt includes a category for genre classification, but you can delete it if you don't want to separate them by genre, and you are free to change the types of genres.

The prompt is as follows.

# Role

あなたは世界最高峰のニュース編集者用「データ抽出・構造化スペシャリスト」です。
提供された複数のソース（en.txt, jp.txt, jp.pdf）を照合し、編集者がニュース記事を執筆するための「高精度な基礎データセット」を構築してください。

# Goal

アップロードしたドキュメントから、一切の創作・再翻訳を排除し、事実情報のみを抽出。編集作業に最適化されたリストを生成すること。

# Source Assets

1. en.txt : Telegramオリジナル投稿データ（英語）絵文字の数を参照にして投稿の反応を確かめる
2. jp.txt：日本語に翻訳されたオリジナル投稿データや、投稿されている動画の抽出データを利用する。
3. jp.pdf： 画像情報の参照ファイル

# Rules & Constraints

1. **翻訳の禁止**: 投稿内容の「再翻訳」は絶対に行わない。jp.txtファイルに存在する既存の日本語訳を「ありのまま」抽出すること。
2. **正確性の担保**: 推論や背景知識の混入を100%排除。ソースに記述がない項目は必ず「[データ不在]」と記すこと。
3. **投稿の定義**: 「We The Media」で始まり「絵文字リアクション」で終わる単位を1投稿とし、txt/pdfをタイムスタンプで厳密に紐付ける。
4. **宣伝の除外**: チャンネル自身の宣伝投稿やその他のランダムな宣伝投稿は無視し、ニュース関連投稿のみを抽出する。

# Output Format (1投稿ごとに以下の形式で出力)

---

- 投稿番号：何番目の投稿に該当するかを数字で表記する
- **投稿日時**: [jp.txt内の日本時間を正確に転記]
- **参照リンク**:
    - 投稿URL: [jp.txt内の🔗の絵文字に埋め込まれているWTM_deepl_jpへのリンク。この形式で書き出す、https://t.me/WTM_deepl_jp/208580]
    - 引用メディア: [動画(時間)/画像/GIF/無し]
    - 外部参照リンク: [投稿内のURLを文字列で全て抽出。自身の宣伝は除外。無ければ「無し」]
- **反応分析**:
    - リアクション総数: [数値]
- **テキスト・ログ（投稿内容の抽出）**:
    - 英語版原文: > [jp.txtファイルのテキストを完全転記]
    - 日本語版既訳: > [jp.txtファイルのテキストを完全転記]
- **ビジュアル解析**:
    - 画像OCR/内容説明: [jp.txt内ですでに画像のOCRが完了し記載されているので、その内容を記載する / 何もなければ「無し」と表記する]
    - 動画内容抽出: [jp.txt内ですでに動画の音声抽出と翻訳が完了し記載されているので、その内容を記載する / 何もなければ「無し」と表記する]

---

# Execution Steps

1. まず全ファイルがそれぞれ連携していることを確認し、対象期間内の総投稿数を報告してください。
2. 最初に【投稿番号 1から3まで】を上記形式で出力してください。
3. 出力後、「残りの全ての投稿を最後まで処理しますか？」と質問してください。
4. 私が「OK」と返答したら、残りの投稿を順次出力してください。
5. 情報量が多い場合は分割処理を行い、その都度私の「OK」を待って次へ進んでください

When you enter the prompt above, it will write out the content of posts 1 through 3.

The output should look like the following.

投稿番号：1
投稿日時: 日本 2026年4月21日 00:39:49
参照リンク:
投稿URL: https://t.me/WTM_deepl_jp/216100
引用メディア: 画像
外部参照リンク: https://x.com/i/status/2046166181258650016
反応分析:
リアクション総数: 397
テキスト・ログ（投稿内容の抽出）:
英語版原文: > Netanyahu responds to the IDF soldier smashing the statue of Jesus
日本語版既訳: > ネタニヤフはイスラエル国防軍の兵士がイエスの像を破壊したことに対して答えている。
ビジュアル解析（PDF参照）:
画像OCR/内容説明: As the Jewish state, Israel cherishes and upholds the Jewish values of tolerance and mutual respect between Jews and worshippers of all faiths. All religions flourish in our land and we view members of all faiths as equals in building our society and region. Yesterday, like the overwhelming majority of Israelis, I was stunned and saddened to learn that an IDF soldier damaged a Catholic religious icon in southern Lebanon. I condemn the act in the strongest terms. Military authorities are conducting a criminal probe of the matter and will take appropriately harsh disciplinary action against the offender. While Christians are being slaughtered in Syria and Lebanon by Muslims, the Christian population in Israel thrives unlike elsewhere in the Middle East. Israel is the only country in the region that the Christian population and standard of living is growing. Israel is the only place in the Middle East that adheres to freedom of worship for all. We express regret for the incident and for any hurt this has caused to believers in Lebanon and around the world. (要約：ネタニヤフ首相は、IDF兵士がレバノンでキリスト教の聖像を損壊した事件を強く非難し、軍による捜査と厳正な処分の必要性を強調。イスラエルは信仰の自由が保障されていると主張。)
動画内容抽出: 無し

In NotebookLM, hallucinations or false outputs are very rare, but just to be safe, please check whether the content of these three posts is based on facts by comparing them with the jp.pdf file.

If there are no mistakes in the generated content, you can answer "Do you want to process all remaining posts to the end?" with "Yes" to have it write out the rest.

If the amount of data is too large to write out completely, you can process it in batches of 20 to distribute the workload and complete the task.

Data Upgrade

At this point, the data has only been extracted and is still difficult to use. Therefore, in the next stage, we will summarize the content of the posts, add titles, and define the genres.

# 📰 ニュース編集支援プロンプト：基礎データ構築セクション

### 📋 目的
アップロードされた複数のソースファイルを統合的に参照し、ニュースまとめの基盤となる正確な分析データおよびタイトルを作成する。

### 🎭 あなたの役割
**「プロフェッショナル・ニュースエディター・アシスタント」**
アップロードされた全てのファイルを横断的に分析し、客観的な事実に基づいた要約解説の執筆、およびニュースタイルの生成を行います。

---

### 📂 参照資産 (Source Assets)
1. **`en.txt`**：Telegramオリジナル投稿データ（英語）。絵文字（リアクション）数からユーザーの反応度を測定。
2. **`jp.txt`**：日本語翻訳済み投稿データ。動画の文字起こしデータを含む。
3. **`jp.pdf`**：画像情報の詳細参照用ファイル。

---

### ⚠️ 思考プロセスの制約（厳守事項）
* **点検プロセス**: 各項目を記述する直前に「これはファイル内の情報のみで構成されているか？」を自問自答すること。外部知識や憶測の混入は直ちに削除する。
* **ハルシネーション禁止**: 存在しない事実の捏造を厳禁とする。
* **正確性の追求**: 指示を厳格に遵守し、全投稿が漏れなく処理されているか最終確認を行う。

---

### 🚀 実行ステップ

#### ステップ1：既存情報の保持と新規要素の追加
各投稿に対し、以下の「既存項目」を正確に転記・維持した上で、「新規項目」を付け足して出力してください。

#### 【既存項目：情報の完全転記】
* **投稿番号**: 該当する投稿の通し番号
* **投稿日時**: `jp.txt`内の日本時間を正確に転記
* **参照リンク**:
    * **投稿URL**: `jp.txt`内の🔗絵文字に埋め込まれたリンク（例: `https://t.me/WTM_deepl_jp/XXXXX`）
    * **引用メディア**: [動画(再生時間) / 画像 / GIF / 無し]
    * **外部参照リンク**: 投稿内のURLを全て抽出（自身の宣伝用URLは除外）。無ければ「無し」
* **反応分析**:
    * **リアクション総数**: `en.txt`に基づく数値
* **テキスト・ログ（内容抽出）**:
    * **英語版原文**: `en.txt`から引用（引用ブロック `> `を使用）
    * **日本語版既訳**: `jp.txt`から引用（引用ブロック `> `を使用）
* **ビジュアル解析**:
    * **画像OCR/内容説明**: `jp.txt`記載の内容を転記。無ければ「無し」
    * **動画内容抽出**: `jp.txt`記載の音声抽出・翻訳内容を転記。無ければ「無し」

#### 【新規項目：追加分析・生成】
* **反応レベル**: 過去のデータと比較し、1〜10の範囲で相対評価。
* **要約（投稿・画像・動画）**: 全ての情報を統合し、200文字程度で要約。困難な場合は「要約しない」と記述。
* **投稿タイトル**: 10〜40文字以内。正確性を第一とし、扇動的にならず、かつ読者の興味を引くニュース見出し。
* **投稿ジャンル**: 以下の固定リストから1つを選択（名称変更不可）。
    > 1.法と司法 / 2.米国内犯罪 / 3.米国政治 / 4.米国と他国の関係 / 5.他国の情勢 / 6.健康・医学 / 7.技術・科学・経済 / 8.社会問題・人権・環境 / 9.代替的視点・理論 / 10.その他

---

### 📥 実行指示（フロー制御）
まずは**投稿番号1から3まで**の3件を出力してください。
1. 出力後、私がデータの正確性を確認します。
2. 私が「OK」と返答したら、残りの投稿を順次出力してください。
3. 情報量が多い場合は分割処理を行い、その都度私の「OK」を待って次へ進んでください。

Writing articles on important topics

Identifying important topics

The exported file becomes a collection of data for all posts, summarizing them in an easy-to-understand way.
Since the volume is large and difficult to handle, the next step is to select the news content.

Please enter the following prompt.

The purpose of this prompt is to identify what major news occurred within the scope of the news covered this time.

【あなたの役割】 あなたは、ニュース編集者を支援する「プロフェッショナル・アシスタント」です。 推論や要約、捏造を一切行わず、提供されたソースから情報を正確に抽出・整理して要約することに特化してください。

【目的】 書き出した内容から同じ内容のニュースを取り扱っている投稿があれば書き出す。トピックごとに分類し、それぞれのトピックに対して何件の投稿が言及しているかを書き出す。書き出すトピックの総数は最大で５件まで。またそれぞれのトピックでどのようなことを話しているかを３００文字ほどで解説する。
トピックごとに分ける理由は、最も多く投稿されている内容を今回のメインニュースとして扱いたいから。

This will output the top 5 news stories covered that day. From these, you choose which topics you want to adopt. In my case, I have a rule to use 3 out of these 5, but I think that can be changed depending on the editor.

The output should look something like the following.

1. 対イラン軍事作戦「エピック・フューリー」とホルムズ海峡の情勢
言及投稿数: 10件（投稿番号：9, 10, 21, 24, 28, 31, 33, 36, 38, 50）
トピック解説: ⽶軍による対イラン軍事作戦「エピック・フューリー」の進捗と影響に関する内容です。作戦開始10⽇間で5,000以上の標的を攻撃し、ドローン運搬船を含む50隻以上の艦船を破壊、弾道ミサイル能⼒を⼤幅に削いだことが報告されています
。国防総省は⽶兵約140名の負傷を公表しました
。情勢悪化に伴いホルムズ海峡は事実上の閉鎖状態にあり、トランプ⼤統領は機雷設置に対し「前例のないレベルの軍事制裁」を警告しています
。⼀⽅、イランの学校への誤爆についてジョン・ケネディ上院議員が「ひどい過ち」として⽶国の責任を認める発⾔をしたほか、紛争の裏でグローバル銀⾏の再編が進んでいるとする代替的な視点も提⽰されています
。
2. 選挙改革法案「SAVE America Act」を巡る議会の攻防
言及投稿数: 3件（投稿番号：24, 37, 41）
トピック解説: 有権者IDの提示義務化や市民権の証明を柱とする「SAVE America Act」の可決を巡る動向です。トランプ大統領はこの法案を「史上最も重要な立法の一つ」と位置づけ、ID提示、市民権証明、普遍的郵送投票の廃止、女子スポーツへの男性参加禁止、子供の性転換手術禁止の5項目を求めています
。共和党のルナ下院議員らは、FISA（外国情報監視法）延長を阻止することで本法案の投票を強制する戦略を明かしました
。これに対し、シューマー上院院内総務は、法案が成立すればICE（移民税関捜査局）などのアルゴリズムによって数千万人の有権者が不当に名簿から削除されると激しく非難しています
。

Select important topics and turn them into articles

Next is the task of having it write articles for the three top news stories selected.

I have set the writing AI's personality to be a closet conservative to match my preferences, but I think you should set the writing AI's character to your own liking.

Please note that you need to enter the topics you want to cover in Topics 1 through 3.

Now, please give the following prompt to the AI.

【役割】
あなたは勤続20年の大手ニュースメディア所属の上級記者です。心の底の本音は保守派ですが、仕事上の立ち位置は「中道保守」を旨とし、個人的な主観を排した、事実に基づいた分かりやすく格調高い解説を行います。

【指示：ニュース記事の執筆】
以下のトピックごとに、それぞれのトピックの各投稿内容を統合・整理した総合解説記事を執筆してください。執筆は一つのトピックにつき一つの解説です。

【記事執筆方法】
執筆量： 600文字〜800文字程度。
記事のスタイル：ニュースサイトにそのまま記載できるような質の高い記事。どのような投稿があったかを紹介するのではなく、記事としての完成度を高める。一つのトピックを総合的にまとめて、読みやすく興味を引く記事を書く。記事のスタイルはAIっぽさを排除し、人間が書いたようなものにする。

トピック１：（取り上げたいトピックのタイトルをここに書く）

トピック２：（取り上げたいトピックのタイトルをここに書く）

トピック３：（取り上げたいトピックのタイトルをここに書く）

執筆トピック数；３つ

末尾表記： 記事の最後に必ず「AIによる解説」と記載してください。

【指示：外部リソースの提示】
この件に関して話題にしている投稿の中に外部サイトの記事が引用されていたとしたら、その中から重要な記事を3つ選び、以下に提示してください。ただし、引用された外部記事がなければ、何も書く必要はありません。

見出し： 「関連外部記事」と記載。

要件： 1. URLの文字列を直接書き出すこと。
2. リンク切れがないか検証した上で掲載すること。
3. 各URLがどのような情報を補強するのか（概要）を添えること。
4. ニュースサイトのカテゴリーのURLではなく、特定の個別記事のURLであること。
5. 各記事は実際に存在する記事で、上記の条件を満たしていることを実際にリンク先が開くかどうか確認した上で記述すること。
6. 関連外部記事のリンク切れ調査テストは２回行って結果を確実なものにすること。もしその記事が存在していなければ、似た記事を見つけ出してくること。

【指示：関連投稿リストの作成】
メイントピックに関連する全ての投稿を、省略せずリスト化してください（例：30件あれば30件全て）。

見出し： 「関連投稿」と記載。

フォーマット： 1. 「投稿内容のタイトル」と「URL」のみを記述。余計なラベル（「タイトル：」等）は不要。
2. タイトルとURLの間には改行を2つ入れる。
3. 投稿と次の投稿の間には改行を3つ入れる。

出力フォーマット

[トピック１のタイトル]

[トピック１のニュース解説本文]

AIによる解説

トピック１の関連外部記事
[トピック１の外部記事1のURL]
[補強内容の説明]
...（3件分）

トピック１の関連投稿
[投稿1のタイトル]

[投稿1のURL]

[投稿2のタイトル]

[投稿2のURL]

...（全ての関連投稿を書き出す）

[トピック２のタイトル]

[トピック２のニュース解説本文]

AIによる解説

トピック２の関連外部記事
[トピック２の外部記事1のURL]
[補強内容の説明]
...（3件分）

トピック２の関連投稿
[投稿1のタイトル]

[投稿1のURL]

[投稿2のタイトル]

[投稿2のURL]

...（全ての関連投稿を書き出す）

[トピック３のタイトル]

[トピック３のニュース解説本文]

AIによる解説

トピック３の関連外部記事
[トピック３の外部記事1のURL]
[補強内容の説明]
...（3件分）

トピック３の関連投稿
[投稿1のタイトル]

[投稿1のURL]

[投稿2のタイトル]

[投稿2のURL]

...（全ての関連投稿を書き出す）

Once the above prompt is executed, explanations of the main topics, external articles, and related posts will all appear at once.

The output should look something like the following.

自由の海を賭した決戦：対イラン軍事作戦「エピック・フューリー」の深層
中東情勢は、米国による対イラン軍事作戦「エピック・フューリー」の開始により、かつてない緊迫の局面を迎えている。作戦開始から10日、トランプ政権は5,000以上の敵標的を撃破し、イランの弾道ミサイルおよびドローン攻撃能力をそれぞれ90%以上、85%減少させるという多大な戦果を報告した
。特に海軍力への打撃は深刻で、ドローン運搬船を含む50隻以上の艦船が沈没し、イラン海軍は事実上の戦闘不能状態に陥っているとされる
。一方、世界のエネルギー供給の動脈であるホルムズ海峡は、イラン関連以外の船舶に対して事実上の閉鎖状態にあり、多くの商業船が立ち往生を余儀なくされている
。トランプ大統領は、イランによる機雷設置の動きを厳重に警告し、妨害行為が継続される場合は「20倍の打撃」という前例のない軍事制裁を辞さない構えを崩していない
。米軍内でも約140名の負傷者が報告される中、ジョン・ケネディ上院議員がイランの小学校への誤爆を認めるなど、作戦の代償も浮き彫りとなっている
。共和党内からは早期の勝利宣言を求める声も上がっているが、政権はエネルギー市場への影響を最小限に抑えつつ、イランの核・ミサイル能力の完全排除に向けた揺るぎない意志を示している
。
AIによる解説
関連外部記事
https://rumble.com/v76psgc-badlands-daily-3626.html イラン戦争の物語が、グローバルな銀行システムの再編を覆い隠すための口実である可能性について、オルタナティブな視点から詳細に解説している。
https://truthsocial.com/@realDonaldTrump/posts/116206732840510472 トランプ大統領自身による、イランの機雷敷設艦10隻を完全に破壊したとする軍事行動の直接報告。
関連投稿
統合参謀本部、イラン海軍の壊滅を報告
https://t.me/s/WeTheMedia/138294
ヘグセス氏「戦争は無限ではない」
https://t.me/s/WeTheMedia/138295
ホルムズ海峡、事実上の閉鎖状態に
https://t.me/s/WeTheMedia/138306
エピック・フューリー作戦の成果と新選挙法
https://t.me/s/WeTheMedia/138309
トランプ氏、機雷設置巡りイランに警告
https://t.me/s/WeTheMedia/138314
米軍、作戦中の死傷者数を公表
https://t.me/s/WeTheMedia/138317

This data is in a format that can be pasted directly into a summary article. In my case, I edit it by inserting my own opinions under the explanatory article, adjusting the appearance of the external articles, and finally summarizing the news articles that only have headings.

Write out small news items by genre

Up to this point, we have been able to write out the big topics that serve as the main topics. Next, we will move on to the task of sorting the small news topics that did not fit into these big topics by genre, in the form of just headings and URLs.

There is an input field for which main topics to omit, so please make sure not to forget to enter them. You need to replace the circles in the 'Important topics to exclude (○, ○, and ○)' section of the execution process with the titles of the topics.

By performing this process, the posts used in the main topics will not be used, allowing you to optimize the article.

# 役割

あなたはニュース編集者のタスクを支える、極めて精密な動作を行うAIアシスタントです。
指示されたルールを1文字の狂いもなく、機械的に、かつ網羅的に遂行してください。

# 目的

入力された投稿リストを「ジャンル別」に整理・分類し、反応数順に並び替えて、編集者が即座に利用できる形式で抽出・出力する。

# 実行プロセス（思考手順）

1. **除外処理**: 重要トピック（◯と◯と◯）で使用済みの関連投稿を特定し、リストから除外する。
2. **ジャンル分類**: 残りの投稿をジャンルに基づき、それぞれのジャンル（カテゴリ）に分類する。
3. **優先順位付け**: 各ジャンル内で、反応レベル（インプレッション、リプライ、いいね等）が高い順に並び替える。
4. **全件確認**: 入力された投稿から、書き漏らしがないか、あるいは重複がないかを最終検品する。

# 出力形式・ルール

以下のルールを厳守して出力してください。

### 各ジャンルの構成

- 冒頭に「ジャンル名」から頭の数字を省いたものを記載する。
- その下に、該当する投稿を以下のフォーマットで列挙する。

### 記述ルール（厳守）

- 「それぞれの投稿へのリンク：」や「投稿内容のタイトル：」といったラベル文字は**一切書かない**。
- **タイトル**と**URL**のみを書き出す。
- **【タイトル】と【URL】の間**には「改行を2つ」入れる。
- **【一つの投稿ユニット】と【次の投稿ユニット】の間**には「改行を3回」入れる。

# 出力イメージ

[ジャンル名A]
[投稿タイトル1]

[URL1]

[投稿タイトル2]

[URL2]

[ジャンル名B]

[投稿タイトル1]

[URL1]

[投稿タイトル2]

[URL2]

Once you complete the prompt above, a large number of headings and URLs categorized by genre will be generated. The next step is to paste them into a note article and format them.

The output should look something like this.

１法と司法（4件） オレゴン連邦判事、ICEの弾薬使用を禁止
https://t.me/s/WeTheMedia/138283
ピーターズ氏、表現の自由巡り連邦控訴
https://t.me/s/WeTheMedia/138289
判事、ファニ・ウィリス氏の介入を阻止
https://t.me/s/WeTheMedia/138296
判事、政権の検察官任命を権限逸脱と判断
https://t.me/s/WeTheMedia/138304
２米国内犯罪（3件） メンフィスで凶悪犯を逮捕、治安向上を強調
https://t.me/s/WeTheMedia/138328
エプスタインのゾロ牧場、警察が捜索
https://t.me/s/WeTheMedia/138300

From here, you can continue with tasks such as adjusting genre names, changing them into larger headings, or applying links to the text.

With this, the draft for the WTM summary edit is complete.

My current editing style involves picking out articles that interest me from this large list of headings and adding explanations or comments. When I'm busy, it can still serve as a summary even without this step, and when I have time, I can write as many comments as I like, which I believe reduces the burden on the summary editor.

Three bonuses

Finally, I have prepared two bonuses.

Bonus 1: Easily create title images with AI

The first is a method for easily creating title images.

First, use the most important news topic to create an article title.

The title for this time looks like this.

Next, I will use the title above to perform an image search.

Please download the images that appear.

Next, open Google's Gemini.

Click the '+' in the bottom left of the input field to upload the image.

Then, change the 'Fast Mode' setting in the bottom right of the input field to 'Pro'. (Make sure to set it to Pro, as otherwise the text may become garbled.)

Then, enter the following prompt.

この文字を画像の真ん中に配置して、ニュース記事のタイトル画面にしてください。
画像は少し暗くして、文字は明るめでお願いします。文字はできる限り大きくしてください。
複数行にまたがってもよいです。
「ここに記事のタイトルを入れる」

The image below is what was produced using this kind of prompt.

You are free to change the prompt as you like, but I hope you can see that it is quite easy to create decent-looking images.

Bonus 2: Convert speech to text with high accuracy just by talking to your device

For the past month or so, I have hardly done any proper text input. I mean I am writing text, but I am not typing.

The secret is the excellent voice-to-text apps that have recently emerged. Previous voice input apps had decent accuracy and were usable to some extent, but they had many typos and omissions, and the inconvenience of having to correct those errors meant it ended up being slower.

However, recent apps have reached about 98% character conversion accuracy, reaching a level where they can be used with almost no corrections.

I am creating this article just by talking to my computer. I think my text input efficiency has increased by about five times.

Since I am writing in a conversational tone, it may not be very good in terms of information accuracy, precision, or writing articles with minimal characters, but because it is conversational, I think it will be easy to read smoothly.

The first app that makes this possible is Typeless.

It is designed to be used on most devices, and its key feature is extremely high conversion accuracy. Personally, I feel that the conversion efficiency is over 99.8%.

However, there is a problem: this is a new app currently under development, and it occasionally encounters errors when used on a Mac.

I suspect that in a month or two, various errors will be fixed, and it will start up normally.

It is free to use for one month, so please give it a try.

I really like Typeless because its conversion efficiency is extremely high, but the errors are a hassle, so I found another app.

It is an app called Aqua Voice, which also has very high conversion efficiency and almost never encounters errors, so I find it very useful.

It is only available for Mac and Windows, so it is a bit disappointing that it cannot be used on smartphones.

The conversion efficiency is very high, but it is slightly lower compared to Typeless. Personally, I feel the conversion efficiency is around 97%.

It is only a 3% difference, but when sending instructions to an AI, that subtle 3% difference often has an impact, so I include a process of checking it lightly once before sending the instructions.

In the case of Typeless, the conversion efficiency is so high that I can use it without checking, so Typeless is more convenient.

I am currently using Aqua Voice, and I plan to return to Typeless once the errors are resolved. Or perhaps Aqua Voice's conversion efficiency will improve before I return to Typeless. Either way, I believe both apps will become very user-friendly in the future.

Conclusion

I had been planning to write this article for a long time, but I couldn't get it done because I was stuck in a cycle of trial and error. However, I think it was for the best, as this trial and error allowed me to become significantly more knowledgeable about AI.

There is no growth without struggle, right?

As for future developments, I would like to be able to automate tasks such as embedding links and bolding the various small headings I paste into my note articles using AI.

Ultimately, I think I might even be able to automate formats coming from Telegram.

By adopting this new style, I have reduced the time spent on WTM summaries by about 90%. While exporting data and the time the AI takes to process things can take quite a while, my own actual work time has been significantly reduced. I believe this technique can be used for many things beyond just WTM summaries, so please give it a try.

Thank you for reading until the end.