yt-film: 静止画像からナレーション付きフィルムを制作
静止画像からストーリーフィルムを制作するためのプロダクションライン：ユーザーはClaudeが作成するガイドに基づいて約150枚の静止画像を作成し、Claudeがそれらの画像からスクリプトを書き、音声がそれを読み上げ、Pythonエンジンがすべての画像を言葉に合わせて生き生きと動かします。参考作品はChadwickの例（examples/chadwick/、Carnegie's Daughter：アンドリュー・カーネギーの秘密の娘として数百万ドルを借りた女性）です。その画像、スクリプト、音声、スコア、ショットリスト、70秒のエフェクトテスト動画（examples/chadwick/video/chadwick_effects_test.mp4）がすべてのテクニックを示しています。
REPO はこのスキルのフォルダを指します（このファイルがある場所）。PY はそのPython実行ファイルです：macOS/Linuxでは REPO/.venv/bin/python、Windowsでは REPO\.venv\Scripts\python.exe。エンジンコマンドは常に PY を使用し、プロジェクトの tools/ フォルダから実行してください。.venv が存在しない場合は、最初にセットアップしてください：references/install.md の インストール手順（Claude用） をステップバイステップで実行します（システム全体へのインストール前に確認；ユーザーは自分のAPIキーを貼り付けます）。
基本ルール
- ユーザーの許可なしにレンダリングしないでください。
stills.py（約30秒でコンタクトシートを作成）で確認してください。バッチレンダリング、プレビュー、エンディング、最終結合には数分から数時間かかることがあります：何をレンダリングするか、どれくらいの時間がかかるかを説明し、同意を待ってください。すでにレンダリングされたものは、変更がない限り、ユーザーが望まない限り再レンダリングしないでください。 - プロジェクトごとに一度だけユーザーのルートを尋ねてください：使用する画像ツール（
references/image-generation.md）、音声（Gemini TTSまたはユーザー自身のもの：references/voice.md）、音楽（Lyriaまたはユーザー自身のもの：references/music.md）、ニッチとチャンネル名、そしてチャンネルを独自のものにする3つの選択肢：画像スタイル（オープナー：ガッシュ、フラットエディトリアル、ノワール、チョーク、コミック、絵本、ブループリント、または独自のもの；キャラクターあり/なし）、エンジンのルック（YTF_LOOK：ガッシュ、クリーン、ノワール、チョーク、コミック、絵本、ブループリント；単一の値にはlook.json）、フォーマット（story、explainer、countdown、rise-fall、storytime、kids、summary、case-study、news）：references/art-styles.md、references/formats.md。例のパステル調の実話スタイルをデフォルトにしないでください。ユーザーに好みがない場合は、オプションを1つの短い表で示し、ニッチに合ったものを推奨してください。 - ユーザーのニッチはユーザー自身のものです：歴史や例のテーマに誘導しないでください。例はテクニックの参考であり、トピックのテンプレートではありません。
- Windows：パスはフォワードスラッシュで機能します；長時間のジョブはバックグラウンドで実行されます；パフォーマンス設定は
references/performance.mdを参照してください。macOS専用のツールを想定しないでください。 .env以外のファイルにAPIキーを保存しないでください。実際の写真やサウンドファイルは、ユーザーの了承を得た後でのみダウンロードしてください（ファイル、ソース、サイズ、ライセンスを明記）。
スタック
| 役割 | ツール | 場所 |
|---|---|---|
| 調査 | ウェブ検索、検証済み事実リスト（ソース付き）；確認できないものにフラグを立てる | OUTLINE.md |
| 画像 | ユーザーの画像ツール、Claudeのガイドに従う | IMAGE_GUIDE.md（+ API用 IMAGE_PROMPTS.jsonl）、incoming/ |
| スクリプト | Claude、画像ガイドから書き起こす、ビートごとに1つの ## パッセージ、[SHOTS: …] ノート | SCRIPT.md |
| 音声 | Gemini TTS（音声Orus、ゆっくり読む → 1.25倍速、ポーズは上限あり）または import_voice.py を使用したユーザーの音声 | tools/voice.py、tools/import_voice.py |
| 単語タイミング | Whisper：mlx-whisper（Apple Silicon）または faster-whisper（Windows/Intel/Linux） | voice/<batch>_words.json |
| 音楽 | Lyria（Gemini API）、セクションごとに1キュー、または ユーザーのライセンス取得済みトラック | tools/music.py → audio/music/ |
| フィルムエンジン | Python（OpenCV、Pillow、NumPy、SciPy）、After Effectsは不要 | tools/film.py、fx2.py、seq.py、signature.py、wr.py、kit.py |
| ショットリスト | バッチごとに1ファイル、seq.py で作成、バッチのワードタイムにキューされる | tools/<story>.py + tools/shots_bN.py |
| レンダリング | 並列、マシンに合わせたサイズ、低優先度 | tools/render_all.py |
| エンディング | ユーザー自身のアニメーションサインオフ（例：cta.py） | renders/cta.mp4 |
| 最終結合 | バッチ + エンディング、1つの連続スコア、−14 LUFS / −2 dBTP | tools/final.py |
| 吹き替え | デフォルトでスペイン語とフランス語：Gemini翻訳 + TTSを約3分のチャンクで、英語のスロットに合わせる | tools/dub.py |
| サムネイル | ユーザーの画像ツール、ガイドに従う | references/thumbnails.md |
プロジェクトは YTF_WORKSPACE（デフォルトでは ~/yt-film-projects/<story>/）に保存され、PY REPO/scripts/new_project.py <story> で作成されます。これによりエンジンが tools/ にコピーされ、すべてのフォルダが作成されます。設定は .env に保存されます（プロジェクトが優先、次にREPO）：GEMINI_API_KEY、YTF_CHANNEL、音声/モデル名、速度調整など（.env.example にすべてリストされています）。engine/ytf.py は任意のOSでフォント、キー、Whisper、共有アートを見つけます。
作業の順序
- ストーリーを選ぶ（指定がない場合）：ギャップチェック付きの3～5の候補（
references/story-finding.md）。フォーマットとルックを指定してプロジェクトを開始：PY REPO/scripts/new_project.py <name> --format <format> --look <look>（フォーマットのスパインテンプレートをOUTLINE.mdに書き込み、YTF_FORMATとYTF_LOOKを.envに書き込みます）。完全なガイドを書く前に、stills.pyで2枚の画像を使って新しいスタイルをテストします（references/art-styles.md、最後のセクション）。 - ストーリーと事実：調査；
OUTLINE.mdにソース付きで記述。確認できないものにはマークを付け、後で回避策を記述（「伝えられるところによると」）、事実として述べないようにします。フックを決定します（references/hooks.md：ユーザーの過去3本のフィルムと同じタイプにしない）。次に、OUTLINE.mdの先頭に スパイン を書きます（references/storytelling.md）：フィルムが答える1つの質問と、「それで」/「しかし」で結ばれた8～12のビート；最初の誤った行為または決断の瞬間はフィルムの約15％まで；主要人物ごとに1つまたは2つのバックストーリーパッセージ。画像ガイドの前にユーザーに見せます。 - 画像ガイドを先に（
references/image-guide.md、ユーザーのルート用に書く）。スパインとフィルムのナレーションの方法に従います（見せてから描く：各ビートの行は、それが提供するラインと、そのラインの上または後に何が描かれるかを示します）。約150枚の画像を目指します：スタイルカード、キャストシート、カバレッジ付きの約100枚のシーンショット（W ワイド、M ミディアム、F 顔のクローズアップ（EDITとして）、D ディテール、P 視点）、_linesバージョン付きの6シーン、12枚のスケッチシート +_lines、約10枚の空白のストーリーオブジェクト（「ベース」：ノート、古地図、カード、台帳、封筒、電報、新聞）。正確なファイル名とフォルダ。一貫性ルール：references/consistency.md。 - 画像をグループごとにチェック（手、顔、時代のディテール、テキストがないこと、形状：画像は約16:9で到着し、2:1に中央クロップされるため、上下の端に重要なものがないこと）。手動ダウンロード：
scripts/sort_images.py。次に、エンジンpx でグリッドシートを作成（COLS=4 PY tools/egrid.py out.png IMG ...）、ショットを書く前にすべての画像の煙突、ランプ、キャンドル、息、静かなエリアをマッピングします。 - 画像からスクリプトを作成。 生成されたすべての画像を使用；各パッセージをそのショットにマッピングし、未使用画像チェックを実行します（例：
examples/chadwick/tools/script_check.py）、次にPY tools/story_check.py（話された日付、シーンシフトの開始、[DRIVE]パッセージの位置、すべてのバッチの継ぎ目）およびreferences/storytelling.md（再話、15%、しかし/それゆえに、説明の積み重ねなし、5〜7つの話された日付、見せてから描く）のチェックを実行します。長さ制限なし：ストーリーを完全に、ゆったりと語ります（1分あたり約150ワード；Chadwick：1,780ワード → 12分）。ユーザーの「いいね」/「フォロー」の呼びかけで締めくくります。 - 音声：Gemini（最初に
voice.py --test、次にバッチ；--paceとSPEEDSを使用して各バッチが約140～160 wpmになるように調整）またはユーザーの音声（import_voice.py --full | --passages | --batches）。BATCHES（4～7パッセージ、各約65～100秒、ストーリーが動いている幕の途中でカット；幕の切れ目では2～3カットのみ；バッチの開始時に再導入されるものはありません）とGAPSを設定します。各バッチの単語をショットを書く前に出力します（Whisperは名前を聞き間違え、数字を数字として書くため、書かれた内容にキューを合わせます）。 - 音楽：5～7キューの音楽（
music.py、またはユーザーのファイルをaudio/music/に配置）；final.pyのMUSICでキューをバッチにマッピングします。 - ショットリストをバッチごとに
seq.pyで作成（references/engine.md、examples/chadwick/tools/）：フィルムモジュール（<story>.py、例：chad.py）がLIVEテーブル（各画像のリビングレイヤー）とマップ設定を保持；各shots_bN.pyは約60行のS.at(time, scene(...)/page(...)/drawin(...)/map_shot(...))。各リストをPY tools/stills.py bNでチェックし、シートを確認してからレンダリングします。 - レンダリング（ユーザーの許可を得て）：
PY tools/render_all.pyはすべてのバッチを並列に実行し、マシンの空きメモリが許す限り多く同時に実行します（レンダリングあたり約1.5 GB；メモリが不足すると同時実行数が多いほど遅くなります）；修正後はrender_all.py b3 b7または--changedを使用します。Claudeを閉じても停止しないように、別のウィンドウで起動し、レンダリングが遅い場合やコンピュータが遅くなる場合（特にWindows）はreferences/performance.mdの手順に従います。新しいトランジションやエフェクトは最初に2フレームでテストします（後半のクラッシュはレンダリングを無駄にします）。 - エンディングをチャンネルごとに1度作成（
references/cta.md）、その後 最終結合PY tools/final.py；MP4の長さ、fps、ラウドネス（−14 LUFS、ピーク ≤ −1.5 dB）を確認し、スチルをサンプリングします（references/final-render.md）。 - 吹き替え（
references/dubs.md）と サムネイル（references/thumbnails.md）を必要に応じて作成します。
ルック（例のデフォルト；各チャンネルが独自のものを選択）
- 例：卵形の頭の人々（卵形の頭、2つの暗い楕円形の目、一本線の口、鼻/耳/眉なし、シンプルな丸い手）が 時代に合った現実世界 に配置；インク線 + マットなパステルガッシュ；エンジンルック
gouache。他のチャンネルは独自の画像スタイル、キャラクター（またはなし）、エンジンルックを選択します（references/art-styles.md）；以下のルールはすべてのスタイルに適用されます。 - エンジンルックが追加レイヤーを設定します：グレード、グレイン、ビネット、インク、タグペーパー、アクセント、フォント、描画サウンド（
engine/look.py：YTF_LOOK、look.json）。ルックに色やフォントがある場合、ショットファイルにハードコードしないでください（look.rgb("accent")、look.L.type_font）；チャンネルのルックは一箇所で変更できる必要があります。 - 2.5Dなし、切り抜きなし、AI動画なし。 イーズ付きのカメラ移動（プッシュイン、パン、スロードリフト）のみの単一画像。
- 1つの画像を長く保持しないでください：その瞬間の次のショット（W→M→F→D→P）または描かれたページにカットしてください。
- スケッチによる説明は実際の描画であり、アイコンではありません：シートのラインワークから切り出したものか、コードでうまく描ける場合（正確な地図、ルート、マーク、単純な図形）はエンジンが描画します。
- 空白のベースは、その媒体でライブ描画されます：紙の上のグラファイト、ボードの上のチョーク、ブラシインク、新聞に印刷されるハーフトーン写真、地図上のインクルート。
- 線には意味があります：年数を表す集計マーク、サウンドリング、紙吹雪のパス、スモークライン、取り消された図形。
- ラベル（日付、場所、名前）は、ルックのタイプフォント（
gouacheではタイプライター）で レベルの打刻された テキストであり、ソフトなクリック音とともに一度に1キーずつ打たれます。 - オブジェクトへの書き込み は、そのオブジェクトの実際の線の上に、その角度で配置されます；その下の読みにくい印刷は最初に消去されます（
fx2.clean_text）。 - 常にコントラストを確保：暗いものの上に暗いものを置かないでください。ラベルはハロー付きのクリーム/インクを自動選択します。
color="ink"を強制せず、その下にあるものを確認してください。 - ツールスプライトは小さい（0.28倍）ため、焦点を奪いません。
シグネチャーアニメーション（すべて静止画像上でコードによって行われます）
engine/signature.py、engine/fx2.py、ショットヘルパー engine/wr.py、engine/seq.py。各一枚絵は examples/chadwick/look/ にあり、すべての動きはエフェクトテスト動画で確認できます。
- リビングスチル（画像自体は動かない；レイヤーがその上で生きる）：すべての煙突からのパーティクルスモーク、寒さの中での息、生きている炎とその投げる光、画像自体のランプを見つけて呼吸させる（
fx2.lamps）、雪、雨、落ち葉、きらめき。ピクセルワーピング（sg.Flow）はスモーク、蒸気、火、水には使用しないでください：絵の具をにじませます（look/flow_smear_avoid.png）。 - 必要な場所でのみ動く顔：自動的な瞬きや表情はありません。顔は、ショットが
act=/talk=を渡した場合にのみ動作し、一致する目のペアを持つ顔のみが対象です（sg.face_audit([...], out.jpg)：両方の目が緑色のリングで囲まれている場所でのみ動作）。キュー：blinks、glances、widen、mouth_fx、expr（smile、grin、frown、o、laugh、closed eyes、squint...）、talk=(ta, tb)、リアクションマーク（sweat、shake、!、?、zzz）。バッチごとに数回の実際のビートのみ、装飾は不要。 - 空白のボード上のコミックページ（
sg.Comic）：境界線が自動でインクを塗り、各パネルがインクを塗ってからペイントされ、カメラがパネルを訪れ、最後のパネルに飛び込みます。フィルムごとに2つ（フック、最初の大きなセットピース）。各パネルは1.8秒以上保持します。 - ライブ描画（
fx2.Draw）：1枚のシートの描画が、ストローク順にインクで描かれ（ペンスプライトと音）、その後カラーウォッシュが入ります；card=Trueは、込み入った画像に最初にソフトなクリームウォッシュを施します。シートは 決して 4つのページとして表示されません：各描画はナレーターが名前を呼ぶときに現れ、矢印と短いタイプ打ちラベルで結ばれます。 - 説明カード（1つのベースを再利用）：名前がタイプ打ちされて取り消され、メカニズムが矢印付きの描画の連鎖として表示され、3つの描画と3つの単語が表示されます。
- マークの語彙は意味によって選択され、毎回同じマークではありません：下線、チェックマーク、バツ印、ブラケット、動きの線、サウンドリング、ルート（点線のパス + 矢印）、リーダー（点、線、タイプ打ちラベル）、集計；
sg.Stamp（ゴム印のドスン：FORGED、CLOSED、14 YEARS）、sg.Tag（破れた紙のラベル）、sg.Inset、sg.Flip（スプリットフラップ）、sg.Pin、fx2.Counter（回転する紙幣カウンター）。 - 重みのあるエフェクト（バッチごとに数回の感じられる瞬間）：
fx2.Lift（画像からオブジェクトを切り取ってアニメーション化、fill_from=で穴をクローンフィル）、fx2.Tear（画像が2つに裂ける）、("shatter", s, (cx, cy))トランジション、sg.Papers（舞い散る紙）、火 + 打撃、振動 + ドスン、プレスフラッシュ + シャッター、sg.Rays、sg.Haze。 - リビングマップ（
seq.map_shot）：実際の海岸線がインクで描かれ、水がウォッシュイン、境界線がダッシュイン、湖と町がタイプ打ちされ、赤い旅の...
...
[翻訳のために切り詰められました]