Video Audio
この Skill はビデオ制作におけるサウンドデザインとショット間の音声一貫性を担当しますが、独立したプロジェクトレベルの audio/ ディレクトリは作成しません。
長期的に再利用する音声素材は video/materials/ に配置します。例：
video/materials/voices/CHR01_voice.mdvideo/materials/voices/CHR01_reference.wav
特定のショット固有の台詞、呼吸、効果音、または一時的な音声は引き続き対応する video/shots/<shot-id>/ に配置します。全編の音楽、ナレーション、ミキシング、最終的なサウンドエンジニアリングは video/edit/ に格納します。
完全なサウンドレイヤー、ネイティブ生成音声とポストプロダクション音声の責任範囲については、references/SOUND-LAYERS.md を参照してください。ビデオに背景音楽、ブランド／キャラクターモチーフ、Animatic 用仮音楽、または AI 生成 BGM が必要な場合は、references/MUSIC.md を読み込んでください。仮音楽と本番音楽は明確に分離し、音楽はストーリー／台詞／製品に貢献し、テンポを合わせるためにキャラクターのリズムを壊さないようにします。ナレーター、キャラクターの内面の語り、ブランドナレーション、説明的なボイスオーバーが存在する場合は、references/VOICEOVER.md を読み込んでください。ナレーションテキストは video-script に属し、音声のアイデンティティ／生成はこの Skill に属し、最終的な全編ナレーションは video/edit/ に格納します。
1. まず三種類の音声を区別する
キャラクターの長期音声
ショットをまたいで安定した年齢感、性別表現、声域、音色、共鳴位置、デフォルトの話速、音量感、リズム、発音と間の習慣が必要です。
ショット固有の音声
特定のショットのみに属する台詞、呼吸、ため息、叫び、足音、物体の衝突、環境変化はショットに従い、共通の音声定義にコピーしません。
全編音声
背景音楽、全編ナレーション、全体的なサウンドデザインと最終ミキシングは、ポストプロダクション段階に入った後にのみ video-editing によって管理されます。
2. キャラクター音声デザイン
キャラクターが複数のショットで台詞を持つ場合、まず音声定義を確立し、その後で具体的な台詞を生成または録音します。キャラクター音声定義には、現在のプロジェクトに必要なものを少なくとも明記します：年齢感、基本声域、音色、共鳴、デフォルトの話速、デフォルト音量、話すリズム、発音の特徴、異なる感情下での変化、および禁止される音声ドリフト。
詳細なテンプレートは references/VOICE-DESIGN.md を参照してください。
3. 音声アイデンティティと感情を分離する
同じキャラクターがシーンや世界をまたぐ場合、リバーブ、環境の空間感、軽いイコライゼーション、現在の感情、現在の発話強度を変更できますが、基本的な年齢感、基本音色、声域、発音習慣、核となるリズムはランダムに変更すべきではありません。
生成ツールが speaker ID、voice reference、voice seed、speaker embedding、または同等の安定化メカニズムを提供する場合、同じアイデンティティメカニズムを優先的に再利用します。具体的なフィールドは現在のツール／モデルの公式ルールに従い、この Skill では固定しません。
4. 台詞と映像
台詞の長さ、可視リップシンク、複数キャラクターの発話、音声のショット間の計画は video-script に属します。現在のタスクがこれらを必要とする場合は、必要に応じてその Skill を読み込みます。不足している場合は akira-video に戻して補完させ、この Skill 内でスクリプトルールを複製しません。この Skill は音声アイデンティティと現在の音声パフォーマンスのみを担当します。
台詞テキストは引き続き video-script が所有し、この Skill は音声表現のみを担当します。音声と同期するビデオモデルが必要な場合は、台詞、トーン、ポーズ、音声イベントを生成プロンプトにコンパイルしますが、モデルがネイティブ音声をサポートしているという理由だけで、元々存在しない台詞を追加しません。
5. 意図的な無音
長い無言の段落がサスペンス、危険、音楽、ビジュアルのクライマックス、またはアクション自体によって物語を伝える場合は、SHOT.md に無音の監督意図を明記する必要があります。キャラクターが長時間積極的に操作しているにもかかわらず、台詞、反応音、環境音、または音楽によって物語が伝えられていない場合は、video-shot に戻してデッドセグメントが形成されていないか確認させます。
6. 外部音声生成が必要な場合
キャラクター音声定義、現在の台詞、参照音声、返却名を video-generation に渡し、それによって1回限りの生成パッケージ契約に従って整理させます。この Skill は独自のパッケージディレクトリや一時ファイルルールを確立しません。
7. レビューとポストプロダクションへの返却
- 音声アイデンティティのドリフト、リップシンク、トーン、声域、タイミングは
video-reviewがレビューします。 - ショット固有の音声はそのショットに残ります。
- 全編の音楽、ミキシング、字幕、最終的な音声レベルは
video-editingが処理します。
完了基準
キャラクターの音声がショットをまたいで安定して識別できること。ショット音声と全編音声の責任が明確であること。ディレクトリ分類のために音声をコピーしたり、ツール固有の speaker パラメータを汎用ルールとして誤って記述したりしていないこと。