Communitygithub.com

/explainer (説明動画)

トーキングヘッドクリップを、スピーカーが丸みを帯びたパネルに収まり、頭が上端からはみ出し、フレームの残りの部分でビジュアルを使ってポイントを説明するエクスプレイナースタイルの動画に編集します。縦型はパネルを下部、ビジュアルを上部に配置し、横型はパネルを片側、ビジュアルを横に配置します。

explainer (説明動画) とは?

`/explainer` は、トーキングヘッドクリップをプロフェッショナルなエクスプレイナー動画に変換するAIエージェントスキルです。スピーカーは丸みを帯びたパネルに配置され、頭部がその上端からはみ出す視覚的効果が特徴で、残りのフレーム領域を使ってビフォーアフターの比較(矢印付き)や番号付きリストなどのビジュアルを表示します。このスキルはClaude CodeなどのターミナルベースのAIエージェント向けに設計されており、`vertical`(1080×1920、リールやショート向け)と`horizontal`(1920×1080、YouTubeなどの長尺向け)の両方のフォーマットをサポートします。動作には`ffmpeg`、`Node.js`、そして文字起こし用の`GROQ_API_KEY`が必要です。ユーザーが「/explainer」を実行するか、「スピーカーを下に、ビジュアルを上に」「スピーカーを横に、ビジュアルを隣に」といったリクエストをした際に使用します。スキルは、クリップの切り抜き、文字起こしによるタイムコードの取得、視線の高さ(eye_y)の指定、JSONスペックファイルの作成、そしてビルドスクリプトによる動画のレンダリングという一連のステップで構成されています。ビルド後にはシート画像を確認して、UI要素がプラットフォームのカバー領域にかかっていないか、キャプションが口元を覆っていないかなどをチェックし、必要に応じて調整します。また、ビジュアルは発言と同期して表示され、一度に一つのポイントに絞ることが推奨されています。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alisolanki/alis-claude-editing-skills/tree/HEAD/skills/explainer

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

/explainer

┌──────────────────────┐
│   効果があったものを真似る  │  タイトル、アクセントカラーは1語
│ [before] ⟶ [after]   │  比較:カード、描かれた矢印、リビール(または番号付きリスト)
│      ╭──頭──╮      │  頭がパネルからはみ出す
│ ╭────┴────────┴────╮ │
│ │  スピーカー、キャプション│ │ 丸みを帯びたパネル、アイライン=上端
│ ╰──────────────────╯ │
└──────────────────────┘

初回使用

このスキルのフォルダは、Claude Codeがロード時に表示する「ベースディレクトリ」です。そこからキットを解決し(シンボリックリンク経由で動作)、一度だけセットアップします:

SKILL_DIR="<このスキルのベースディレクトリ>"   # Claude Codeが「このスキルのベースディレクトリ」として出力したパス
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout

文字起こしを行うには GROQ_API_KEY を設定する必要があります(console.groq.com で無料取得可能)。ffmpeg と Node が必要です。

フォーマット

すべてのスペックは "format" を取ります:"vertical"(1080×1920:リール、ショート、縦型長尺)、"horizontal"(1920×1080:YouTubeおよびその他の長尺)、または "auto"(デフォルト:ソースの形状に従う)。"$PY" "$KIT/reel.py" probe <video> を実行すると、auto が何を選択するか確認できます。シートは、プラットフォームがカバーする領域を赤く着色します:縦型では Instagram/TikTok のUI、横型では YouTube プレイヤーのクローム。長尺動画の場合は、手動でクリップをカットする代わりに、このスキルを /long-form 内のモーメントとして使用してください。

手順

  1. クリップ。 ユーザーが指定したクリップを使用します(サイズは問いません;1080×1920 または 1920×1080 にクロップされます。フォーマットを参照)。クリップが提供されなかった場合のみ、ユーザーに要求してください。
  2. 言葉。 "$PY" "$KIT/reel.py" words <video> は、すべての単語をその時刻とともに出力します(初回使用時に文字起こしを行います)。各行の文末には [ends …] と、その最後の単語の終了時刻が表示されます。3〜8秒の範囲で、一つのポイントを構成する、完全な文章からなる部分を一つ選びます:start は最初の単語の時刻、end は最後の文の [ends …](ソースの秒数)です。
  3. アイライン。 "$PY" "$KIT/reel.py" frame <video> <範囲内の時刻> frame.jpg を実行し、画像を確認します。ルーラーはキャンバスピクセル単位です;目の y 座標を読み取ります。それが eye_y です(縦型:通常のフレーミングで約700〜800、横型:約350〜450)。横型の場合は、顔の中心の x 座標も読み取ります:それが face_x です。
  4. スペック。 クリップの隣に <クリップ名>.explainer.json を作成します(以下のフィールド)。スペック内のパスはスペックファイルからの相対パスです。すべての時刻は start からの秒数か、アンカーとなる発話単語("viral"、"viral#2"(2回目)、"viral+0.2")です。単語を使用することを推奨します:start を移動しても正しい位置に留まります。
  5. ビルド。 "$PY" "$SKILL_DIR/build.py" <spec.json> を実行します。範囲をカットし、スピーカー部分を切り抜き(約0.1秒/フレーム)、HyperFrames でレンダリングし、<out>.sheet.jpg を出力します。
  6. 確認。 シートを確認します。赤色はプラットフォームがカバーする領域です。次の場合はスペックを修正して再ビルドします:
    • タイトルまたはビジュアルが赤色の領域にかかっている
    • キャプションが口を覆っている、または赤色の下部ゾーンから80ピクセル以内にある(caption_top を移動)
    • キャプションに範囲外の単語が表示されている(start または end を文の端に移動)
    • 頭部がパネルからはみ出していない(eye_y を移動)
    • 画像が欠けている、またはつぶれている
  7. 引き渡し。 mp4 ファイルのパスを提示し、各ビジュアルが何を表示しているかを一行で説明します。

スペック

{
  "video": "my-clip.mp4", "start": 21.4, "end": 25.66, "out": "my-clip.speaker.mp4",
  "title": "効果があったものを*真似る*",
  "eye_y": 750,
  "visual": {
    "type": "compare",
    "left":  {"label": "別のニッチ", "images": ["theirs-1.jpg", "theirs-2.jpg", "theirs-3.jpg"], "at": 0.3,
              "chip": "14倍 バズった", "chip_at": "viral", "swipe_at": ["carousel", 2.3]},
    "right": {"label": "あなたのニッチ", "at": "outside", "reveal_at": "recreate",
              "image": "my-photo.jpg", "text": "最高の*AIツール*\nを使う場所\n*若くて無一文*の時"},
    "arrow_at": "and"
  },
  "keys": ["viral", "outside", "recreate"],
  "caption_top": 1420
}
  • title:1〜4語。アクセントカラーにする一語を *...* で囲みます。
  • visual.type: "compare" はビフォーアフターです:
    • 左のカードは1〜3枚の画像を表示し、swipe_at のタイミングで切り替わります。
    • 右のカードは点線の「?」で始まります。arrow_at で矢印が描かれ、その後 reveal_at でカードが表示されます。
    • 右のカードは、単一の image、または image と text で構成されるカルーセルカバー(*単語* はアクセントピルに配置、\n で改行)のいずれかです。
  • どちらのカードも、画像の代わりにテキストカードにできます:"big": "*プロ*\nツール", "small": "プロが使うもの"。ユーザーに画像がない場合に使用します。スピーカーが左右を指す比較に適しています。
  • visual.type: "list":{"type": "list", "items": [{"text": "*バズった*投稿を見つける", "at": "find"}, ...]}。最大4つの番号付き行で、それぞれが発話と同時に表示されます。
  • keys:アクセントピルに表示するキャプション単語。意味を伝える2〜4語を選びます。その単語が発話されるたびにハイライトされます。
  • 横型のみ:face_x(パネル内で顔を中央に配置)、side("right" デフォルト、または "left")、scale(0.9:スピーカーの描画サイズ)。
  • caption_top:キャプションの上端の y 座標:縦型1420(下端は1500より上に保つ)、横型850(パネル上に配置;下端は960より上に保つ)。

テイスト

  • クリップごとに一つのポイント。範囲が二つのポイントを含む場合は、エクスプレイナーを二つ作成します。
  • 各ビジュアルは、それを指し示す単語が発話されたタイミングで表示します。何も発話前に表示してはいけません。タイトルは例外で、最初のフレームから表示されます。
  • 縦型:上部のビジュアルは y 330〜760 の間に配置します(タイトルはその上、約210の位置)。横型:タイトルは y 110、ビジュアルは y 270〜830 の間にパネルの隣に配置します。テキストとグラフィックは赤色ゾーンの外に保ちます;スピーカーのパネルは赤色ゾーンにかかっても構いません。
  • スピーカーが左右を指す場合は compare を使用します。そのカードは指す位置に配置されます。
  • ユーザー自身の画像を使用します。他人の投稿に関する数字や結果をでっち上げないでください。「14倍 バズった」のようなチップは、ユーザーが言ったか提供したものでなければなりません。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

関連スキル