Communitygithub.com

cartoon-video

アイデア、スクリプト、またはアップロードされたナレーションから、オリジナルの縦型アニメーションカートーン短編を作成します。

cartoon-video とは?

このスキルは、ユーザーのアイデア、スクリプト、または音声ナレーションから、ナレーション主導のオリジナル縦型カートーン短編(1080×1920、30fps)を生成するエンドツーエンドのパイプラインを提供します。Three.jsベースのレンダリングエンジン、キャラクターライブラリ、サウンドデザインツールを備え、企画からMP4出力までの全工程をカバーします。主なプラットフォームはClaude Code(ターミナルベースのエージェント)で、Node.js、Python、FFmpeg、Playwrightなどの依存関係が必要です。ワークフローは、アイデア出し、ナレーション作成、音声タイミング分析、ショット計画、3Dワールドとキャラクターの構築、サウンドデザイン、レンダリング、エンコードのステージで構成されます。ユーザーはスキル内の`engine/`、`tools/`、`example/`ディレクトリを直接操作し、`setup.sh`でプロジェクトを初期化した後、各スクリプトを順次実行して制作を進めます。このスキルは、独自のビジュアルスタイル(平面的なイラストキャラクターと立体的な3D世界の組み合わせ)を重視し、ナレーションのタイミングを正確に守り、オリジナルコンテンツの作成を推進します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Alone-legacy/cartoon-video-skill/tree/HEAD

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

Cartoon Video Skill(カートゥーンビデオスキル)

ユーザーがナレーション主導のオリジナル縦型カートーン短編を作成できるように支援します。リポジトリルートがスキルディレクトリです。engine/、tools/、example/ はその中に直接配置されています(kit/ サブディレクトリはありません)。計画についてユーザーに常に情報を提供し、長時間のレンダリングの前に静止画を確認し、利用できないツールや不完全なステージについては正直に報告してください。

クリエイティブディレクション

特徴的なルックは、カラフルで立体的な3Dワールドの中に配置された、表情豊かなフラットなイラスト調のキャラクターカードです。ペイントテクスチャ、インクアウトライン、雰囲気のある照明、被写界深度、滑らかなカメラワーク。デフォルトは縦9:16のコンポジション、1080×1920、30fpsです。視覚的なストーリーテリング、判読可能なシルエット、意図的なステージング、ナレーションと調和するリアクションを使用します。

  • ストーリー、キャラクター、ショットデザインはオリジナルでなければなりません。他のクリエイターの動画をショット単位で複製しないでください。
  • 実在の有名人をキャラクターにしたり、ブランドマスコット/ロゴを含めないでください。
  • リクエストがない限り、キャプションを追加しないでください。作中のテキストは正しい向きで、判読可能でなければなりません。
  • 過激なコンテンツを避け、実在の人物を嘲笑の対象にしないでください。
  • ブラウジング/リサーチツールが利用可能な場合は、事実関係を検証してください。伝説や議論のあるストーリーは明確にラベル付けし、バイラル的な逸話を確認された事実として提示しないでください。
  • ユーザーの音声録音を保持してください。それに合わせてビジュアルをタイミング調整し、アニメーションに合わせてナレーションを編集したりリタイミングしたりしないでください。
  • ナレーションが聞き取りやすいように保ってください。音楽と効果音はナレーションをサポートし、圧倒しないようにします。

ステージ1 — 開始点を見つける

まずユーザーのメッセージと添付ファイルを確認します。ボイスオーバーが存在する場合はそれを使用し、タイミング調整に必要な場合のみ最終スクリプトを尋ねます。それ以外の場合は、ユーザーがボイスオーバーを持っているか、スクリプトを持っていて録音が必要か、アイデアとスクリプトを希望するかを尋ねます。目標の尺が不明な場合は尋ねます。デフォルトは20〜30秒で、リクエストがあれば45〜60秒も利用可能です。

既に提供された情報を尋ねないでください。次のステップを明確にし、マルチステップの作業には簡潔な進捗チェックリストをユーザーに提示します。

ステージ2 — アイデア(リクエストがあった場合)

正確に10個の番号付きアイデアを提示し、ユーザーに1つ選ぶか、さらにリクエストするよう求めます。各アイデアには以下を含めます。

  • 好奇心をそそるタイトル(約5〜8語)。
  • 力強いオープニングフック(平易に述べる)。
  • 1行でのどんでん返し/ペイオフ。
  • そのストーリーがなぜアニメーションに適しているか(2〜3の視覚的瞬間)。
  • それが文書化された歴史か、議論のある話か、民間伝承か。

明確なキャラクター、具体的なステークス、目に見える因果関係、エスカレーション、そして皮肉的または驚きのあるペイオフを優先します。時代とテーマを変化させます。リサーチツールが利用可能な場合、真実として説明されるものについては主要な事実を調査します。

ステージ3 — ナレーションを書く

ナレーションのみを書きます。話されるコピーにステージ指示を入れないでください。1秒あたり約3.7語(20秒で約75語、30秒で約110語、60秒で約220語)を目指します。以下のように構成します。

  1. フック:長い前置きなしに、驚きの主張で始める。
  2. 設定:具体的な詳細でいつ、どこで、誰かを確立する。
  3. エスカレーション:2〜4のますます鮮明なビートで構築する。
  4. ピボット:メカニズムを説明するか、重要な事実を明かす。
  5. ペイオフ:短く印象に残るひねりで終わる。

会話調の言葉、短縮形、主に短い文を使用します。ナレーションが改善される場合は数字を話し言葉で書きます。視聴者がすでに見えるものを説明しないでください。コピー可能なブロックでスクリプトを返し、単語数と推定時間を含め、その後短いビジュアルプランと実用的な録音ガイダンスを続けます。スクリプトが承認されたらボイスオーバーを求めます。タイミング調整のために最終スクリプトテキストを保持します。録音内容が異なる場合は、実際の話されたバージョンを取得します。

ステージ4 — ボイスオーバーから構築する

以下のステージを進め、不足する入力が進行を妨げる場合にのみ質問します。ユーザーの承認されたスクリプトをタイミング参照として使用します。音声認識ツールが利用できない場合、スクリプトが必要です。適切なツールなしに音声を理解したり書き起こしたりできると主張しないでください。

4.1 プロジェクトを準備する

スキルキットはリポジトリルートにあります。以下を使用して別の作業プロジェクトを作成します。

bash <skill-root>/tools/setup.sh <project-directory>

<skill-root> には実際のインストールパスを使用します。セットアップスクリプトは engine/、tools/、および作業例のスターターファイルをプロジェクトにコピーし、Three.jsおよびキャラクターライブラリコードを上流ソースから取得する場合があります。<skill-root>/kit/tools/setup.sh を参照しないでください。そのパスはこのリポジトリには存在しません。

Node.js 22.6以上、NumPy(およびコンタクトシート用のPillow)を使用したPython 3、FFmpeg/FFprobe、Git、およびChromiumを使用したPlaywrightを確認します。不足している前提条件を説明し、システム全体に影響を与える変更を行う前に関心のあるユーザーに尋ねます。TLSを無効にしたり、プロキシをバイパスしたり、信頼できない実行可能ファイルのダウンロードを使用してネットワーク制限を回避したりしないでください。ChromiumソフトウェアWebGLはフォールバックとしてのみ使用し、レンダリングが遅くなる可能性があることを警告します。

4.2 ナレーションのタイミングを調整する

プロジェクトディレクトリから以下を実行します。

python3 timing.py voice.mp3 script.txt --out work

タイミングツールは、Whisper/faster-whisperの単語タイムスタンプが利用可能な場合はそれを使用します。それ以外の場合、スクリプトがあれば、検出された音声セグメントにフレーズをアラインします。work/phrases.json を検査します。ショットを計画する前に、明白なフレーズ境界エラーを修正します。総フレーム数はおおよそ duration × 30 です。音声認識も最終スクリプトも利用できない場合は、推測せずにスクリプトを要求します。

4.3 コーディング前にショットを計画する

work/PLAN.md を、ショットごとに1行で作成します。開始/終了フレーム、話されるフレーズ、設定、照明、カメラ移動、キャラクター/ポーズ/表情、効果、サウンドキューを含めます。

  • フレーム0に魅力的なフック画像を配置します。
  • 通常はフレーズごとに1ショットを使用します。非常に短いフレーズは必要に応じて結合します。
  • 各文を具体的な視覚的アクションまたはジョークを運ぶ小道具で示します。
  • ショットサイズとコンポジションを変化させます:クローズアップ、ワイドリビール、ツーショット、インサート、リアクション、環境移動。
  • 照明を使用してストーリービートを明確にします。時間の飛躍を視覚的にわかりやすくします。
  • どんでん返しを意図的に演出し、その視覚的ペイオフを最後の言葉に合わせます。

4.4 ワールドとキャストを構築する

engine/ とコピーされたプロジェクトファイルを信頼できる情報源として使用します。example/soldier/story.js から web/story.js を、example/soldier/audio.py からコピーされたオーディオキュー表を適応させます。スキルリポジトリ内の example を上書きしないでください。コピーされたエンジンと example コードのコントラクトとエクスポートに従います。

シンプルな3Dジオメトリとペイントマテリアルから環境を構築します。奥行きと前景オブジェクトをステージングする際は、縦フレームを考慮します。ストーリー主導のセットピースをフレーム/時間で制御可能にし、要求されたフレームに対してワールドの状態が決定論的であることを確認します。キャラクターカードを判読可能に保ち、適切なポーズ、表情、まばたき、微妙なアイドルモーションを備えます。滑らかなカメラグライド、意図的なフォーカス、二次的な動きを、ナレーションの邪魔にならないように使用します。作中テキストが反転していないことを確認します。

キャラクターソースコードを変更する場合は、生成されたプロジェクトの文書化された再ビルド手順に従います。新しいデザインに依存する前に、キャラクターテスト/コンタクトシートをレンダリングします。シーンが必要とし、結果が確認されない限り、レンダラーのコアマテリアル/深度/インクのコントラクトを変更しないでください。

4.5 サウンドデザイン

エグザンプルキュー表をストーリーに適応させます。音楽を使用してトーンを確立しペーシングをサポートします。意味のあるアクション、トランジション、リビールに効果音を使用します。ナレーションを前面に出し、効果音がそれを驚かせたり超えたりしないようにし、許可なく著作権で保護された音楽や効果音を使用しないでください。エンコード前にミックスをレンダリング/チェックします。未解決のクリッピングやバランスの問題を、オーディオがQAを通過したと主張する代わりに報告します。

最終キューを確定する前に、画像のタイミングを固定します。ショットタイミングが変更された場合は、サウンドキューのタイミングとミックスを再確認します。

4.6 レビュー、レンダリング、仕上げ

各ショットの代表的なフレーム、およびトランジションとキーアクションをレンダリングします。提供されたユーティリティでコンタクトシートを作成し、それを検査します(または利用可能な画像ビューワツールを使用します)。長時間レンダリングを開始する前に、フレーミング、オクルージョン、反転テキスト、空白フレーム、照明、キャラクターの判読性を修正します。環境がファイル共有をサポートしている場合、レビューシートと簡潔なショットサマリーをユーザーと共有し、その後フルレンダリングに進みます。

典型的なプロジェクトコマンド(生成されたプロジェクトディレクトリから実行):

node render.mjs stills/review "0,60,120"
python3 sheet.py stills/review stills/contact-sheet.jpg
node render.mjs frames "0-<last-frame>"
bash finish.sh "Title Of Short"

ボイスオーバーから導出された実際のフレーム範囲を使用します。レンダラーのレジュームモードがコピーされたバージョンでサポートされている場合にのみレジュームします。プロセスの完了とエラーを確認します。開始したバックグラウンドプロセスが完了したと想定しないでください。finishユーティリティはMP4をエンコードし、基本的なメディア/ブラックフレーム/フリーズ/ラウドネスチェックを出力します。最終ファイルとQA出力を検査し、チェックが実行できなかった場合は透明性を持って報告します。

ファイル共有ツールが利用可能な場合、MP4とショットの簡単な説明を提供します。それ以外の場合は、正確な出力パスを提供し、ユーザーがそれを取得する方法を説明します。リクエストがあった場合にのみ、焦点を絞った修正やキャプションを提供します。

リポジトリと依存関係に関する注意

  • engine/:Three.jsレンダラーとワールド、ペイント、モーション、キャラクターヘルパー。
  • tools/:プロジェクトセットアップ、タイミング、フレームレンダリング、コンタクトシート、仕上げスクリプト。可能な限り、スキルリポジトリのこれらの正規スクリプトを優先します。
  • example/soldier/:作業例です。スターターとして使用し、自動的に繰り返すストーリーとしては使用しません。
  • セットアッププロセスは、いくつかのサードパーティ依存関係を取得します。それらのアップストリームライセンスを尊重し、サードパーティコードの所有権を主張しないでください。
  • 生成されたオーディオ、フレーム、コンタクトシート、MP4ファイルはユーザーの作業プロジェクトに属します。プライベートな音声録音やシークレットをスキルリポジトリにコミットしないでください。

関連スキル