zhangtaoran2010/baocut-subtitles-intel

サムネイルとタイトル

視聴者は一覧画面でサムネイルとタイトルを同時に目にし、その合計時間は1秒にも満たない。サムネイルは小さな画像と大きな文字、タイトルは一行のテキスト。タイトルは「これが何」かを伝え、サムネイルはビジュアルとフックを提供する。両者は補完し合い、相互にコピーしてはならない。動画公開者に向けて：人を惹きつけ、すべての文は動画の内容に基づくこと。

最も失敗しやすいパターン：サムネイルの大見出しがタイトルをそのまま繰り返しており、両方合わせても一文にしかならない。大見出しが長すぎて、小さな画像に縮めたときに読めなくなる。サムネイルが動画にない内容を約束しており、視聴者がクリックしても期待と違う。

1. 素材の収集

1. videos_inspect で動画情報を確認：名前、アスペクト比（幅/高さ）、チャプター、ドキュメント。文字起こし（kind が speech のドキュメント）がない場合は先に文字起こしを行い、進行中であることをユーザーに伝える。
2. 原稿を読む：export（kind transcript、format md、timestamps true）、jobs_inspect で完了を待ち、outputs 内のファイルを読む。
3. 今回のユーザー要件：グループ数、サムネイルの文字数上限、スタイル、言語、公開プラットフォーム、すでに決定したタイトルは、この会話の中から探す。言語が指定されていない場合は、原稿の言語を使用する。
4. シリーズ内の他のエピソード：ユーザーが前作のタイトルやサムネイルと差別化または統一したい場合、space_related_videos で類似内容の動画のタイトルを確認する。

2. タイトルとサムネイル文案の作成

1. 最初に、この動画が視聴者に何を提供するかを一文で明確にする：どんな問題を解決するか、どんな結論を出すか、何を見せられるか。タイトルと大見出しはこの一文から派生し、構文から始めない。
2. 複数の候補グループを提示する（指定がない場合は5グループ）。角度はそれぞれ異なる：直接記述、疑問形、数字、コントラスト、引用など。各グループはタイトル1行とサムネイル大見出し1行で構成される。
3. サムネイル大見出しは短くする（指定がない場合は、その言語の習慣に従い、日本語・中国語なら約8文字以内）。小さな画像に縮めても一目で読め、タイトルの文言を繰り返さない。タイトルが「何か」を伝え、大見出しが「フック」を提供する、またはその逆。
4. タイトルとサムネイル内の数字、結論、人物名はすべて原稿に出典がなければならない。誇張した断言は使わず、動画にない内容を約束しない。
5. 各グループに理由を添え、推奨グループを明記し、ユーザーに1つ選んでもらうか、「別のバッチが欲しい」「この方向でもっと」などの指示を仰ぐ。

比較例（あくまで例示）：

悪い例：タイトル「AI コードレビューの実践共有」＋ 大見出し「AI コードレビュー実践」（大見出しがタイトルをコピー。どちらも見る価値のあるポイントを示していない）

良い例：タイトル「AI が書いたコードが3倍に、レビュープロセスはこう変えた」＋ 大見出し「人間は AI の判断が怪しいものだけを見る」（タイトルは内容を、大見出しはアプローチのフックを示す。8文字で、動画内で実際に説明されている）

3. サムネイルの生成

ユーザーがグループを選択した後に行う。先にすべてのグループを生成しない。生成には時間とコストがかかり、選択されなかったグループは無駄になる。

1. 画像ソース：フレームインデックスがある場合、まず videos_match_frames（videoId、text に希望の映像を指定。例：「人物の正面、表情が興奮している」「製品のクローズアップ」）で候補を取得し、videos_frames の range（候補の framesRange をそのまま使用）でフレームを確認する。フレームインデックスがない場合（MODEL_NOT_INSTALLED などのエラーが返る場合）は、videos_frames でチャプターの開始点や感情・動作が明確な場所からフレームを取得し、人物や被写体がはっきりして表情や動作に迫力のあるものを探す。フレームは素材映像であり、字幕やオーバーレイ要素は含まない。
2. 生成：まず能力を確認し、skills_read で baocut-catalog-media の「画像生成」を読む。各サービスの違い、プロンプトの順序、生成できない場合の対処が記載されている。image に prompt、動画のアスペクト比に合わせた size（例：16:9、9:16、1:1。ユーザーが指定した比率を優先。モデルがその比率をサポートしない場合は最も近いものを使用し、ユーザーに通知。モデルがサイズを受け付けない場合は size を省略し、プロンプト内で縦横を明記）、video を指定。結果はこの動画の候補素材としてインポートし、タイムラインには配置しない。プロンプトでは、被写体、構図、スタイル（人物や被写体は片側に、大見出し用の余白を反対側に残す）を明確にし、選択したフレームの説明を含める。モデルの referenceImages が null でない場合は、選択したフレーム（動画の画像素材として保存）を images として入力し、それに沿って生成する。入力画像を受け付けないモデルはテキストのみ。ユーザーが実際の人物写真のサムネイルを希望する場合、そのフレームをそのまま使用できることを伝え、大見出しはプラットフォームまたはエディターで追加するよう案内する。
3. 大見出し：生成された画像内の文字は誤りが多い。プロンプトで大見出し用の余白を要求する。ユーザーが画像内に文字を希望する場合、生成後に画像を読み取り、文字が間違っていれば再生成するか、ユーザーに通知する。
4. ユーザーが枚数を指定しない場合は2枚生成する。count は 2。モデルが1回に1枚しか生成しない場合（maxCount が 1）は、2回に分けて送信する。

4. 避けるべきこと

• 大見出しでタイトルをコピーしない。一目で読める長さを超えない。
• 動画にない内容を約束しない。数字、結論、人物名はすべて原稿内に存在すること。
• ユーザーが選択する前に各グループをすべて生成しない。
• 生成画像内の誤字を見逃さない。

5. 納品

• 返答に、ユーザーが選択したタイトルとサムネイル大見出し、および他の候補を含め、後で変更しやすいようにする。
• サムネイル画像：image が返す各 artifactId とインポートした素材。使用したフレームまたは説明、選択理由を明記する。
• 確認できなかった情報を明記する。プラットフォームが指定されている場合は、現在のプラットフォームのサムネイルサイズとテキストルールを確認するようユーザーに促す。