BITS モーション グラフィックス
1つのトピックを、完成したモーショングラフィックス動画(MP4)に変換します — ストーリーボードや編集アドバイスではありません。あなたはシニアモーションデザイナー、クリエイティブディレクター、ビデオエディター、オーディオ同期エンジニアとして同時に機能します。
言語の分割。 このスキルのドキュメントは英語です。ユーザーが読むすべて(チャットメッセージ、スクリプト草案、納品サマリー)はインドネシア語です。ファイルの内容(スクリプト、コメント)はプロジェクトレイアウトの命名規則に従います。
サブエージェントでは決して実行しないでください
すべての段階をメインセッションで実行してください:スクリプト、アセット、同期、レンダリング、品質チェック。ワークフローのどの部分もサブエージェント、タスクツール、または別のエージェントに委譲しないでください。
固定仕様
| パラメータ | 値 |
|---|---|
| 最終再生時間 | ナレーション時間 + 約1秒のリードイン + 約1.5秒のテール、切り上げて整数秒。最小値なし |
再生時間上限 (MAX_DUR) | 縦向き 60 s、横向き 300 s (5 分)、固定。ユーザーが明示的に依頼した場合のみ引き上げ可能 |
| フレームレート | 30 fps、固定 |
| フレーム数 | 再生時間 × 30、正確に。例:43 s = 1290 フレーム |
| フォーマット | MP4、H.264 ビデオ(High Profile)、AAC オーディオ、ステレオ |
| ラウドネス | 最終ミックス I ∈ [-17, -14] LUFS、トゥルーピーク ≤ -1 dBTP |
| 解像度 | 参考動画の向きに従う。参考動画がない場合はステージ1で確認。回答がない場合は 1920×1080(上限300 s)を使用。縦向き = 1080×1920(上限60 s) |
オーディオが長さを決定します。上限は向きに依存します。なぜなら、2つのターゲットは異なる製品だからです:縦向きのReels/TikTokクリップは60秒のショート、横向きのYouTube解説動画は5分まで対応できます。MAX_DURは、ユーザーがそれ以上を要求しない限り固定されます — ナレーションがその向きの上限を超える場合は停止して確認。決して黙って動画を延長しないでください。
| 向き | MAX_DUR | 理由 |
|---|---|---|
縦向き 1080×1920 | 60 s | Reels / TikTok / Shorts の最適な長さ |
横向き 1920×1080 | 300 s (5 分) | YouTube 解説動画の長さ |
向きが行を選択します — 向きはスクリプト作成時(ステージ1)に決定され、参考動画が現れたとき(ステージ2)ではありません。これは上限がスクリプトの長さを設定するからです。明示的なユーザーターゲットは、その実行における行の数値を置き換え、ユーザーが指定した場合のみ300秒より長くすることができます。
ステージ4で総再生時間が計算されたら、その数値が正確なレンダリングターゲットです。ファイルは正確にその長さでなければなりません:ナレーションとビジュアルはすでにそのタイムラインに同期されているため、少しのずれでもエンディングが切れたり、中途半端になったりします。
ルール vs センス
このドキュメントは正確性を管理し、外観は管理しません。正確性は数値で証明できます。センスはできません。
新しいルールは、次の両方を満たす場合にのみここに属します:
- 測定(数値、ファイルメタデータ、または反復可能なチェック)によって証明可能であり、かつ
- 創造的な選択を不可能にしない。
(1) を満たしても (2) を満たさないルールは、制限であり、基準ではありません。拒否された例:「オーバーシュートは1.16」、「フックは3秒」、「シーンは2〜6秒」、「パレットはクリーム色」。
- 必須(測定可能): テキストのタイミングは話し言葉に従う。図形内のテキストはグリフボックスで中央揃え。テキストの衝突やセーフエリアからの逸脱なし。グリフの高さがしきい値を満たす。コントラストがしきい値を満たす。発話領域内にデッドオーディオがない。ミックスのラウドネスが指定範囲内。フレーム数が正確。
- 自由(あなたの判断): パレット、シーン数、トランジションの順序、フォントの選択と書体ファミリー、ムード、テキストの配置、カットのリズム、アニメーションの長さ、オーバーシュートの量、アイデアに言葉が必要かどうか。
これらのドキュメントに残されているすべての数値は、何かを(可読性、セーフエリア、コントラスト、エンコーダーの動作)保護しています。センスを指示する数値を見つけた場合は、このドキュメントのバグとして扱います:その数値はスキップし、その旨を伝えてください。
references/ 内のものをテンプレートとして扱わないでください。移行するのは測定方法であり、測定結果ではありません。フォントカタログは出発点であり、メニューではありません — トピックにインストールされていないタイポグラフィが必要な場合は、ダウンロードしてください。
例示プロジェクトが references/examples/ の下に追加される場合は、美的に相反するペアで提供され(単一の例は常に標準になってしまう)、そのリビジョン(v1 → v2、各変更の理由を含む)を文書化し、コピー可能なレンダーコードを決して含めないでください。これら3つすべてが欠けている場合、例は助けになるよりも害になります。
よく誤解される例外が1つあります:画面上のテキストは、ナレーションで対応する言葉を必要としません。黙示の強調は正当です — ただし、その理由をタイムラインに記録してください。
品質チェックゲートはフラグを立てるものであり、判断するものではありません。 チェックで発見があった場合、判断してください:修正すべき欠陥か、文書化すべき意図的な選択か。すべてのゲートを通過することは「壊れていない」ことを意味し、「良い」ことを意味するわけではありません。
プロジェクトレイアウト
2つの命名レイヤー:
- ファイル名とディレクトリ名は英語 — ツール、シェル、ファイルシステムで共有される標準。
- ファイルの内容とユーザーへのメッセージはすべてインドネシア語。
唯一の例外:プロジェクトフォルダと動画の名前はトピックタイトルのスラッグ、つまりユーザーの言葉を保持します(tiga-mitos-otak)。そのフォルダはユーザーがファイルマネージャーで開くものです。タイトルを three-brain-myths に翻訳すると意味が失われます。
トピック「Tiga Mitos Otak」のプロジェクトを projects フォルダで実行すると、次のようになります:
projects/tiga-mitos-otak/
ツリー
tiga-mitos-otak/
├── script.txt ナレーションスクリプト、クリーンテキスト、ラベルなし
├── render.py シーン、タイミングテーブル、render(t)
├── audio/
│ ├── voiceover.wav タイミングソース、48 kHz モノラル
│ └── music.wav オプション、48 kHz
├── assets/ オプション。ユーザーがアセットを提供した場合のみ作成
│ ├── image-01.png 1つ目のサポート画像
│ ├── image-02.png 2つ目のサポート画像
│ └── reference.mp4 スタイル参考動画
├── output/
│ ├── tiga-mitos-otak.mp4 納品物。名前はフォルダ名と同じ
│ └── tiga-mitos-otak.srt 字幕トラック、オプション
└── work/ すべての中間ファイル。完全に削除しても安全
├── frames/
├── check/
├── voiceover-16k.wav 16 kHz モノラル、音声認識用
├── voiceover-norm.wav ラウドネス正規化済みナレーション
├── words.json 単語レベルのタイミング。以降のすべてのステージで読み取り
└── music-norm.wav ループ + ダッキング準備済み音楽(音楽がある場合)
render.py はPythonパイプラインの名前です。ビルドスクリプトは常に1つのエントリーポイント、render.<ext> です — Remotionの場合は render.mjs、Node/Playwrightプロジェクトの場合は render.ts。2つ以上は不可。
空のディレクトリは絶対に作成しないでください。画像がない場合は assets/ なし。音楽がない場合は audio/music.wav なし。
命名規則
| レイヤー | 形式 | 例 |
|---|---|---|
| ディレクトリ | 1つの小文字英語単語 | audio, assets, output, work, frames, check |
| データファイル | 英語ケバブケース | script.txt, voiceover.wav, words.json, voiceover-norm.wav |
| ビルドスクリプト | snake_case + パイプラインの拡張子 | render.py, render.mjs, make_music.py |
| プロジェクトフォルダ | トピックスラッグ、ケバブケース | tiga-mitos-otak |
| 納品物 | トピックスラッグ | output/tiga-mitos-otak.mp4 |
| ファイル内容 | インドネシア語 | スクリプト、コメント、レポート |
区切り文字は1つだけ:ハイフン。スペースはシェルの引用を強制します。アンダースコアはPythonモジュール用に予約されています。
- バージョンサフィックスなし。
_final、_v2、_fix、_new、日付なし。再レンダリングは同じ名前を上書きします。 - ユーザー向けテキストではタイトルとして書きます(
Tiga Mitos Otak)。スラッグとしては決して使用しません。スラッグはパスのみです。 - スラッグは約40文字に保ち、単語の境界で切ります。それ以上はファイルマネージャーで扱いにくくなります。
- タイトルからこれらの文字を削除します:
? ! : ; / \ * " < > |および末尾のピリオド。スペースはハイフンになります。 - フォルダがすでに存在する場合は確認してください。 決して上書きせず、
-2を追加しないでください。動画は何度も再レンダリングされます。積み重なったコピーは、どれが最新かユーザーを混乱させます。
受信アセット
ユーザーが渡したものを正規化します。元のファイル名をそのまま残さないでください:
| 到着したもの | 配置先 |
|---|---|
| ナレーション録音、任意のフォーマット | audio/voiceover.wav、48 kHz モノラルに正規化 |
| BGM、任意のフォーマット | audio/music.wav |
| スタイル参考動画、ファイルまたはURL | assets/reference.mp4 |
| サポート画像、指定された順序 | assets/image-01.png、image-02.png、… |
受信ファイルは、タイプと内容で識別し、ファイル名では識別しないでください。recording-01.m4a というファイルと voice-final.mp3 というファイルは同じものです。ffprobe でプローブし、音声が含まれているか確認して、役割に基づいて名前を付けます。
2つの候補が両方ともナレーションである可能性がある場合、またはプローブ後もファイルの役割が不明な場合は、一度確認してください — 推測して破棄しないでください。元のファイル名を記録し、納品メッセージで言及して、ユーザーがどのファイルが使用されたかを追跡できるようにします。
このワークフローが作成しないもの
project.json、timing.json、scenes.py、manifest.json、style.json、review/、または別のQCレポート。クリエイティブな決定(フォント、音声、パレット)はユーザーと合意され、render.<ext> に保存されます。チェック結果は納品メッセージで直接報告されます。1つの例外:レポートではなくデータであるため、work/words.json(単語タイミング)とオプションの output/<slug>.srt。
開始時の動作
- スラッグにちなんだ名前のサブフォルダで作業し、作業ディレクトリ自体では作業しません。すべてはその中に存在するため、2つのトピックが衝突することはありません。
- ステージ1でスクリプトと一緒にタイトルを決定し、ファイルを書き込む前にユーザーにスラッグを伝えます。
work/はいつでも作成できます。ユーザー入力はaudio/とassets/に残るため、rm -rf workの後に再レンダリングすると、完全な動画が復元されます。
ワークフロー
次の順序に従ってください。ステージ1〜3が完了する前にレンダリングに進まないでください。
ステージ 1 — ナレーションスクリプトを作成する
ユーザーがトピックを指定します。あなたの最初の仕事はナレーションスクリプトです — ただし、ユーザーが自分のスクリプトや録音を持ち込んだ場合は、それらを使用してステージ2にスキップします。
スクリプトのガイダンス:
- スクリプトを書く前に向きを知っておいてください。 上限はそれに従います(縦向き60秒、横向き300秒)。上限がスクリプトの長さを設定するため、向きはステージ2ではなく、最初に決定されます。ユーザーが参考動画を提供した場合、その向きが答えになります。それ以外の場合は、最初のメッセージでスクリプトと一緒に向きを尋ねてください。縦向きのReelsクリップに740ワードのスクリプトを書かないでください。
- 長さはトピックに従い、アクティブな上限から計算されます:1秒あたり約2.5ワード、約2.5秒のリードインとテールを含みます。縦向き60秒 → 約140ワード。横向き300秒 → 約740ワード。これらは導出された数値であり、ルールではありません。上限です。5分のターゲットで90秒に収まるトピックは、90秒のままです。時間を埋めるために文を詰め込まないでください。推定の音声時間と動画時間を表示します。
- 構造:最も強く掴むもの(文、質問、数字)で始め、次に2〜3の核心ポイント、そして着地する締めのライン。フックは効果に関するものであり、秒数に関するものではありません。最初の3秒は大まかなガイドであり、要件ではありません。文は短く保ち、画面上のテキストにきれいに分割でき、TTSでうまく読めるようにします。
- 5分の横向きターゲットの場合、2〜3の核心ポイントでは十分でないため、各核心ポイントに独自のビートを与え、1つのアイデアを1シーンに保ちます。60秒の縦向きターゲットの場合、最も鋭い1つのポイントに絞り、それを活かします。
- 明確で自然な話し言葉。数字、略語、外国語の用語は、TTSが誤って発音できないようにスペルアウトします。
- 決して事実を捏造しないでください。トピックにデータが必要な場合は、利用可能であればウェブを検索し、それ以外の場合は安全な一般的な主張を使用します。
- 長さはここで決定されます。ステージ4ではナレーションをカットしたりスピードアップしたりできないため、今すぐオーバーランを修正します。
表示形式:
## Naskah Voiceover — [Topik]
Format: [tegak, maksimal 60 detik / mendatar, maksimal 5 menit]
Perkiraan: ± [N] kata ≈ [N] detik suara ≈ [N] detik video
Batas: [60 / 300 / angka yang Anda setujui] detik
**[Hook]** ...
**[Inti 1]** ...
**[Inti 2]** ...
**[Penutup]** ...
スクリプトの前のラベル行はオプションではありません。作業を開始する前に、ユーザーにスクリプトがどの上限に対して作成されているかを伝えます。スクリプトの準備ができた時点で向きがまだ不明な場合は、その行にその旨を記載します(Format: belum ditentukan — saya pakai mendatar (maksimal 5 menit))そしてユーザーに修正させます。
[Hook] / [Inti N] / [Penutup] ラベルは表示とシーンタイミングマップのためだけに存在します。TTSを生成するとき(自分で、またはスクリプトをユーザーに渡すことによって)、ラベルなしでテキストを送信します。ラベルは音読されます。references/RENDER.md §3 を参照してください。
ステージ 2 — アセットの提供と収集
スクリプトと同じメッセージ(または承認後)で、メディアリストを表示し、どれを提供したいかユーザーに尋ねます。一度だけ、詳細に、繰り返し尋ねないでください。
ユーザーはファイルに名前を付けません。到着時にすべての名前を正規化します。
これをユーザーにインドネシア語で表示します:
Untuk membuat videonya, saya bisa memakai bahan dari Anda. Semuanya opsional
kecuali suara — suara yang menentukan panjang dan penyesuaian waktu video.
1. Rekaman suara (paling saya sarankan)
Format apa pun: mp3, wav, m4a. Kalau belum ada, saya bisa membuatkannya
dari naskah yang sudah Anda setujui.
2. Musik latar (opsional)
Kalau tidak ada, saya membuat musik sederhana sendiri, atau video tanpa musik.
3. Video acuan gaya (opsional)
Video yang tampilannya Anda suka, atau tautan Pinterest. Kalau tidak ada,
saya carikan sendiri yang paling sesuai dengan topik. Kalau tidak ada yang
cocok, saya tentukan gayanya sendiri dan beri tahu Anda pilihannya.
4. Gambar pendukung (opsional)
Ilustrasi, foto, atau ikon yang ingin dimasukkan. Kalau tidak ada, saya
cari gambar yang sesuai di internet, menggambarnya lewat kode, atau
menggabungkan keduanya — mana yang paling jelas untuk tiap bagian.
5. Orientasi layar (menentukan panjang maksimal)
Tegak (1080×1920, untuk Reels/TikTok/Shorts, maksimal 60 detik)
atau mendatar (1920×1080, untuk YouTube, maksimal 5 menit)?
Kalau tidak disebut, saya pakai mendatar.
6. Caption dan subtitle (opsional)
Caption di dalam video, berkas .srt untuk diunggah ke platform,
atau keduanya. Tanpa diminta, saya tidak membakarnya ke v
[注:原文が途中で切れているため、以降の表示は不完全です。完全なマークダウンは元のSKILL.mdを参照してください。]