Bomx/super-video-maker-skill

Super Video Maker

このスキルの機能

ビデオのアイデア、スクリプト、製品フロー、スクリーンレコーディング、アバターの概要、または既存の長尺動画を、洗練されたビデオアセットに変換します。このスキルは以下を生成できます：

• アバター解説動画 (avatar-explainer): 合成プレゼンター、スクリーンレコーディング/ソースレシート、UIマイクロストーリー、キャプション、行動を促す要点を備えた、証拠に基づくアバター動画。
• UGC AI広告 (ugc-ai-ad): 架空のAIクリエイター、参照画像によるキャラクターの一貫性、Seedance 2.5クリップ、ElevenLabsによる音声の一貫性、フックのバリエーション、キャプション、直接反応を促すCTAを備えた、有料ソーシャル広告。
• モーションコラージュ解説動画 (motion-collage-explainer): 大胆なスクリーンプリントの切り抜きコラージュ静止画（gpt-image-2）から、Seedance 2.5でアニメーション化された生き生きとしたコラージュへと変化する、顔なしの単一アイデア解説ショート。穏やかな「In a Nutshell」スタイルのドキュメンタリーボイスでナレーション（MOTION_COLLAGE_STYLE.md参照）。
• HeyGenを使ったアバター動画
• fal.ai経由のSeedance 2.5を使ったAI b-roll
• OpenAI画像モデルを使った画像の生成または編集
• カーソル/イベントログ付きのスクリーンレコーディング
• RemotionまたはHyperFramesを使ったモーショングラフィックス
• キャプション、字幕、音楽、最終的なFFmpeg書き出し

必要に応じて読むファイル

• VIDEO_COPY_PLAYBOOK.md: すべてのレシピのコピーレイヤーについて。4行のスパイン（1人の視聴者、1つの約束、1つのメカニズム、1つの次のステップ）、2トラックルール（音声は議論を伝え、画面は証拠を伝え、互いに繰り返さない）、画面上のコピークラフト（キネティックヘッドライン、データバッジ、ゴーストタイトル、エンドカードオファー、タイポグラフィックストライク）、フォーマット別のアーク、信頼性ルール、そして最初の有料生成コールの前に実行するコピーゲートについて。スクリプト、フック、ヘッドライン、CTAを書く前に読むこと。特にセクション11を最初に読むこと：承認済みの平易なレジスター（70秒間に比喩表現ゼロ）で書き起こされた参照音声と、オーナーが「詩的すぎる、概念的すぎる、AIのゴミ」として却下したコピーのビフォー/アフター表。そこにポインティングテストがあります。視聴者があなたが言った名詞を指さすことができなければ、書き直してください。copywriting-skillスキルと連携します。このスキルは一般的な声とリズムのルールを担当します。
• SPOKEN_VO_HUMANIZER.md: 話し言葉のラインがどのように聞こえるべきかについて（ショートフォームスクリプトのための12のルール + 禁止された話し言葉のAI決まり文句リスト）。
• HOOK_PLAYBOOK_ARTICLE_SPRINT.md: フックファミリー、アングル優先ルール、ループアカウンティングについて。
• recipes/README.md および tools/video_recipes.py: 機械可読なビデオレシピ（一覧表示、マッチング、計画、検証）について。
• REFERENCE.md: プロバイダーの機能とルーティングの決定について。
• FFMPEG_PLAYBOOK.md: 正確なFFmpegレシピについて。
• WORKFLOW_EXAMPLES.md: 完全な制作例について。
• REMOTION_VIDEO_GUIDE.md: Remotionのモーションデザインルールについて。
• TABLETOP_EXPLAINER_PLAYBOOK.md + workflows/tabletop-levels-explainer/: 階層化された「Xのレベル」解説リール（架空のプレゼンター + ファースト/ラストフレームクラフトb-roll + ビートロックされたスイッチアセンブリ）の構築について。
• LIVING_CANVAS_PLAYBOOK.md + workflows/living-canvas-explainer/: ブティックグレードの単一キャンバスSaaSローンチ/解説動画について：1つの連続したキャンバス上の要素レベルのペーシング（0-3ハードカット）、永続的なUIカード上の音声単語ロックされたカメラコレオグラフィー、因果物理 + レイアウトリフロー + トランスフォメーションチェーン、感情的な音声とコメディタイミングによるストーリーコールドオープン、3バンド音楽、ビートロックされたSFXバス。どんな「トップモーションスタジオのような感じに」というリクエストの前に読むこと。すべての持続時間、ズーム倍率、スプリング定数が指定されています。
• HYPERREALISTIC_IMAGE_SOP.md: 参照画像をフォトリアリスティックでAIっぽくないUGCクリエイタープロンプトに変える12パートのフレームワークについて。クリエイター静止画やハイパーリアルなキャラクターを生成する前に読むこと。
• MOTION_COLLAGE_STYLE.md: motion-collage-explainerレシピについて：gpt-image-2で大胆なスクリーンプリントの切り抜きコラージュ静止画を構築し、Seedance 2.5で生き生きとしたコラージュにアニメーション化し、穏やかな「In a Nutshell」スタイルのドキュメンタリー解説ボイスでナレーションする方法。顔のないコラージュ/イディオム/コンセプト解説ショートを作る前に読むこと。
• REVIEW_VIDEO_PLAYBOOK.md + commands/review-video.md: review-conquest-compilationレシピ（/review-video）について：実際の検証済み競合他社レビューの顔なし音声モンタージュで、「<競合他社名> レビュー」キーワードをターゲットにし、繰り返される不満点を挙げ、ユーザー自身のビジネスを代替案として位置付け、最後にユーザー自身の推薦リールを追加します。競合他社レビュー/比較/征服動画を作る前に読むこと。最後のビジネスは変数であり、特定の会社をハードコードしないこと。

運用ルール

1. ランダムなツール呼び出しではなく、段階的なパイプラインを実行する。 使用：インテーク -> スクリプト/ショットリスト -> アセット -> アセンブリ -> FFmpeg仕上げ -> QC -> 書き出し。 1a. コピーはプロダクションゲートであり、飾りではない。 最初のTTS呼び出し、クリップ生成、タイムライン構築の前に、VIDEO_COPY_PLAYBOOK.mdから4行のスパイン（1人の視聴者、1つの約束、1つのメカニズム、1つの次のステップ）を書き、アングルを選び、そのコピーチェックリストを実行すること。音声と画面は同じ文を決して伝えてはならない：動画をミュートしてもストーリーは追跡可能であり、画面を空白にしても議論は成立する。この順序はスタイル上のものではない。音声ロックされたフォーマットでは、スクリプトがタイムラインであるため、ビルド後のスクリプト変更はすべてのフレーム番号を再ロックする。
2. 最初の有料呼び出しの前に、有料生成を確認する。 計画されたプロバイダー、クリップ/画像の数、持続時間、解像度、および推定コスト要因を示す。
3. スキルローカルツールを優先する。 プロジェクトルートのスクリプトに手を伸ばす前に、tools/内のファイルを使用する。
4. すべてのツールは RESULT: {...} を出力するべきである。 そのJSONを真実のソースとして解析する。
5. ジョブの状態を保持する。 各実行を tmp/video_jobs/<job_id>/ に、job_state.json、入力、中間ファイル、最終書き出しとともに配置する。
6. QCが合格するまで中間アセットを削除しない。 失敗したビデオジョブは、生のクリップがまだ存在する場合、修正が容易である。
7. シークレットやユーザーセッションをコミットしない。 .env、クッキー、生成された録画、プライベートアバター、ダウンロードされたユーザービデオを公開しない。
8. エラーをユーザーフレンドリーにする。 生のスタックトレースをエンドユーザーから隠すが、デバッグ用の詳細なログは保存する。
9. デフォルトでストーリーファーストのビデオにする。 プレーンなニューススライドショーを作らない。使用：フック -> 透明なアバターイントロ -> ニュースビート -> 具体的なストーリー/例 -> ソース証拠 -> アクションステップ。 9a. avatar-explainer をデフォルトのレシピ名として使用する。HeyGenアバターナレーション、スクリーンレコーディング/ソースレシート、UIマイクロストーリー、b-roll、キャプション、アクション要点を組み合わせたフォーマット。
10. 合成プレゼンターをアバター自身の声で開示する。 フックの直後に、「簡単な注意事項、これはのデジタルアバターです」というラインをスクリプトに組み込む。静的な免責事項カードを前置きしない。開示がオーディオにない場合、最初の約4秒間、左上隅に小さな透明な角丸ピル型PNGバッジにフォールバックする（Pillowレンダリング：ダークネイビー塗りつぶし #0A1228、アルファ96%、2pxブランドオレンジ #FF6B2C アウトライン、16pxアクセントドット、白サンセリフ体「のデジタルアバター」、22px角丸半径、各端から50px）。下部帯に重い drawbox ローワーサードを決して使用しない。中央揃えのキャプションと干渉する。アウトロカードには常にパーマネントフッターラインを含める：「のデジタルアバター。 」。
11. HeyGenのアバターと音声を意図的に一致させる。 アバターと音声は別々のIDである。音声が明示的に提供されていない場合、まずフォールバックする前に、音声名を選択されたアバター名に一致させることを試みる。
12. スクリーンレコーディングは、スクロールする壁紙ではなく、調査のように見えるべきである。 ブラウザの証拠は、エージェントが主張を検証していることを示すべき：ソースを開き、ヘッドラインにジャンプし、正確なフレーズをハイライトし、機能名をページ内検索し、関連する段落までスクロールし、裏付ける報道にタブを切り替え、証拠にズームインする。静的なページ、ランダムな迷走、繰り返されるヒーロー画像のトリミング、広告、CAPTCHA、クッキーモーダル、新しい情報を明らかにしない遅いスクロールを避ける。
13. b-rollを装飾としてではなく、視覚的な説明として使用する。 すべての文について、「このアイデアによって何が変化するのか？」と自問する。名詞を一般的なイメージと一致させない（「創業者」-> ノートパソコンの人）。変化が起こる環境を示す：Googleドキュメント、カレンダー、SERP、分析ダッシュボード、Slackスレッド、CMSエディター、ブラウザタブ、またはビフォー/アクション/アフター状態の製品UI。既存のYouTubeチャンネルスタイルをコピーしない。オリジナルのモダンなエディトリアルモーション、UIマイクロストーリー、ソースレシート、クリーンな注釈を使用する。
14. すべてのビジュアルをナレーションにビートロックする。 常にWhisperでアバター音声を文字起こし（単語レベルのタイムスタンプ）し、すべての画面変更、b-rollカット、キャプション、ローワーサードを、単語が実際に現れる秒数にピン留めする。想定されるタイミングに基づいてビジュアルをオーバーレイしない。
15. HeyGenのスクリプト重複を検出する。 一部のHeyGenレンダリングは予期せずスクリプトを繰り返す。ダウンロード後、Whisperセグメントを比較し、合成する前にマスターを最初のユニークなパスにトリミングする。
16. 非衝突ゾーンとボーダーレスPiP（ピクチャー・イン・ピクチャー）で視覚的階層を構築する。 フックビートではアバター全画面。その他のビートではアバターをピクチャー・イン・ピクチャーで表示：ボーダーレス、24px角丸、ソフトドロップシャドウ。色付きのハードフレームは決して使用しない。実装：Pillowは pip_mask.png（角丸長方形アルファマスク）と pip_shadow.png（ぼかした暗い形状）をジョブごとに一度レンダリングする。FFmpegは chromakey -> scale -> alphamerge を使用してアバターの角を丸め、影をオフセット +4, +16 で下に合成する。1920x1080マスター上のデフォルトサイズは492x276。PiPのコーナーはキャプションの配置に適応する： キャプションが下部中央（デフォルト）の場合、PiPを右上に配置する：x=W-pip_w-50, y=50。決してPiPをキャプションと同じ帯域に配置せず、アウトロCTAテール中はPiPを完全に非表示にして、要約カードがフレームを占有するようにする。静的なタイトルカードはスキップし、アバター全画面で直接開始する。最後にアクションステップと恒久的な開示フッターを含むアウトロ要約カードを保持する。
17. カラオケキャプションを下部中央に焼き付ける。 太字大文字のArial Black、約64px、2〜3語のグループでアクティブな単語を黄色でハイライト、白いドロップシャドウ + 5pxアウトライン。ASSスタイル：Alignment=2（下部中央）、MarginL=MarginR=80、MarginV=90。マスターオフセットを適用したWhisper単語JSONから生成する。デフォルトで左下にしない。左揃えのキャプションは素人っぽく見え、開示オーバーレイと衝突する。
18. マスターオーディオをラウドネス正規化して I=-16:TP=-1.5:LRA=11 に設定し、アップロードがYouTube、LinkedIn、X、ポッドキャスト全体で放送安全であるようにする。
19. Seedance 2.5にはデフォルトでfal.aiを使用する。 tools/fal_seedance_video.py は、--seedance-version 2.0 を渡すか SEEDANCE_VERSION=2.0 を設定しない限り、2.5をターゲットにする。2.5はこのアカウントで権限が付与されており、正常に動作することが確認されている（2026-08-09）。そのため、2.5クリップを望ましい結果ではなく、通常の結果として扱う。3つの不変ルール：（i）ツールを実行するインタプリタに fal_client がインストールされている必要がある（python3 -m pip install fal-client）。インストールされていないと、falに到達する前にすべてのSeedance呼び出しが ModuleNotFoundError で停止する。（ii）ツールのプレースホルダーガードを決して削除しない。なぜなら、falは権限のない2.5リクエストに対して、エラーではなくHTTP 200と定型のサンプルクリップで応答するため、自動2.0フォールバックだけが完成したビデオにストック映像が混入するのを防ぐからである。（iii）クリップが2.5からのものであると主張する前に、常にRESULTペイロードの fell_back を確認する。true はアクセスが期限切れになったことを意味し、そのまま流すのではなく、表面化する価値がある。2.5はより高価なバージョン（720pで約$0.4730/秒 vs 2.0スタンダードで$0.3024/秒、2.0ファストで$0.2419/秒）であるため、ビデオの核心を担うショットに使用し、フィラービートには --fast を使用する。--fast と --mini は呼び出しを2.0に固定する。2.0だけが蒸留ティアを持つバージョンである。fal Seedanceがスロットルされているかクレジット不足の場合、以下の順序でフォールバックする：（a）Replicate Seedance（REPLICATE_API_TOKEN が設定されており、falが利用不可の場合のみ）。（b）実際のソーススクリーンショット、UIモックアップ、ストック映像、またはビートを直接説明するタイポグラフィックカード。（c）OpenAI gpt-image-2 静止画、quality=high、ネイティブ16：9（2048x1152）+ FFmpeg Ken Burns（スケール・トゥ・フィル/クロップ）。（d）実際のUI/イベント/状態変化をレンダリングできる場合のみ local_explainer_broll.py。決して抽象的なダークコズミック、グローイング、フローティング、または象徴的な「AI」イメージにフォールバックしない。
20. 長時間のHeyGenジョブは、再生成せずに video_id で回復する。 ローカルポーリングがタイムアウトした場合、既存のHeyGenジョブをクエリし、完了したらダウンロードして、クレジットの二重請求を回避する。
21. 長いビート内でb-rollをループさせない。 Whisperで調整されたビートがクリップより長い場合、（a）後半用の補完的なb-rollを生成するか、（b）約2秒までのオーバーフローに対して tpad=stop_mode=clone:stop_duration=N で最終フレームを保持するか、（c）Ken Burns静止画とクロスカットする。目に見えるループのスナップは、短い保持フレームよりも混乱を招く。
22. プロンプトの創造性ではなく、ビートの目的でb-rollを選択する。現実を生成よりも常に優先する。 B-rollは、その瞬間のナレーションが何をしているかによって決まり、「何を生成するのがクールか」ではない。このルーティングを使用する：
    • ニュースビート（「何が変わったか」）： 発表の実際のスクリーンショット（公式ブログ、製品ページ、リリース投稿）-> Ken Burns。生成されたレンダリングよりも優先される。
    • ソース証拠： エージェント操作のブラウザ映像または証拠ページの実際のスクリーンショット。これを生成されたb-rollで決して置き換えない。
    • ストーリー/例（「Xをしている創業者」）： 実際の人物がそのことをしている実際のストック映像（Pexels/Pixabay）> エディトリアル写真のKen Burns > 最後の手段としてのみ生成。
    • コンセプト/メタファー： 抽象的な象徴的なレンダリングよりも、タイポグラフィック「引用」カードまたは単一の実物写真を優先する。
    • 集約/勢い（「みんなが話している」）： Techmeme/Trends/HNのスクリーンショットのKen Burns、または机の上の新聞見出しの写真。決して「データコンステレーション」レンダリングではない。
    • アクションステップ： 行動を示す実際のUIスクリーンショット（設定パネル、ダッシュボードボタン、フォームフィールド）またはエージェントのカーソルがクリックしている実際のブラウザ録画。生成されたものは避ける。
23. タイムライン構築後もアバター音声の再生成を許可する。 アバターの再レンダリングはリップシンクを更新するため、ビデオ全体を再構築する必要はない。最新の音声でWhisperを再実行し、キャプションを再生成し、ビートを再ロックする。構成は変更されない。
24. スキルローカルツールが直接対応しない操作には、プロジェクトルートのスクリプトをフォールバックとして使用する。
25. ジョブデータのディレクトリ構成： tmp/video_jobs/<job_id>/、inputs/、intermediates/、exports/。job_state.json は {job_id, recipe, status, created_at, stages, current_stage, errors, metadata} を含む。
26. QCチェックリスト（各書き出し前に実行）： オーディオがWhisperと同期している、キャプションが読めて適切に配置されている、開示が存在する、b-rollがナレーションと一致する、PiPがキャプションと衝突していない、画像にアーティファクトがない、ラウドネスが仕様内である、持続時間が予想される範囲内である。
27. マルチプラットフォーム書き出しをサポートする： MP4 H.264（デフォルト）、縦型9:16（ショート用）、正方形1:1、16:9の範囲内のカスタムアスペクト比。
28. サムネイル画像も生成する： video_jobと同じアセットから、Pillowで魅力的なカスタムサムネイルを生成する。フォーマット：JPG、16:9（1280x720）、タイトルテキスト、ブランドカラー、関連画像/ロゴ。tmp/video_jobs/<job_id>/thumbnail.jpg に保存する。
29. 字幕ファイルも生成する： SRT（デフォルト）、VTT、ASS。tmp/video_jobs/<job_id>/captions/ に保存する。
30. バッチ生成のレート制限を尊重する： 並列呼び出しの前に、各プロバイダーのレート制限を確認する。tools/rate_limiter.py を使用する。
31. エラーからの優雅なリカバリ： 一度の生成が失敗しても、利用可能なアセットで続行する。失敗したアセットをログに記録し、スキップする。
32. 最終パスにウォーターマークを追加する（オプション）： 設定されている場合、WATERMARK_IMAGE と WATERMARK_POSITION 環境変数を使用する。
33. すべてのアセット生成の前にプロンプトの検証を実行する。 各プロバイダーのコンテンツポリシーとトークン/アセット制限に照らしてチェックする。
34. 廃止されたAPIに自動的に適応する： プロバイダーAPIが失敗した場合、tools/provider_fallback.py で定義されたルーティングを使用して、優先度順に代替プロバイダーを試みる。
35. 費用を追跡する： 各ジョブの費用見積もりを維持し、しきい値を超えた場合にユーザーに警告する。tools/cost_tracker.py を使用する。
36. 各書き出しの前に品質チェックを実行する。 これは非破壊的かつ包括的でなければならない。tools/qc_check.py で定義されたチェックリストと自動チェックを使用する。

ツール

tools/ ディレクトリには以下が含まれます：

• fal_seedance_video.py: Seedance 2.5ビデオ生成用。
• video_recipes.py: ビデオレシピの一覧表示、マッチング、計画、検証用。
• rate_limiter.py: レート制限用。
• cost_tracker.py: 費用追跡用。
• qc_check.py: 品質管理チェック用。
• provider_fallback.py: プロバイダーフォールバックルーティング用。
• local_explainer_broll.py: ローカルb-roll生成用（実際のUI/イベント/状態変化をレンダリング）。

各ツールは RESULT: {...} を出力します。

環境変数

• HEYGEN_API_KEY: HeyGen APIキー。
• FAL_KEY: fal.ai APIキー。
• OPENAI_API_KEY: OpenAI APIキー。
• REPLICATE_API_TOKEN: Replicate APIトークン（オプション、Seedanceフォールバック用）。
• ELEVENLABS_API_KEY: ElevenLabs APIキー（音声生成用）。
• SUNO_API_KEY: Suno APIキー（音楽生成用、オプション）。
• WATERMARK_IMAGE: ウォーターマーク画像へのパス（オプション）。
• WATERMARK_POSITION: ウォーターマークの位置（デフォルト：bottom-right）。
• SEEDANCE_VERSION: Seedanceのバージョン（デフォルト：2.5、オプションで2.0にオーバーライド）。

レシピ

avatar-explainer

証明主導のアバター解説動画。

出力：アバターナレーション付きMP4、スクリーンレコーディング、b-roll、キャプション、アクションステップを含むアウトロカード。

ugc-ai-ad

UGC風AI広告。

出力：AI生成クリエイターとb-roll付きMP4。

motion-collage-explainer

顔なしモーションコラージュ解説動画。

出力：コラージュアニメーションとナレーション付きMP4。

review-conquest-compilation

競合他社レビューの顔なしモンタージュ。

例

WORKFLOW_EXAMPLES.md を参照