記事＋音声から直接ホワイトボード動画を生成
記事と既存の録音を入力として、再生可能な完全な動画を納品します。素材デザインと動画制作は本スキル内部での連続したフローであり、ユーザーに別のスキルを呼び出させたり、手動で技術設定を記述させたりしません。デフォルトは中国語、白背景、カラー線画またはシンプルなフラットグラフィック、16:9、1920x1080、30fps。ユーザー指定の仕様に応じて調整します。
入力とデフォルトの判断
- ユーザーの原文と元の音声を保存します。既存の録音は時間的根拠であり、再録音、声質変更、BGM追加、速度変更、ポーズ削除、末尾カットは行いません。ユーザーから別途要求があった場合のみ調整します。
- 記事は事実と説明構造を担当し、録音は実際のナレーションとリズムを決定します。まず両者を校正します：句読点、章番号の読み方、明らかな誤字は直接整理できます。録音に軽度の言い間違いがある場合は音声を保持し、字幕の修正箇所を記録します。実質的な追加・削除、再構成、結論の矛盾、または間違った音声が発生した場合は、具体的な差異を列挙し、この差異が最終成果物に与える影響についてのみ質問し、回答に依存せずに画面の準備を続行します。
- ユーザーに通常のカメラアングル、スタイル、技術選択の確認を要求しません。記事と音声が揃えば開始可能です。必須の入力が不足している場合、または実質的な矛盾がある場合のみ質問します。音声がない場合は、絵コンテの準備を完了しますが、新しいナレーションに置き換えたり、無音の動画を完成品としてタスク完了を宣言したりすることはできません。
- 既存の絵コンテ、素材、またはプロジェクトがある場合は、まずその
editing-notes、style-lock、および実際の設定を読み込み、承認された内容とIDを保持します。修正は影響を受ける部分のみをやり直し、素材一式を再生成しません。
連続ワークフロー
- まず音声を読み取り、次に絵コンテを作成。 実行と同期 に従って、環境、実際のデコード時間、ハッシュを確認します。単語レベルのタイムスタンプ、または根拠のある文レベルの時間を取得し、記事を校正します。同一音声ではハッシュが一致する転写を再利用できます。ファイル名が同じだけでは再利用できません。ナレーションの段落とポーズを最初に決定し、その後、画面の情報量を決定します。
- 知識を映像に変換。 解説画面デザイン を読みます。意味的な単位でシーンを分割し、各シーンで明確な理解目標と意味のある変化を設定します。シーンイラスト、関係図、同一事例の比較、ステップバイステップのプロセスを優先します。キーワードでオブジェクトを識別し、完全なナレーションは字幕に任せます。毎分の固定画像数に合わせて画像を用意しません。
- 一度制作し、継続的に再利用。 ビジュアルと素材 に従って、代表的な関係図やプロセス図を1つ作成し、実際の最終表示サイズを確認してから拡張します。テキストと関係図は編集可能なSVGを優先します。ビットマップの表現力が必要な場合のみ、画像生成ツールを呼び出します。連続した状態では、座標、比率、キャラクター、色を共有します。編集可能なソース、実際のPNG、および重要な領域を保存します。
- 再構築可能なプロジェクトを確立。 内部データ契約 に従って、材料リスト、絵コンテ、handoffを生成し、材料監査を実行し、その後
pipeline.py initを使用して一度の検証で正式なプロジェクトをインポートします。同じ事前検証プロジェクトや中間ZIPを追加で作成しないでください。素材、ソースコード、録音、レンダラーはすべて独立したプロジェクトに入れます。 - 音声と映像の時間を統一。
align_audio.py alignを使用して、実際のシーン、字幕、強調アンカーポイントの時間を生成します。同じフレームのタイムラインがレンダリングと字幕出力を駆動します。自動マッチングが失敗した場合は、まず差異レポートを確認します。全体的なストレッチによる推定や、しきい値を下げて無理に通過させることはできません。キーワードのハイライトは実際のナレーションに対応します。連続状態では繰り返しのフェードインを禁止し、独立したシーンでは短いフェードインの後に安定させることができます。 - プレビュー、レンダリング、納品。 代表的なシーン、プロセスグループの最初と最後の状態、最長の字幕、複雑な強調領域を最初に確認し、その後、インクリメンタルレンダリング、エクスポート、完全デコードを実行します。完成品チェック に従って、最終MP4のフレーム抽出と音声トラックの対応を確認し、影響を受けたシーンを修正します。完了後、MP4、SRT/VTT、およびソースコードを含むプロジェクトZIPを提供します。素材パックや計画で止めないでください。
厳守すべき取り決め
- 原文の事実、順序、限定語、承認されたナレーションを保持します。画面のために勝手に拡張、結論の簡略化、または事例のナレーションを発明しません。補助的な画面の事例は「イメージ」と明記し、実際のスクリーンショット、製品動作、科学的証拠を偽装しません。
- 同一の概念には同一のビジュアル識別子を使用します。矢印には意味が必要です。出現、接続、段階的開示、囲み線は説明に対応し、装飾的な顔の囲み、継続的なズームイン/アウト、高速カットで説明不足を隠蔽しません。
- 主体図には外側のタイトルや完全な字幕を焼き込みません。図内の必要なノードラベルは編集可能なテキストを保持します。「フラット図＋ソースSVG」は、任意のレイヤーアニメーションがすでに実装されていることを意味しません。
- デフォルトでソースの角マークと画像説明バーをオフにします：
show_source_credits=false、show_image_labels=false。クレジット、フォントライセンス、出典はプロジェクトファイルに保存します。コンテンツ自体に必要な時刻や場所は削除しません。 - 単一シーンの
single/compare/textとtitle/point/highlight/focus/reset/subtitleは実装済みの基本機能です。段階的状態の切り替えは、連続的な移動や実際の1ストローク描画を主張しません。ユーザーが明示的に要求した追加アクションは、実際に実装し、レンダリングして検証する必要があります。 - 元の見積もり、ASRの差異、実際の同期方法はそのまま記録します。音声の末尾は、ビデオフレームの丸め誤差を補うためにのみ許可します。
-shortestによる無音でのクリッピングは禁止します。字幕がレンダラーによってすでに描画されている場合、SRTを重ねて焼き込みません。
リソースと効率
scripts/ には、材料チェック、インポート、音声同期、プロジェクトパイプライン、レンダリングエンジン、中国語フォントが含まれており、元の2つのスキルディレクトリに依存しません。実行に必要なPythonパッケージ、FFmpeg、Chromiumブラウザはオンデマンドで検出します。実際に利用可能な環境を優先的に再利用し、仮想環境を納品パッケージにコピーしません。
中間状態は現在のプロジェクトに残し、リカバリして再実行できます。音声ハッシュが一致する転写、および入力ハッシュが一致し仕様に適合するレンダリングフラグメントのみをキャッシュします。独立した素材とシーンは並行処理し、依存関係のあるステップは順次実行します。最初に代表的な画面を作成した後に一括制作し、チェックに合格した後は、理由なく全シーンを繰り返しレンダリングすることを避けます。