stick-figure は何をしますか?
┌──────────────────────┐
│ ☀ ☁ │ コードで描かれた明るい空、海、小物
│ ◯ ◯ │ 大きな白い頭と表情豊かな顔のスティック人物
│ /|\ /|\ │
│ / \ / \ 🛢 │
│ 眼帯 │ 1〜2語のキャプション、小文字、画面下約70%
└──────────────────────┘
実例が付属しています: engine/template は完成した37秒のリール「もしも海賊の眼帯が、失った目と関係なかったとしたら?」です。
初回使用
このスキルのフォルダが、Claude Codeが読み込み時に表示する「ベースディレクトリ」です。
SKILL_DIR="<このスキルのベースディレクトリ>"
ENGINE="$SKILL_DIR/engine"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
[ -x "$KIT/.venv/bin/python" ] && [ -d "$KIT/models" ] || bash "$KIT/setup.sh" --voice # 約1GBの音声モデル、一度だけ
PY="$KIT/.venv/bin/python"; export NODE_PATH="$KIT/node_modules"
ffmpeg、Node、Python 3.9以上が必要です。実例を確認するには: cp -r "$ENGINE/template" ~/reels/pirate && bash "$ENGINE/make.sh" ~/reels/pirate。
構成の仕組み
リールは1つのフォルダです:
script.json: ナレーション。1文につき1エントリ。captions.json: キャプションのテキスト置き換え(例:{"twenty five": "25"})。web/shots.js: ショットリスト。各ショットはSHOTS.push({start, end, tr, draw(ctx, lt, t)})で、秒単位。ltはショット内の時間、trは次のショットへのトランジション('whip'または'cut')。web/lib.js(イージング、キーフレームkf、図形、テキスト)、web/chars.js(スティックリグdrawStick、帽子、顔、腕のIK、眼帯)、web/env.js(空、雲、海、船、甲板、樽、大砲、ランタン、船内)、web/main.js(ワイプブラー、ビネット、グレイン、キャプション)。新しい小道具はenv.jsまたは新しいenv2.jsに追加し、web/index.htmlにリストします。audio.py: 音楽と効果音。すべてコードで合成され、ナレーションの秒数に配置されます。
make.sh は音声を生成し、各単語をアライメントし(audio/words_new.json)、音声をミックスし、ショットを並列レンダリングし、<フォルダ>/<フォルダ名>.mp4 を出力します。
タイミング: audio/words_ref.json は、ショットがタイミング合わせされた元の音声です。音声が変わっても単語が変わらない場合、make.sh はショットを新しいテイクにワープさせるため、新しい録音で編集は不要です。スクリプトが変更された場合は、audio/words_ref.json を削除し(次のテイクが参照になります)、shots.js のタイミングを再調整してください。
手順
- スクリプト. 約110〜120語、38〜40秒。1文に1つのアイデア:「もしも」のフック、一般的な信念、「しかし」による転換、積み重なる例、メカニズムを示す1つのショット、フックに答えるオチ。アニメーション化する前にユーザーに表示します。
- 事実確認. すべての主張を情報源とともに確認します。理論には「科学者たちは考えている」などの表現で留保をつけます。
- フォルダ.
cp -r "$ENGINE/template" <リール名>でテンプレートをコピーし、audio/を空にして、script.json(とcaptions.json)を置き換えます。 - 音声. フォルダ内で
"$PY" "$ENGINE/tools/tts_kokoro.py"(無料)またはユーザー自身の録音、あるいはELEVENLABS_API_KEYを使ったElevenLabs("$PY" "$ENGINE/tools/tts_elevenlabs.py" audio/vo_el.mp3)で生成します。テイクをaudio/vo.wavに配置し、"$PY" "$ENGINE/tools/align.py" audio/vo.wavを実行して、audio/words_new.jsonの単語時間を確認します。 - ショット.
web/shots.jsを書き換えます: 約10〜12のセットアップ、ほとんどは2〜4秒、解説ショットはより長く。新しいアイデアには新しいセットアップが必要です。フックはフレーム1から動作状態で開始します。顔や主要な小道具をキャプション帯(y約1250〜1420)やInstagramのセーフエリア(x 100〜980、y 220〜1500)の外に配置します。 - スチル. フォルダ内で
node "$ENGINE/tools/render.js" stills 1.5,4.2,9.0を実行するとstills/に書き出されます。最も動きの激しい瞬間を確認し、フルレンダリング前に修正します。 - 音声.
audio.py内のキューを単語時間に合わせて編集します。 - ビルド.
bash "$ENGINE/make.sh" <リール>(audio/vo.wavは保持。kokoro、elevenlabs、またはファイルパスを渡して置き換え可能)。WORKERS=8でより多くのコアを持つマシンで使用。AUDIO_ONLY=1で再レンダリングせずに音声のみをリミックス。 - 引き渡し
<リール>/<名前>.mp4を出力。
スタイル
- キャプション: Poppins Bold、白色に濃い輪郭線、1〜2語、小文字、句読点なし(
main.jsのcapText()で処理。数字と%はそのまま)。画面上にemダッシュは使用禁止。 - 明るい彩度の高いパレット、インクの輪郭線(
#221c22)、柔らかな接触影、手持ちカメラのようなゆっくりとした押し出し、モーションブラーを伴うワイプトランジション。インパクトはバースト、シェイク、フラッシュで表現。 - 効果音はナレーションの下に配置(ゲイン約0.38)。音楽は静かなピチカートのアンダースコアで、ナレーションの下にダッキングされ、最初に大きなループが鳴ることはありません。