Communitygithub.com

ドキュメンタリー・メーカー

1つの文から30秒〜3分の短い2Dアニメーションドキュメンタリー動画を生成します。調査・台本・音声・ワードタイミング・モーションデザイン・効果音・音楽・1080p MP4出力まで、すべてローカルで動作します。

ドキュメンタリー・メーカー とは?

このスキルは、ユーザーが「<出来事>についての動画を作って」と依頼した際に、調査から最終的な1080p MP4動画までを完全自動で生成するAIエージェントスキルです。全工程は6つのチャプターで構成され、リサーチによる事実収集(facts.md)、台本作成(script.md)、Kokoroを使ったオフライン音声生成、Whisperによるワードタイミング取得、GSAPとテーマカラーを用いたモーションデザイン、そしてコード生成の効果音・BGM、レンダリングまでを一貫して行います。対応プラットフォームはClaude Codeであり、ユーザーのローカル環境(Python, Node, FFmpeg, Chrome/Edge)で動作します。各アニメーションは発話ワードに同期し、画面が空になることはなく、ソース付きの正確な事実のみを使用します。完成後はファクトチェックのためのfacts.mdの確認をユーザーに促します。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mehedi11234/claude-documentary-maker/tree/HEAD/documentary-maker

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

ドキュメンタリー・メーカー は何をしますか?

あなたは映画製作の全スタッフです:リサーチャー、ライター、ナレーター、編集者、アニメーター、サウンドデザイナー。以下の6つのチャプターを順番に進めてください。すべてユーザーのコンピュータ上で動作し、Claudeプラン以外の追加費用はかかりません。

ツールはこのスキルフォルダ(以下 <skill>)にあります。 Pythonツールはスキルのvenv pythonで実行します:Windowsでは ~/.documentary-maker/venv/Scripts/python.exe、その他の環境では ~/.documentary-maker/venv/bin/python(以下 <py>)。

0. セットアップ(初回のみ)

~/.documentary-maker/venv または <skill>/engine/vendor/gsap.min.js がない場合は、python <skill>/tools/setup.py(Python 3.10-3.12;Windowsでは py -3.12 <skill>/tools/setup.py)を実行します。Node、FFmpeg、ChromeまたはEdgeが必要です。不足がある場合は、どのツールが不足しているかをユーザーに伝えて停止します。その後、ユーザーのフォルダで python <skill>/tools/new_doc.py <project> <theme> を実行します。

テーマはトピックに基づいて選んでください:midnight(宇宙、科学、テクノロジー)、ember(歴史、ビジネス、人物)、noir(犯罪、詐欺、ミステリー)、forest(自然、気候、健康)、crimson(戦争、災害 - 深刻なトーン)。1つのアクセントカラーですべてのハイライトを行います。警告色は危険、金銭的損失、死亡、失敗の場合のみ使用します。

1. リサーチ → facts.md

  • ウェブを検索します。スクリプト内のすべての数字、日付、名前、引用は facts.md にソースURLとともに記載しなければなりません。公式レポート、裁判所文書、組織の公式ページ、主要新聞をブログより優先します。
  • 情報源が食い違う場合(金額、死亡者数など)、最も多く引用されている数値を使用し、スクリプトでは「約」/「およそ」と表現します。
  • 引用、思考、シーンの詳細、数字を創作してはいけません。情報源がなければ、記載しないでください。

2. スクリプト → script.md + voice/script_voice.txt

長さ:1秒あたり約2.4語(30秒で約75語、60秒で約145語、3分で約430語)。

  • 要約ではなく、瞬間から始めます:日付、場所、行動から(「1996年6月。真新しいロケットが発射台に座っている。」)。視聴者はそれを「見る」必要があります。
  • 短い文。1文に1つのアイデア:各文が1つのアニメーションになります。
  • 最大の数字は最後まで取っておき、それぞれの明かしが次の疑問を開くようにします(「原因は?エンジンではない。天候でもない。1つの数字だ。」)。
  • 冒頭を回収する短い一文で終わります。
  • script.md = タイトル付きのスクリプト。voice/script_voice.txt = 音声用の同じ単語:数字や記号は読み上げ形式で記述(「1996年6月」、「64ビット」、「3億7千万ドル」)、見出しなし、[タグ]なし。段落間の空行は間(ポーズ)を表します(段落は1〜3文)。
  • ユーザーが確認を求めないと言わない限り、音声を作成する前にスクリプトと主要な事実をユーザーに表示し、承認を待ちます。

3. 音声 → voice/voice.wav

cd <project> && <py> voice.py --voice am_michael(他のナレーター:am_onyx、am_fenrir、bm_george、bm_daniel、af_heart、bf_emma;落ち着いた読み上げには --speed 0.95)。KokoroはCPUで実時間の約2倍で動作します。

4. ワードタイミング → engine/data.js

<py> words.py を実行します。単語チェックが表示されます。スクリプトの単語が欠落または間違っている場合は、その段落を編集(多くの場合名前:発音どおりに綴る)し、チャプター3をやり直します。Whisperは数字を数字として書き出します(「1996」、「64ビット」、「370」)ので、キャプションには数字が表示されます。アンカーアニメーションはプレーンな単語に設定します。

5. シーン → engine/scenes.js

最初に <skill>/examples/ariane-501/scenes.js を読んでください:これは完全で動作するドキュメンタリーです。同じ方法で自分で作成します。

  • 最初に anchors():WA('word', 'alternative')(開始)と WEnd(...)(終了)で各ビートのワードタイムを順に検索し、最後に B.end = endAfterVoice(2.0); _wc = 0; で終了します。次に build() がビートごとに関数を1つ呼び出します。
  • すべての要素は発話ワードと同時に現れます。 単語の前に何も現れてはならず、画面が約1秒以上空になることはありません。
  • ストーリーを描き、書かないでください。 テーマカラーを使用したインラインSVGイラスト(ロケット、建物、地図の形状、コイン、人物のシルエット、書類)とカメラ移動(レイヤーの拡大/縮小・移動)、さらに動的ヘッドライン hd()、カード card() + fly()、stamp() / warnStamp()、counter()、burst()、suspectCard()、quoteCard()、timeline()、dateTag()、typeText() を使用します。各ヘルパーとそのオプションについては engine/lib.js と engine/doc.js を参照してください。
  • テキストは短く(ラベル、数字、2〜4語のヘッドライン)。キャプションはすでにすべての単語を下部に表示しています:y=930より上にコンテンツを維持します。window.KEYWORDS にキャプションで色付けする単語を設定します。
  • 実写映像や文書と誤解される可能性のある図面には、小さな「ILLUSTRATION」タグを付けます。
  • 秒単位の動きのみ:0.25秒より速いトゥイーンはなし、ちらつくものもなし。
  • テーマカラー(LIME = アクセント、LIME2、PAPER、MUTE、DIM、CARD1、CARD2、PINK = 警告、acc(a)、warnA(a)、PAPA(a)、MUTEA(a))のみを使用。決定論的な乱数には RND(i) を使用し、Math.random() は使わないでください。
  • 注意点:x/y はGSAPでアニメーションさせ、GSAPも動かす要素にCSS transformを設定しないでください。シーン sc(t0, t1) は、まだ動いているすべての子要素をカバーしなければなりません。変数名をヘルパー(rise、cl、card...)と同じにしないでください。

レンダリング前に確認:

  1. python render.py check → err: null と miss: [] が出力される必要があります。 (音声が存在しない場合は、python engine/fake_words.py で偽のタイミングでシーンをレイアウトできます。)
  2. python render.py stills <8-24個の時間> を実行し、すべてのボード画像を確認:重なり、テキストの途切れ、空の画面、単語より前に現れる要素、テーマ外の色などをチェックします。修正してもう一度確認します。

6. サウンド + レンダリング → final.mp4

python render.py cues        # シーンから効果音キューリストを生成
<py> audio.py                # コード生成の効果音 + 音声下のオリジナルBGM、-14 LUFS → mix.wav
python render.py video 4     # 120 fpsキャプチャ → モーションブラー → 1080p30 final.mp4 (+ final_sheet.jpg)

render.py video はバックグラウンドまたは15分のタイムアウトで実行します:4ワーカーで約10秒の動画に1.5分かかります(実測:CPUのみのPCで38秒の動画に6分)。チャンクがフレーム欠落を報告した場合は、ワーカー数を減らして再実行します。final_sheet.jpg を確認します。その後、ユーザーに伝えます:ファイル、長さ、ソース、そして確認できなかったこと。公開前に facts.md を読むように促し、音声は聞けないこと、実際に聞いて確認することが本当のチェックであることを伝えます。

関連スキル