QuickDesign CLI スキル
このスキルは、Claude が quickdesign CLI を通じてAIメディア生成を計画・実行する方法を教えます。CLI は QuickDesign のホスト型モデル(Seedance 2.0 R2V/I2V、Kling、Sora 2、Nano Banana、GPT Image、動画アップスケール)をラップしており、Claude セッションは API キーの管理、ポーリング、ストレージアップロードを行うことなく、Bash から直接動画や画像を生成できます。
呼び出すタイミング
- トーキングアバター / UGC 動画 — 「この人が X と言う30秒の広告を作って」「このスクリプトを動画に変換して」「クリエイターの自撮りクリップを作成して」
- マルチセグメントプロモ / 説明動画 — 合計音声が15秒を超える場合(Seedance の1セグメント制限)、またはユーザーがアングルカットやフレーミングの進行を希望する場合
- 画像編集 / 生成 — アングル変更、状態変更、白背景の商品、ライフスタイル合成、ブランドキットスタイルのクリエイティブ、複数商品参照の合成
- 動画アップスケール — 720p/1080p の出力を 1080p/4K にアップスケール
- 一括 / バッチクリエイティブ制作 — 「これらの5つの商品写真のそれぞれに対してこれをやって」
以下には使用しないでください。純粋なテキスト生成、コード編集、検索 — これらには専用のツールがあります。
基本ルール(毎回最初に読むこと)
これらのルールはすべての生成に適用されます。いずれかに違反すると、目に見える欠陥が発生します。
-
デフォルトの動画モデルは、UGC / トーキングアバター / プロモ / 説明動画 / マルチシーン作業において、長さやセグメント数に関わらず
seedance-2.0-r2vとすること。 スクリプトが「十分短い」からといってseedance-2.0-i2vにダウングレードしないでください。R2V は4〜15秒のシングルショットもマルチセグメントも同様に処理でき、最初から R2V を使用することで、このスキルが依存するすべてのプリミティブ(@Image1参照、複数の--reference-image、音声連続性のための--reference-audio)が保持されます。R2V からの切り替えは、明示的なユーザーのオプトイン(「Sora 2 を使って」)がある場合、または R2V がレジストリで利用できない場合のみ行ってください。⚠️ 「i2v」(画像から動画へ)という名前は誤解を招きます。 R2V も単一画像からの動画フローを受け入れます —
--reference-imageを1つ渡すだけです。タスクが「画像から動画へ(英語)」だからといって i2v を選ばないでください。「ユーザーが静止画像をアニメートしたい → 画像から動画へ → したがって seedance-2.0-i2v」のようなエージェントの推論チェーンこそ、このルールが防止しようとしている暗黙の退化です。音声がなくマルチ参照の必要がない単一のバナナ編集をアニメートする場合でも、R2V がデフォルトです。i2v は何も追加せず、タスクの次のイテレーションでそれらのプリミティブが必要になった場合にそれを失うことになります。models/seedance-2.0-r2v.mdを参照してください。 -
プロンプトでは
@Image1/@Audio1/@Video1参照ラベルを使用し、関連するすべての写真を個別の参照として渡すこと。nano-banana-2(画像編集)と Seedance 2.0 R2V(動画)はどちらも複数の--reference-imageフラグを受け入れます。ユーザーが商品を2つのアングルからアップロードした場合、両方を渡してください — 2つ目のアングルを文章で説明するのは退化です。人物、服装、商品を言葉で再説明しないでください。それは参照画像と競合し、ドリフトを引き起こします。❌ 誤り —
@Image1の冗長な逐語的再説明:参照の女性の本物のUGC写真(長くウェーブのかかった茶色い髪、 自然なツヤのあるメイク、光沢のあるピーチコーラルリップ、金のフープイヤリング、 パールチョーカー、柔らかな笑顔)、2番目の参照のベージュスエードスニーカーを履いて、 居心地の良いミニマルなベッドルームで...Banana はすでに
@Image1で彼女の髪/メイク/唇/ジュエリーを、@Image2でスニーカーの色/シルエット/ソールを見ています。それらを再説明することは、モデルに「参照を無視して、この文章から描画しろ」と言っているのと同じであり、視覚的なアンカーと競合してドリフトを引き起こします。✅ 正しい — ラベルが機能を果たし、文章は NEW なものだけを説明します:
@Image1 を編集: ポーズを iPhone の鏡越し自撮りに変更。白いリブ編み タンクトップ + オーバーサイズのバギージーンズを追加。フレームの下部に @Image2 に合わせたスニーカーが見えるように。顔、髪、メイク、ジュエリー、 照明は @Image1 から変更しない。references/multi-reference-pattern.mdおよびmodels/のモデルカードを参照してください。 -
マルチセグメントの音声連続性 = セグメント1の抽出音声を
--reference-audioとして使用する。 まずセグメント1を生成 →ffmpeg -vn -acodec libmp3lameで音声を抽出 → その mp3 をセグメント2〜N に--reference-audioとして渡します。これを行わないと、各セグメントで異なる音声が選ばれます。references/voice-continuity.mdを参照してください。 -
重ねた音楽と焼き付け字幕を抑制する — 最小限の指示のみ。 プロンプトに2行の短い指示を追加します:「
No music score.」と「No subtitles or on-screen text.」以上です。保持したい環境音(「街の騒音、カフェの話し声、エスプレッソマシン」)を列挙しないでください。Seedance は自然な環境音を自ら生成します。過剰に指定すると、音声がスクリプト化されたように聞こえます。references/no-music-no-subtitles.mdを参照してください。 -
焼き付けキャプションには、生成後に
quickdesign video subtitleを使用する。 動画モデルにプロンプトを介して独自のキャプションを焼き付けさせないでください。幻覚を起こします。専用の字幕エンドポイントは実際の ASR(ElevenLabs)を実行し、正確なカラオケスタイルのキャプションをレンダリングします。references/auto-subtitle.mdを参照してください。 -
確認ゲート — 自動モードでも、クレジットを消費する前に一時停止すること。 自動モードは、低コストで元に戻せる作業(ファイル編集、調査、計画)の摩擦を減らすためのものです。有料の AI 生成は低コストでも元に戻せるものでもありません。自動モードはこれらのゲートをバイパスしません。常に:
- 動画生成の前に計画の概要を作成する(タイプ/モデル/長さ/コスト/スクリプト)。それを表示し、通常モードでは明示的な「Go」を待つか、自動モードではユーザーが消費が完了する前にタスクを強制終了できるように、bash 呼び出しの上に計画を表示したまま処理を続行します。計画は bash 呼び出しの前に必ず到着しなければならず、後ではいけません。
- Seedance R2V に渡す前に Banana 編集の参照を表示する → 編集内容を表示し、視覚的な承認を待ちます。Banana は約12cr、Seedance は約250〜500crです。間違った参照を自動チェーンすると、50倍のコストがかかります。このゲートは自動モードでも圧縮されません。
- 完全な自動モードの相互作用については
references/confirmation-rules.mdを参照してください。
-
選択ゲートには、自由形式の文章ではなく
AskUserQuestionツールを使用すること。 モデル選択、トランジションスタイル、解像度、Banana 編集の承認/再生成/キャンセル —AskUserQuestionを構造化されたオプションリストで呼び出し、自分の推奨を 最初に「(推奨)」を付けて配置します。references/confirmation-rules.mdを参照してください。 -
アバターが提供され、かつ設定が変わらない場合は、アバターを再生成せずに編集すること。 コンポーズスタイルの Banana プロンプト(「縦9:16のUGC自撮りフレームを構成...」「クリエイターの自撮りシーンを生成...」)は、モデルにアバターからインスパイアされた新しい AI ルックの画像をレンダリングさせ、光源、粒子、ローファイな信頼性を失わせます。結果は、実際のクリエイターが編集した自撮りではなく、合成的に感じられます。編集スタイルの動詞を使用し(
@Image1 を編集: ... を追加、@Image1 をそのまま使用し、... のみ変更、@Image1 のすべてのピクセルを [領域] 以外は保持)、参照がすでに示しているシーントークンを再リストせず、品質向上の言葉(「フォトリアリスティック」「スタジオ品質」「8K」)をプロンプトから削除してください。それらは再生成を引き起こします。references/avatar-edit-not-regenerate.mdを参照してください。 -
UGC 動画の場合、音声あり/なしの選択を表示すること。黙って選択しないこと。 「UGC 動画」は曖昧です。音声付きのクリエイタークリップ(スクリプト駆動、音声+リップシンク)か、モーションのみのビート(OOTD 公開、Bロール、後処理でテキストオーバーレイを付けた静止画アニメーション)の可能性があります。どちらも正当なクリエイティブ形式です。エージェントは黙って一方を選んではいけません:
- 音声ありへの強いシグナル(そのまま進む):ユーザーが「トーキングアバター」「クリエイターが言う」「ナレーション」「説明動画」「スクリプト付き広告」と書いた、または自分でスクリプトを提供した場合。スクリプトを作成 → 計画概要に含める →
generate_audio: trueとインラインの引用音声で生成します。 - 音声なしへの強いシグナル(そのまま進む):ユーザーが「OOTD 公開」「モーションのみ」「音声なし」「Bロール」「Pinterest 風」と書いた、または静止画アニメーションリールを希望する場合。
- 曖昧な「UGC 動画」/「プロモ動画」/「広告動画」 — 2つのオプションで
AskUserQuestionを呼び出します:音声あり(4〜8語のフックのドラフト付き)または音声なし+後処理テキストオーバーレイ。ユーザーのブリーフに合う方を推奨します。黙ってデフォルトにしないでください。
音声ありが選択された場合:プロンプトに引用音声を含めずに生成を開始しないでください。ユーザーが提供しなかった場合は、ブリーフに合う4〜12秒のダイアログを作成し、計画概要に表示してから進めてください。汎用的なアクションプロンプトと引用音声なしで生成すると、無音の動画またはモデルが babble した音素が生成され、クレジットが無駄になります。
references/script-and-duration.mdを参照して、単語数から長さを計算してください。 - 音声ありへの強いシグナル(そのまま進む):ユーザーが「トーキングアバター」「クリエイターが言う」「ナレーション」「説明動画」「スクリプト付き広告」と書いた、または自分でスクリプトを提供した場合。スクリプトを作成 → 計画概要に含める →
-
マルチセグメント計画は、セグメント1の視覚的承認のために停止する。ユーザーがセグメント1が正しくできたことを確認するまで、セグメント2〜N に展開しないこと。 音声連続性は、
--reference-audioを介してセグメント1の音声を後続のすべてのセグメントにロックインします。セグメント1の音声が間違っている、アバターのアイデンティティが間違っている、単語を誤って発音している、またはブランドから外れたフレーミングである場合、並列のセグメント2〜N すべてがその欠陥を継承します。4セグメントの計画で約250cr/セグメント = 約1000cr。壊れたセグメント1を自動展開すると、本来必要のなかった約750crを消費します。フローは次のとおりです:
- 計画概要 → ユーザー承認(ルール5)。
- セグメント1のみをレンダリング。
- チャットにセグメント1の動画 URL を表示 + オプション付きで
AskUserQuestionを呼び出す:- 問題なし — セグメント2〜N をレンダリング (セグメント1がクリーンな場合は推奨)
- セグメント1を再レンダリング(プロンプト/参照/長さを調整)
- マルチセグメント計画をキャンセル
- 「問題なし」の場合のみ → 抽出された音声とともにセグメント2〜N を並列展開します。
このゲートは自動モードでも圧縮されません。セグメント1からセグメントNへのコスト乗数は、ユーザーの忍耐強さに関係なく同じです。正規のマルチセグメントフローについては
pipelines/ugc-video.mdを参照してください。 -
カメラは固定する。ユーザーが明示的に要求しない限り、アングル/フレーミングを変更しないこと。 ドキュメンタリースタイルの UGC(街頭インタビュー、キッチンデモ、創業者 POV、お客様の声、vlog スタイル)は、1つの連続したカメラ視点 として読まれ、マルチアングルのカットシーケンスではありません。デフォルトでは:同じフレーミング(例:ミッドショット、アイレベル)、同じ距離、アバターは各セグメントでほぼ同じ位置に配置します。セグメント間の「トランジション」は、アバターのジェスチャー/ライン/微表情であり、アングルカットではありません。
❌ 誤ったデフォルト(暗黙の退化 — 「撮影監督によるショット」感を生み出し、UGC の信頼性を破壊します):
- セグメント1 ミッドショット → セグメント2 オーバーショルダー → セグメント3 クローズアップ
- 「話者にゆっくりと押し込む」
- 「決めゼリフで商品のクローズアップにカット」
- 同じ人物の異なるアングルを使用した各
nano-banana-2セグメント参照
✅ 正しいデフォルト(UGC の信頼性を保持):
- すべてのセグメントで同じソースフレーム、またはほぼ同じアングル/照明。セグメント間で変化するのはアバターの手の位置、視線、表情のみ。
ユーザーが明示的に「各セグメントでアングルを変えて」「フックで映画的なクローズアップにカット」「商品のオーバーショルダーショットを含めて」「スタジオスタイルのマルチカム UGC」と要求した場合のみ、マルチアングルに切り替えてください。不明な場合は、
AskUserQuestionで質問します:固定カメラ(ドキュメンタリー UGC に推奨) / マルチアングル(映画的なカット)。静的フレーミングと記述されたカメラモーションに関する関連ルールについては、
references/first-frame-not-camera-motion.mdを参照してください。 -
ユーザーが提供したすべての参照を監査する。UGC の場合、商品だけでは不十分です。 ブリーフが「この商品の UGC 動画を作って」で、ユーザーが商品写真のみを提供した場合、生成する前に STOP してください。Seedance R2V には、商品、アバター/クリエイター(顔、体格、雰囲気)、およびシーン/場所(キッチン、浴室、ジム、歩道)のアンカーとなる参照が必要です。商品を詳細に文章で説明することはできますが、アバターを文章のみで説明すると、Seedance は一般的な外見の人物(通常は20代の合成的に感じられる白人女性)を幻覚し、シーンはブランドの世界ではなくストックの Bロールのように読まれます。結果は「作られたように見えない」という基準を満たしません。
生成前に、提供されたメディアを監査します:
- 商品画像 — ほとんどの場合存在します。プロンプトラベル
@Image1を付けて--reference-imageとして渡します。 - アバター/クリエイター画像 — ユーザーが提供した場合、別の
--reference-imageとして渡し、ラベル@Image2を付けます。ユーザーが提供しなかった場合は、生成前にAskUserQuestionを呼び出します:クリエイターのヘッドショットをアップロード / QuickDesign アバターライブラリ(5,000以上のポートレート)から選択 / 文章で説明したクリエイターで進める(合成的な見た目のリスク)。ユーザーがブリーフのみの場合は「ライブラリから選択」を推奨します。 - シーン/場所画像 — ユーザーが「キッチンシーン」「バスルームの鏡越し自撮り」「オフィスデスクの POV」などを撮影する場合、実際の部屋の参照写真があるかどうか尋ねます。提供された場合は
@Image3として渡します。
Seedance R2V の呼び出しは次のようになります:
quickdesign video generate --provider seedance \ --reference-image product.jpg \ --reference-image avatar.jpg \ --reference-image scene.jpg \ --aspect-ratio 9:16 --duration 12 --resolution 1080p \ -p '@Image2 in @Image3, holds @Image1 toward camera. She says: "..." No music score. No subtitles or on-screen text.' \ -o seg1.mp4 --wait@Image1/@Image2/@Image3ラベルが主要な役割を果たし、文章はアクションと引用音声のみを説明します。references/multi-reference-pattern.mdを参照してください。 - 商品画像 — ほとんどの場合存在します。プロンプトラベル
決定木 — 最初に開くドキュメント
ジョブタイプ別:
| リクエスト | ここから始める |
|---|---|
| UGC / トーキングアバター / プロモ / 説明動画 / マルチセグメント広告 | pipelines/ugc-video.md → models/seedance-2.0-r2v.md |
| 画像編集(アングル、状態、複数商品合成) | models/nano-banana-2.md → references/multi-reference-pattern.md |
| 映画的なシングルショット、音質重視(4/8/12秒) | models/sora2-i2v.md(明示的なユーザーオプトインがある場合のみ) |
| 低コストループ / 非音声 Bロール | models/kling-3-pro.md |
| 最終動画の解像度が低すぎる | models/topaz-video-upscale.md(結合後に実行) |
| 既存の動画にキャプションを追加 | references/auto-subtitle.md |
| ブランドが Spy Brands ライブラリにない / 検索結果0件 | references/spybrands-add-on-miss.md |
| ユーザーが… |