Communitygithub.com

Podcast Clips (ポッドキャストクリップ)

長いポッドキャストやインタビューを、1台のワイドカメラで撮影された映像から、仮想マルチカメラ風の短いクリップに編集します。クローズアップはワイドショットからのズームインで、カメラに追従するテキスト、グラフィックのみのシーン、キーワードのアクセント、カット時のフラッシュなどを使用します。

Podcast Clips (ポッドキャストクリップ) とは?

このスキルは、長時間のポッドキャストやインタビュー映像を、ソーシャルメディア向けの短いクリップ(リール、ショート、16:9)に変換するためのものです。仮想的なマルチカメラのような見た目を実現し、1台のワイドカメラからの映像のみを使用しながら、視聴者に複数のアングルがあるかのように感じさせます。主な特徴としては、カットイン時にわずかにズームインしてから落ち着くカメラワーク、話者の横の空きスペースに配置されカメラに追従するテキスト、キーワードを強調するアクセント(ピル型またはスライディングボックス)、トークの合間に挿入されるグラフィックシーン、カットごとの軽いフラッシュエフェクトなどがあります。このスキルは、OpenCVやMediaPipeによる顔検出、ffmpegやHyperFramesによるレンダリングを含む、段階的なワークフローを提供します。ブランドアセットを活用し、品質チェックを実施し、各クリップの詳細なレポートを生成します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/justlowys/claude-video-editing-skills/tree/HEAD/skills/podcast-clips

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

ポッドキャストクリップ

最初に video-edit-rules を読んでください。そのルールはここでのすべてのステップに適用されます。 longform-to-clips で瞬間を選んでください。このスキルはその見た目です。

目標: マルチカメラ番組のように感じられる、固定されたワイドショット。 テスト: 視聴者には複数のアングルがあると感じられ、テキストは空いたスペースに配置され決して顔の上になく、すべてのカットは無音で始まります。

対応する映像

  • 1台のワイドカメラ、固定、両方の話者がフレーム内、または1人の話者とその横にスペースがある。
  • 4Kが最適。4Kでの2.5倍ズームでも約1536ピクセルの幅があり、1080出力に十分なシャープネス。
  • 1080pの映像は、ソフトに見え始めるまで約1.4倍のズームに制限されます。ユーザーに伝えてください。
  • クリーンな音声。個別のマイクトラックは話者ラベルに役立ちます。

ステップ1. クリップスクリプト

  1. longform-to-clips から瞬間とそのスクリプトを取得します: 正確な単語、順序、ソースタイムスタンプ。
  2. 各行を誰が話すかをマークします。
  3. アクセント用に、クリップごとに2〜4個のキーワードをマークします。アイデアを伝える単語を選んでください: 数字、対比、結果など。
  4. フルグラフィックシーン用に1〜2行をマークします。表示できるものを説明する行を選んでください: リスト、ビフォーアフター、述べられた数字など。

ステップ2. ワイドショットのマッピング

  1. 1つのシャープなフレームを取得します。各顔を検出します(OpenCV DNN または MediaPipe)。各顔の矩形を work/faces.json に書き込みます。
  2. 各話者の横の空きスペースを見つけます: 顔、体がなく、テクスチャが少ない(ラプラシアン分散が低い)最大の矩形。ここにテキストが配置されます。
  3. 話者ごとのフレーミングを work/framings.json に計画します:
フレーミング4Kでのズーム使用用途
ワイド1.0x最初の行、話者の切り替え
ミディアム1.5xほとんどの行
クローズ2.0〜2.5xキーとなる行と決定的な場面

9:16出力の場合、クロップはワイドショット内の垂直ウィンドウです。話者の目を1920のy 700付近に配置します。テキストは顎の下、または頭の横のスペース、安全ゾーン内に配置します。

ステップ3. カメラの動き

すべてのカットは新しいフレーミングで始まります。その後、カメラは落ち着きます。

  1. カット時、ターゲットのフレーミングより6〜10%タイトに開始します。
  2. 0.6〜0.9秒かけてターゲットにイーズアウトします。1つのカーブを使用します(例: cubic-out)。ストップ&ゴーは禁止。
  3. 次のカットまで静止します。非常にゆっくりとしたドリフト(約3秒で1%)は許容されます。
  4. 1.25倍以上離れていない2つのフレーミング間をカットしてはいけません。ジャンプとして認識されます。
  5. ffmpeg(フレームごとの式を使用した crop と scale)またはOpenCVで、クロップを映像フレームに焼き付けます。カメラのページトランスフォームに依存しないでください。
  6. ソースフレームを出力フレームレートに均等にマッピングします。

ステップ4. 空きスペースへのテキスト配置

テキストは画面上ではなく、画像に固定されます。

  1. 各テキストブロックを、ステップ2で見つけた空きスペースに、ワイドショット座標で配置します。
  2. 各フレームで、ブロックを映像と同じズームとオフセットで処理します。テキストはカメラとともに拡大・移動します。
  3. 2つのサイズ。キーワード用の大きなコンデンスドワード(1080の高さで180〜260ピクセルなど)。残りの行用の小さなタイトなテキスト(40〜56ピクセル、文字間隔 -0.02em)。
  4. テキストブロックは、最もタイトなズーム時でも、顔の矩形を横切ってはいけません。すべてのフレームで確認します。
  5. テキストは単語とともに、短い立ち上がり(0.3秒)で表示され、バウンスはありません。カット時に削除します。

ステップ5. キーワードのアクセント

2つの形式。クリップごとに1つ選び、それを維持します。

  • ピル: キーワードはソリッドなアクセントピルの中に配置されます。ピルの高さはキャップハイトの1.3倍、半径は高さの半分、パディングは両側0.4em。
  • スライディングボックス: アクセントボックスが単語が話されるのに合わせて単語の後ろをスライドし、最初の単語から最後まで1回のスムーズな動きで移動します。単語間で停止することはありません。その幅を単語のタイミングから決定し、フレーズ全体に1つのイージングカーブでスムーズにします。

brand/theme.css のブランドアクセントカラーを使用します。ブランドがない場合は、明るい色を1つ選び、それを維持します。

ステップ6. フルグラフィックシーン

トーク部分の間に、マークされた行に対して1.5〜3秒間、全画面シーンにカットします。

  • 各シーンは $KIT/templates/ またはブランド素材からHTMLとして構築します。
  • 音声はシーンの下で再生され続けます。
  • シーンは言われていることを表示します: リスト項目が話される順に、数字が話される順に表示されます。
  • オーガニック投稿では、シーンはクリップの約15%未満に抑えます。
  • ユーザーが所有する写真、録画からのフレーム、またはライセンスされたストックのみを使用します。フォロワー数、名前、数字をでっち上げてはいけません。

ステップ7. カット時のフラッシュ

  1. フレーミング間またはシーンへの各カットで、軽いフラッシュを追加します: 白いレイヤーを35〜55%の不透明度で、カットフレームでピークにし、4〜6フレームかけてフェードアウトします。
  2. 音声より少なくとも20dB低いソフトなポップ音とペアにするか、無音にします。
  3. ウーッという音は禁止。ライザーは禁止。リバーススウェルは禁止。

ステップ8. ビルドとレンダリング

  1. カメラが焼き付けられた映像: work/cam.mp4。
  2. テキスト、アクセント、シーン: work/clip-NN/ 内の1つのHyperFramesプロジェクト。
  3. すべてのシーンを映像カットにスナップインおよびスナップアウトします。
  4. レンダリング: npx hyperframes render work/clip-NN。16:9の場合は1920x1080、9:16の場合は1080x1920で出力。
  5. 最初の3秒を最初に表示します。承認を待ちます。その後、クリップ全体をレンダリングします。

この見た目に関するチェック

video-edit-rules の品質ゲートに加えて:

  • すべてのカットをステップスルーします。新しいフレーミングはタイトに開始し、1回イーズアウトします。
  • 各ショットの最もタイトなズームをステップスルーします。テキストが顔に触れていませんか。
  • スライディングボックスを25%の速度で視聴します。単語間で停止していませんか。
  • 各フラッシュがカットフレームでピークになっているか確認します(1フレーム後ではありません)。
  • 各ズームがシャープであることを確認します。ズームがソフトな場合は、ズームを戻します。

レポート

  • クリップ長、ソースのイン/アウト時間、最初と最後の行。
  • 使用されたフレーミングとそのズーム。
  • アクセント付きのキーワード。
  • シーンとそのランタイムシェア。
  • すべてのサウンドエフェクトとその時間、レベル。
  • 品質ゲートの結果。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

関連スキル