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
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。- 各行を誰が話すかをマークします。
- 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。
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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。
- 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。
- 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)。
- 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。
- 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
- 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。
- 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。
- 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
- カメラが焼き付けられた映像:
work/cam.mp4。 - 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。 - 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。
- 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。 - 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。