Clean Thumbnail：実写素材で作る編集部品質のYouTubeサムネ

クリーンサムネイル

たった一つのルール

本物の画像が雰囲気を運び、タイポグラフィは静かに添える。 すべてのサムネイルは、固定された役割を持ついくつかの実画像と、2つのテキスト要素のみで構成されます。輪郭線、光彩、矢印、ステッカー、色被せ、画像生成モデルで作成されたシーンは一切使用しません。

画像の役割

ユーザーの発言や提示された画像から、各画像の役割を決定します。役割は以下の4つだけです。

役割	フラグ	使用用途
背景	the capture (位置指定)	ほぼすべて：1フレーム、写真、キーアート
パネル	--panel A --panel B (2-3枚), --panel-label 各パネル	比較：バージョン、設定、ビフォー/アフター
被写体	--subject cutout.png (繰り返し可能)	背景の前に配置する人物、キャラクター、製品
インセット	--inset img --inset-box x0,y0,x1,y1	背景内部に表示する画像：モニター上のゲーム、電話のクリップ

パネルは背景を置き換えます。被写体とインセットは背景の上に重なります。被写体はテキストとは反対側に配置し、背後にある写真とマッチさせます（色かぶり、トーン、シャープネス、粒状感）。背景は被写体の背後でソフトに処理されます（--push、デフォルト0.5）。被写体ファイルには透明な背景が必要です。透明背景がない場合、rembgがインストールされていればスクリプトがそれを使用し、そうでなければカットアウトを要求します。インセットボックスは背景画像に対する割合で指定します。背景を見て、画面やフレームの位置を推定してください。

サムネイルか、投稿か？

これを最初に決定します。これにより、ユーザーの言葉の扱いが変わります。

• サムネイル： 画像は動画のタイトル（YouTube動画、リール、ショートのカバー）の隣に配置されます。タイトルがメッセージを伝えるため、画像には数語のみ、タイプルールに従って選択します。
• 投稿： 画像自体がメッセージです：FacebookやInstagramの投稿、告知、イベント、オファー、採用情報、プロモーション。--mode post でレンダリングし、ユーザーの言葉をそのまま保持します。コアメッセージは --title、残りは --body、日時、場所、価格、行動喚起は --details に配置します（タイプルール：投稿参照）。スペルと大文字小文字のみ修正します。ユーザーが依頼しない限り、メッセージを削ったり、投稿のキャプションに移動したりしないでください。スクリプトがフィードサイズでテキストが読めないと警告した場合は、自分が行うであろうカットをユーザーに提示し、承諾を待ってください。 投稿は、写真がごちゃごちゃしている場合やメッセージが長い場合、--backdrop solid が最適な場合が多いです。サムネイルは通常、デフォルトの fade を維持します。
• 不明な場合： 一度だけ尋ねてください：「これは動画のサムネイルですか、それとも投稿画像ですか？」

ワークフロー

1. 画像を入手する。 最適な背景は生のキャプチャです：フォトモード、HUDオフ、1440pまたは4K、被写体は片側に、反対側にテキストのスペースを確保します。公式プレスキットのアートは機能します。キーアートは中央に被写体があることが多く、--subject-box と --crop で対応します（ステップ5）。ファンアートはアーティストの許可とクレジットが必要です。画像がファンアートに見える場合はその旨を伝えてください。画像生成モデルでシーンを生成したり再描画したりしないでください。

2. テキストを作成する references/type-rules.md に従って。サムネイル：大きなテキストはこの動画を他と差別化するもので、ラベルはコンテキストです。必要な場合を除き、キッカーは使用しません。ユーザーにテキストと、タイトルから削除したものを表示します。投稿：ユーザーのメッセージを見出し、本文、詳細に分割し、単語を削除せずに、どのように分割したかをユーザーに示します。

3. タイトルの見た目を選ぶ references/fonts.md に従い、以下の優先順位で：ユーザーが公式ロゴを持っている場合（--logo、プレスキットや公式サイトで公開されています）。そうでない場合、バンドルされているフォントの中で、ゲーム、映画、ブランドの独自の文字に最も近いもの（--title-font cinzel、--list-fonts を参照）。バンドルされているもので合うものがない場合は、無理に使用せず、チャンネルに保存されている title_font、それもなければセリフ体かサンセリフ体のデフォルトを使用し、合致するものがないことを伝えてください。ラベルボックスは常にチャンネルフォントを維持します。どの見た目を使用したか、その理由をユーザーに伝え、マッチしたフォントは精神的な近さであり、実際の文字ではないことを伝えてください。ロゴのウェイトや字間にも形状を合わせてください：細くて間隔の広いロゴ（Death Strandingなど）には、カタログの太字デフォルトではなく、ライトウェイトで広めのトラッキングを設定します（--title-font outfit@Light --title-tracking 0.12）。フォントが幅広い場合は、長い単語を2行に分割します（DAWN\nWALKER）。スクリプトはテキストが小さくなりすぎると警告します。 色： デフォルトは白。画像に1つの強い特徴的な色（夕日、ネオン、日食、チームカラーなど）がある場合は、--title-color auto を使用します。スクリプトは画像からその色を取得し、暗い側で読める程度に明るくします（画像に鮮やかな色がない場合は白のまま）。または、ブランドカラーを指定します（--title-color "#f2b84b"）。大きなテキスト または ラベルボックス（--accent）に色を付けますが、両方を異なる色にすることは絶対にしないでください。スクリプトはそのような場合に警告します。チャンネルカラーを clean-thumbnail.json の title_color または accent として保存します。

4. チャンネル設定とフォーマットを確認する。 作業フォルダに clean-thumbnail.json がある場合、スクリプトはそれを読み込みます（スタイル、フォント、色、リード、サイズ、アスペクトなど。フラグで上書き可能）。

   • フォーマット、一度だけ尋ねる。 保存された aspect がなく、リクエストがプラットフォームを指定していない場合、ユーザーがどのプラットフォームに投稿するかを一度だけ尋ねます：YouTube（16:9）、FacebookまたはInstagramフィード（4:5）、リール、ショート、ストーリー（9:16）。答えを clean-thumbnail.json に "aspect" として保存します（存在しない場合は references/channel.example.json から作成します。例："aspect": "16:9,4:5"）。保存した場所を伝え、再度尋ねないでください。
   • その後は、 保存されたフォーマットを尋ねずに使用します。リクエストがプラットフォームを指定した場合（「リール用」「Facebook用のも」）、そのリクエストにのみ --aspect を渡します。保存された値を変更するのは、ユーザーが明示的に指示した場合のみです（「今後は」「常に」）。
   • ユーザーが最初のサムネイルを承認した後、他の選択肢（スタイル、フォント、title_color、accent）も同じ方法で保存することを提案します。色を保存するのは、ユーザーがすべての動画でその色を使用したい場合のみです。auto は画像ごとに決定されるため、ユーザーが依頼しない限り保存しないでください。

5. レンダリング このスキルのフォルダにある scripts/thumb.py を使用して実行します（フルパスを使用）：

   python <skill-dir>/scripts/thumb.py CAPTURE --title "SIMON" --label "No hit · Parry only" -o out/simon
   

   デフォルトの --lead ab では、2つのバリエーション（_A（タイトル大）と _B（ラベル大））が生成されます。それぞれ、画像がサポートする最大の標準サイズ（アップスケーリングなし、最大3840x2160、デスクトップアップロード用）のマスター .jpg、2 MB未満の1280x720の _phone.jpg（電話アップロード用）、および _preview.png（フィードサイズ、再生時間バッジ付き、88 px通知、スクイントテスト用）が生成されます。

   フォーマット：--aspect 16:9（デフォルト、YouTube）、4:5（FacebookおよびInstagramフィード、1080x1350）、9:16（リール、ショート、ストーリー、1080x1920）、カンマ区切りリスト、または all。縦長フォーマットは、--focus が指定されていない限り、画像の最も賑やかな部分（被写体）にクロップされ、タイプは画像下部のバンド、被写体がある場合は画像上部、または積み重ねられたパネルの継ぎ目に配置されます。9:16では、タイプはリール/ショートのセーフゾーン内（上部14%、下部35%、右側15%を避ける）に留まります。各縦長ファイルには、マスターがそれより大きい場合に _1080.jpg コピーが作成され、Facebookフィードカードまたはリールオーバーレイ（プロフィールグリッドクロップ付き）の下でのプレビューが作成されます。すべてのフォーマットで同じテキストを使用します。

   被写体をマークする。 キャプチャに人物、キャラクター、製品が写っている場合、それを見て、顔（または製品名やラベル）の周りに --subject-box x0,y0,x1,y1 を渡します。値は画像全体に対する割合で、--inset-box と同じように推定します。顔の場合は、眉からあごまでの範囲をボックスで囲みます。髪や全身は含めません。胴体にタイプがかかるのは問題ありませんが、顔にタイプや影がかかるのは問題です。スクリプトは、16:9のタイプをボックスがクリアされる側に配置し、4:5と9:16のクロップをボックスに中心合わせし、9:16のタイプバンドを、顔への影が少なくなる場合は上部に移動し、ボックスがタイプや影の下、またはフレーム外になる場合に警告します。各バリエーションは subject box: 行を出力します（フレーム内、可視、影の下、タイプの下）。--panel または --subject（カットアウトには独自の重なりチェックがあります）では使用しません。

   4:5や9:16には別の画像を使う と良い場合が多いです。9:16のタイプはフレーム中央（リールセーフゾーン）に配置されるため、被写体の顔が上部3分の1にあり、その下が落ち着いたフレームが必要です。顔が中央にある場合、--subject-box は、それがクリアされる場合にバンドを上部に移動し、できない場合は警告します。ボックスがない場合、バンドは下部に留まり、顔を覆います。ワイドキャプチャが適さない場合、ユーザーに適したキャプチャを依頼するか（またはユーザーのキャプチャから選択し）、--aspect 4:5,9:16 で2回目の実行でレンダリングします（同じ -o で問題ありません。縦長ファイルには _4x5 と _9x16 のサフィックスが付くため、16:9ファイルはそのまま残ります）。縦長クロップは --subject-box に中心合わせされます。ボックスがない場合、フレームの最も賑やかな部分に従います。これは風景の場合もあります。その場合は、ボックスまたは --focus を渡します。

   被写体が中央？ 16:9のサムネイルでは、タイプとその影はどちら側に配置されても被写体にかかります。--focus は役に立ちません（16:9より広いキャプチャでの16:9クロップの位置を移動するだけです）。--subject-box を使用すると、警告がそれをクリアするクロップを提案します。例：try --crop 0.11,0,0.96,1 --text-side right。それを指定して再実行し、同じ --subject-box を維持します（両方とも元の画像に対する割合であるため、ボックスの再計算は不要です）。手動で：画像のより狭い部分を --crop x0,y0,x1,y1（元の画像に対する割合）で保持します。幅の約75〜80％で、被写体はタイプとは反対側に向けます。16:9より狭い場合、アートは遠い側に移動し、暗い側にフェードします。クロップはすべてのフォーマットに適用されます。バーはトリミングされます。クロップは、ボックスが認識しない2番目の要素を視野内に維持することもできます（クリエイターデモでは、この方法でカメラフォンを視野内に保持しています）。

   その他のフラグ：--backdrop fade|solid（タイプの背後に配置されるもの。fadeは写真を暗くして影にし、solidは写真をクリーンに保ち、タイプを無地の --bg パネルに配置）、--style serif|sans（デフォルトのタイトルの見た目）、--kicker TEXT / --subtitle TEXT（大きなタイプの上または下の小さな行。タイプルールを参照）、--feather 0..1（狭いまたはクロップされたアートのフェード長。フェードが顔に達する場合は短くする）、--shade 0..1 および --bg #hex（タイプ側の暗さと色）、--subject-box x0,y0,x1,y1、--band auto|top|bottom（4:5および9:16のタイプバンド）、--text-side left|right、--focus 0..1（ワイドキャプチャのクロップ位置）、--logo logo.png --logo-white（タイトルとしてのロゴ）、--title-font NAME|FILE / --label-font、--list-fonts、--system-fonts（バンドルされたデフォルトの代わりにインストールされたフォント。見た目はマシンによって異なります）、--title-tracking 0..0.5（大きなタイプの文字間隔（em単位））、--title-color white|auto|#hex（大きなタイプ）/ --accent white|auto|#hex（ラベルボックス）、--size 720p|1080p|1440p|4k、--feed DIR（両方のバリエーションを他のサムネイルの中に配置）。各バリエーションは title type: ... と colors: ... を出力するため、ユーザーに何が使用されたかを伝えることができます。

6. 確認 手渡す前に：

   • すべての warning: 行を読み、原因を修正します（サイドの切り替え、クロップまたはインセットボックスの移動、テキストの短縮、大きなカットアウトの使用、再キャプチャ）。開いている警告があるサムネイルを、その旨を伝えずに手渡さないでください。
   • 各プレビューを開きます：大きなタイプは168 pxで読める必要があります。読めない場合は短くします。
   • スクイントタイルでは、大きなタイプと被写体が生き残る2つの要素である必要があります。明るい部分がその両方を上回る場合は、クロップ、サイド、または画像を変更します。細いまたは詳細なロゴは、ここで大きなタイプが保持されている間にしばしばフェードアウトします。その旨を伝えてください。それがバリアントBの目的です。
   • すべてのバリエーションの subject box: 行を読みます。16:9でボックスが影またはタイプの下にある場合、タイプを縮小する代わりに、警告が提案する --crop（ステップ5）で再実行します。9:16では、タイプはリールのセーフゾーン内に留まる必要があるため、スクリプトはバンドを上部または下部にしか移動できません（自動的に移動し、もう一方のバンドが顔をクリアする場合に --band を警告として出力します）。顔がまだ影になっている場合は、ボックスが眉からあごまで正しく設定されているか確認し、テキストを短くするか、縦長フォーマットには別のフレームを使用し（ステップ5）、9:16の顔が影のままであることをユーザーに伝えます。
   • ボックスがない場合（人物や製品がいない場合）、4:5と9:16のプレビューでクロップが重要なものを保持しているか確認します。風景をフレーミングしている場合は、--focus を渡します。
   • auto カラーの場合、colors: 行とプレビューを確認します。色は画像で知られている色である必要があります。脇の色（青いシーンの中の赤い看板など）を拾った場合は、正しい色の16進コードを指定するか、白に戻します。
   • 被写体がある場合、背景と一緒に撮影されたように見えるか確認します。ハロー、色やシャープネスの不一致がないか確認します。スクリプトは一致させた内容を出力します。
   • ユーザーがそのトピックに関する現在のトップサムネイルのスクリーンショットを持っている場合、--feed DIR でそれらを渡し、_feed.png を確認します。ユーザーのサムネイルが目立つ必要があります。

7. 手渡す。 サムネイルの場合：両方のバリエーション（マスターと電話コピー）、プレビュー、使用したテキスト、タイトルの見た目と色（title type: および colors: 行から）。このペアはYouTubeのテスト＆比較用で、これは動画ごとに最大3つのサムネイルを受け付け、クリック率ではなく視聴時間シェアで勝者を選びます。明確に異なるサムネイルはより早く完了します。テストに選ばせてください。あなたが選んだり、3つ目のバリエーションを約束したりしないでください。投稿の場合：画像とそのプレビュー、および配置された通りのテキスト（post text: 行からのサイズ付き）。これは1つの画像であり、A/Bペアではありません。

固定仕様

マスターは最大3840x2160（YouTubeはデスクトップから最大50 MBを受け付けます）。電話コピーは1280x720、2 MB未満。4:5マスターは最大2160x2700、コピーは1080x1350。9:16は最大2160x3840、コピーは1080x1920。タイプは右下隅（再生時間バッジが配置される場所。168pxのバッジにサイズ調整）の外、9:16ではリール/ショートのセーフゾーン内に配置されます。

...

[truncated for translation]