cloudhanfeng92-arch/automotive-promo-video-reference

自動車プロモーションビデオディレクター・ストーリーボード画像不要版

これは独立したバージョンで、automotive-promo-video および automotive-promo-video-rhythm を保持します。本バージョンのワークフローは、脚本＋テキストストーリーボード → 車両4面図＋必要に応じて内装/シーンデータカード → 複数ショットの参照画像付きビデオプロンプト → 許可に基づく生成、編集、納品 です。

範囲とツール

• ショットごとのストーリーボード画像は生成せず、ショットごとの最初/最後のフレームは要求せず、ショットごとの画像生成を前提としたプレビジュアライゼーションは作成しません。 テキストストーリーボードは引き続き完全である必要があります。承認されたリファレンスボードから独立した視点を切り出すことは可能です。これはアイデンティティ/空間参照を整理することであり、ショットの構図画像を生成することではありません。
• 画像はユーザー指定の Lib Image 2.5 Pro を使用します。ユーザーはこれを GPTimage2.5 とも呼びます。実行名は現在の LibTV ディレクトリに従い、エイリアスでベンダーバージョンを証明しません。ビデオはデフォルトで Seedance 2.5、マルチイメージ参照モード です。
• LibTV 操作は、インストール済みの libtv-cli スキルを読み取り、実行ルールに従って CLI を実行します。サイレントに最初のフレームモード、他のモデルに切り替えたり、ストーリーボード画像を再追加したりすることはできません。
• 企画時は リズムとセグメンテーション を読みます。参照画像フェーズでは 参照アセット仕様 を読みます。ビデオプロンプト作成時は 固定フォーマット を読み、例が必要な場合は 20秒完全例 を読みます。ローカル編集時は ffmpeg-skill を読みます。スキル/脚本/プロンプトのみを作成する場合、メディア生成や編集ツールは起動しません。
• ユーザーが高級車の PV、スピード感、またはより強い商業撮影のダイナミズムを要求する場合、自動車 PV ディレクションブランチ を読み、動きのあるオープニング、静と動のコントラスト、走行のクライマックスで企画を再構成します。静的な展示、ショールーム紹介などの要件では、このブランチは自動的に適用されません。
• ユーザーサンプル内の人物、声質、ファイルパス、ストーリー、台詞はフォーマット参照のみであり、関連のないファイルを読み取ったり、自動車企画にコピーしたり、生成の許可として扱ったりしません。

1. 自動車画像を読み取り、最初に脚本とテキストストーリーボードを作成する

自動車画像を受け取ったら、自動的にこのフローに入ります。ユーザーに「4面図を作成して」と依頼する必要はありません。まず実際にアップロードされた画像を観察し、vehicle-bible.md を作成します：ソース U01 など、見える外観、車体色/ツートンカラーの境界、グリル/ライト形状/ホイール、右ハンドル/左ハンドルと内装（見える場合）、見えない部分。各項目に observed / user-confirmed / inferred / unknown を付けます。

リファレンス映像は撮影とリズムを指導しますが、異なる映像内の車種、ホイール、内装を同一車両として合成することはできません。単一の前側面図から見えない後部、右側面、内装は実際の構成として偽装できません。マークされた補完案を提案することは可能ですが、重要な構成は補完画像またはユーザーによるビジュアル設定の承認が必要です。

ユーザーから条件が与えられている場合はそのまま使用します。そうでない場合は、16:9、20秒、約30fps、台詞/ナレーションなしで納品することを提案し、これらは変更可能なデフォルトであることを明確にします。テキストストーリーボードのショット数は、可読性とリズムによって決定され、元の26ショット/20秒の割り当ては継承しません。0.5秒の粒度で、短いショットと長いショットは情報のある組み合わせを形成する必要があります。

スピードと撮影の強度は本映像の意図に従います。「高級」を一律に低速、静止、またはすべてのショットがスローパンであると解釈しません。PVブランチは、自然な加速、車両とカメラの相対的な接近/離脱、および近接通過を設計できます。タイヤの接地感、車体の重量感、および方向の一貫性を維持し、広告映像で実際の性能を主張しません。

最初に必ず出力すること：

1. 脚本：タイトル/一言のコンセプト、観客の認知の進行、シーンと時間、車両の状態変化、冒頭の惹きつけポイント、結末。台詞がなければビジュアル脚本を書き、人物、声質、またはストーリーナレーションを強要しません。
2. リズム構造：詳細な短いグループ、完全な車両姿勢/キャビンの余白、走行セクション、エンディングのそれぞれの時間配分、主要な参照ルールを説明します。
3. テキストストーリーボード表：全編のショット番号、所属CLIP、全編とセグメント内のイン/アウトポイント、ショット長、ショットサイズ/構図、車両の動き、カメラの動き、カットアウトイベント/次のショットへの繋ぎ、必要な参照ID。
4. アセット要求表：車両4面図は必須。内装カードと主要シーンカードが必要かどうか、その理由、不足しているソース。テンプレートを埋めるためだけに無駄なアセットを生成してはいけません。

ユーザーが脚本/ストーリーボード/プロンプトのみを要求する場合、その範囲内で納品します。参照画像が不足している場合はテキスト草案を納品し、独立した実行説明に保留中のバインディング項目を明記します。アセットの状態をモデルプロンプトに書き込んだり、アセットが生成されたふりをしたりしません。

2. 自動で参照アセットを準備・生成し、ストーリーボード画像は生成しない

「自動」とは、画像を受け取ったら自動的に分析、計画、実行を組織し、ユーザーに4面図タスクを再度依頼する必要がないことを意味します。ユーザーの以前の「画像生成前に確認」という要求は保持します： このバッチの完全な画像プロンプト、参照ソース、モデル/パラメータ、数量、および見えるコストまたは未知の項目を表示してから生成します。すでに明確なバッチまたは自動画像生成の許可が内容、数量、パラメータ、予算範囲をカバーしている場合は、そのまま続行します。予算上限のみを与えられた場合や、アップロードファイルだけでは画像生成の確認を代替できません。ユーザーが別途明確に自動画像生成を許可した場合は、その許可範囲に従って実行します。

• CAR_EXT_4V：デフォルトで1枚の2×2 4面図、真正面、完全左側面、真後ろ、完全右側面、同一車両、同一構成。左右はそれぞれ説明し、鏡像を反対側として扱いません。未知の構造の推測はユーザー確認とともに記録します。
• CAR_INT_01：脚本が車内を必要とする、窓から内装が見える、または内外の連続した動きがある場合にのみ生成します。リファレンスは関連するコックピット/センターコンソール/後部座席/ドアパネルをカバーする必要があり、外観写真から実際の内装を確認することはできません。すでに明確で信頼できる内装画像がある場合は、それを直接参照として使用し、追加の費用をかけて再描画する必要はありません。
• SCN_01、SCN_02：主要なシーンが繰り返し登場する、複数のカメラ位置で同じ場所を撮影する、出入口/ルート/主要光源の関係が一貫性に影響する場合に、シーンのマルチビューカードを生成します。単純な背景はテキスト設定または既存の画像でサポートできるため、新しいカードが必要ない理由を説明します。各カードは1つの物理的な場所のみを説明し、異なるシーンを同じ空間として混在させません。

参照仕様 に従って、アイデンティティ、内装、空間をグリッドごとにチェックし、受け入れ状態を記録します。結果を表示してユーザーに確認させます。すでに明確に許可された範囲でアーカイブに従って自己検収が可能な場合は、自律的に通過できます。切り出された独立した視点は、元の画像とソースを保持します。低解像度の切り出し画像は、詳細の十分な参照として偽装してはいけません。

後続のビデオ入力では、4面図/写実的なデータカードとその明確な切り出し画像を使用できます。各画像に「同一被写体の異なる角度」「同一場所の異なる角度」と注記します。俯瞰平面図、ルート矢印、または大量のテキストを含むシーンカードは、まず写実的な視点を切り出す必要があります。図は空間記述の作成にのみ使用され、ビデオ入力としては使用されません。リファレンスボードは画像のパズルレイアウトとして扱われてはならず、最初のフレームポートから入力されることもありません。 データカードがあるからといって、モデルに各グリッドを順次ビデオに切り替えるように要求してはいけません。

3. 各セグメントが30秒を超えないマルチショットビデオプランを整理する

リズムとセグメンテーション に従って、全編を CAR_CLIP_01 などに分割します。30秒は各セグメントの上限であり、全編の長さの制限ではなく、必ずしも30秒を生成する必要もありません。

• 全編が30秒以下で、ショット/シーンの関係が明確で、能力が許せば、1つの完全なセグメントを優先します。この1つのセグメント内で複数のハードカットショットを明確にできます。
• 長尺の映像は、シーン/アクションまたはリズムの段落の境界で分割し、繋ぎが難しい短い末尾セグメントを避けることを優先します。複雑な車外から車内へのアクションや密度の高すぎるショットは別のセグメントに分割できますが、「1ショット1画像1ビデオ」に後退してはいけません。
• 実際のセグメント長は、モデルの現在の下限、上限、ステップサイズも満たす必要があります。現在のサポート上限が30秒未満の場合は、より小さい上限に従います。入力時間が無効な場合は再分割するか、素材の余剰を説明し、モデルパラメータを偽装してはいけません。
• 各セグメントのローカル時間は 0.0 から始まります。全編の開始/終了時間を明記し、ローカルショット間隔はこのセグメントを連続的にカバーします。デフォルトでは 0.5秒 を境界単位とし、0.0–0.5、0.5–1.5、1.5–3.0 のように記述できます。0.5秒ごとにカットする必要はありません。長いショットでは、0.5秒の時点でアクションの変更を説明できます。
• タイムラインはディレクターの目標であり、モデルがフレーム単位で正確に従うことを約束するものではありません。実際の結果を取得したら、カットポイント、欠落ショット、順序、時間のずれをチェックします。必要に応じて、許可された範囲内でプロンプトを修正したり、セグメントを再分割したり、編集で調整したりします。

テキストストーリーボードのショット数と実際のCLIPタスク数の2つの数量を保持します。例：20秒に16ショット含まれる場合、1つの20秒ビデオタスクとして計画し、16回の各5秒として書きません。2つのセグメントに分割する必要がある場合は、新しいセグメント長/参照/予算を明確にし、追加生成を隠してはいけません。

4. 提出可能なタイムラインプロンプトを出力する

各セグメントは 固定フォーマット に従って、コピー可能な純粋なビデオプロンプトブロックを1つ出力します。順序は次の通りです：

セグメント名 → 被写体参照 → 内装参照（必要な場合） → シーン参照または設定 → 参照画像の内容説明 → 開始状態 → 各ショット番号/名前/セグメント内時間/画面/カメラワーク/繋ぎ → 統一スタイルと物理的制約 → 終了状態。

プロンプトには、モデルが提示すべき内容のみを記述します。 モデル名、モード、解像度、アスペクト比パラメータ、フレームレート、サウンドのオン/オフ、タスク数、使用予定/未提出状態、保留中のバインディング/検収メモ、ローカルパス、予算、後処理の計画、能力確認は、すべて独立した execution-settings.md または構造化された実行記録に配置します。純粋なプロンプトに「生成仕様」「これはディレクターの時間目標です」「生成後にカットポイントを再確認してください」などのフロー説明を追加してはいけません。各ショットのタイムスタンプとアクションウィンドウは保持する必要があります。全編/セグメント時間の換算と0.5秒グリッドの説明は、ストーリーボード表または実行記録に配置します。出力は、モデル本文のみを含む別の .txt ファイルとして保存し、アップロード時にはその本文のみを読み取ります。

主語は「被写体/車両参照」を使用し、「人物と声質参照」を固定的に使用しません。ユーザーが実際に人物を要求した場合のみ、キャラクターの根拠を添付します。音声参照ファイルは要求しません。実際の台詞、環境音、および「台詞なし、ナレーションなし」などの最終コンテンツ要件はプロンプトに記述できます。enableSound=off などのインターフェースパラメータと音楽/後処理の計画は実行記録に記述します。デフォルトではサウンドオフで生成します。ユーザーが環境音を必要とする場合は、要件に従って設定し、自動的に声質を要求しません。

実行説明またはアセット表は、実際のローカル参照ファイルにリンクし、生成予定/保留中のバインディング項目を明記できますが、偽のパスは作成しません。純粋なプロンプトには、参照IDまたはツールがサポートする画像参照とそのビジュアル責任のみを保持します。提出前に、実行レイヤーがIDを実際にアップロードされたリソースにバインドします。ローカルMarkdownリンクはモデルが読み取り可能なアップロード参照ではないため、パスやアップロードリマインダーを本文に混在させてはいけません。

同じセグメント内でのショット切り替えは許可されます。各ショットに「ハードカットして...」またはマッチングカットを記述します。セグメントの最後に「単一の連続ショット、カット禁止」とマルチショットタイムラインに矛盾することを記述してはいけません。 禁止されるのは、設計されていないカット、車種のドリフト、分割画面/グリッドライン/ラベル、画像カードのカルーセル、追加車両、車体の溶解、および誤った機械的動作のみです。ショットサイズとアングルはテキストで説明し、対応するショット画像を事前に準備する必要はありません。

5. チェック、許可に基づく提出、納品

まず、脚本/ストーリーボード/プロンプトの対応関係、各セグメントが30秒以下であること、各セグメントが0から末尾までカバーしていること、全編にギャップがないこと、同一車両/内装/環境の一貫性、各参照の役割が明確であることを確認します。タイムライン検証ツール を使用して、JSON例 またはプロジェクト計画をチェックします：

python3 <skill-dir>/scripts/validate_timeline.py <プロジェクトtimeline.json>

生成前に --require-local-assets を追加して、参照ファイルとアセットの受け入れ状態をチェックできます。これはCLIリアルタイムモデルスキーマ、アップロード成功、予算許可チェックを代替するものではありません。planned → reference_approval_pending → references_ready → references_accepted → prompts_ready → video_authorized → clips_ready → edited → delivered を記録し、ステータス名をユーザーの許可として扱ってはいけません。

ユーザーがプロンプトのみを許可した場合、プロンプトの納品で停止します。完全なビデオがすでに許可されており、このバッチのビデオが範囲/予算内にある場合は、実際の image2video モードで参照を接続して提出します。再確認する必要はありません。プロトタイプや草案の「使用予定」は、提出済みとは見なされません。マルチイメージ参照がサポートされていない場合は、制限を説明し、本バージョンの計画を保持し、自動的に最初のフレームモードに切り替えたり、ストーリーボード画像を生成したりしません。

生成タスクは、キャンバス/ノード/タスクID、プロンプトバージョン、パラメータ、最終状態を記録します。異常はまず元のタスクを確認し、再提出しません。完全なオリジナルビデオをダウンロードし、各セグメントのショット順序、時間目標、車両構造、タイヤの接地感、反射、内外装、データカードのリークをチェックします。その後、編集、音楽、カラーグレーディングを行います。時間のずれは実際の素材で調整し、リファレンスボードをパン/ズームして動的な車両ショットを偽装してはいけません。

納品はユーザーの範囲に従います：脚本、ストーリーボード表、参照アセットとそのソースマッピング、各セグメントの純粋なタイムラインプロンプト、独立した実行説明とJSON。完全な制作を実際に実行した場合は、元のビデオ、実際の編集記録、検収後のMP4を別途納品します。プロジェクト内には script.md、storyboard.md、vehicle-bible.md、references/、reference-manifest.json、timeline.json、clip-prompts.md、純粋な本文 .txt、execution-settings.md を保存します。Sxx_FRAME のような必須項目はありません。