Astral-xm/ComfyUI-MiniMax-ContextIR

ミニマリスト商品広告ジェネレーター

このスキルは、非専門家ユーザーをフロースタイルのワークフローでガイドし、ECプロモーションや製品ローンチのためのミニマリストな商品広告動画を生成します。対象ユーザーは、EC販売者、小規模ブランドオーナー、インディークリエイター、個人販売者です。ユーザーは少なくとも1枚の商品画像または関連アセットを提供する必要があります。

中核となる原則は次の通りです：最初にアセットとブリーフを確定し、商品の事実と商品ナラティブの骨子を構築し、独立したアンカー写真で商品のビジュアルを固定し、正確なビートストーリーボードで映像を制御し、その後、ネイティブオーディオまたは音楽ベースの編集で動画を完成させます。 このスキルはデフォルトで4パネルのアンカーシートを使用しません。動画モデルがパネルレイアウトを再現する可能性があるためです。デフォルトでは、3枚の独立したアンカー写真と1つの正確なビートテキストストーリーボードを映像制御システムとして使用します。

スタートゲート

このスキルがトリガーされるたびに、分析、コピーライティング、アンカー生成、動画生成の前に、完全だが軽量なスタートゲートを実行します。制作に必要な情報のみを確認します。ここでは音楽について質問しないでください。音楽は後でミュージックステップで処理します。

スタートゲートは、以下のすべてを一度に確認する必要があります。

1. 商品画像および関連資料

   • ユーザーに商品画像および関連資料（商品写真、パッケージ画像、レンダリング、ディテールショット、既存の動画アセット、ビジュアルリファレンスなど）のアップロードを依頼します。
   • 現在のメッセージや現在のキャンバス/セッションにすでに資料が含まれている場合は、資料が検出されたことを伝えます。ユーザーに再度アップロードを依頼せず、現在の資料を使用するかどうかの確認のみを行います。
   • 複数の候補資料があり、その役割が不明確な場合は、どれをメインの商品画像にするか尋ねます。

2. 商品バリアントの状態

   • 単一バリアントか、複数バリアント/カラー/モデルかを確認します。
   • 複数バリアントの場合は、メインバリアントを確認します。
   • ユーザーが指定しない場合、エージェントは商品画像に基づいて推奨できますが、後のストーリーボードでは具体的な色やバリアント名を記載する必要があります。

3. 目標尺

   • 5秒 / 10秒 / 15秒、推奨デフォルトは10秒。

4. アスペクト比

   • 16:9 / 9:16 / 1:1 / 4:3 / 3:4 / 参照画像に合わせる。
   • 選択後、アンカーシート、動画、最終納品物はこの比率を厳守する必要があります。

5. Appleスタイルテンプレート

   • ホワイトテック / ダークリムライト / ブランドカラーフィールド / ライトライフスタイルシーン。

6. フレーム内コピー

   • ユーザー提供のコピー、またはエージェント生成のAppleスタイル英語コピー。

7. 動画モデル戦略

   • デフォルトモデルはMiniMax-H3。これは、多くの場合、よりクリーンなApple風の商品クローズアップ、ネガティブスペース、プレミアムな商品フィルムのカメラ言語を生成するためです。
   • スタートゲート中にユーザーに動画モデルの選択を求めないでください。採用されたスタートゲート結果の一部として「デフォルトモデル：MiniMax-H3」と表示します。
   • ユーザーが明示的に別のモデルを要求した場合、機能チェック後にユーザーのモデル選択に従います。
   • Seedanceは、ユーザーが明示的に強力なマルチショット実行を望む場合、Seedanceを要求した場合、またはH3が失敗した場合や要求された構造を満たせない場合のフォールバックを受け入れた場合にのみ、バックアップとして使用します。

スタートゲートは必須です。ユーザーがすでに商品資料をアップロードしている場合は、アップロード要求のみをスキップし、スタートゲートの残りの部分はスキップしないでください。エージェントは、分析、アンカー生成、ストーリーボード、動画生成の前に、商品バリアントの状態、目標尺、アスペクト比、Appleスタイルテンプレート、フレーム内コピーモードを一度に確認する必要があります。動画モデルはスタートゲートの質問ではありません。デフォルトでMiniMax-H3を使用し、完了したスタートゲート結果に表示します。ユーザーが「あなたが決めて/やってください」と言った場合、エージェントは残りのフィールドに推奨デフォルトを選択しても構いませんが、先に進む前に、採用された選択肢を完了したスタートゲート結果として表示する必要があります。

運用原則

1. 独立したアンカー写真がデフォルトのビジュアル制御システム

   • デフォルトでは、1枚の4パネルシートではなく、3枚の独立したアンカー写真を生成します。動画モデルがパネルレイアウトを最終的な動画にコピーする可能性があるためです。
   • 3枚のアンカー写真は通常、以下をカバーします：ヒーロー/印象的なメインビュー、素材または機能の詳細、最終コピー構図。
   • 構造アクションアンカーがヒーロービューと重複する場合は、個別に作成しないでください。製品が本当に個別のメカニズム参照を必要とする場合を除き、構造/アクションの手がかりを素材詳細アンカーに統合します。
   • 各アンカー写真は、完全なスタンドアロンの商品写真である必要があります。グリッドレイアウト、分割画面、コラージュボード、フレーム付きパネル、商品ウォール、ストーリーボードシートを作成しないでください。
   • 正確なビートストーリーボードが、実際のショットの順序、アクション、テキストの動作を決定します。アンカー写真を直接的なショットの代替として使用しないでください。

2. フレーム内コピーは、字幕の代替ではなく、統合された動画モーションとして表示される必要があります

   • コピーアンカー写真内のテキストは、フォント、位置、単一行レイアウト、2部構成の色処理の参考にすぎません。動画全体がその1行のコピーのみを使用できることを意味するわけではありません。
   • 正確なビートストーリーボードは、ショット全体にわたって複数の短い英語コピー行を定義する場合があります。各行は3〜5語の英語、単一行、読みやすく、2部構成の色ルールに従う必要があります。ホワイトテックスタイルでは前半は黒またはダークグレー、ダークリムライトスタイルでは前半は白を使用してもよく、後半は常に特定の商品色を使用します。孤立した1〜2語の機能ラベルは使用しないでください。
   • 動画生成には、ストーリーボードのコピーをフレーム内に含める必要があります。
   • コピーはすべてのショットに表示する必要はありません。動画モデルがタイポグラフィエラーを起こしやすい場合は、積極的にコピーの頻度を減らします。10秒の動画の場合、通常は中間の1箇所と最終の1箇所のみコピーモーメントを保持します。すべてのショットにテキストを配置しないでください。最終ショットには、安定した単一行のコピーを1つ含める必要があります。
   • デフォルトでは、動画モデルにフレーム内タイポグラフィとそのタイミングを直接生成するように依頼します。テキストをポストプロダクションの字幕に静かにダウングレードしたり、後でオーバーレイするために空きスペースを確保したりしないでください。ポストプロダクションフォールバックは、ユーザーが明示的に要求した場合、または統合された動画タイポグラフィが失敗し、ユーザーがフォールバックを受け入れた場合にのみ使用します。

3. 商品本体の色は厳格な忠実度制約です

   • Appleスタイルとは、クリーンな構図、プレミアムな照明、抑制された動き、ネガティブスペースを意味します。これは、商品自体を白、シルバー、AirPodsのように変えることを意味しません。
   • ユーザーの画像からの商品の元の本体色、アクセントカラー、素材の色合い、目に見える仕上げは、すべてのアンカー写真と動画で保存される必要があります。
   • 背景、照明環境、構図のみが、選択されたAppleスタイルテンプレートに向けて変更される場合があります。ユーザーが明示的に要求しない限り、商品本体の色を変更しないでください。
   • 最終コピーの強調色は、実際の商品のメインカラーから取得する必要があり、一般的なシルバー/ホワイトのAppleパレットからではありません。

4. すべての商品には、商品固有のナラティブが必要です

   • 固定のイヤホンテンプレートを再利用したり、「商品の状態が変化する」のような曖昧なフレーズを書いたりしないでください。
   • ストーリーボードは、商品カテゴリ、形状、素材、構造、目に見えるアクションに基づく必要があります。
   • 商品の動きは視覚的で具体的である必要があります。たとえば、「蓋が30度開き、内部の反射が現れる」、または「クラウンが回転し、ハイライトがエッジに沿ってスライドする」などです。

5. 進捗状況が可視化されている必要があります

   • 各ステップの後、何が生成され、次にどのような決定が必要かを示します。
   • ユーザーの確認なしにパイプライン全体を自動実行しないでください。

タイポグラフィルール

• フレーム内広告コピーは英語である必要があります。
• ユーザーが中国語のコピーを提供した場合は、簡潔な英語に翻訳するか、英語版の承認を求めます。
• 表示可能なフレーム内コピーは3〜5語の英語で、スペースを含めて32文字以内が望ましいです。孤立した1〜2語の機能ラベルを書かないでください。
• コピーはApple製品フィルムのように感じられるべきです：感覚的、ベネフィット主導、素材主導、または軽いバリュープロポジションです。販促スローガンやeコマース機能タグの表現は避けてください。
• フォント参照：SF Pro Display / SF Pro Text。プロンプトではSF Pro Display Semiboldを優先します。
• ショット内では2色を超えるテキストカラーを使用しないでください。
• ホワイトテックスタイルでは、テキストの前半は黒またはダークグレーを使用する必要があります。白い背景に白いテキストは禁止です。ダークリムライトスタイルでは、前半は白を使用しても構いません。後半は常に特定の商品色を使用します。
• テキストは1行に収める必要があります。折り返し、積み重ね、複数行に分割しないでください。
• 常に、フレーム内に表示されるのは1行の英語コピーのみです。2行のテキスト、2行のタイトル、タイトル+サブタイトルのペア、または複数のテキストブロックを同時に表示しないでください。2部構成のタイポグラフィは、同じ行内で継続または置換する必要があり、上下の行に分割しないでください。
• テキストを下部の字幕位置に配置しないでください。垂直方向に中央の視覚ゾーンを優先し、構図の一部として左揃えまたは右揃えにします。テキストはやや大きく、説明字幕ではなく、商品フィルムのビジュアル要素のように感じられる必要があります。
• 承認された中間動画パターン：クリーンなネガティブスペース、商品の動きまたは商品クローズアップがフレームをリードし、フレームは混雑せず、1行の英語コピーのみが表示されます。テキストは、商品の端、商品表面、またはクローズアップのハイライトエリアの近くに配置し、字幕のように浮かんでいるのではなく、商品画像に統合されているように感じられる必要があります。ネガティブスペースを損なったり、コピーを追加するためだけに2つ目のテキストブロックを追加したりしないでください。
• デフォルトの2部構成テキストモーションは、表示されたままである必要があります：前半が最初にフェードインまたはスライドインし、次に後半が後にフェードインまたはスライドインします。後半が表示されるとき、前半は同じ行内でわずかにシフトしてスペースを作ります。
• シフトは微妙で、約10〜15pxまたはテキスト幅の8〜12％である必要があります。モーションはスムーズで抑制されている必要があります。跳ねる、ネオン、派手なUI効果は避けてください。
• 2行のテキストを避けるためだけに、タイポグラフィを完全に静的にしないでください。正しい解決策は、同じ行内の2部構成のエントランス、微妙なシフト、フェードイン、または穏やかなスライドインです。間違った解決策は、上下の行分割、2行のタイトル、またはテキストモーションの削除です。

ステップ1：アセットチェックと商品事実の要約

商品資料がない場合は、ユーザーにアップロードを依頼します。資料がすでにある場合は、それを使用して分析します。

• 商品カテゴリ。
• 被写体の位置とフレーム占有率。
• 画質：鮮明度、照明、構図、目に見える詳細。
• 商品のメインカラーと可能性のあるメインバリアント。
• 表示可能な構造：開く、回転する、持ち上げる、スナップする、折りたたむ、ポップする、光る、画面、テクスチャなど。
• ストーリーボードに使用可能な実際の外観特徴：素材、エッジ、ボタン、ポート、パッケージ、透明部分、画面、または特徴的なシルエット。

画質が使用不可の場合は、停止して具体的な再撮影のアドバイスを提供します。

商品事実の短い要約を出力します。

• 使用された素材。
• 商品カテゴリ。
• メインカラーの候補とメインバリアントの提案。
• 品質合格/不合格。
• 表示可能な構造/機能。

ステップ2：制作ブリーフの確認

スタートゲートの回答を実行可能な制作ブリーフに変換します。すでに確定したパラメータについては再度質問しないでください。ブリーフは、ナラティブの骨子、コピー、アンカーシート、ストーリーボードを推進します。

制作ブリーフには以下を含める必要があります。

• 使用された商品資料。
• メインバリアント/商品のメインカラー。
• アスペクト比。
• 目標尺。
• 選択されたAppleスタイルテンプレート。
• 単一バリアント/複数バリアント戦略。
• フレーム内コピーモード：ユーザー提供のコピー、またはエージェント生成のAppleスタイル英語コピー。

複数バリアント商品のルール：

• ユーザーがスタイルを選択します。他のすべてのバリアントを自動的に削除しないでください。
• すべての複数バリアントプロジェクトは、最初に1つのメインバリアントを決定する必要があります。
• 他のバリアントは、最初からすべて表示されるべきではありません。プロセスビート、トランジション、または最終フルセットでのみ表示されます。
• ユーザーがメインバリアントを指定しない場合、エージェントは最も視覚的に安定しているものを選択し、リズムとレイヤリングのために残りを使用することができます。
• eコマースマトリックス、9グリッド表示、積み重ね、散在レイアウト、すべての色を平らに並べる、フルスクリーンの商品ウォールは避けてください。

ステップ3：商品ナラティブの骨子を選択する

コピーライティングとアンカー生成の前に、軽量な商品ナラティブの骨子を選択します。幅広いコーポレートブランドフィルムの構造を使用しないでください。このスキルは、物理的な商品向けの短いAppleスタイルフィルムに焦点を当てています。

ユーザーが方向性を選択していない場合は、2〜3の簡潔な方向性を提供し、1つを推奨し、確認後に続行します。ユーザーが「あなたが決めて」と言った場合は、推奨されたものを使用します。

推奨される骨子：

1. プロダクトローンチ（デフォルト推奨）

   • ネガティブスペースオープニング → メインバリアントがヒーロービューを確立 → 素材/構造の詳細 → 自然な商品アクション → バリアントまたはカラー関係 → フルコピークロージング。
   • イヤホン、時計、デジタルアクセサリー、小型家電、フレグランスデバイスなどに適しています。

2. フィーチャータッチ

   • 商品の静止 → インタラクショントリガー → フィーチャーアクション → 詳細拡大 → 結果/感覚 → クロージングフレーム。
   • 明確な開閉、回転、磁気スナップ、光の変化、画面、折り畳み、ミストなどのアクションを持つ商品に適しています。

3. カラーファミリー

   • メインバリアントが単独で表示 → サポートバリアントが軽やかにスライドイン → カラーオーダーの形成 → 素材と構造は統一されたまま → フルセットでクローズ → コピーが着地。
   • マルチカラー、マルチバリアント、マルチモデルの商品に適しています。

選択したナラティブの骨子を一文で出力します。例：

このフィルムはカラーファミリーの骨子を使用します。パープルのメインバリアントがヒーロービューを確立し、他の色がサポートレイヤーとして入り、製品フルセットが英語のコピーでクローズします。

ステップ4：モーション言語を指示する

コピーライティングとアンカー生成の前に、フィルムのモーション言語を定義します。このステップではアセットは生成されません。後のストーリーボードとアンカーフォト企画のために、モーションの強度、トランジションロジック、リズムのピークを定義します。

これはタイポグラフィアニメーションとは異なります。物理的な商品の動き、カメラの動き、ショットチェンジロジックを定義します。

モーション言語は以下のフレームワークを使用します：

• モーション強度：
  • スティル中心（製品は主に静止し、カメラがわずかに動くか、製品が非常にゆっくりと動く）。
  • ライトモーション（製品の単一アクション、蓋が開く、回転する、スライドする、軽く浮くなど）。
  • アクティブモーション（製品が複数のアクションを実行するか、複数の製品/バリアントが順番に表示される）。
• カメラ言語：
  • プッシュイン/プルアウト/パン/ティルト/固定。
  • クローズアップのためのマクロまたはプロクシミティレンズの感触。
• トランジションロジック：
  • カット/ソフトクロスフェード/スライド/その他。
• リズムのピーク：
  • 製品アクションが発生する特定の第二範囲。

出力は1〜2文に簡潔にします。あまり複雑にしないでください。例：

モーション言語はスティル中心で、カメラは3秒間ゆっくりとヒーロービューにプッシュインし、その後製品アクション（蓋が開く）にカットし、4秒間固定し、最後にスライドトランジションでクロージングフレームに移行します。

ステップ5：フレーム内コピーを作成する

アンカー生成の前に、フィルムで使用されるフレーム内コピーを準備します。このスキルでは、フレーム内タイポグラフィをポストプロダクションの字幕として扱いません。動画モデルがフレーム内テキストを直接生成することを期待します。

このステップは、アンカーフォト用の参照コピーと、ストーリーボード内の各コピーモーメントを生成します：

• 各コピーラインは3〜5語の英語、単一行、32文字以内（スペースを含む）。
• タイポグラフィは2部構成のカラーエントランスを使用します。前半はテンプレートテキストカラー（ホワイトテックの場合は黒/ダークグレー、ダークリムライトの場合は白）、後半は商品のメインカラー。
• テキストはフレーム内で垂直方向に中央、左揃えまたは右揃え。俳優/モデルが主要な視覚要素である場合、テキストはそれらを遮るべきではありません。
• コピーは、販促スローガンや機能タグではなく、製品フィルムの感覚を伝える必要があります。 機能を説明するのではなく、感覚を説明します。

コピーを作成するための推奨フレームワーク：

• 製品が何を提供するかではなく、製品が何であるか、または製品がどのように感じられるかに焦点を当てます。
• 言葉は視覚的で感覚的であるべきです（例：「Seamless Flow」、「Edge of Precision」、「Light as Air」）。
• 標準的なeコマースのコピーから借用しないでください。製品フィルムの感性で書き直してください。

5秒/10秒/15秒のコピー配分ガイド：

• 5秒：1つのコピーモーメント。最終クローズフレームに1行。
• 10秒（デフォルト）：2つのコピーモーメント。1つの中間ショット（3〜5秒）と1つの最終クローズショット。両方とも単一行。中間のコピーモーメントを製品クローズアップの近くに配置し、最終クローズコピーを製品全体とバリアントセット（該当する場合）に近づけます。
• 15秒：3つのコピーモーメント。初期ヒーロービューに1行、中間ディテールに1行、最終クローズに1行。すべて単一行。

出力は完全なコピー配分です。例：

10秒コピー配分

• 中間コピー（3.5秒）："Sound Refined"
• 最終クローズコピー（9秒）："Where Form Meets Function"

ステップ6：アンカーフォトを生成する

ビートストーリーボードの前に、3枚の独立したアンカーフォトを生成します。これらは、動画モデルに製品の外観、構図、色、雰囲気を伝えます。アンカーフォトは、ストーリーボードのショット順序を直接的に表現するものではありません。

アンカーフォトの内訳：

1. ヒーロービューアンカー — ネガティブスペース内の製品。製品はクリーンで、露出が良く、プレミアムに見える必要があります。このアンカーは、製品のメインの外観と比率を確立します。
2. マテリアル/詳細アンカー — クローズアップ、マクロ、またはケース/パッケージの詳細。製品の素材感、質感、または特別な構造上の特徴を示します。構造アクション手がかりがヒーロービューと重複する場合は、ここでマージします。
3. コピー構図アンカー — コピーがフレーム内に配置された製品。このアンカーは、最終製品のビジュアルに近い方法でコピーの配置を示します。

生成ルール：

• 各アンカーフォトは個別に生成されます。すべてを1枚の画像にまとめないでください。
• アンカーフォトは、

画像生成は行わず、テキストによる説明のみを作成します。 このスキルは実際の画像生成には対応していません。代わりに、各アンカーフォトの詳細なテキスト記述を作成します。

アンカーフォトの記述には以下を含める必要があります：

• 製品の配置と構図。
• 製品の主要なビジュアル要素（色、形状、素材、照明）。
• 背景とネガティブスペースの処理。
• コピーアンカーの場合、テキストの配置と2部構成のカラー処理。

出力は、各アンカーフォトのテキスト記述のセットです。例：

ヒーロービューアンカー： パープルのイヤホンケースがネガティブスペースの中央に配置されています。ソフトなトップライトがケースの光沢とエッジを強調しています。背景はクリーンで、照明のみが製品にグラデーションを施しています。

マテリアル/詳細アンカー： クローズアップ。イヤホンケースの蓋が15度開いています。内側のマットな仕上げと磁気ヒンジが見えます。照明が内側のエッジにハイライトを当てています。

コピー構図アンカー： イヤホンケースがわずかに右にオフセットされ、左側に「Sound Refined」のテキストが垂直方向に中央、左揃えで配置されています。テキストの前半はダークグレー、後半はパープルです。フォントはSF Pro Display Semiboldです。

ステップ7：正確なビートストーリーボードを作成する

これは、動画生成のための実際の指示書です。アンカーフォトは製品の外観を設定しますが、ストーリーボードは、タイミング、製品アクション、カメラの動き、コピー配分、ショット構成を決定します。

ストーリーボードには以下を含める必要があります：

• ショットごとのタイムコード（秒単位）。
• 各ショットの製品アクション（可能な場合は具体的な角度を含む）。
• 各ショットのカメラの動き。
• テキストが表示されるショットのコピーライン。
• ショット間のトランジション。
• 動画モデルのプロンプト用のテキスト。

10秒フィルムのストーリーボードの例：

タイムコード	アクション	カメラの動き	コピー	トランジション
0-3秒	イヤホンケースがネガティブスペース内で静止、ゆっくりとわずかに浮かぶ	スロープッシュイン（ゆっくりと製品に近づく）	—	—
3-6秒	蓋がゆっくりと開き、30度、内部の光が現れる	固定、わずかにパンして蓋の動きを追う	"Sound Refined"（前半：ダークグレー、後半：パープル）	ソフトカット
6-10秒	製品が閉じ、元の位置に戻り、最終フレームで静止	スロープルアウト	"Where Form Meets Function"（パープル）	ソフトクロスフェード

• ストーリーボードは実現可能である必要があります。動画モデルが実行できないアクション（複雑で正確な製品分解など）は要求しないでください。
• 製品アクションは、動画モデルが理解できる自然な物理的手がかりに基づいている必要があります。

ステップ8：動画を生成する

完成したストーリーボードとアンカーフォト記述を動画生成に使用します。このステップでは、動画モデルにプロンプトを送信します。

動画生成プロンプトには以下を含める必要があります：

• アンカーフォト記述からの製品の外観と雰囲気の指示。
• ストーリーボードからのタイミング、アクション、カメラの動き。
• タイポグラフィの指示（フォント、サイズ、色、配置、アニメーション）。
• トランジションの指示。

動画モデルがタイポグラフィアニメーションを直接サポートしていない場合、タイミングの指示をテキストとして含めるか、外部マスクまたはポストプロダクションツールを使用する必要があります。このスキルでは、フレーム内タイポグラフィを優先します。

最終ステップ：納品と次回のためのメモ

動画が生成されたら、短い納品メモを作成します。納品メモには以下を含める必要があります：

• 生成された動画の尺。
• 使用されたアスペクト比。
• 使用されたテンプレート。
• 製品のバリアント/カラー。
• 使用されたコピーラインのリスト。
• 改善のための推奨事項（該当する場合）。
• 将来の使用のために変更される可能性のあるパラメータ。

例：

納品メモ

• 10秒、16:9、ホワイトテックテンプレート。
• メインバリアント：パープル、サポートバリアント：ブラック。
• 使用されたコピー："Sound Refined"、"Where Form Meets Function"。
• 次のステップ：この結果に満足できない場合は、背景をダークリムライトに変更するか、テキストの配置を調整することをお勧めします。