Music Aesthetics MV
目的
ユーザーが、音楽、歌詞、タイポグラフィ、リファレンス、リズム、パフォーマンス、カメラ言語を統合的にデザインする必要がある、ミュージックビデオ（MV）プロンプトや感情的なショートフィルムプロンプトを作成、修正、監査、生成したい場合にこのスキルを使用します。ワークフローはMVプロンプトルールをHub実行に適応させます。重要なクリエイティブ決定は確認され、ロックされたプロンプトはキャンバステキストノードに書き込まれ、メディア作成はHubエージェントに委任されます。
通常の字幕焼き付け、一般的な動画編集、非音楽製品広告、またはMV構造のない単一画像/単一クリップのリクエストには使用しないでください。
Hub互換性ルール
- サードパーティツール、シェルスクリプト、ブラウザプラグイン、外部生成APIを想定しないでください。
- ロックされたプロンプトと修正はHubキャンバステキストノードに書き込みます。
- キャラクターカード、シーンカード、タイポグラフィカード、ビデオクリップ、BGM、最終アセンブリはHubの画像、動画、音楽、編集エージェントに委任します。
- 出力パスをハードコードせず、常にHubが返すパスを使用します。
- ユーザーが「確認スキップ / とにかく実行して」と言った場合、外部オーケストレーターがアクティブなセッション認証を持っていない限り、現在の実行にのみ適用します。
- ユーザーがプロンプトのみを希望する場合、配信後に停止します。ユーザーが完成したMVを希望する場合、確認後に生成とアセンブリを続行します。
基本原則
- 作品を理解してから構造を選択します。テンプレートは整理のためのものであり、必須の形式ではありません。
- 最新の確認済みクリエイティブ意図を使用します。
- プレースホルダーを埋める代わりに、関連性のないフィールドは省略します。
- プリセットに含まれているからといって、機械的にパフォーマンス、タイポグラフィ、トランジション、カメラワーク、キャラクターアクションを追加しないでください。
- 画面上のテキストは、ユーザーが明示的に字幕を要求しない限り、通常の字幕ではなく、デザインされたビジュアルレイヤーです。
- ユーザーが実際の曲やビートをアップロードした場合、置き換えを要求されない限り、それがマスターミュージックベッドとなります。
- 15秒以上の動画のための自然なマルチショットステッチング: 再生時間がモデルの単一生成制限を超える場合は、「マルチショットストーリーボード分割 + テール/ヘッドフレーム継続 + ビートハードカット + グローバルマスターオーディオアライメント」を使用します。すべてのセグメントは、同じグルーブ、テンポ感、アスペクト比、キャラクターロジック、ビジュアルプリセット、照明言語、タイポグラフィモーションルールを維持する必要があります。
- ユーザーが歌詞なしの完成したミュージック・アエステティックMVを希望する場合、最初にオリジナルの歌詞を生成してロックします。最終的なMVは、キャラクター、タイポグラフィパッケージング、シーンカードをすべて参照する必要があります。タイポグラフィパッケージングカードは、テキストのパッケージングスタイル、フォントテクスチャ、グラフィックデザイン、レイアウト比率、モーション言語のみを制御します。
ステップ 1: プリフライトロック
最終的な制作プロンプトを作成する前に、簡潔な推奨オプションで最低限の基盤を確認します。
1.1 動画フォーマット
固定オプションを提供します:
| ユースケース | アスペクト比 | 解像度 |
|---|---|---|
| TikTok / Reels / Shorts 縦型 | 9:16 | 1080×1920 |
| YouTube / Bilibili 横型 | 16:9 | 1920×1080 |
| フィード正方形 | 1:1 | 1080×1080 |
| 密集縦型広告テスト | 9:16 | 720×1280 |
| シネマティックワイドスクリーンMV | 21:9 | 2560×1080 |
選択した比率は、キャラクターカード、シーンカード、タイポグラフィリファレンス、ショットプロンプト、ビデオクリップ、最終アセンブリ全体で再利用する必要があります。
1.2 目標再生時間とマルチショット構造
プロンプト作成または動画生成の前に、目標MV再生時間を確認します。モデルのデフォルトをユーザーの意図として黙って使用しないでください。
コンパクトな再生時間カードを提供します:
- 10秒テスト: 1～2ショットでキャラクター、シーン、タイポグラフィ、オーディオスタイルを検証します。
- 15秒フック: 2～4の短いショットで、より完全なサビ/フック/パフォーマンスフレーズを実現します。
- 30秒以上の完全なMV（マルチショットステッチング）: 多くのモデルは15秒の単一生成上限があるため、自動的にマルチショットステッチングワークフローを使用します。最初に1つの連続した曲/BGMを生成またはロックし、30秒を4～8のダイナミックな2～5秒ショットに分割し、ビート同期とヘッド/テールフレーム連続性でステッチします。
- カスタム再生時間: ユーザーが再生時間を提供します。選択したモデルの単一クリップ制限に基づいて、ショット数とステッチ方法を計画します。
アップロードされた音楽が存在する場合、確定された再生時間は音楽ウィンドウの長さになります。
1.3 音楽ウィンドウ
アップロードまたは指定された音楽が確定された再生時間より長い場合、プロンプトを作成する前にセグメントをロックします:
- 推奨ウィンドウ: アシスタントが最も強いサビ/フック/感情の転換点を特定し、確認を求めます。
- ユーザータイムスタンプ: ユーザーが開始秒と終了秒を提供します。両方が音声内にあることを確認します。
- マルチバリアント: 広告フックテストまたは複数のクリエイティブな方向性がある場合のみ。
音楽が目標再生時間より短い場合、ユーザーが明示的に引き伸ばすことを要求しない限り、フル音声を使用します。
1.3.0 歌詞ロックと歌詞ファーストフォールバック
最終的な動画プロンプトまたは生成の前に、歌詞の所有権を決定します:
- ユーザーが歌詞を提供した場合、それらはロックされた歌詞です。明示的に要求されない限り、生成、追加、書き換え、拡張、翻訳、言い換え、または置き換えをしないでください。
- ユーザーが歌詞なしの完成したミュージック・アエステティックMVを希望する場合、音楽スタイル、ボーカルモード、再生時間、感情、ビジュアルプリセットに一致する短いオリジナル歌詞を生成し、ロックします。
- ロックされた歌詞は、ラップ/歌唱パフォーマンスおよび表示されるタイポグラフィの唯一のソーステキストです。
- ロックされた歌詞を各ショットの
Rap line:、Vocal line:、Soft vocal line:、またはSpoken line:に分割します。 - すべての
Typography:フィールドは同じロックされた歌詞から取得する必要があります。ボーカルパフォーマンス中、表示されるテキストは実行されるフレーズと一字一句一致する必要があります。 - 最終的なタイポグラフィMVでは、パフォーマーはロックされた歌詞をラップまたは歌い、その際、口の形、顎の動き、呼吸、顔のアクセント、うなずき、手のアクセントがフレージングとリズムに従うようにします。
1.3.1 15秒以上の動画のデフォルトマルチショットステッチング
30秒など15秒を超えるMVの場合、グローバルマルチショットプロンプトスクリプトが信頼できるソースです:
- 完全なマスターオーディオをロック: 完全なボーカルとグルーブを持つ1つの連続した曲/BGMトラックを唯一のオーディオベースラインとしてロックします。
- ショットリストタイムラインを構築: 30秒を2～5秒の4～8の短いショットに分割し、歌詞のタイムスタンプとスネア、808、ドロップなどのビートに正確にマッピングします。
- ヘッド/テールフレームとシーンの連続性: ショットBが同じシーンを継続する場合、ショットAのテールフレームをショットBのヘッドフレームとして使用します。ハードカットの場合は、同じキャラクターカード、ワードローブ、照明プロンプトを維持し、同じ方向のカメラモーションまたはマッチカットのビジュアル要素を使用します。
- 生成と編集アセンブリ: 動画エージェントがショットリストから各ショットを生成します。編集エージェントはすべてのクリップをグローバルマスターオーディオのビートグリッドに合わせ、トリミング、スピードランプ、ステッチを行い、自然なリップシンク、ビート同期、トランジションを実現します。
ステップ 2: クリエイティブ契約
最終プロンプトの前に、簡潔なクリエイティブ契約を作成します:
- 音楽ジャンル、楽器編成、テンポ/BPM感覚、ボーカルモード、感情的温度。
- 歌詞ソースとロックされた歌詞。
- 目標再生時間とマルチショット分割（例：30秒を6つの短いショットに分割）。
- リファレンス画像の役割: キャラクターカード、シーンカード、タイポグラフィパッケージングカード。
- カメラ言語、ショットサイズ、フォーカス、ビートカット密度、トランジションロジック。
- 除外事項（フェードなし、AIの光沢のある美顔なし、単一ショットの引き伸ばしによる変形なしなど）。
ステップ 3: リファレンスの役割とシーンサンプリング
各リファレンス画像に1つの狭いジョブを割り当てます:
- タイポグラフィリファレンスカード: テキストのパッケージングスタイル、フォントテクスチャ、グラフィックデザイン、レイアウト比率、モーション言語のみを制御します。人物やシーンを提供してはいけません。
- キャラクターリファレンスカード: キャラクターのアイデンティティ、顔のオーラ、髪型、衣装のシルエット、プロポーション、ポーズ、存在感を制御します。
- シーンリファレンスカード: シーンスタイル、空間の雰囲気、画像テクスチャ、背景の奥行き、照明ムードを制御します。
3.1 クローズアップシーンスイッチングとマルチショットサンプリング
Trap、Dark-pop、Cyber-grunge、およびその他のテンポの速いMVの場合、複数のクローズアップスペースをすばやく切り替えます:
- シーンのムードは統一しますが、各ショットの空間は、局所的な背景、トンネル、壁、ライトストリップ、反射フロアなど、明確に異なる必要があります。
- シーンスイッチは、バスヒット、808ドロップ、スネア、ボーカルアクセント、タイポグラフィスマッシュなど、音楽のインパクトによってトリガーされる必要があります。
- ショットスイッチはトラップビート上の「ビジュアルサンプル」です: ハードカット、ジャンプカット、スキャングリッチカット、フラッシュカット、またはアクションマッチカット。
ステップ 4: プリセット文法、Dark-pop / Cyber-grunge および Trap の例
ビジュアルおよび編集言語
- リアルなハイファッションテクスチャとフィルムマガジンテクスチャ。90年代後半から00年代前半のインディーズ雑誌、コピー用紙、フィルムスキャン、ジンコラージュを参照。
- 強いグレイン、わずかなフィルムジッター、ハーフトーンドット、粗い印刷エッジ、スキャンオフセット。
- 編集はハードカットのみを使用する必要があります。フェード、ディゾルブ、ソフトトランジションは使用しないでください。
- 画像とタイポグラフィはビートキューに強く反応します: ハイハットロールはマイクロシェイク/フレームスキップを生成、スネアはスケールアップ/ハードカット/肩のドロップをトリガー、808バスヒットは低周波圧縮/ストレッチ/オフセットを生成します。
タイポグラフィパッケージングルール
- タイポグラフィは空間内の動的なグラフィックサブジェクトであり、字幕バーではありません。前景、中景、背景、または肩/手で隠される場合があります。
- テキストは目の主要な表情を覆ってはいけません。重要なリップシンク中は口を避けてください。
- ボーカルがある場合、表示される単語は演奏される歌詞と正確に一致する必要があります。各ショットには1つのメインタイポグラフィイベントのみがあります。
ステップ 5: プロンプト構造テンプレート
マルチショットスクリプトは、ショットごとにモジュール化され、正確な再生時間とオーディオマッピングが必要です:
[Global Aesthetic & Character Lock]: (グローバルなキャラクターと美的アンカープロンプト)
Shot 1 (0.0s - 3.5s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: バスヒットでショット2へのハードカット / 同じ方向のウィップパン
Shot 2 (3.5s - 7.0s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: ...
ステップ 6: BGM連続性と自然なマルチショットステッチングシステム
6.1 グローバルオーディオ連続性
MV全体は1つのマスターオーディオトラックにバインドする必要があります。セグメント化された動画生成中は、独立した切断されたクリップオーディオを使用しないでください。すべてのビデオクリップは、編集アセンブリ中にマスターオーディオタイムライン上の対応するタイムスタンプに合わせられます。
6.2 ナチュラルステッチングプロトコル
15秒以上のステッチングには、5つの連続性ロックを適用します:
ボーカル＆リップ連続性: カットポイントは、歌詞の休止、呼吸、スネア、またはドロップに合わせる必要があります。次のショットが連続した口の形を持つ極端なクローズアップでない限り、アクティブな母音または歌詞の途中でハードカットしないでください。
リズム＆ビートマッチング: カットポイントは1/4または1/8ビートグリッドにヒットする必要があります。スピードランプを使用して、うなずき、手のジェスチャー、まばたきをビートに合わせます。
美学＆カラーグレーディング: クロスショット生成はすべて、同じ美的ヘッダープロンプト（グレインレベル、LUT方向、ライト方向）を持ちます。最終アセンブリでは、統一された35mmフィルムグレインとLUTを使用して、バッチ間の色の違いを隠します。
トランジション＆モーション連続性: ロングショットの継続には、前のテールフレームを次のヘッドフレームとして使用し、アクションの継続をプロンプトします。ハードシーンスイッチの場合は、同じ方向のパンや手のオクルージョンマッチカットなどの運動連続性を使用します。
タイポグラフィモーションステッチング: 前のショットのテキストは、バスヒットで粉々になり、スイープアウト、またはスクリーンをスマッシュする必要があります。次のショットのテキストは、アクセントでスマッシュインまたは展開し、視覚的な勢いを伝達します。
ステップ 7: チェックリスト
配信前に黙って確認します:
- 目標再生時間が15秒を超える場合、マルチショット分割が自動的に使用されていますか？
- 1つのグローバルマスターオーディオがロックされ、カットポイントがビートに合わせられていますか？
- カットは歌詞途中のボーカルブレイクを回避し、自然なリップと呼吸の連続性がありますか？
- 隣接するショットには、テール/ヘッド継続、同一方向モーション、マッチカット、ビートハードカットなどの明確なステッチングロジックがありますか？
- 編集スタイルは厳密にハードカットで、フェードやソフトトランジションはありませんか？
- キャラクター/シーン/タイポグラフィカードは分離され、相互汚染はありませんか？
- タイポグラフィは、目や主要な表情を決して遮らない空間レイヤーですか？
- 画質、グレイン、色、照明はグローバルに一貫していますか？
ステップ 8: キャンバス配信
完全なMVプロンプトスクリプトがロックされたら、それを Complete MV Prompt または 完整MV Prompt という名前の専用キャンバステキストノードに書き込みます。ノードには、完全なマルチショットプロンプトスクリプトとステッチングノートが含まれている必要があります。その後の修正は同じノードを更新します。
ステップ 9: 最終MV生成とアセンブリワークフロー
- プロンプトロックとキャンバス書き込み: タイムスタンプ、歌詞マッピング、トランジションロジックを含む完全なマルチショットプロンプトスクリプトがキャンバスに書き込まれたことを確認します。
- 並列ショット生成: 動画エージェントがショットリストから各2～5秒のショットを生成します。継続ショットの場合は、前のショットのテールフレームを次のI2Vヘッドフレームとして抽出します。
- マルチトラック編集とステッチング: 編集エージェントがグローバルマスターオーディオをインポートし、すべてのショット動画をタイムスタンプで整列させ、ビートグリッドでトリミングとスピードランプを行い、同一方向モーションまたはフラッシュカットマスキングで継ぎ目をチェックします。
- 仕上げ: 統一されたMovie LUTと35mmフィルムグレインオーバーレイを適用して、AIのプラスチック感を低減し、ビジュアルの一貫性をロックします。
- 配信: シームレスな完全MV動画ファイルを出力します。