Anúncios IA Lab は何をしますか?
脚本 → キャラクター → シーン → 画像 → シーン01の動画 → 残りの動画キュー → 編集。各工程は、ユーザーが前の工程を承認するまで開始されません。 各工程でKIEのクレジットを消費します。ユーザーが却下したものは動画化してはいけません。
3つのスタイル
| スタイル | いつ使用するか | リファレンス(工程4の前に読む) |
|---|---|---|
pixar(デフォルト) | "アニメ風クリエイティブ", "ピクサー風", "アニメーション" | referencias/pixar-referencia.md |
novelinha | "テレビドラマ調で", "ノヴェリーニャモデル", "リアル", "リアルなアバター" | referencias/novelinha-referencia.md |
office | "The Office風", "モキュメンタリー", "擬似ドキュメンタリー", "古い映像風", "カメラに向かって証言" | referencias/office-referencia.md |
7つの工程の流れは3スタイル共通です。ビジュアル(referencias/estilos/<スタイル>.jsonのフィールド、kie.py estiloで適用)と、novelinhaおよびofficeではシーンの文法(工程4)が異なります。スタイルが不明な場合は、工程2を止めずに工程3と一緒に尋ねてください。あるスタイルのキャラクターは別のスタイルでは使用できません。Pixarのキャラクターがnovelinhaに出ることはありません。
プロンプトのテンプレート: referencias/prompts.md。工程2、5、6の前に読んでください。
各ファイルの場所
- APIキー: 環境変数
KIE_API_KEY、またはこのスキルのフォルダにある.envファイル(KIE_API_KEY=...)に保存します。スクリプトが自動的に読み込みます。キーをチャットで表示しないでください。キーがない場合は、ユーザーにkie.aiで作成し.envに保存するよう依頼してください。 - スクリプト:
python3 ~/.claude/skills/anuncios-ia-lab/scripts/kie.py。標準ライブラリとffmpegのみを使用。Python 3.9以降で動作します。 - プロジェクト:
~/Criativos animados/<YYYY-MM-DD-短い名前>/、以下の構造:roteiro.md ユーザーが送った脚本そのまま projeto.json キャラクター、シーン、プロンプト、生成済みデータ(下記形式) cenas.md ユーザーが承認したシーンのテキスト personagens/ <id>_v1.png、<id>_v2.png…(作り直したバージョンはantigas/へ) imagens/cenaNN.png 各シーンの最初のフレーム videos/cenaNN.mp4 アニメーション化されたシーン tarefas.jsonl 各生成のログ: KIEのタスク、クレジット、リンク edicao/ 編集、字幕、最終動画(edicao/の編集スクリプト) - KIEのモデル(すべて
POST /api/v1/jobs/createTask、次にrecordInfo):grok-imagine-image-2-0/text-to-image: リファレンスなしのキャラクター生成grok-imagine-image-2-0/image-edit: 最大5枚のリファレンス画像(キャラクターと環境)を使用したシーン生成- 動画、デフォルト:
grok-imagine-video-1-5-preview(エイリアスgrok15)。最初のフレーム(first_frame_url)を使用、1〜15秒、9:16、720p、音声と発話も一緒に生成。4.5クレジット/秒。 - 代替:
google/gemini-omni-flash-1-2(エイリアスomni)、720pで9クレジット/秒。ユーザーから要求された場合、またはプロジェクトがすでにこのモデルで開始されている場合(projeto.jsonの"modelo_video": "omni")のみ使用。広告の途中で音声が変わらないようにするため。
スクリプトのコマンド
K="$HOME/.claude/skills/anuncios-ia-lab/scripts/kie.py" # 常に python3 "$K" として呼び出す(zshは$Kを分割しない)
python3 "$K" saldo
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office # 指定スタイルでプロジェクトを作成
python3 "$K" lote --projeto "$P" --tipo personagens # 各キャラクターのバリエーションを承認なしで生成
python3 "$K" lote --projeto "$P" --tipo imagens # 画像がない全シーンの最初のフレームを生成
python3 "$K" lote --projeto "$P" --tipo imagens --cenas 03,07 --refazer
python3 "$K" lote --projeto "$P" --tipo videos --cenas 01 # 工程6
python3 "$K" lote --projeto "$P" --tipo videos --cenas 02- --paralelo 3 # 工程7、キュー処理
python3 "$K" folha --projeto "$P" --tipo personagens # または --tipo imagens: コンタクトシート
python3 "$K" juntar --projeto "$P" --aparar # 編集なしのシンプルなfinal.mp4
python3 "$K" status <taskId>
同じバッチ内の別のシーンの画像をリファレンスとして使用するシーンは、その画像が準備できるのを待って次のバッチで処理されます。
--simular は、実際にクレジットを消費せずに送信内容を表示します。各新しいバッチの前に一度実行して、プロンプトとリファレンスを確認してください。lote は処理の前後に残高を表示し、消費クレジット数を報告します。この数値をユーザーに伝えてください。タスクが失敗した場合、同じコマンドを再実行すると、失敗したタスクのみが再試行されます。動画バッチは時間がかかります。バックグラウンドで実行し(run_in_background)、確認を待ち、ポーリングはしないでください。
工程1: 脚本を受け取る
- 正しいスタイルでプロジェクトを作成します。
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office。このコマンドは、referencias/modelo-projeto.jsonから、スタイルのフィールド(estilo、estilo_personagem、estilo_video、regras_video)を適用してprojeto.jsonを作成します。受け取った脚本をroteiro.mdとして保存します。 - 脚本を読み、各行が誰の発言かをマークします。脚本に明記されていない場合は、推測します。会話は2人のキャラクター、独白は専門家がカメラに向かって話しているとします。発言内容を書き換えないでください。 脚本のテキストは一字一句そのまま動画に使用されます。
- 曖昧な点(誰がその行を言っているのか、その人物が実際の専門家なのかなど)がある場合は、工程2を止めずに工程3と一緒に尋ねてください。
工程2: キャラクターを作成する
- 各キャラクターについて、
projeto.jsonに以下の情報をポルトガル語で記述します。descricao(説明)、visual(髪、顔、服、色を英語で1行、すべてのシーンで同じ)、prompt(英語)、voz(モデルはreferencias/prompts.mdを参照)。広告全体で一貫した服装を1つ定義し、アイテムと色を正確に指定します。 - キャラクターごとに
variacoes: 2を生成します:lote --tipo personagens。実在の人物の場合は、その写真をrefsに配置します。 - 各画像を送信前にReadで確認します。明らかな欠陥(テキスト、変形した手、複数の人物、指定と異なる服装など)がある画像は、ユーザーに送る前に一度だけ作り直し、そのことをユーザーに伝えます。
novelinhaの場合: キャラクターはフォトリアリスティックな人物です。顔、肌、服装は実在のもので、イラスト調ではありません(novelinha.json の estilo_personagem と prompts.md のリアルなキャラクターモデルを参照)。実際の専門家が登場する場合、その写真を refs に配置します(その専門家自身の広告であり、肖像使用の許可を得ている場合のみ)。服装は物語内の各「日」で固定です。脚本に時間や場所の飛躍(「30日後」、「結婚式で」)がある場合は、同じキャラクターの新しい服装の画像を生成し(refs = 承認済み画像)、承認を得て、その部分のシーンで使用します。ダイエット広告の場合、「後」の画像は体型も変わります(prompts.md のレシピを参照)。
officeの場合: キャラクターもフォトリアリスティックですが、キャスト写真は最初から古いビジュアルで出力されます。全身、立った状態、2000年代のオフィス内(グレーのパーティション、ブラウン管モニター、蛍光灯)、office.json の estilo_personagem に従います。これにより、ユーザーは人物と「雰囲気」を同時に承認できます。当時のオフィス服(ボタンダウンブラウス、カーディガン、スラックス、テキストなしの名札)。体型の対比(痩せた人とそうでない人)は prompts.md のレシピに従います。
工程3: キャラクターの承認
画像を SendUserFile で送信します(すべて一度に、キャプション「Ana v1, Ana v2, Rafa v1…」)。各キャラクターの説明を2行で書きます。どのバージョンにするか、または何を変更するかを尋ねます。ユーザーが承認したら、imagem(選択されたファイル)と aprovado: true をキャラクターに記録します。調整が必要な場合は、新しいプロンプトとそのキャラクターのみの --refazer を作成します(--cenas <id> でキャラクターもフィルタリングできます)。
工程4: シーンに分割する
シーンとは、推定最大8秒以内の発話の一部であり、1つの画像と1つの動画になります。Grok 1.5の場合、推定は 3.9語/秒 + 0.5秒 + 話者の交代ごとに0.3秒、切り上げ、最低3秒。Omniの場合、3語/秒 + 0.5秒 + 交代ごとに0.7秒。工程6でシーン01が生成された後、実際の発話速度に基づいてこの計算を再調整します。
Grok 1.5でこれまでに確認された点:
- 発話が途切れず、話者の交代時に休止がなく、約3.8〜4語/秒。
- クリップに時間が余ると、Grokが発話をでっち上げます(「そうだね、続けて」「落ち着いて、手伝うよ」)。そのため、長さはぴったりにし、発話終了後に無音部分を要求しないでください。また、
regras_videoには「引用符で囲まれた最後の発話以降、誰も話さない」と記載されています。確認時、脚本にない文字起こしされたフレーズはすべて、シーンの作り直しの理由になります。クリップの最後にでっち上げられた発話は編集でカットされます(脚本の単語のみが保持されます)が、その秒数分は既に支払われています。 - 画面上のキャラクター(携帯電話やテレビの動画内)は、プロンプトで
the video on the phone is mutedと指定しない限り、一緒に話します。na_telaフィールドを使用します。 - 顔のない、カメラが動くクローズアップでは、人物がでっち上げられます。 体のクローズアップでは、
Static locked camera, no camera movement, the head never enters the frame, nobody else appearsと記述します。 - 連続する2つの発話間で繰り返される単語は消えます。 「今日から始められますか?」「今日。」の場合、Grokは一方をカットします。前の発話を反響する発話は、別のクリップにするか、シーンを2つに分割します。
全スタイル、全シーンに適用されるルール:
- 常にインタラクション。 キャラクターはお互いを見合い、相手の発言に反応します。専門家が最後の呼びかけ(「詳細はこちらをクリック」)でカメラを見る場合と、officeスタイルでの証言やカメラ目線の場合を除き、誰もカメラを見ません。 画像と動画の両方で適用されます。プロンプトに誰がどこを見ているかを記述します(
Rafa looks at Ana)。 - 話している人が話しているように見えること。 各ショットで、話している人はフレーム内に収まり、口元が見える程度の大きさで、聞き手に対して正面または3/4の角度で、口元が隠れていないこと(手で口を覆ったり、抱き合って顔が隠れたり、後ろ向きは不可)。広告の最初の発言はフックです。 話している人をミディアムショットかそれ以上に近づけ、後ろの方に小さく映さない。発言は明瞭で、早口にならないようにします。
- このルールが生まれたエラー: あるフックが「ショックで固まり、片手で口を覆っている」、ワイドショットで依頼されました。キャラクターは遠くのドアのところで小さく、手で口を覆いながら話しており、視聴者は誰が話しているのか理解できませんでした。
- 誰が誰か、常に明示。 専門家の発言が別のキャラクターの口から出てしまうことがありました。各キャラクターは、データシートに1行の
visual(髪、顔、服、色、英語)を持ちます。各シーンの画像は、シーンのpersonagensリストにあるキャラクターを、このデータシートで認識可能な状態で正確に表示する必要があります。動画プロンプトでは、各発話ごとに、誰が話しているかをビジュアルと共に記述します(Carla (short curly black hair, white lab coat), warm: "...")。スクリプトは自動的に「Who is who」ブロック(各人物の名前、ビジュアル、声、フレーム内; フレーム外で話す人; クリップ内で話さない人; 各発言は指名された人物の口からのみ出る)を追加します。 - シーンで使用するものはすべて画像内にすでに存在すること。 動画は最初のフレームに存在するものだけをアニメーション化します。人物がトレッドミルを止める場合、トレッドミルのパネルが画像内にあります。冷蔵庫を開ける場合、冷蔵庫がそこにあります。パーティションの上から覗き込み、その後ろにしゃがみこむ場合、パーティションが彼女の正面全体に、適切な高さで存在します。不足している場合、Grokは即興で補います。人物は空気をつかみ、物体はクリップの途中で出現します。
- このルールが生まれたエラー: あるofficeスケッチで、2人の同僚が「キュービクルのパーティションの上から覗き込んで」いましたが、画像には彼女たちの正面にパーティションが表示されていませんでした。動画では、2人は見えないパーティションをつかみ、しゃがみこんだときだけパーティションが現れました。
- 適用方法: シーンを書く際、クリップの最初から最後までのアクション全体を読み、誰かが触れる、持つ、開ける、使用する、寄りかかる、隠れる、または何かを置くものをすべてリストアップします。リストは
cenas.mdのElementos:行と、projeto.jsonのelementosフィールド(英語)に入れます。 - スクリプトはこのリストを画像プロンプト(「最初のフレームに完全に、正しい位置とサイズで存在する」)と動画プロンプト(「見えているものだけを動かす; 何も現れたり消えたりしない; 誰も目に見えないものを掴んでいるふりをしない」)に書き込みます。3つのスタイルすべての
regras_videoにもこの制約が含まれています。 - 画像確認時、各要素はリストの項目です。不足、端で切れている、位置が間違っている場合は、アニメーション化する前に作り直します。
- シナリオの一貫性。 各場所には固定されたシナリオがあり、カメラがあるキャラクターから別のキャラクターに切り替わっても変わりません。ショットとリバースショットでは、それぞれの背景は同じ部屋の反対側です。窓は同じ側に、キャビネットは同じ場所に、同じ明るさ、同じ時間帯。誰かが取ったものは次のシーンでもその手にあり、皿は移動せず、マグカップは消えません。
- 適用方法: 各場所を
ambientesに一度だけ(英語で、配置を含めて: 左、右、奥に何があるか)記述し、各シーンにambienteをマークします。スクリプトは、その場所のすべてのシーンに同じ説明を繰り返し使用します。その場所の最初のシーンが最初に生成され、他のシーンのrefsに使用されます。 - 立っている人、座っている人は、シーンでその人が変化する様子が示されるまでその状態が続きます。
- 確認時、各画像を同じ場所の前の画像と比較します。壁、家具、窓の側面、照明、物体、姿勢。
- 適用方法: 各場所を
Pixarスタイルのダイナミズムに関するルール(約2秒ごとにショットが変わります):
- 前のシーンと同じフレーミングを繰り返さない。 2人ショット、肩越しショット、リアクションのクローズアップ、専門家が一人でカメラに向かって話すショット、イラストを交互に使用します。
- 6〜8秒のシーンには、内部に2〜3のショットがあります(例: 2人ショットの後、聞き手のリアクションのクローズアップにカット)。3〜4秒のシーンは1ショットのみ。
- 話されている内容が画像になる。 体の一部、数字、比較、「TikTokの動画」、「録画されたレッスン」: 文字通りかつ大げさに描写します(鍵のかかった代謝、炭のように燃えるお腹、体から抜け出す魂、画面にシーンが表示された携帯電話を握る手)。このようなシーンは3秒で済む場合があります。
- 聞き手の大げさなPixar風リアクション: ショック、怒り、疑問、笑い。
- 論点の転換点で環境を変更します(問題から仕組みへ、仕組みからオファーへ)。
- 最後の呼びかけ: 専門家が一人で、カメラを見て、下を指さします。2人が一緒にリアクションして締めくくります。
Novelinhaでは文法が異なります(詳細は novelinha-referencia.md を参照):
- 1つの場所、1つの連続した時間。 場所が変わるとき(「家のリビングルーム」→「オフィスミーティングルーム」)は、時間経過(「夕方」、「次の日」)を必ず示します。
- 視点は常に物語の語り手である。 語り手の知らない情報は画像に含まれません。
- カメラの動きが不調法で手振れしています。