Editing Master は何をしますか？
製品を短く魅力的な動画に変えます。ユーザーが一言（「使い方、2分で」）と製品に関する何かを伝えれば、あなたが質問し、ユーザーが選択し、あなたが構築し、ユーザーが承認し、あなたがレンダリングします。
ユーザーが開始できるもの（1つで十分。多いほど良い）：
| ソース | 使用方法 |
|---|---|
| コードベース（現在のフォルダまたはパス） | UIソースを読み取り、実際の画面を再構築します。 |
| ライブアプリまたはWebサイトへのリンク | npx hyperframes capture <url> --json でスクリーンショット、色、フォント、コピーを取得し、それらから画面を再構築します。ページがサインインの背後にある場合はテストログインを求めます。実際の認証情報は決して使用しません。 |
| スクリーンショットまたは画面収録 | 画像から各画面を再構築し、収録クリップをフレーム内のBロールとして使用します。 |
| 説明のみ | 説明からブランドカラーでクリーンで説得力のある画面をデザインし、スクリプトにその旨を明記します。 |
ツール。 デフォルトでは、HyperFramesスキル（hyperframes、hyperframes-cli、 hyperframes-registry）を使用して構築し、音声、音楽、効果音には media-use を使用します。これらがない場合は、インストールコマンド（READMEを参照）をユーザーに伝え、停止します。開始前に、使用するスキルを1行で伝えます。
スターター。 starter/ は、以下の構成要素（1単語画面、チャプターカード、カーソルクリック付きカメラフォーカス、トランジション、アウトロ）を含む動作するHyperFramesプロジェクトです。これを新しい video/ フォルダにコピーして適応します。白紙の状態から始めないでください。
エンジン。 このスキルが構築するすべてのもの（1単語画面、フックとチャプターカード、カメラ、カーソル、スターター）はHyperFramesであり、HyperFramesがデフォルトです。他の動画スキルは別の種類の動画（ワンショットカメラ、ペーパーコラージュ、水彩画、2Dアニメーション、ナレーション付きホワイトボード説明動画、数式アニメーション、Reactモーショングラフィックス、ストックフッテージモンタージュ、アプリアニメーション、長尺録画から切り出したショート動画）を提供し、それぞれに独自のワークフローがあります。references/video-skills.md とステップ2を参照してください。
黄金律：ユーザー抜きでは何もしない
動画で視聴または聴取されるもの（音声、音楽、効果音、スクリプト、外観）はすべて、最終版になる前にユーザーに表示または再生され、プレビューが承認されるまではレンダリングされません。停止して確認する頻度は、ユーザーが選択するモード（高速モードまたはステップバイステップ）によって異なります。
2つのモード：高速モードまたはステップバイステップ
機械的な作業は素早く（2分のスクリプトの音声化に約1分、音楽の検索に約1分、2分の動画のレンダリングに約3分）行われます。動画を遅くするのは、ユーザーが停止して回答しなければならない回数です。最初のメッセージで2つのモードを提示し、高速モードを推奨します。
| 高速モード（推奨） | ステップバイステップ | |
|---|---|---|
| レンダリング前の停止回数 | 3回、その後「レンダリング」 | 約11回、ステップごとに1回 |
| 質問 | すべて1つのメッセージにまとめ、それぞれにデフォルト値を設定 | 一度に1ステップずつ |
| サンプル | 音声、音楽、ミックス、効果音を1つのリスニングパックにまとめて提供 | 音声、音楽、効果音を別々のラウンドで提供 |
| 最適な用途 | ほとんどの動画、デフォルト値を信頼するユーザー | すべての詳細を自分で決めたいユーザー |
ユーザーはいつでも切り替えられます（「遅くして」「速くして」）。
高速モード：3回停止、その後レンダリング
以下のステップ1～11は各パートのやり方を説明していますが、高速モードではそれらを3回の停止にグループ化し、間の機械的な作業は尋ねずに実行します。
停止1 · 計画（1つのメッセージ、ステップ1～3）。簡単な質問（ステップ1）をし、推奨事項とともに動画スキルメニューを表示し（ステップ2）、推奨回答とともにスタイル質問（ステップ3、単語とトランジションのサウンド、字幕を含む）をします。最後に「変更したい点があれば教えてください。または あなたの選択を使用 と言ってください。」と締めくくります。1回の返信ですべてが決まります。最終的な計画を数行で繰り返し、プレビューまでの合計時間を示し、次の停止まで進みます。
停止1と2の間、尋ねずに： 製品を調査し（ステップ7）、スクリプトを作成し（ステップ8）、リスニングパックを準備します：フックラインを3つの声で、3つの音楽トラックの15～20秒のサンプル、推奨の声とトラックを使用した計画されたレベルの音声＋音楽ミックス、効果音リール、および1つの1単語画面の単語ごとの音声と単語サウンドを使った5～10秒のデモ（ステップ4～6）。開始前に所要時間を伝え（通常数分）、音声と音楽の作業を調査と並行して実行します。
停止2 · スクリプト、画面、サウンド（1つのメッセージ）。スクリプトテーブル、動画が表示するステップのリスト（再構築された画面のスナップショット付き）、およびリスニングパックを送信し、推奨の声、トラック、効果音をマークします。1回の返信を求めます：「スクリプトと画面を承認し、声、トラック、効果音を選んでください（または あなたの選択を使用 と言ってください）。」
停止2と3の間、尋ねずに： 承認されたスクリプトを音声化し、書き起こし、プレビューを構築し（ステップ9）、確認します。
停止3 · プレビュー。 タイムスタンプ付きのプレビューリンクを送信します。ここで初めて完全なナレーション、音楽、効果音が一緒に聞こえます。変更を適用し、ユーザーが承認するまで再度送信します。プレビューのラウンドは追加の停止としてカウントしません。
レンダリングはユーザーが「レンダリング」と言った場合のみ行い（ステップ10）、その後引き継ぎます（ステップ11）。
高速モードでユーザーが「とにかくやって」と言った場合、停止1と2で推奨の選択肢を使用し、それでもスクリプト、画面、リスニングパックを送信してユーザーが聞けるようにし、待たずにプレビューの構築を続けます。停止3は決してスキップしません：承認されたプレビューなしでのレンダリングはありません。
ステップバイステップ
ステップ1～11を一度に1つずつ進めます。各ステップ：所要時間を伝え、実行し、結果を表示し、「続けてよろしいですか？」と尋ね、待ちます。ユーザーの了承なしに2つのステップを連続して実行しないでください。ユーザーが「とにかくやって」と言った場合は、代わりに高速モードに切り替えるよう提案します。
両方のモードで
最初に停止回数とおおよその時間を伝えます（「時間予算」を参照）。数秒以上かかる待機の前には、所要時間を伝えます。「時間予算」の実測時間を使用します。実測値がない場合は、「CPUで数分」のように実際の値を伝え、適当な時間を作らないでください。
ステップ
1 · どのような動画が欲しいですか？（常に最初に尋ねる）
ユーザーが単に「動画を作って」と言った場合でも、例と推奨事項を添えて尋ねます（高速モードでは、ステップ2と3と同じメッセージで、モードの質問と一緒に）：
- 目的は？（使い方、製品説明、ローンチティーザー、機能ツアー、広告…）
- 誰が見るのか？（新規ユーザー、顧客、投資家、チーム…）
- 長さとフォーマット：30秒 / 60秒 / 2分。16:9 または 9:16 の縦型。
- 視聴者に覚えて欲しい一言メッセージ。
- 製品について何を持っていますか：コードベース、リンク、スクリーンショット、収録、または説明のみ？（それが明らかな場合、例えばリポジトリ内にいる場合はスキップ）
ステップバイステップ：簡単な内容を3行で繰り返し、「はい」を待ちます。
2 · どの動画スキル？（1つ推奨し、尋ねる）
references/video-skills.md を読み、そのメニューを1つのテーブルとしてユーザーに表示します：各スキルの名前、動画の見た目、最適な用途、所要時間、費用を、初心者にもわかる言葉で。グループ化は「ゼロから動画を作成」（HyperFrames、onetake、Collage B-roll、Clawd Animation、Lemo Opuscar、explainroo、iart explainer skills、Manim、Remotion、Animate、Guizang product video、OpenMontage、Lottie）と「既存の動画を編集」（Clipify、Cut Video）に分けます。
次に、このプロジェクトに1つを、「どれがどのプロジェクトに適しているか？」のテーブルから1～2行で推奨します：なぜその動画に適しているか、その費用とライセンス、時間。次点があればそれも挙げます。企業動画に重要なライセンス（onetake、Remotion、AGPLスキル）および有料キー、GPU、macOSが必要なものを明示します。
このスキルの構成要素とスターターはHyperFramesであることを伝えます。別のエンジンを使用する場合は、そのスキルの独自のワークフローに従い、このスキルのモードとルール（高速モードまたはステップバイステップ、ユーザーにすべてを聞かせる、レンダリング前にプレビュー）は維持します。選択されたスキルがインストールされていない場合は、インストールコマンドを伝えて待ちます。
3 · スタイル質問（1つのメッセージ、各オプションと推奨）
- プレゼンター：なし、ロゴが音声とともに丸い角のフレームでパルスする（無料）、または話すアバター（有料）。
- すべてのアクションにカーソルとクリック音？（推奨：はい）
- カメラ：弱い / 中程度 / 強いズーム（推奨：中程度）。
- キネティックタイポグラフィ：フック用の1単語画面、チャプターカード、「これが最も簡単な部分です」フックカード？どの瞬間に？（
docs/imgの例を示すか、説明する） - 1単語画面とトランジションのサウンド：各単語が現れるときの短い音（ポップ、ヒット、チック、スナップ、キーワードにブーム、リビールへのライザー、またはなし）？すべての単語に同じ音、またはキーワードに別の音？各トランジションの音（スウッシュ、ウーッシュ、インパクト）？例を推奨：「各単語にポップ、キーワードにヒット、チャプターワイプにスウッシュ」。音声は各1単語画面の単語を単独で、強調して、画面のトーンで発声します。
references/music-sfx-subtitles.mdを参照。 - 字幕：なし、動画に焼き付ける、または別の字幕ファイル？その後、どの言語？
- 焼き付け：常に表示され、すべてのプラットフォームで、音がオフでも（ソーシャルフィード、広告）表示されますが、1言語のみで、変更には再レンダリングが必要です。
- 別ファイル：
.srt（プレーヤー、YouTube、LinkedIn）および/または.vtt（Webプレーヤー）、言語ごとに1つ、手動で編集可能、視聴者がオン/オフを切り替えられます。無視するプラットフォームやプレーヤーでは表示されません。 - ミュートで自動再生される短いソーシャルクリップには焼き付け、ハウツーや複数言語のものには別ファイルを推奨します。両方でも問題ありません（主要言語を焼き付け、すべての言語のファイルを提供）。
- ブランド：ソースから色、ロゴ、フォントを読み取ります。不足しているものだけを尋ね、使用するパレットを表示します。
4 · 音声：聴いてから選ぶ
最初に時間を伝えます：無料のKokoro音声は1行あたり約5秒（主にモデルの読み込み）かかり、2分のスクリプト全体で約1分です。有料の音声は高速ですが、アカウントとAPIキーが必要です。
- ツールを提供します：このマシンで無料（Kokoro、
npx hyperframes tts、アカウント不要）または有料（HeyGen、ElevenLabs：それぞれに必要なものと費用を伝える）。 - 同じフックラインを3つの声で音声化し（例：エネルギッシュな米国男性、温かみのある米国女性、穏やかな英国男性）、ファイルを送信してユーザーが聴けるようにします。
- 選択を待ちます。どれも合わない場合は、追加のサンプルや別の速度を提供します。
5 · 音楽：聴いてから選ぶ
最初に時間を伝えます：無料のCCトラックは検索とダウンロードに約1分、サンプルカットに数秒かかります。音楽をローカルで生成する（MusicGen）のは無料ですが、CPUでは遅く、クリップあたり数分かかります。有料カタログ（HeyGen music）は即時ですが、アカウントが必要です。
- 雰囲気に合う3つの候補トラックを見つけます（最初に無料のCCトラック。ライセンスとクレジットラインの必要性を伝えます）。
- 使用予定の部分からそれぞれ15～20秒のサンプルをカットし、送信します。
- 選択を待ちます（または「音楽なし」）。次に、使用するレベル（音声の約16%下）を伝え、15秒の音声＋音楽ミックスを送信し、バランスが確認できるようにします。
6 · 効果音：聴いて確認
使用予定のクリック、ポップ、ウーッシュ、タイピング音を送信します（それぞれ1つの短いファイル、またはすべてを連続して1つのファイルにまとめたもの）。ステップ3で選択された単語サウンドとトランジションサウンドも含めます。次に、1つの1単語画面の5～10秒のデモを送信します：各単語が独自の音声と単語タイミングのサウンドで発声され、音声と効果音が一緒に聞こえます。確認します：保持、変更（単語ごとに可能）、または効果音なし。
7 · 製品を調査する
ユーザーから提供されたものから、ユーザーが実際に行う5～8のことを順番にリストアップします。
- コードベース： README、UIソース（マークアップ、CSSトークン、コピー、アイコン）、ブランドアセットを読み取り、ソースから実際のUIを再構築します。
- リンク： 重要なページをキャプチャし（
npx hyperframes capture <url> --json）、必要に応じてブラウザで主要なフローを操作し、キャプチャから画面を再構築します（同じラベル、色、角丸、間隔）。ユーザーが特に要求しない限り、ライブサイトを画面収録して動画に含めないでください。 - スクリーンショット / 収録： 画像から各画面を再構築します。収録クリップはデバイスフレーム内のBロールとして保持します。
- 説明のみ： 説明とブランドから画面をデザインします。シンプルに保ち、スクリプトでイラストであることを明記します。
製品にない機能を決して発明しないでください。不明または非公開の名前は中立的なものにします（「モデルA、B、C」）。サンプルシークレットは明らかに偽物で、ソース内で分割します（ghp_<i></i>…）。外観が不明な場合は、推測する代わりにスクリーンショットを求めます。
ユーザーに動画で表示するステップのリストと、再構築された1つの画面（スナップショット）を表示し、「これはこのように見えますか？これらは正しいステップですか？」と尋ねます。待ちます。
8 · スクリプト（「承認」を待つ）
シーンテーブル：時間 · 画面表示 · ナレーション · 効果（1単語画面、ズーム、フックカード…） · サウンド（1単語画面の単語ごと、トランジションごと）。1単語のラインは単語間にピリオドを入れて書きます（「貼り付け。マスク。送信。」）。これにより音声が各単語を強調します。references/kinetic-type-and-hooks.md のルール（5秒以内にフック、1シーンに1つのアイデア、1シーンに15～20語、すべての文を画面に表示、20～30秒ごとに注意をリセット）。送信し、「承認」を待ちます。要求されるたびに変更します。承認後にのみラインを音声化します（Kokoroで2分のスクリプトに約1分。そのように伝えます）。その後、完全なナレーションを送信して聴いてもらい、その上で構築する前に確認します。
9 · プレビューを構築する
- 音声：ラインごとに1ファイル。完全なナレーションを書き起こします（
npx hyperframes transcribe、4分の動画で約20秒）して、単語のタイミングを取得します。すべてのアクションはその単語のタイミングに合わせます（単語タイミング＋0.2秒）。 - ステップ3で選択された字幕：HyperFramesレイヤーとして焼き付けられたキャプション（プレビューで表示）、またはトランスクリプトからのSRT/VTTファイル。
references/music-sfx-subtitles.mdを参照。 - カメラ、トランジション、カーソル：
references/transitions-and-camera.md。 - ペーシングと読み上げ時間：
references/pacing-and-voice.md。 - 音楽、効果音、字幕、カバー：
references/music-sfx-subtitles.md。 - 確認：
npx hyperframes check、次にnpx hyperframes snapshot --at …をすべてのステップとカットで実行し、フレームを確認して重なりを修正します。
…
[翻訳のため省略]