シリーズ解説動画全工程自動化

「一つのテーマ」を「一本の完成動画」に変換：企画 → ページ編集（HTMLアニメーション） → ナレーション原稿 → 音声合成 → 字幕 → 1080p MP4 → 抖音カバー（横16:9 + 縦9:16）。デフォルトスタイルは『道徳経』解説動画シリーズの実績に基づく（新中式水墨 / 雲健男性声 / 白文字黒光字幕）。一式使い回し可能で、個別項目は上書き可能。

画面制作ルート（v2.0以降はHTMLアニメーションがデフォルト、v2.1は図文連携）：

デフォルト：HTMLアニメーションページ — ナレーション原稿から、入場アニメーションとページ間クロスフェードを備えたHTMLプレゼンページを生成。確定論的にフレームレンダリングして動画化、アニメーションは100%完成動画に同期（方式と編集ルールは references/html-animation.md 参照）。
v2.1 図文連携：内蔵の水墨SVGシーンライブラリ（水紋の舟/さざ波/山並み/墨竹/月見/錦鯉）＋項目アイコン＋外部画像リンクに対応。ナレーション原稿に応じて自動マッチングまたは明示指定。グラフィックパーツのタイミング差動とテキストアニメーションを統一的に編集。
フォールバック：静的PPTフレーム + xfade（ネイティブPPTのテーブル/複雑レイアウトが必要な場合、またはユーザーが .pptx を明示的に要求した場合に使用）。

v2.3以降、毎回の動画で抖音カバーが標準装備：横版16:9 + 縦版9:16、テーマに合わせてAI生成一式（横版アンカー→ユーザー確認→縦版派生）。動画フレームは使用しません。手順はフェーズ⑥と references/douyin-covers.md を参照。

開始時の5つの質問（毎回動画制作開始時に確認。ユーザーが「前回と同じ」「いつも通り」と言った場合はすべてデフォルトで開始）

今回は何を解説しますか？（テーマ / 経典の章）
内容の深さ：詳細解説 / ポイント解説？（デフォルト：詳細解説）
完成動画の目標時間？（デフォルト 6-7分）
PPTスタイルは新中式水墨を継続？（デフォルト：はい）
音声は雲健、字幕は白文字黒光を継続？（デフォルト：はい）

スタイル設定（ユーザーが指定しない場合はデフォルト値を採用）

項目	デフォルト値
PPTスタイル	新中式水墨：半紙アイボリー + 墨黒 + あい色 + 朱砂
フォント	タイトル SimSun（宋体）、本文 Microsoft YaHei（SlideDSLでは一律英語 font-family を使用）
画面要素	SVG水墨イラスト（AI生成画像は不使用、完全再現性あり、変更容易）
アニメーション	HTMLアニメーションページ：タイトル blur-in / 項目ずらし fade-up / ページ間クロスフェード / cue強調（旧来の「要素アニメーション却下」はffmpeg重ね合わせ方式を対象。HTML確定レンダリングルートはv2.0で実証済み）
音声	zh-CN-YunjianNeural（雲健・男性・低音）
話速	+0%（全体統一。ユーザーが明示的に要求した場合のみ変更可能。内容の密度に応じて部分ごとに変速してはいけない）
字幕	白文字 + 黒色外部発光（blur 0.8）、透明背景、下部中央揃え
画面サイズ	1920×1080（16:9）
発音修正	「老子」→ TTSで「ラオズー」（lǎo zǐ 文語読み第三声）と発音、字幕表示は「老子」のまま
抖音カバー	横版16:9 + 縦版9:16；期名4文字の大文字；AI生成一式（アンカーチェーン）、動画フレームは使用しない

作業ディレクトリの規約

ワークスペース直下に 動画作業ディレクトリ/ を作成。各動画はテーマ名のサブディレクトリに格納：

動画作業ディレクトリ/{期名}/
├── {BASE} ナレーション原稿.json          # 単一データソース：タイトル/音声/発音修正/各ページナレーション原稿(+ページ文言)
├── {BASE} ナレーション原稿_編集可能.txt    # export_txt.py で出力、ユーザーがメモ帳で確認する用
├── 01_deck/                    # deck.html(アニメーションプレビュー表示可能) + deck.json(タイムラインリスト)
├── 01_html_frames/             # f_XXXXX.png フレーム毎 + frames_manifest.json（HTMLルート）
├── 01_frames/                  # frame_01.png ...（静的PPTフォールバックルート）
├── 02_audio/                   # slide_01.mp3 ... slide_NN.mp3（ページごとの音声）
├── 音声試聴/                   # 複数音声色試聴mp3 + 音声試聴.html
└── 03_output/                  # 完成品 {BASE}(字幕付き).mp4

BASE = 期名（「ナレーション原稿」の文字が含まれている場合は自動除去）。ナレーション原稿JSONはPythonの json.dump でプログラム的に生成。中国語引用符を含むJSONを手書きしてはいけません（エスケープエラーの原因）。カバーキャンバス {期名}-抖音カバー.miora はワークスペースルートに配置、2サイズのPNGはその _assets/ ディレクトリ内に配置。

フェーズ別ワークフロー（4つの確認ゲートあり。各ゲートでユーザーの回答を得てから次に進む）

作業開始前（初回または環境に異常がある場合）は先に環境診断を実行：python scripts/doctor.py、MISSINGがあれば補ってから開始。ペース配分の基準、ゲートリスト、BGMと改版範囲テーブルは references/pacing-and-gates.md 参照。（liyupi/ai-promo-video-maker の方法論を統合：ペースの厳格基準 / データ検証 / 二重ゲート / 改版ルール）。

フェーズ ① コンテンツ企画（ゲート1：開始時の5つの質問）

5つの質問に基づき計画を決定。短い企画パッケージ（文案構成 / ビジュアル案 / 音声案）を作成し、ユーザー承認を得てから②へ進む。

フェーズ ② ページ編集（HTMLアニメーションルート = デフォルト）

もうPPTは作成しない：直接プログラム的に {BASE} ナレーション原稿.json を生成、ページごとにナレーション原稿 text を記述。各ページでオプションとして title（ページタイトル）、points（画面に表示する項目の配列）、 layout（title/bullets/quote/end）、 cues（強調ポイント、下記参照）を指定可能。省略時はナレーション原稿から自動推論（ルールは references/html-animation.md 参照）。ただし本制作では明示的に指定する方が品質が安定する。
ページ数は内容の深さに応じて決定（詳細解説で約8ページ）。テーブル/データは静的PPTフォールバックルートを推奨。

フェーズ ②′ PPT制作（静的フォールバックルート）

workbuddy-pptx（SlideDSL）を使用してスライドを作成。ページ数は内容の深さに応じて決定（詳細解説で約8ページ）。
発表者ノート = ページごとのナレーション原稿：一度書き込めば複数箇所で再利用（動画音声 / DOCXタイムライン / 剪映インポート）。
フォントは英語名（SimSun / Microsoft YaHei）を使用。中国語名はレンダリングされない。
配色と要素はスタイル設定に従う。テーブル/データページはネイティブPPT要素を優先。

フェーズ ③ ナレーション原稿確定（ゲート2：ナレーション原稿審査）

PPTノートからナレーション原稿を抽出、プログラム的に {BASE} ナレーション原稿.json を生成（構造は下記参照）。

編集可能なテキストを書き出して審査に供する：

python scripts/export_txt.py "{BASE} ナレーション原稿.json"

ユーザーにメモ帳でtxtファイルを開き、ページごとに確認するよう明確に伝える。ユーザーが修正して返してきたらJSONに同期：
```
python scripts/import_txt.py "{BASE} ナレーション原稿.json" "{BASE} ナレーション原稿_編集可能.txt"
```
ユーザーが「文案はOK」とだけ返し、修正がない場合は同期をスキップ。

フェーズ ④ 音声合成（ゲート3：音声色試聴、ハードゲート voice_confirmed）

試聴ページを生成し、ユーザーに音声色を選んでもらう：
```
python scripts/preview_voices.py 音声試聴
```
ユーザーが選択した後、JSONに書き込み voice_confirmed=true をセット（これがないとTTSと合成は実行を拒否）：
```
python -c "import json;p='{BASE} ナレーション原稿.json';d=json.load(open(p,encoding='utf-8'));d['voice']='zh-CN-YunjianNeural';d['rate']='+0%';d['voice_confirmed']=True;json.dump(d,open(p,'w',encoding='utf-8'),ensure_ascii=False,indent=2)"
```
話速はデフォルト +0% のまま変更しない。ユーザーが明示的に変速を要求した場合のみ変更し、かつ全体統一。

フェーズ ⑤ 動画合成（ゲート4：合成前にユーザーに開始確認）

順序：音声合成 → アニメーションページ生成 → フレームレンダリング → 動画合成（HTMLルート）。またはフレームレンダリング → 音声 → 動画（静的ルート）。

HTMLアニメーションルート（デフォルト）：

ページごとの音声を合成（最初に必ず行う — ページの長さは実際の音声の長さから取得）：
```
python scripts/tts_synth.py --narration "{BASE} ナレーション原稿.json" --out 02_audio
```
アニメーションデモページを生成（deck.html はブラウザ #preview でアニメーションプレビュー可能）：
```
python scripts/gen_html_deck.py --narration "{BASE} ナレーション原稿.json" --audio 02_audio --out 01_deck
```
フレームレンダリング（アニメーションウィンドウのみをレンダリング、数分で完了）：
```
node scripts/render_html_frames.mjs --deck 01_deck --out 01_html_frames
```
動画合成（フレームシーケンス + 文単位の字幕。白文字黒光デフォルトスタイル）：
```
python scripts/compose_html_video.py --deck 01_deck --frames 01_html_frames --audio 02_audio --narration "{BASE} ナレーション原稿.json" --out 03_output
```
デフォルト出力は {BASE}(字幕付き).mp4。--also-plain で字幕なし版を追加出力。 --bgm <ファイル> で背景音楽を追加（自動ダッキング、ナレーション中は音量を下げる。楽曲はMixkitの無料商用利用可能なもの。ユーザー試聴後に決定）。

静的PPTフォールバックルート：

画面フレームをレンダリング（PowerPoint COMが第一選択。ローカルにPowerPointのインストールが必要）：
```
powershell -ExecutionPolicy Bypass -File scripts/export_frames.ps1 -Pptx "{BASE}.pptx" -OutDir 01_frames
```
PDFが既にある場合はpymupdfパスを使用可能：python scripts/pdf_to_frames.py "{BASE}.pdf" 01_frames 1920。レンダリング後、3ページ（表紙 / 内容の濃いページ / テーブルページ）を抜き打ちチェックし、フォント異常がないことを確認。
ページごとの音声を合成：同上 tts_synth.py。

動画合成（静的ページ + xfade + 文単位の字幕）：

python scripts/compose_video.py --frames 01_frames --audio 02_audio --narration "{BASE} ナレーション原稿.json" --out 03_output

納品検証：場面転換点のフレームをサンプリングし、アニメーションが正常で黒フラッシュがないことを確認。ページ中間のフレームをサンプリングし、字幕を確認。 完成動画ゲート実行：python scripts/verify_output.py --video "03_output/{BASE}(字幕付き).mp4" --deck 01_deck （仕様/再生時間/ラウドネス/黒フレーム/無音のすべてをパスしてから納品）。present_files で納品。

フェーズ ⑥ 抖音カバー（毎回標準装備：横版16:9 + 縦版9:16）

完成動画の納品時にカバーも一緒に提供し、抖音へ直接アップロードできるようにする。動画フレームは使用しない — 今回のテーマに基づいてAIが一式を生成。.miora キャンバス + 2サイズのPNGで納品。プロンプトテンプレート / イメージ対照表 / 品質チェックリストは references/douyin-covers.md 参照。ユーザーがカバー不要と明言した場合はスキップ。

文案：期名4文字を画面上の唯一の大きな文字として使用（例：「有無相生」）。サブタイトルの小さな文字は追加しない（必ずつぶれる）。メイン文案以外は画面に文字ゼロ。
アンカーチェーン一式（ハードルール）：横版アンカー（純テキスト画像生成 1920×1080）→ ユーザー確認 → 縦版をアンカー画像を参照画像として派生（1080×1920、縦3段構成）。スタイルトークンは原文をそのまま再利用。2枚を同時に無作為生成してはいけない。
ビジュアル：完成動画と同じスタイル（半紙アイボリー + 墨黒 + あい色 + 朱砂、水墨にじみ、すっきりした余白）。イメージは今回のテーマから取得（例：「有無相生」→ 満月 + 水面の月の反射）。
サイズは実寸で報告：モデルの丸め処理で1920×1072 / 1072×1920になる可能性あり（8px差）。そのまま報告。ユーザーが正確なサイズを要求した場合のみ、標準値に余白を追加。
納品：ワークスペースルート {期名}-抖音カバー.miora + 2サイズの画像カード。カバー文案とサイズは 要件確認.md に記録。

（文字を100%制御したい場合、または複数回にわたってテンプレートを再利用する場合は、編集可能なデザインデータのレイアウト書き出しルートに変更。デフォルトはAI生成。）

フェーズ ⑦ 微調整と反復

毎回のディレクトリに 要件確認.md を保持：5つの質問への回答 + 各回の修正記録（ユーザーの発言をそのまま記録）。フィードバックを受け取ったらまず記録してから修正。必要な手順のみをやり直す（変更範囲→やり直し手順の対応表は references/pacing-and-gates.md 参照）。
字幕スタイル/色の調整 → references/subtitle-style.md 参照（ASSカラーはBBGGRR反転順、必読）。
発音問題 → tts_replacements のみを変更してTTSと合成を再実行。字幕は変更しない。
字幕同期 → composeは 02_audio/timing_XX.json を優先して読み込む（TTSの文レベルのリアルタイムタイムライン。tts_synthが自動生成）。
画面/アニメーション問題（HTMLルート）→ ナレーション原稿JSONのtitle/points/visual/cues、または gen_html_deck.py の編集を変更 → deckの生成、レンダリング、合成を再実行（音声は再利用。ナレーション原稿も変更された場合を除く）。
画面問題（静的ルート）→ PPTを変更してフレームを再書き出し。音声は再利用。
カバー修正 → 文案/イメージが間違っている場合は該当するデータのみを再作成。スタイル全体が間違っている場合はアンカーを再作成してから派生（references/douyin-covers.md 参照）。

フェーズ ⑧ 納品検収（セルフチェックリスト）

画面：フォント/配色に異常なし。テーブルページ（ある場合）のレンダリングが正しい。
アニメーション：タイトル/項目の入場が自然、ページ間の遷移が滑らか、cue強調がナレーションと一致している（HTMLルート）。
音声：聞き取りやすい、音が飛ばない、話速が全編で統一されている。
発音：文語読みが正しい（例：「老子」= lǎo zǐ）。
字幕：音声と文単位で同期、スタイル統一、はみ出しや切り取りなし。
トランジション：クロスフェードが滑らか、黒フラッシュなし、空白フレームなし。
再生時間：目標時間に近い（±10秒）。
フォーマット：1920×1080 / H.264 / AAC / .mp4。
カバー：横縦2バージョンの4文字が欠けや誤字なし、スタイルが一貫、サイズは実寸（チェックリストは references/douyin-covers.md 参照）。

ナレーション原稿JSON構造（単一データソース）

{
  "title": "老子今読-上善若水",
  "voice": "zh-CN-YunjianNeural",
  "rate": "+0%",
  "voice_confirmed": true,
  "tts_replacements": { "老子": "老紫" },
  "slides": [
    { "idx": 1, "text": "最初のページのナレーション原稿……" },
    { "idx": 2, "text": "2ページ目のナレーション原稿……",
      "title": "水の三つの品格", "points": ["利他、万物を育む", "争わず、低い位置に甘んじる"],
      "cues": [ { "t": 4.5, "dur": 0.9, "target": 0 } ] }
  ]
}

idx は1から連番。frame_XX.png（静的ルート）/ slide_XX.mp3 と厳密に対応。
HTMLアニメーションルートの各ページで指定可能なフィールド：title（ページタイトル）、points（画面表示項目の配列）、 layout（title/bullets/quote/end）、cues（強調ポイント：t=ページ内相対秒、target=項目番号0始まり、 dur=強調時間、action=pulse）。図文連携（v2.1）：visual（水墨シーン water/ripples/mountain/ bamboo/moon/fish、省略時はナレーション原稿のキーワードから自動マッチング）、icons（項目アイコン droplet/wave/mountain/moon/leaf）、 image（外部画像リンク、右欄に埋め込み）。省略時はナレーション原稿から自動推論。本制作では明示的な指定を推奨。
tts_replacements：発音修正テーブル。TTS入力にのみ作用。字幕と編集可能テキストは元の文字を維持。汎用シリーズでは空 {} とする。
voice_confirmed はデフォルトfalse。ゲート③でtrueに設定。そうでなければスクリプトは合成を拒否。

よくある失敗とクイック対処表

症状	原因	対処法
字幕の外枠の色が期待と異なる	ASSカラーはBBGGRR反転順	赤=`&H000000FF` 青=`&H00FF0000` 黒=`&H00000000`
文語読みの単語が口語読みされる（例：老子 lǎo zi）	TTSがデフォルトで口語読みを選択	`tts_replacements` に追加してTTSを再実行
PPTのフォントがレンダリングされない	中国語名が認識されない	SimSun / Microsoft YaHei を使用
ワンステップ合成で白画面/フィルターチェーンが壊れる	xfadeの後にoverlayを重ねている	2ステップに分割：先にベースを作成してから重ね合わせ。カンマは `\,` でエスケープ
フレームが「生成された」のに見つからない	pymupdfが無言で失敗	スクリプトは既にabspath + 書き込み後検証を実施。または export_frames.ps1 を使用
`--rate -10%` で expected one argument エラー	argparseがオプションを誤認識	`--rate=-10%` を使用、またはJSONのrateのみ変更
合成が「音声未確認」とエラー	ゲート③をスキップ	`voice_confirmed=true` を設定して再実行
中国語引用符をJSONに書くとエラー	手書きエスケープエラー	Pythonのjson.dumpでプログラム的に生成
deck生成が「音声不足」とエラー	HTMLルートではまずTTSが必要	先に tts_synth.py を実行し、その後 gen_html_deck.py
レンダリングが「Chromiumが見つからない」とエラー	ブラウザのパスが変更された	`--browser` で chrome.exe / msedge.exe を指定
タイトルページが中央揃えにならない	CSSクラスセレクターの記述方法	`.inner.layout-title`（同種要素）を使用。子孫セレクターは使わない
項目がバラバラになる（番号付きの短文が独立した項目に）	番号付き短文が結合されていない	gen_html_deck.py は既に内部結合を実装。カスタムpointsで完全回避可能
完成動画の最終フレームの再生時間が合わない	concatの最終ファイルの癖	compose_html_video.py は既に最終ファイルの繰り返しを内部実装済み。削除しないこと
cue強調が出現しない	cueがページの再生時間を超えている	slides[].cues の t が該当ページの音声再生時間より短いか確認
カバーの大きな文字に欠け/誤字	AIが中国語の長文を安定してレンダリングできない	文案を4文字以内に抑えて再作成。アンカーの文字が間違っている場合はまずアンカーを再作成してから派生
カバーの短辺が1072≠1080	モデルの丸め処理	実寸のまま納品（比率はほぼ16:9/9:16）。正確なサイズが必要な場合は1920×1080 / 1080×1920に余白を追加
2枚のカバーがセットに見えない	2枚とも純テキスト画像生成で個別にブレ	必ずアンカーチェーンを使用：縦版は横版アンカーを参照画像として派生

完全なトラブルシューティングとアーキテクチャの知見は references/pitfalls.md を参照。HTMLアニメーションルートの詳細は references/html-animation.md を参照。

リソース

scripts/doctor.py — 環境診断（毎回作業開始時に実行、MISSINGがあれば補ってから開始）
scripts/verify_output.py — 完成動画ゲート（仕様/再生時間/ラウドネス/黒フレーム/無音、すべてパスしてから納品）
scripts/gen_html_deck.py — ナレーション原稿 → 図文連携アニメーションHTMLプレゼンページ + deck.jsonリスト（HTMLルートのエントリポイント）
scripts/render_html_frames.mjs — Playwrightによる確定論的フレームレンダリング（アニメーションウィンドウのみをレンダリング、静止部分は最終フレームを再利用）
scripts/compose_html_video.py — フレームシーケンス + 音声 + リアルタイムタイムライン字幕 + BGMダッキング合成（HTMLルート）
scripts/tts_synth.py — edge-tts バッチ合成（発音修正 + 文レベルのリアルタイムタイムライン + voice_confirmed ゲート）
scripts/compose_video.py — 静的ページ+xfade+文単位字幕合成（静的フォールバックルート）
scripts/export_txt.py / scripts/import_txt.py — ナレーション原稿と編集可能txtの双方向同期
scripts/preview_voices.py — 5音声色試聴比較ページ（オフライン再生可）
scripts/export_frames.ps1 — PowerPoint COMによる1920×1080画面フレーム書き出し（静的ルートの第一選択）
scripts/pdf_to_frames.py — pymupdfによるPDFフレームレンダリング（静的ルートの代替）
references/douyin-covers.md — 抖音カバー全工程：文案ルール / プロンプトテンプレート / アンカーチェーン / 品質チェックリスト（毎回標準装備の横縦2サイズ）
references/html-animation.md — HTMLアニメーションルート：実現可能性の結論 / 編集ルール / トラブルシューティング（必読）
references/pacing-and-gates.md — ペース配分基準 / データ検証 / 二重ゲート / BGM / 改版範囲テーブル（必読）
references/playbook.md — 全工程マニュアル：確認項目表 / 技術スタック / 最適化ルート
references/pitfalls.md — トラブルシューティングリストとアーキテクチャの知見
references/subtitle-style.md — ASS字幕スタイルマニュアル（カラー反転順 / 発光効果 / スタイルプリセット）
assets/narration-template.json — ナレーション原稿JSONテンプレート

依存関係：playwright-core（スキルルートディレクトリの node_modules、既にインストール済み）。Chromium検出順序： ms-playwright キャッシュ → システムEdge。両方ともない場合は --browser で指定。

EMzhe/explainer-video-series

explainer-video-series とは？

お気に入りのAIに質問する

ドキュメント