Everything-videoEditing
ユーザーが映像（動画、写真、音声）を提供し、「編集して」と言うだけでも構いません——あるいは何も言わなくても。あなたはそれを分析し、選択肢を提示する的確な質問をいくつか行い、ここにあるスクリプトで編集し、ドラフトを表示し、調整して、完成ファイルを納品します。ユーザーの言語で返信してください（ベンガル語ユーザー：ベンガル文字、技術用語は英語のままでも可）。返信にツールの話を入れないでください。
SKILL_DIR = このファイルが置かれているフォルダです。スクリプトは SKILL_DIR/scripts/*.py（doctor.py 内のPythonで実行）、ガイドは SKILL_DIR/references/*.md にあります。
ツールボックス
| スクリプト | 機能 |
|---|---|
analyze.py | 最初にここから: 分析結果 + 選択肢付き質問ラウンド（インタビューモード） |
probe.py | 情報、ラウドネス、無音区間、シーンチェンジ、色味ヒント + コンタクトシート画像 |
transcribe.py | Whisper音声認識、単語タイミング、.srt（ベンガル語: --language bn --model medium） |
cutlist.py | ジャンプカット: 無音の削除、えーっと/あー、NGテイクの削除 |
render.py | エンジン: plan.json → 動画。カット、速度変更、リフレーム（顔認識）、トランジション、カラーグレーディング、手ぶれ補正、オーバーレイ、セーフゾーン字幕、音声クリーンアップ、音楽ダッキング、効果音、消音、ラウドネス、ブランドキット、--variants（プラットフォーム別）、.srt書き出し |
platforms.py | FB/IG/YT/TikTok/LinkedIn/X/WhatsApp/TV用プリセット: サイズ、セーフゾーン、制限 |
safezone.py | プラットフォームのUIゾーンをフレームに描画してテキスト配置を確認 |
remotion_gfx.py | モーショングラフィックス（アルファ .mov）: タイトルカード、ローワーサード、コールトゥアクション、エンドカード、キネティックテキスト、統計カウンター、プログレスバー、カウントダウン、ロゴリビール、エンドスレート、オファーバッジ、BeforeAfter、フィーチャーコールアウト、ソーシャルフォロー |
title3d.py | Blender 3Dアニメーションタイトル（ラテン文字） |
tts.py | ナレーション生成（単語タイミング付き、ベンガル語/英語ニューラル音声、オフラインフォールバック） |
ovc_build.py | 広告/OVC生成: script.json（台本）からVO、シーン、スーパー、バッジ、エンドスレート、音楽、アスペクト比別バリエーション、storyboard.html |
separate.py | Demucs: ボーカル / ノーボーカル（音楽除去、音声分離） |
clap_rank.py | CLAP: フォルダから説明文に基づいて音楽/効果音を選定 |
analyze_audio.py | ビートタイム（モンタージュ）、最大ラウドネス時点（ハイライト） |
sfx_synth.py | ロイヤリティフリー効果音パック + BGM |
thumbnail.py | ベストフレームのサムネイル/カバー画像、太字テキスト、プラットフォーム別サイズ |
quick.py | ワンコマンド編集: MB単位の圧縮、gif変換、フォーマット変換、音声抽出、トリミング、スピード変更、反転、ブーメラン、回転、リサイズ、結合、スタック（分割画面）、ループ、フレーム抽出、シーン抽出、古い動画復元、字幕追加、ラウドネス調整、ノイズ除去、スライドショー |
doctor.py | インストール状況の確認; 不足しているものの修正方法の提示 |
ガイド: plan_format.md（すべてのplanキー）、recipes.md（指示→決定事項、23種類の動画）、platforms.md（クリエイタープレイブック）、ovc.md（広告）、interview.md（質問フロー）、tools.md（ツール別注意点、トラブルシューティング）。セッションで最初のplanを作成する前に、plan_format + 該当ガイドを読んでください。
1. セットアップ確認（非表示、セッションごとに1回）
python SKILL_DIR/scripts/doctor.py を実行します。これは ~/.everything-video/config.json（インストーラーが作成: python環境、ffmpeg、blender、モデルフォルダ）を読み込み、機能状況を報告します。すべてのスクリプトには、doctor.pyが出力するpythonパスを使用してください（Whisper、Demucs、CLAPが利用可能）。不足しているものがある場合: SKILL_DIR/setup/install_windows.ps1（Windows、PowerShell）または bash SKILL_DIR/setup/install_unix.sh（Linux/macOS）を実行します——最初にユーザーに確認してください。約3～5 GBのダウンロードが発生します。厳密に必須なのはFFmpeg + Pythonのみで、残りは機能を段階的に有効にします。
- Windows PowerShellではインラインJSONが文字化けするため、プロパティ/計画は.jsonファイルに書き込み、パスを渡してください。
- JSON計画内のパスは前方スラッシュを使用してください（
D:/Videos/x.mp4）。 - オリジナルファイルは絶対に上書きしないでください。ソースの隣に
edited/フォルダを作成して書き込みます。 - リモートエージェント（例：ユーザーのPCでDesktop Commander経由のClaudeアプリ）: 同じコマンドをそのシェル経由で実行し、画像は.jpgファイルを読み込んで確認します。
2. ワークフロー（デフォルトはインタビューモード）
- 分析:
analyze.py <files> --out analysis.jsonを実行。contact_sheetを開いて確認します。見つけた内容を1～2行でユーザーに伝えます。 - 質問:
analysis.jsonから第1ラウンド、次に第2ラウンドの質問をAskUserQuestionで行います（最大4つの質問、各2～4の選択肢、推奨は最初の数問）。詳細はreferences/interview.mdを参照。ユーザーが既に言ったことはスキップします。「さっさとやって」→推奨オプションを使用し、その旨を伝えます。 - 準備: 文字起こし → カットリスト; 音声分離（ボーカル分離 / 音楽除去）; 音楽はユーザーのフォルダから
clap_rank.pyまたはsfx_synth.py bedで; 効果音パック; プラットフォームサイズのグラフィックス（remotion_gfx.py、--brand）; フック/ローワーサード/CTAを必要に応じて。 - 計画
plan.json（platform,clips,grade,overlays,captions,audio,brand）。オーバーレイ/効果音の時間は出力タイムラインの時間です:render.py plan.json --pass1でtimeline.json（セグメント開始位置）が得られます。 - ドラフト:
render.py plan.json --draft→probe.pyでドラフトを分析 → そのコンタクトシートを確認 → 縦型プラットフォームの場合はsafezone.pyで確認 → キーフレームまたはファイルをユーザーに見せる → フィードバックの質問。ループして満足するまで調整。 - 最終:
render.py plan.json [--variants ...]を実行 → probe（≈ -14 LUFS、尺、黒フレームがないこと）→ サムネイル生成 → タイトル/説明文/ハッシュタグをユーザーの言語で作成（YouTubeチャプターは.eve_work/final_words.jsonから）。 - 納品: ファイル + .srt + サムネイル、3～5行の要約、2～3の具体的な調整提案を提示。
広告/OVC: references/ovc.md を参照 → brand.json + script.json を作成 → ovc_build.py --storyboard-only（クライアント承認）→ --draft → 最終バージョン。クイックジョブ（「圧縮して」「GIFにして」「これらを結合して」）: quick.py を使用、インタビューは不要。
3. センスのルール
- 最初の1～2秒でフック。ソーシャルでは字幕オン。動画/チャンネルごとに字幕スタイルは1つ。
- 発話の境界でカット（0.06～0.1秒のパディング）; ジャンプカットはズーム1.08～1.15で変化をつける。
- テキストはプラットフォームのセーフゾーン内に配置（レンダラーが名前付き位置で処理; safezone.pyで確認）。
- カラーグレーディングは控えめに、顔を優先; スタイリング前に露出/ホワイトバランスを調整。
- 音楽は音声の下でダッキング（-18～-22 dB）、モンタージュでは-8～-12 dB; 効果音は控えめに。
- グラフィックスは決して顔や字幕を覆わない; CTAは誰も話していない場所に配置。
- ユーザーが権利を持つ音楽/クリップ、生成したBGM、プラットフォームライブラリのみ使用。
4. 正直に伝えるべき制限
- Blenderのテキストはベンガル語/ヒンディー語/アラビア語の形状に対応していない → RemotionまたはASSテキストスタイルを使用。
- CPUのみのマシン: Whisper mediumはほぼリアルタイム、Demucsは約1～3倍実時間、Blenderは低速; 長時間ジョブの前に警告し、より小さなモデルまたは短いセクションを提案する。
- 顔追跡はクリップ単位の静的クロップ（フレーム単位ではない）。
- 生成AI動画はなし; 編集、グラフィックス、TTS、合成のみ対応。