ビデオ作成

ビデオ作成スキル

コードから作成するアニメーションモーショングラフィックス（キネティックタイプ、説明動画、ローンチビデオ、アニメーションチャート、選択可能なビジュアルスタイルのローワーサード）には、motion-graphics スキルを使用してください。このスキルは、映像、写真、音声、ffmpeg 編集のためのものです。

ffmpeg（コアエンジン）とPython（フレーム/グラフィックス用Pillow、高レベル編集用MoviePy）を使用して、プログラムで動画を構築します。常に最初に計画し、次に構築し、最後に検証します。

---

1. 構築前に計画する

コマンドを書く前に、以下を決定しておきます：

決定事項	デフォルト	備考
アスペクト比	16:9 (1920x1080)	Reels/Shorts/TikTok は 9:16 (1080x1920)、フィードは 1:1 (1080x1080)
フレームレート	30 fps	映画調は 24、画面録画/ゲームプレイは 60
長さ	指示通り	Reels/Shorts は 60～90 秒以下
フォーマット	MP4 (H.264 + AAC)	ほぼ全ての環境で再生可能。WebM は指定があった場合のみ。GIF は短いループのみ。
オーディオ	オプション	音楽、ナレーション、または無音

ショットリスト（各シーン → 長さ、ビジュアル、テキスト、トランジション、オーディオ）を簡単に書き出します。

---

2. ツールチェーンを確認する

which ffmpeg ffprobe || (apt-get update && apt-get install -y ffmpeg)
python3 -c "import PIL, moviepy" 2>/dev/null || pip install pillow moviepy --break-system-packages
fc-list | head   # テキストに使用できるフォントを確認

---

3. 標準エンコード設定

特にユーザーから指定がない限り、すべての最終レンダリングでこれらを使用します：

-c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -movflags +faststart \
-c:a aac -b:a 192k

• -pix_fmt yuv420p — スマートフォン、QuickTime、ブラウザでの再生に必須。
• -movflags +faststart — 動画の完全ダウンロード前に再生を開始できるようにします。
• -crf 18 = ほぼロスレス（ファイルサイズ大）、-crf 28 = ファイルサイズ小、品質低。
• -preset veryfast はレンダリングを高速に保ちます。最高品質が要求された場合のみ slow を使用します。
• H.264 では、幅と高さは偶数である必要があります。

---

3b. 高速レンダリング — ユーザーが待っています

フルレンダリングは最も時間がかかるステップなので、リクエストごとに1回のフルレンダリングを計画します：

1. エンコードする前に確認する。 最終サイズで数フレーム（最も忙しい瞬間、最初と最後のフレーム）を取得・描画し、フレーミング、テキストサイズ、色を確認します。写真動画の場合：scripts/slideshow.py OUT.mp4 photos… --preview でコンタクトシートを1秒で作成します。
2. 1つの巨大なグラフではなく、シーンごとに。 各シーンを同じサイズ、fps、エンコーダー設定で個別のファイルにエンコードし、concat デマルチプレクサと -c copy で結合し、最後に -c:v copy で音声を追加します。後で1つのシーンを修正する場合、そのシーンだけを再エンコードします。
3. トランジションはシーンファイル内に配置（エッジのフェードイン/アウト）。2つの完成ファイルをクロスフェードすると、2回目のフルエンコードが強制されます。
4. 静止画を安価に保持する。 画像を1回デコードし、loop フィルターで繰り返します。-loop 1（フレームごとに画像を再デコード）よりも高速です： ffmpeg -framerate 30 -i still.png -vf "format=yuv420p,loop=-1:1,trim=duration=4,setpts=PTS-STARTPTS" -c:v libx264 -preset veryfast -crf 20 -pix_fmt yuv420p still.mp4
5. 中途半端なファイルを実際の名前で保存しない。 name.part.mp4 に書き込み、ffmpeg が 0 で終了した場合のみリネームします。中断されたレンダリングでも再生は可能ですが、途中で切れます。
6. 特に指定がない限り、出力サイズ、30 fps でフレームを描画します。Webページをフレームごとにキャプチャする場合、PNG ではなく JPEG（品質～90）として保存します。書き込みと読み込みがはるかに高速です。

10枚の写真 → 1080p での測定：従来の単一 -loop 1 + xfade グラフは 13.2 秒。slideshow.py --crossfade は 6.4 秒、シーンファイルパスは音楽込みで 8.9 秒。

完成した動画の変更：

変更	方法
1つのシーンの内容	そのシーンファイルを再レンダリングし、-c copy で再結合
新しい音楽 / エンディングのトリミング	-c:v copy（新しい音楽：-map 0:v -map 1:a）
キャプションの焼き付け、小さなコピーの作成	完成ファイルを1回再エンコード
すべてのフレームで変化するもの	フルレンダリングは避けられない

4. レシピ

4.0 写真スライドショー（1コマンド）

python3 scripts/slideshow.py out.mp4 photos/*.jpg --seconds 3 --fade 0.5 --music song.mp3      # 高速、黒フェード
python3 scripts/slideshow.py out.mp4 photos/*.jpg --crossfade                                 # 真のクロスフェード
python3 scripts/slideshow.py out.mp4 photos/*.jpg --zoom --size 1080x1920                      # Ken Burns、縦向き

4.1 画像からのスライドショー（フェードトランジション付き）手動の場合

# 各画像を 3 秒表示、0.5 秒クロスフェード、1080p にスケール/パディング
# 各静止画は 1 回デコードされ、ループフィルターで繰り返されます（-loop 1 の 2 倍高速）
F="scale=1920:1080:force_original_aspect_ratio=decrease,pad=1920:1080:(ow-iw)/2:(oh-ih)/2,setsar=1,format=yuv420p,loop=-1:1,trim=duration=3,setpts=PTS-STARTPTS,fps=30"
ffmpeg -framerate 30 -i img1.jpg -framerate 30 -i img2.jpg -framerate 30 -i img3.jpg \
-filter_complex "\
[0]$F[a];[1]$F[b];[2]$F[c];\
[a][b]xfade=transition=fade:duration=0.5:offset=2.5[ab];\
[ab][c]xfade=transition=fade:duration=0.5:offset=5[out]" \
-map "[out]" -c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -movflags +faststart slideshow.mp4

クリップ n のオフセット = (前のクリップの合計時間) − (n × フェード時間)。

4.2 静止画像のKen Burns効果（スローズーム）

# d = 出力フレーム数（30 fps で 150 = 5 秒）。-loop は不要、zoompan がフレームを生成します
ffmpeg -i photo.jpg -vf "scale=3840:-2,zoompan=z='min(zoom+0.0008,1.2)':d=150:x='iw/2-(iw/zoom/2)':y='ih/2-(ih/zoom/2)':s=1920x1080:fps=30" \
-c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p zoom.mp4

最初に 3840 にアップスケーリングすることで、小さな画像で zoompan に見られるジッターを回避します。

4.3 テキストオーバーレイ / タイトルカード

ffmpeg -i input.mp4 -vf "drawtext=fontfile=/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf:\
text='My Title':fontsize=72:fontcolor=white:box=1:[email protected]:boxborderw=20:\
x=(w-text_w)/2:y=h-150:enable='between(t,0,4)'" \
-c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -c:a copy titled.mp4

アポストロフィ、絵文字、または非ラテン文字（ヒンディー語など）を含むテキストの場合は、そのスクリプトをサポートするフォントを使用して Pillow でテキストを PNG にレンダリングし、それをオーバーレイします：

ffmpeg -i input.mp4 -i title.png -filter_complex "overlay=(W-w)/2:H-h-100:enable='between(t,0,4)'" ...

4.4 何もないところからベタ塗りのタイトルカード

ffmpeg -f lavfi -i color=c=0x111827:s=1920x1080:d=3:r=30 \
-vf "drawtext=fontfile=/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf:text='Chapter 1':fontsize=96:fontcolor=white:x=(w-text_w)/2:y=(h-text_h)/2" \
-c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p card.mp4

4.5 クリップのトリミング

# 正確なトリミング（再エンコード）：00:00:05 から 10 秒間
ffmpeg -ss 00:00:05 -i input.mp4 -t 10 -c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -c:a aac trimmed.mp4
# 高速トリミング（再エンコードなし、最も近いキーフレームでカット）
ffmpeg -ss 00:00:05 -i input.mp4 -t 10 -c copy trimmed_fast.mp4

4.6 クリップの結合

同じコーデック/解像度/fps → concat デマルチプレクサ（再エンコードなし）：

printf "file 'a.mp4'\nfile 'b.mp4'\nfile 'c.mp4'\n" > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c copy joined.mp4

異なるソース → 最初に正規化（スケール、fps、オーディオレート）するか、concat フィルターを使用します：

ffmpeg -i a.mp4 -i b.mp4 -filter_complex \
"[0:v]scale=1920:1080,setsar=1,fps=30[v0];[1:v]scale=1920:1080,setsar=1,fps=30[v1];\
[v0][0:a][v1][1:a]concat=n=2:v=1:a=1[v][a]" \
-map "[v]" -map "[a]" -c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -c:a aac joined.mp4

（クリップにオーディオトラックがない場合は、無音を追加します：-f lavfi -i anullsrc=r=48000:cl=stereo を使用し、-shortest を追加します。）

4.7 BGMの追加

# ビデオの下に音楽、最後にフェードアウト、ビデオ終了時に停止
# st = ビデオの長さ - フェードの長さ（ここでは 30 秒のビデオ、3 秒のフェード）— ffprobe で長さを取得します
ffmpeg -i video.mp4 -i music.mp3 -filter_complex \
"[1:a]volume=0.3,afade=t=out:st=27:d=3[m]" \
-map 0:v -map "[m]" -c:v copy -c:a aac -shortest with_music.mp4

# 既存の音声の下に音楽をミックス
ffmpeg -i video.mp4 -i music.mp3 -filter_complex \
"[1:a]volume=0.15[m];[0:a][m]amix=inputs=2:duration=first[a]" \
-map 0:v -map "[a]" -c:v copy -c:a aac mixed.mp4

4.8 字幕 / キャプション

.srt ファイルを作成します：

1
00:00:00,000 --> 00:00:03,000
ビデオへようこそ。

2
00:00:03,000 --> 00:00:06,500
これから説明する内容です。

焼き付けます：

ffmpeg -i input.mp4 -vf "subtitles=subs.srt:force_style='FontSize=24,PrimaryColour=&HFFFFFF,OutlineColour=&H000000,BorderStyle=1,Outline=2'" \
-c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -c:a copy captioned.mp4

4.9 ソーシャルメディア用にリサイズ（縦 9:16）

# 黒帯の代わりにぼかした背景で埋める
ffmpeg -i landscape.mp4 -filter_complex \
"[0]scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920,boxblur=20[bg];\
[0]scale=1080:-2[fg];[bg][fg]overlay=(W-w)/2:(H-h)/2" \
-c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p -c:a copy vertical.mp4

4.10 速度変更（早送り / スロー）

# 2倍速（ビデオ + オーディオ）
ffmpeg -i in.mp4 -filter_complex "[0:v]setpts=0.5*PTS[v];[0:a]atempo=2.0[a]" -map "[v]" -map "[a]" fast.mp4

4.11 ビデオをGIFに変換（高品質）

ffmpeg -i in.mp4 -vf "fps=15,scale=640:-1:flags=lanczos,split[s0][s1];[s0]palettegen[p];[s1][p]paletteuse" -loop 0 out.gif

4.12 コードからフレームをレンダリング（アニメーション、チャート、モーショングラフィックス）

ffmpeg フィルターだけでは不十分な場合、Python で各フレームを描画して結合します：

from PIL import Image, ImageDraw, ImageFont
import os, subprocess

W, H, FPS, SECONDS = 1920, 1080, 30, 4
os.makedirs("frames", exist_ok=True)
font = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf", 96)

for i in range(FPS * SECONDS):
    t = i / (FPS * SECONDS)
    img = Image.new("RGB", (W, H), (17, 24, 39))
    d = ImageDraw.Draw(img)
    x = int(-600 + t * (W + 600))          # テキストが横にスライド
    d.text((x, H // 2 - 48), "Hello!", font=font, fill=(255, 255, 255))
    img.save(f"frames/{i:05d}.png")

subprocess.run(["ffmpeg", "-y", "-framerate", str(FPS), "-i", "frames/%05d.png",
                "-c:v", "libx264", "-preset", "veryfast", "-crf", "23",
                "-pix_fmt", "yuv420p", "-movflags", "+faststart", "animation.mp4"], check=True)

イージング（例：t*t*(3-2*t)）を使用すると、より滑らかな動きになります。

4.13 MoviePy（クイックな高レベル編集）

from moviepy import VideoFileClip, TextClip, CompositeVideoClip, concatenate_videoclips, AudioFileClip

clip1 = VideoFileClip("a.mp4").subclipped(0, 5)
clip2 = VideoFileClip("b.mp4").subclipped(2, 8)
video = concatenate_videoclips([clip1, clip2], method="compose")
music = AudioFileClip("music.mp3")
video = video.with_audio(music.subclipped(0, min(video.duration, music.duration)))   # 音楽が短い場合がある
video.write_videofile("out.mp4", fps=30, codec="libx264", audio_codec="aac", preset="veryfast")

（MoviePy 2.x API を示しています。1.x では subclip/set_audio を使用します。pip show moviepy で確認してください。）

---

5. 納品前に検証する

動画を確認せずに引き渡さないでください：

# 長さ、解像度、コーデック、fps
ffprobe -v error -show_entries format=duration:stream=codec_name,width,height,r_frame_rate -of default=nw=1 out.mp4

# キーモーメントで静止フレームを取得して確認
ffmpeg -ss 1 -i out.mp4 -frames:v 1 check_1s.png
ffmpeg -i out.mp4 -vf "fps=1/3,scale=480:-1,tile=4x2" -frames:v 1 contact_sheet.png

チェックリスト：

• 長さが計画と一致している
• 解像度とアスペクト比が正しく、不要な黒帯や引き伸ばしがない
• テキストが読みやすく、安全マージン内にある（端から約5％をキープ。9:16の場合、アプリUIが配置される下部約15％を避ける）
• トランジションが意図した場所にある
• オーディオが存在する（期待される場合）、クリッピングしていない、最後までクリーンに終わる
• スマートフォンで再生できる：H.264、yuv420p、偶数サイズ

---

6. よくある問題とその対策

問題	対策
動画がiPhone/QuickTimeで再生できない	-pix_fmt yuv420p を追加
"width not divisible by 2"	-1 の代わりに scale=1280:-2 を使用
-c copy トリミング後、先頭に黒フレーム	再エンコードするか、-ss を -i の前に置いて再エンコード
concat 後に音声がずれる	結合前に fps とオーディオサンプルレート（-ar 48000）を正規化
xfade エラー "inputs differ"	すべての入力は同じサイズ、fps、setsar=1、ピクセルフォーマットである必要がある
drawtext が ' や : で壊れる	エスケープするか、textfile= または Pillow でレンダリングした PNG オーバーレイを使用
非英語テキストが□で表示される	そのスクリプトをサポートするフォント（例：Noto Sans Devanagari）を使用
ファイルサイズが大きい	CRF を上げる（26～28）、fps または解像度を下げる
レンダリングが遅すぎる	-preset veryfast または ultrafast を使用。ドラフト中は解像度を下げる

---

7. ワークフローまとめ

1. 計画 — アスペクト比、fps、長さ、ショットリスト、オーディオ。
2. アセット収集 — 画像、クリップ、音楽、フォント。ffprobe で確認。
3. ドラフトを高速に作成 — 低解像度 / ultrafast プリセットでタイミング確認。
4. 最終版を構築 — 標準エンコード設定（セクション3）。
5. 検証 — ffprobe + コンタクトシート + チェックリスト（セクション5）。
6. 納品 — 最終ファイルと1行の概要（長さ、解像度、内容）を送付。