Communitygithub.com

calesthio/ジェネレーティブ・メディア・スキル

モノ/ステレオの180度、360度、球面、空間、広視野角(FOV)、没入型ビデオの計画、ディレクション、仕上げ、QAを行うためのスキルです。プラットフォームに依存せず、フォーマット選択、キャプチャリグ、ステッチ、ナディアとシーム管理、立体視の快適さ、注意誘導、手ブレ補正、アンビソニック/空間オーディオ、タイトル、キャプション、アクセシビリティ、編集、カラー、VFX、プロジェクションメタデータ、Vision Pro、YouTube、ヘッドセット配信、デバイスQA、プライバシー、ロケーション、パブリシティ権まで網羅します。インタラクティブXRアプリ、ボリューメトリック/ワールドモデル生成、ゲームエンジン体験、特定プロバイダ向けビデオ生成プロンプトには使用しないでください。

ジェネレーティブ・メディア・スキル とは?

このスキルは、没入型ビデオ制作のエンドツーエンドプロセスを支援するために設計されています。ビューアを包み込む受動的なビデオ(モノスコピック360、ステレオスコピック360、VR180、空間ビデオ、ドーム/広FOVビデオ、ヘッドセット向け没入型フィルムなど)の企画、撮影計画の作成、成果物のレビュー、配信トラブルの解決を、特定のカメラベンダーやヘッドセット、ジェネレーターに依存せずに行えるようにします。主にClaude CodeのようなAIエージェント向けであり、制作判断における人間の専門知識とAIの支援を明確に分離します。Apple HIG、YouTubeヘルプ、Google Spatial Media仕様など、検証済みのソースを活用し、視聴者の姿勢、意図する主体性、プラットフォーム優先順位、ステレオ要件、アクセシビリティ要件に基づいたフォーマット選択を支援します。また、ステッチ品質、立体視の快適さ、注意誘導、空間オーディオ、モーション、権利処理に関する実践的なヒューリスティックを提供し、没入型ビデオの専門家でなくても高品質な成果物を実現できるようにします。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/content-formats/immersive-spatial-video-production

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

没入型空間ビデオ制作

このスキルは、視聴者を包み込む、または部分的に包み込む受動的なビデオ成果物(モノスコピック360、ステレオスコピック360、VR180、空間ビデオ、ドーム/広FOVビデオ、ヘッドセット向け没入型フィルム)を対象としています。特定のカメラベンダー、ヘッドセット、ジェネレーターに依存することなく、AIエージェントが制作判断、キャプチャおよび仕上げ計画の作成、出力のレビュー、配信トラブルの解決を行うのに役立ちます。

このスキルは、インタラクティブXRアプリケーション、OpenXR/WebXRアプリデザイン、ボリューメトリックシーン生成、ガウシアンスプラッティング/ワールドモデルナビゲーション、リアルタイムゲームエンジンビルド、または通常のフラットな16:9/9:16編集にはアクティベートしないでください。要求された出力が明示的に球面、ステレオ、空間、広FOV、またはヘッドセット配信を必要とする場合を除きます。

エビデンスマップ

以下に文書化された事実は、ソース内に日付が明記されていない限り、2026-07-11に検証されたこれらのソースを使用しています:

  • Apple Human Interface Guidelines, "Immersive experiences," https://developer.apple.com/design/human-interface-guidelines/immersive-experiences. アクセスパス:Apple Developer > Design > Human Interface Guidelines > Immersive experiences。このスキルにおけるvisionOSのパススルー、没入スタイル、1.5メートルの境界、動き、許可、注意誘導、およびトランジションの快適性に関する主張をサポートします。
  • Apple Human Interface Guidelines, "Playing video," https://developer.apple.com/design/human-interface-guidelines/playing-video. アクセスパス:Apple Developer > Design > Human Interface Guidelines > Playing video。このスキルにおけるシステムビデオプレーヤー、元のアスペクト比、字幕/トランスポートコントロール、visionOSの快適性、自動フルイマージョン警告、サムネイルトラック、RealityKitクローズドキャプションに関する主張をサポートします。
  • Apple Developer Documentation, "Reading stereoscopic 3D video files," https://developer.apple.com/documentation/avfoundation/media_reading_and_writing/reading_stereoscopic_3d_video_files. アクセスパス:Apple Developer > Documentation > AVFoundation > Media reading and writing > Reading stereoscopic 3D video files。Appleがステレオスコピックビデオファイルを読み取るためのAVFoundationワークフローを文書化しているという限定的な主張にのみ使用されます。
  • Apple Developer Documentation, "Writing spatial video," https://developer.apple.com/documentation/avfoundation/media_reading_and_writing/writing_spatial_video. アクセスパス:Apple Developer > Documentation > AVFoundation > Media reading and writing > Writing spatial video。Appleが空間ビデオを書き込むためのAVFoundationワークフローを文書化しているという限定的な主張にのみ使用されます。
  • YouTube Help: Upload 180- or 360-degree videos; Use spatial audio in 360-degree and VR videos.
  • Google Spatial Media Spherical Video V2 RFC and Spatial Audio RFC, plus Spatial Media Metadata Injector v2.1 release notes.
  • Khronos OpenXR and W3C WebXR specifications for boundary definition only: they describe interactive XR runtimes, not passive video production deliverables.
  • プロダクションヒューリスティックはヒューリスティックとしてラベル付けされています。快適さのしきい値はヘッドセットの光学系、視聴者の感度、画面スケール、再生アプリによって異なるためです。

エージェントが最初に決定すべきこと

まず、視聴者に必要なプレゼンスの種類を尋ね、それを実現する最小の没入型フォーマットを選択します。

フォーマット使用する場面避けるべき場面制作上の影響
モノスコピック360場所、イベント、ジャーナリズム、建築、ドキュメンタリーの文脈、または周囲を見渡すことが奥行きよりも重要なロケーション調査至近距離での人間のパフォーマンス、親密さ、手の届く範囲の物体、激しい動きよりシンプルなリグとステッチ;スケール感と奥行きが弱い;すべてが見えるためクルーを隠すのが難しい
ステレオスコピック360視聴者が完全な球体内で奥行きを知覚する必要がある場合リグ付近での速いアクション、多くのシーム交差、低予算、重いVFX、視聴者がフラットスクリーンで視聴する可能性がある場合最も難しいステッチ;シーム周辺や極点での奥行きのミスマッチが不快になる可能性がある;ヘッドセットQAが必要
VR180ステレオ自然なフロントステージがあるパフォーマンス、教育、旅行、スポーツ、製品デモ、またはストーリーコンテンツ視聴者が背後を確認したり、完全な環境を理解する必要がある場合より強力なステレオ品質と簡単なディレクション;クルーはカメラの後ろで作業可能;注意は前方に留まる
Appleスタイルの空間ビデオパーソナルメモリー、親密なドキュメンタリー、オブジェクトスケールの瞬間、ヘッドセット/フォトライブラリでの視聴完全な180/360環境やプラットフォームに依存しない球面再生が必要な場合制約されたFOVを持つステレオスコピックビデオとして扱う;ネイティブメタデータを保持し、ターゲットのApple再生パスでテストする
ドームまたは広FOV没入型プラネタリウム、インスタレーション、シミュレーター、会場プロジェクションヘッドセット配信が主要な場合会場マッピング、安全な水平線、再生システムテストが必要。一般的なYouTubeメタデータは不十分
フラットコンパニオンカットマーケティング、アクセシビリティ、ソーシャル予告編、編集レビュー、ヘッドセットを持たない関係者没入型ファーストの依頼に対する唯一の成果物である場合球面マスターからリフレームする;注意設計なしにランダムなビューポートを単にクロップしない

文書化された事実:YouTubeは、デスクトップブラウザおよび多くのVRヘッドセットのYouTube/YouTube VRアプリで、180度および360度の球面ビデオのアップロードと再生をサポートしています。YouTubeの空間オーディオは、First Order Ambisonics および First Order Ambisonics with head-locked stereo をサポートしています。2026-07-11にYouTubeヘルプから検証済み。

プロダクションヒューリスティック:ストーリーに明確な正面がある場合は、360ステレオよりもVR180ステレオを優先します。視聴者により強い奥行きを与え、クルーはカメラの後ろで安全に作業できるためです。視聴者が本当に振り返ることでメリットを得られる場合にのみ、フル360を使用します。

キャプチャ計画

有用な没入型ビデオ概要には以下が含まれます:

  • 視聴者の姿勢:着席、立位、現実世界のみでの歩行、または会場での着席
  • 意図する視聴者の主体性:周囲を見渡す雰囲気、フロントステージでのパフォーマンス、誘導された注意、または検査
  • プラットフォームの優先順位:Vision Pro、YouTube VR、Questブラウザ/プレーヤー、ドーム、ミュージアムプレーヤー、ネイティブアプリ、アーカイブマスター
  • ステレオ要件:モノ、ステレオ180、ステレオ360、空間ビデオ、またはステレオとモノスコピックの両方のフォールバック
  • オーディオ要件:モノ/ステレオ、ヘッドロックステレオ、FOAアンビソニックス、FOA+ヘッドロックナレーション/音楽、またはプラットフォーム固有の空間ミックス
  • アクセシビリティ要件:キャプション/字幕、トランスクリプト、音声解説、モーション快適版、フラットフォールバック
  • 権利の境界:人物、私有地、機密性の高いロケーションジオメトリ、通行人、看板、音楽、プラットフォーム利用規約

キャプチャリグの決定:

  • 可能な限り少ないレンズを使用します。レンズの境界はすべてシームであり、シームは視差、露出、フレア、タイミングの不一致が目立つ場所です。
  • 360モノの場合、ダイナミックレンジ、同期露出、クリーンなレンズオーバーラップを優先します。
  • ステレオ360の場合、同期シャッター、安定したインターアクシャルジオメトリ、キャリブレーション、および被写体をシームゾーンから遠ざけることを優先します。
  • VR180ステレオの場合、レンズの清浄度、水平な地平線、視聴者の目の高さの配置、およびフロントステージのブロッキング計画を優先します。
  • 空間ビデオの場合、インジェストからエクスポートまで、カメラのネイティブなステレオ関係とメタデータを保持します。意図的にコンパニオンカットを作成する場合を除き、ステレオを2Dにフラット化するトランスコーディングステップは避けてください。
  • アクションの場合、リグを動かすよりも、安定した世界内で被写体を動かすことを優先します。リグを動かさなければならない場合は、スムーズなパス、低加速度、可視の安定した地平線を選択します。

文書化された事実:Apple HIGは、人々がビデオを開始するタイミングを選択できるようにすべきであり、完全に没入型のビデオに自動的に起動されるべきではないと述べています。また、再生中に周囲を見渡せるようにし、完全没入コンテキストで再生コントロールを隠す仮想コンテンツを避けることを推奨しています。2026-07-11に検証済み。

プロダクションヒューリスティック:カメラを視聴者の想定される目の高さまたはその近くに設置します。動機のない高い、低い、または傾いた配置は、視聴者をシーン内に存在しているように感じさせるのではなく、浮遊する観察者のように感じさせる可能性があります。

ステッチ、ナディア、極、およびシーム

ステッチ品質を、単なる技術的なクリーンアップパスではなく、ストーリーと快適性の問題として扱います。

撮影前のシーム戦略:

  • 俳優やアクションをブロッキングする前に、選択したリグのシームマップを描画します。
  • 顔、手、テキスト、製品ラベル、および近くの前景オブジェクトを既知のシームコリドーから遠ざけます。
  • 可能な場合、シームラインをディテールが少なく、遠く、または静的な領域に配置します。
  • 隣接するレンズが露出またはホワイトバランスで矛盾しないように照明を制御します。
  • すべてのカメラとレコーダーを合わせてスレートし、同期します。小さな時間オフセットでも、ステッチとステレオの快適さを損なう可能性があります。

ポストステッチレビュー:

  • クリエイティブな手ブレ補正の前に、地平線の水平を確認します。
  • 静止フレームだけでなく、スクラブ中にシームを検査します。
  • ハイコントラストライン、動く手足、反射するオブジェクト、煙、水、群衆をレビューします。
  • パッチがリグの設置跡よりも邪魔にならない場合にのみ、ナディアをパッチします。視聴者の下にあるぼやけたディスクは、歪んだ偽の床よりも正直で快適な場合があります。
  • 極領域をクリーンに保ちます。正距円筒図法の歪みは、編集ビューでは欠陥を隠し、ヘッドセット再生で明らかになる可能性があるためです。

プロダクションヒューリスティック:被写体がシームを横切らなければならない場合、リグから遠く、注意が少ない瞬間にその交差を演出します。遠くのシーム交差は許容できることが多いですが、顔の近くでのシーム交差は、通常、再撮影またはリフレーミングの問題です。

ステレオの奥行きと快適性

ステレオの快適性の低下は、没入型ビデオを使用不可にする最も速い方法の1つです。できるだけ早く、理想的にはターゲットヘッドセットでステレオをレビューします。

快適性の原則:

  • 動機付けられた開示が他を必要としない限り、視聴者の期待される前方方向を安定させます。
  • 視聴者の体が感じない急速な回転運動、手持ちブレ、および加速を避けます。
  • 視聴者に非常に近いオブジェクトに長時間ピントを合わせることを強制しないでください。
  • 作品全体がその効果を中心に設計され、テストされていない限り、オブジェクトがカメラに非常に近づくのを避けます。
  • 垂直視差、左右の露出ミスマッチ、左右のカラーミスマッチ、同期オフセット、およびステレオウィンドウ違反を避けます。
  • 360ステレオの場合、ステレオ対応が低下する可能性があるため、シーム、天頂、ナディアの近くでは特に注意します。
  • タイトルとキャプションの場合、テキストを快適な見かけの距離に配置し、視聴コンテキストに対して安定させます。

Appleの文書化された事実:visionOSの没入型体験は、パススルーを使用して人々を物理的な周囲に接続し続けます。プログレッシブおよびフルイマージョンでは、システムは約1.5メートルの境界を定義し、装着者がそれに近づいたり通過したりするとパススルーを増加/体験をフェードアウトさせます。Appleはまた、プログレッシブまたはフルイマージョンでの動きを促すことを避けるようアドバイスしています。2026-07-11に検証済み。

プロダクションヒューリスティック:

  • 成果物が意図的に監督付き会場用に設計されていない限り、着席または静止した視聴を優先します。
  • ほとんどの場合、重要なアクションを視聴者の自然な前方視野内に保ちます。ビートの合間に視聴者に探索させますが、プロット、安全性、または指示を伝えるビート中には探索させません。
  • ステレオを判断する際は、チーム内で最もVR耐性のある人ではなく、保守的な視聴者を使用します。
  • カメラが動く場合、そのパスを視覚的に予測可能にし、視聴者に床、地平線、建築物、車両フレームなどの安定した参照点を提供します。

ブロッキングと注意誘導

没入型ビデオは、編集者がフレームを制御できると想定できません。そのため、ディレクションはステージング、オーディオ、照明、モーションに組み込む必要があります。

通常機能する注意誘導:

  • 俳優のアイラインと体の向き;
  • 関心領域から到来する音;
  • 意図された領域での明るさ、色のコントラスト、または動きのコントラスト;
  • 視線を導く前景から背景への動き;
  • 気づかれるのに十分にゆっくりと周辺視野に入るオブジェクト;
  • 球体内の他の場所での一時的な静けさまたは静止;
  • 繰り返される空間地理。これにより、視聴者は重要なものがどこにあるかを学習します。

依存を避けるべきもの:

  • 準備なしに視聴者の向きを変えるハードカット;
  • 可能性のある前方視野外に隠された小さなディテール;
  • どこかを見るための唯一の手がかりとしての字幕;
  • あらゆる方向での絶え間ないアクション;
  • 物語上の理由なしに背後から突然の大きな音。

プロダクションヒューリスティック:没入型ストーリーカットでは、すべてのショットをステージ絵画と招待状として扱います。視聴者はどこを見るべきかを知っているべきですが、他の場所を見たことで罰せられたと感じるべきではありません。

手ブレ補正とモーション

手ブレ補正は、不快感を軽減しながら方向の真実を保持する必要があります。

  • スタイリング上または物理的な理由でロールが正当化されない限り、地平線を水平にします。
  • クリエイティブなリフレーミングの前にジッターを補正します。
  • 動くプラットフォームに遅れ、世界が切り離されたように感じさせる過度のヨースムージングを避けます。
  • 歩行映像が避けられない場合は、より短いカット、固定された前方ビュー、またはフラットコンパニオンカットの方が人間工学的かどうかをテストします。
  • 360では、手ブレ補正により極とナディアの空白またはパッチ領域が明らかになる可能性があります。補正の前にだけでなく、補正後にも検査します。
  • ヘッドセット再生の場合、手ブレ補正とエクスポート後もメタデータとポーズが正しいことを確認します。

Appleの文書化された事実:Apple HIGは、イマーシブスタイル間のスムーズで予測可能なトランジションを推奨し、突然のトランジションは見当識障害や不快感を引き起こす可能性があると警告しています。2026-07-11に検証済み。

空間およびアンビソニックオーディオ

オーディオは、多くの場合、映像よりも注意誘導の役割を果たします。

これらのレイヤーを意図的に使用します:

  • アンビソニックベッド:環境、群衆、部屋のトーン、アンビエンス、ダイジェティックスペース。
  • 指向性オブジェクトまたはパンされた要素:注意誘導と可視の音源。
  • ヘッドロックステレオ:ナレーション、音楽、アクセシビリティナレーション、または視聴者とともに回転すべきではないUIのようなコンテンツ。
  • 標準ステレオフォールバック:ヘッドセット以外での配信とフラットコンパニオンカット。

文書化された事実:YouTubeは、360度およびVRビデオに対して、First Order Ambisonics および First Order Ambisonics with Head-Locked Stereo を受け入れます。アップロードガイダンスでは、空間オーディオを使用して360/VRビデオを作成し、最新のSpatial Mediaメタデータツールを実行し、結果をアップロードすることを推奨しています。2026-07-11に検証済み。

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

関連スキル