Communitygithub.com

calesthio/generative-media-skills

プロバイダーに依存しないローカライゼーションと吹き替え制作ディレクションを提供します。翻訳済み動画、吹き替え広告、ソーシャルクリップ、解説動画、アバタービデオ、ドキュメンタリー、トレーニングメディア、多市場キャンペーンのAIエージェント制作の際に使用してください。字幕戦略と吹き替え戦略の検討時や、翻訳適応、用語集/スタイルガイドの設定、キャスティングや声のマッチング、リップシンクやフレーズシンクの指示、合成吹き替えの限界、キャプション/字幕の引き継ぎ、アクセシビリティ、プラットフォーム配信、クライアントレビュー、ローカライゼーションQAに最適です。

generative-media-skills とは?

このスキルは、AIエージェントがソース動画を市場に対応したローカライズ版に変換する際の、包括的な制作ディレクションを提供します。単なる単語の置き換えではなく、ローカライゼーション戦略、スクリプト適応、音声アプローチ、タイミング、アクセシビリティ、権利確認、レビューループ、品質管理を、プロバイダーやモデルを選択する前に指示します。Claude Code、Cursor、Codexなどの主要なAIエージェントプラットフォームで使用でき、エンターテインメント、広告、トレーニング、コンプライアンスなど様々なコンテンツタイプに対応します。コンテンツ分類から始め、字幕、キャプション、ボイスオーバー、フレーズシンク吹き替え、リップシンク吹き替えの適切なモードを選択し、明確なローカライゼーションブリーフ、用語集、スタイルコントロールを構築します。エビデンスに基づく事実、経験的観察、プロダクションヒューリスティックを明確に区別し、エージェントが状況に応じて適切な判断を下せるようにします。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/audio-craft/localization-dubbing-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

ローカライゼーションと吹き替え制作

このスキルを使用して、ソース動画を翻訳の単語置き換えとして扱うことなく、市場に対応したローカライズ版に変換します。プロバイダーやモデルを選択する前に、ローカライゼーション戦略、スクリプト適応、音声アプローチ、タイミング、アクセシビリティ、権利確認、レビューループ、品質管理を指示します。

これは制作ガイダンスであり、法的助言ではありません。業務にタレント契約、組合適用のパフォーマー、生体認証/音声データ、肖像権、政治的内容、規制対象の主張、未成年者、健康/金融/法的主張、または複数の法域における有料メディアが含まれる場合は、リリース前に適格な法律/現地市場レビューを要求してください。

エビデンスの姿勢

このスキルに記載されている文書化された事実は、最後にリストされている情報源に基づいており、特に明記されていない限り、2026-07-10に検証されました。経験的観察は、ローカライゼーション/吹き替え作業で見られる反復的な制作パターンであり、実際のソースメディアに対して確認する必要があります。プロダクションヒューリスティックはエージェント向けの意思決定ルールです。クライアントのブリーフ、プラットフォームの仕様、法律、アクセシビリティ要件、またはネイティブレビュアーが別段の指示をする場合は、これらを上書きしてください。

ジョブの分類から始める

ローカライゼーションの選択を行う前に、コンテンツタイプを特定します。

  • エンターテインメント、ドキュメンタリー、お客様の声、ニュース、またはクリエイターコンテンツ:声、アイデンティティ、文化的特異性、信頼性を保持します。証言やジャーナリズムでは、吹き替えよりも字幕の方が誠実である場合があります。
  • 広告、製品発表、アプリデモ、ソーシャルクリップ、アバタービデオ、または解説動画:理解度、保持率、ブランドトーン、プラットフォームの動作を最適化します。吹き替えやネイティブ再録音は、多くの場合、費用対効果が高いです。
  • トレーニング、コンプライアンス、医療、金融、法律、または公共セクターのメディア:流暢さの近道よりも、正確性、用語管理、アクセシビリティ、トレーサブルなレビュー、監査可能な承認を優先します。
  • 子供/家族、識字能力が限られている、または音声をオフにしたモバイル視聴者:字幕だけでは不十分であると想定し、吹き替え、キャプション、視覚的補強、より簡単な読解負荷を検討します。
  • 感情的なドラマ、クローズアップのプレゼンター、アバター、または顔中心の広告:リップシンクが必要かどうかを早期に決定します。これはスクリプト、キャスティング、編集、QCの負担を変えるためです。

以下の必須事項を問い合わせるか、推測します。

  1. ソース言語、ターゲットロケール、オーディエンス、プラットフォーム、リリース日、地域。
  2. 音声、肖像、音楽、画面に映る人物、合成処理に関する既存の契約/許可。
  3. ソースアセット:最終動画、クリーンなダイアログ/音楽/効果のステム(利用可能な場合)、トランスクリプト、キャプション、ブランドガイド、承認済み製品用語、キャンペーンクレーム、法的免責事項、編集プロジェクトまたはショットリスト。
  4. ロケールごとの配信モード:字幕、SDH/キャプション、ボイスオーバー、フレーズシンク吹き替え、リップシンク吹き替え、ローカライズされたアバターパフォーマンス、または完全に再編集された市場向けカット。
  5. レビュアー:ネイティブ言語レビュアー、ブランド/法的レビュアー、主題レビュアー、アクセシビリティレビュアー、最終承認者。

計画中に事実、観察、ヒューリスティックを分離する

制作に持ち込む文書化された事実:

  • WCAG 2.1では、同期メディア内の事前録音されたオーディオに対するキャプションを達成基準1.2.2レベルAで、ライブキャプションを1.2.4レベルAAで要求しています。オーディオ解説は、視覚情報が他の方法で利用できない場合、1.2.5レベルAAで別途要求されます。
  • FCCは、テレビのクローズドキャプションの品質を、正確性、同期性、完全性、配置に関して説明しています。FCC規則が特定のウェブ/ソーシャル配信物に適用されない場合でも、これらの側面はキャプションQCの有用なカテゴリです。
  • Netflixのタイムドテキスト一般要件は、Netflix配信における字幕イベントの最小持続時間を5/6秒、最大持続時間を7秒と指定しています。Netflix固有の制限をNetflix以外のプラットフォームに盲目的に適用しないでください。ただし、読みやすさの現実チェックとして使用してください。
  • ISO 17100:2015は、翻訳サービスの中核となる翻訳プロセスとリソースの要件を定義しています。その公開要約には、生の機械翻訳出力とポストエディットはその範囲外であると記載されています。
  • YouTubeマルチランゲージオーディオを使用すると、対象となるクリエイターは1つの動画またはショートに追加の言語オーディオトラックをアップロードできます。アップロードされたトラックはオーディオのみで、動画とほぼ同じ長さである必要があります。YouTubeの自動吹き替えは別個のものであり、発音、方言、イディオム、固有名詞、専門用語、音声認識、または声のマッチングにエラーが含まれる可能性があります。
  • YouTubeは、クリエイターに対し、Studioで現実的なAI生成コンテンツまたは意味のあるAI改変コンテンツを開示することを要求しています。YouTubeは、キャプション作成には開示は必要なく、吹き替えやナレーションのために自分の声をクローンすることを、クリエイターが開示する必要がない例として挙げていますが、これはプラットフォームポリシーであり、包括的な権利クリアランスではありません。
  • WebVTTは、時間同期されたキャプション/字幕、解説、チャプター、メタデータのためのW3Cテキストトラック形式です。
  • NAVAは、合成/AI音声に対する積極的な同意を、パフォーマーまたは代理人による積極的な権利放棄/合意として定義し、その他のすべての使用を除外しています。SAG-AFTRAの公開AIリソースは、組合コンテキストにおける同意、開示、デジタルレプリカ保護を強調しています。

各プロジェクトで検証すべき経験的観察:

  • 直訳は、タイミング、ユーモア、画面上のUIとの対応、口の動き、法的ニュアンス、ブランドトーンをしばしば壊します。
  • AI吹き替えシステムは、重なり合う話者、ノイズの多いオーディオ、地域のアクセント、名前、頭字語、ジョーク、皮肉、コードスイッチング、速い話し方、歌、ドメイン専門用語で最も失敗する可能性が高いです。
  • 視聴者は、ナレーション、トレーニング、解説動画、オフカメラのボイスオーバーでは、クローズアップの人間のパフォーマンス、お客様の声、ドラマ、アバターの広告主よりも、緩い同期を許容します。
  • 一部のロケールでは、エンターテインメントのデフォルトとして吹き替えを期待します。他のロケールでは、信頼性のために字幕を好みます。これを普遍的なルールではなく、市場調査として扱います。

プロダクションヒューリスティック:

  • まず意図をローカライズし、次に表現、最後にタイミングをローカライズします。クレーム、ジョーク、またはコールトゥアクションを見逃した流暢なラインは間違っています。
  • ローカライゼーションプランに市場ごとの再カットが明示的に含まれていない限り、ローカライゼーションの前にソース編集をロックします。
  • サンプル以上を翻訳する前に用語ベースを構築します。録音後に用語を修正するのは高価です。
  • 辞書の正確性のためだけのバイリンガルレビュアーではなく、市場適合性のためにネイティブレビュアーを使用します。
  • 口が信頼や没入感に不可欠でない場合は、リップシンクよりもフレーズシンクを優先します。リップシンクの予算は、顔がパフォーマンスを売る場合にのみ費やします。
  • すべての合成音声、クローン音声、顔の再現、アバターのリップシンクリクエストを、制作前の同意と開示のゲートとして扱い、配信後の書類問題として扱わないでください。

字幕、キャプション、ボイスオーバー、フレーズシンク、またはリップシンクを選択する

理解、信頼、アクセシビリティ、プラットフォームの目標を満たす最も軽量なモードを使用します。

字幕は通常、以下の場合に最も適しています。

  • オリジナルのパフォーマンス、証言、アクセント、音楽、またはドキュメンタリーの信頼性が重要である場合。
  • 予算やスケジュールがネイティブキャスティング、ディレクション、ミックス、QCをサポートできない場合。
  • コンテンツが音声オンで視聴され、読解負荷が合理的である場合。
  • 法的または技術的な制約により、オリジナルの音声を置き換えることがリスクになる場合。
  • ソースに多くの話者がいるが、目に見えるリップシンクが必要ない場合。

アクセシビリティが範囲内にある場合、キャプション/SDHが必要です。

  • ダイアログ、必要に応じて話者の識別、音楽の合図、効果音、画面外の声、笑い声、警報、または雰囲気を設定するオーディオなどの意味のある非音声音声を含めます。
  • キャプションは単なる翻訳された字幕ではありません。それらは、聞こえない視聴者のためにオーディオ情報を表します。
  • ローカライズされたアクセシビリティのために、ソースからの翻訳された字幕だけでなく、ローカライズされたオーディオ用のキャプションを作成します。

ボイスオーバーは通常、以下の場合に最も適しています。

  • オリジナルの話者が、翻訳されたナレーションベッドの下で聞こえ続けることができる場合。
  • コンテンツがドキュメンタリー、ニュース、トレーニング、ウェビナー、インタビュー、教育であり、顔に完全に同期したものは人工的に感じられる、または不要である場合。
  • その人がターゲット言語を話しているという錯覚よりも、スピードと明確さが重要である場合。

フレーズシンク吹き替えは通常、以下の場合に最も適しています。

  • ローカライズされた音声がソース話者のフレーズの近くで開始および終了する必要があるが、正確な口の形のマッチングは必要ない場合。
  • ソースにプレゼンターショット、デモ、解説動画、企業トレーニング、または中程度の顔の視認性を備えた広告が含まれている場合。
  • 自然なターゲット言語のパフォーマンスを維持しながら、フレーズの長さに合わせるためにスクリプトを適応できる場合。

リップシンク吹き替えは通常、以下の場合に最も適しています。

  • 視聴者がクローズアップの口、感情的なパフォーマンス、キャラクター、アバター、またはカメラに向かって直接話すタレントを見る場合。
  • ローカライズされたバージョンが、画面に映る人がターゲット言語を話しているという錯覚を作り出す必要がある場合。
  • 予算が適応、キャスティング、音声ディレクション、リテイク、アラインメント、視覚的QCをサポートしている場合。

リップシンクを避ける場合:

  • ソースが主にオフカメラのナレーション、スクリーンキャプチャ、製品デモ、モーショングラフィックスである場合。
  • ターゲット言語の拡張が、急いだ不自然な話し方を強制する場合。
  • 顔/音声操作に対する同意がない場合。
  • 制作がネイティブの言語的およびパフォーマンスQCを賄えない場合。

ローカライゼーションブリーフを作成する

以下の内容を含むブリーフを作成または要求します。

  • 言語だけでなく、ソースおよびターゲットロケール:例:メキシコ向けスペイン語、スペイン向けスペイン語、カナダ向けフランス語、アラビア語MSA対方言、ブラジル対ポルトガルのポルトガル語。
  • オーディエンス:年齢、専門知識、識字能力、文化的背景、アクセシビリティニーズ、および可能性の高い視聴モード。
  • 目的:情報提供、説得、トレーニング、エンターテインメント、コンバージョン、コンプライアンス、サポート、または信頼構築。
  • ブランドボイス:フォーマル/インフォーマル、ユーモアの許容度、代名詞/敬語ポリシー、禁止されているトーン、承認済みスローガン。
  • 市場の制約:法的クレーム、医療/金融の免責事項、規制された用語、政治的敏感さ、宗教的/文化的制限、単位/通貨/日付形式。
  • プラットフォーム/配信:YouTubeマルチランゲージオーディオ、ソーシャル埋め込みキャプション、OTTタイムドテキストパッケージ、LMSトレーニングモジュール、放送、有料広告アップロード、アプリ内動画、または営業支援ファイル。
  • 同期ターゲット:同期なし、時間同期、フレーズ同期、リップシンク、アバターリップシンク、または再編集されたネイティブカット。
  • レビューパス:用語、クレーム、パフォーマンス、アクセシビリティ、および最終配信を承認する責任者。

翻訳前にソースアセットを準備する

より良いソースが存在しない場合を除き、自動トランスクリプトだけで開始しないでください。ソースローカライゼーションパケットを作成します。

  • タイムコード参照付きのロックされたソース動画。
  • 話者ID、タイムコード、重なり合う発言のメモ、オフスクリーン/オンスクリーンステータス、聞き取れないフラグを含むダイアログトランスクリプト。
  • セクションごとの意図メモ:ジョーク、警告、感情的なビート、製品クレーム、CTA、法的免責事項、安全指示、キャラクター関係、またはプロットの暴露。
  • 画面上のテキスト、UI文字列、グラフィック、ローワーサード、キャプション、字幕、タイトルカード、エンドカード、スーパー、法的スレート。
  • 名前、製品、頭字語、場所、造語、ドメイン用語のための発音リスト。
  • 吹き替えまたはリミックス時の音楽/効果/ダイアログステム。
  • タレント、音楽、アーカイブ映像、ユーザー生成クリップ、公人、未成年者、合成処理に関する権利メモ。

ソースがロックされていない場合は、すべての下流アーティファクトを暫定的なものとしてマークします。変更されたソース編集は、字幕、吹き替えタイミング、ローカライズされたグラフィック、承認を無効にする可能性があります。

目的に応じて翻訳し、時間に合わせて適応する

2パススクリプトプロセスを使用します。

  1. 意味パス:すべてのクレーム、指示、ストーリービート、感情的な意図、用語、名前、数字、安全/法的主張、コールトゥアクションをターゲットロケールに正確に翻訳します。
  2. 適応パス:読解速度、フレーズの長さ、口の視認性、パフォーマーの呼吸、市場のイディオム、ブランドボイス、画面上のコンテキストに合わせてラインを再形成します。

吹き替え作業のためのラインテーブルを維持します。

フィールド目的
ソースタイムコードイン/アウトタイミングを維持し、リテイクをトレーサブルにします。
話者キャスティング、字幕ラベル、ミックス決定をサポートします。
ソースラインレビュアーを固定します。
文字通りの意味適応が意図から逸脱するのを防ぎます。
ローカライズされたパフォーマンスライン実際に録音/合成されたライン。
同期制約同期なし、時間同期、フレーズ同期、リップシンク、オフカメラ、または再カット可能。
発音名前、製品用語、頭字語、地域用語。
レビュアーノートブランド/法的/文化的/アクセシビリティノートとステータス。

字幕については、すべてのソース単語を保持するのではなく、意味と読みやすさを保持します。キャプションについては、オーディオ情報を保持します。吹き替えについては、ターゲット言語で自然でありながら、パフォーマンスの意図とタイミングを保持します。

用語集とスタイルコントロールを構築する

バッチローカライゼーションの前にプロジェクト用語ベースを作成します。

  • 製品名:翻訳、音訳、またはそのままにします。
  • UI文字列:出荷された製品UIと正確に一致させます。ローカルラベルを発明しないでください。
  • ブランドスローガンとキャンペーンライン:承認された翻訳をマークするか、「翻訳せず、トランスクリエイトする」とマークします。
  • 法律、安全、医療、金融、コンプライアンス用語:主題承認が必要です。
  • 単位、通貨、日付、電話番号、住所、測定値、敬称、フォーマリティ/レジスター。
  • 競合他社名、商標、文化的参照、イディオム、禁止フレーズ、機密性の高い単語。
  • 発音:IPA、平易な言語での発音、強勢、許容可能なバリアント。

多市場キャンペーンの場合、グローバル用語集とロケールごとのオーバーライドを作成します。使用法、規制、またはオーディエンスの期待が異なる場合、1つのスペイン語/フランス語/アラビア語などのラインを市場全体に強制しないでください。

声をキャストし、ディレクションする

表面の類似性よりも前にコミュニケーション機能を一致させます。

  • 役割:ナレーター、専門家、顧客、創設者、インストラクター、キャラクター、子供、年長者、サポートエージェント、アバター、アナウンサー。
  • パフォーマンス:温かい、緊急性がある、信頼できる、遊び心がある、控えめ、プレミアム、会話調、技術的、安心させる、コメディ。
  • ボーカル属性:音域、ペース、エネルギー、明瞭さ、関連する場合の年齢印象、アクセント/方言、息遣い、権威、テクスチャー。
  • 文化的適合:ネイティブまたはネイティブに近いターゲットロケールのパフォーマンス、イディオムの快適さ、正しいレジスターと発音。

…

[翻訳のために切り詰められています]

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 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

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

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