Communitygithub.com

calesthio/generative-media-skills

AIエージェント向けのプロバイダ非依存の制作ワークフロー。ミュージックビデオ、リリックビデオ、ビジュアライザー、パフォーマンス/ナラティブ/ダンス動画、ソーシャルカットダウン、アルバム・シングルローンチアセット、楽曲に同期した生成メディアクリップを制作する際の計画、演出、プロンプト、編集、レビュー、納品に使用します。

generative-media-skills とは?

このスキルは、楽曲を基盤として、権利関係を考慮し、プラットフォームに適合した動画パッケージを制作するための、AIエージェント向けの包括的なワークフローを提供します。一般的な動画生成とは異なり、ビートマップやフレーズマップの作成、歌詞の正確な同期、レビュープロセス、権利に関する記録、パフォーマンス指示、プラットフォーム別のカットダウン、承認チェックポイントなどを体系的に扱います。Claude Code、Coder、Cursor、Codexなどの主要なAIエージェントプラットフォームで利用可能で、SKILL.mdに詳細な手順が定義されています。このスキルの導入により、エージェントはミュージックビデオ制作における複雑な要件を理解し、プロンプト生成、編集判断、権利確認、納品形式の最適化などを、プロデューサーレベルの知識に基づいて自律的に実行できるようになります。

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

ミュージックビデオ制作

このスキルを使用して、楽曲を一貫性があり、権利を認識し、プラットフォームにすぐに配信可能な動画パッケージに変換します。楽曲を固定された中心軸として扱います。動画は、その構造、アーティストのアイデンティティ、歌詞、リリースの目標を増幅させるために存在します。

これを汎用的な動画生成として扱わないでください。ミュージックビデオには、ビートマップ、フレーズマップ、歌詞の正確性、同期レビュー、権利に関するメモ、パフォーマンス指示、プラットフォーム固有のカットダウン、承認チェックポイントが必要です。

基本ルール

  • アーティスト、レーベル、またはクライアントがラジオ編集、クリーン編集、ステム編集、速度変更、フェード、または短縮バージョンを承認しない限り、マスターオーディオは変更しないでください。
  • 権利クリアランスを捏造しないでください。何がクリアされているか、不明か、プラットフォーム提供か、ライセンス済みか、ロイヤリティフリーか、パブリックドメインか、生成されたかを記録してください。
  • 法的アドバイスは提供しないでください。クリアランス、肖像権、推奨、組合、レーベル、販売業者、またはプラットフォームリスクに関する質問は、クライアント、権利者、レーベル、マネージャー、または弁護士にエスカレーションしてください。
  • 制作時にプラットフォームのルールを再確認してください。音楽ライブラリ、AIレーベル、商用開示ツール、広告仕様、アップロード制限は頻繁に変更されます。
  • 文書化された事実と制作上のヒューリスティックを分離してください。事実は最新の情報源に遡れるようにし、ヒューリスティックは創造的な推奨事項です。
  • 来歴を保存してください:楽曲ソース、歌詞ソース、ステム、編集、モデル、プロンプト、可能であればシード、同意文書、ライセンス、プラットフォームチェック、レビューノート。

情報収集

コンセプトを考える前に、十分な情報を収集します。

  1. 楽曲パッケージ
    • 最終オーディオファイル、長さ、サンプルレート、ビット深度、既知のラウドネスターゲット
    • 曲名、アーティスト名、フィーチャリングアーティスト、バージョン名、リリース済みの場合はISRC/UPC
    • 承認済み歌詞、露骨/クリーンステータス、必要な場合は歌詞翻訳
    • オプションのステム:ボーカル、インストゥルメンタル、ドラム、ベース、メロディー、アドリブ
    • BPM、キー、拍子記号、既知のセクションラベル
  2. リリースとオーディエンス
    • 目標:プレミア、ビジュアライザー、リリックビデオ、ファンエンゲージメント、有料キャンペーン、ツアープロモ、アルバムローンチ、ショートフォームフックテスト
    • ターゲットプラットフォームとアスペクト比
    • 期限、レビュー承認者、承認順序、固定されたブランド/アーティストガイドライン
  3. 権利と安全性
    • マスターと楽曲の権利を所有または管理しているのは誰か
    • 同期使用、ソーシャル使用、有料広告使用、地域、期間、プラットフォームの権利がクリアされているかどうか
    • サンプル、インターポレーション、リミックス、カバー、またはサードパーティのステムが存在するかどうか
    • ブランド、製品、会場、アートワーク、タトゥー、ロゴ、小道具、または認識可能な人物にクリアランスが必要かどうか
    • AI生成の動画、音声、肖像、振付リファレンス、またはスタイルリファレンスが使用されるかどうか
  4. クリエイティブリファレンス
    • 2~5つのリファレンス動画と、そこから借りる要素:ペーシング、照明、ブロッキング、編集リズム、タイポグラフィ処理、カメラ言語、色、シュルレアリスムのレベル
    • コピーしてはいけないもの:アーティストの肖像、正確な振付、保護されたロゴ、特徴的なセット、ショットごとの構造

権利ステータスが不明な場合、計画または内部モックアップのみを進めてください。クリアランスが解決されるまで、公開、有料プロモーション、配信納品、または一般公開を推奨しないでください。

コンセプトルートの選択

1つの主要ルートと1つの二次的なテクスチャを選びます。動画はモードをブレンドできますが、6つの無関係なコンセプトのように感じられるべきではありません。

  • パフォーマンス動画:アーティストまたはパフォーマーが感情的な中心を担います。カリスマ性、ボーカル表現、バンドのエネルギー、またはスターとしてのアイデンティティが重要な場合に最適です。
  • ナラティブ動画:ストーリーシーンが曲の感情的な弧を劇化します。歌詞が葛藤、変容、記憶、ロマンス、反抗、悲しみ、または勝利を暗示する場合に最適です。
  • リリックビデオ:タイポグラフィ、タイミング、デザインが体験を支えます。公式ビデオの前、歌詞が重要なフックである場合、または予算/時間が限られている場合に最適です。
  • ビジュアライザー:反復モチーフ、ループ、アンビエントワールド、ジェネレーティブモーション、または象徴的なアニメーションがリスニングをサポートします。アルバム、ストリーミングキャンバス、低摩擦のローンチアセットに最適です。
  • ダンスまたは振付動画:動きがフックです。リズミカルなトラック、ショートフォームチャレンジ、ファン参加、パフォーマンス主導のソーシャルキャンペーンに最適です。
  • 抽象/生成メディア動画:AIクリップ、アニメーション、コラージュ、シミュレーション、またはシュールなイメージが曲の周りに夢のような論理を構築します。アーティストの世界が文字通りのストーリーよりも重要な場合に最適です。
  • ローンチアセットスイート:ヒーロー動画、縦型フックカット、ティザーループ、Canvasスタイルループ、歌詞スニペット、舞台裏、プラットフォームサムネイルを組み合わせます。

制作ヒューリスティック:曲に記憶に残るコーラスの歌詞がある場合、そのフレーズに対して少なくとも1つの反復可能なビジュアルシグネチャをデザインします。曲にインストゥルメンタルのドロップがある場合、非歌詞のビジュアルペイオフをデザインします:ダンスヒット、カメラ移動、色の切り替え、シュールな変容、またはモンタージュバースト。

ソングマップの構築

ショットリストやプロンプトを作成する前に、ビートとフレーズのマップを作成します。

最低限のマップ:

  • mm:ss.mmm形式のタイムコード
  • セクション:イントロ、バース、プリコーラス、コーラス、ポストコーラス、ブリッジ、ブレイクダウン、アウトロ
  • 可能であれば小節またはフレーズ数
  • 主要な歌詞の断片とボーカルのエントランス
  • ビートのアクセント、フィル、ドロップ、ストップ、ピックアップノート、アドリブ
  • 感情的な強度(1〜5)
  • 編集密度のターゲット:長いホールド、ミディアムカット、ラピッドカット、ストロボリスク、無音
  • ビジュアルイベント:出現、動きの変化、テキスト入力、パフォーマンスのクローズアップ、トランジション、ストーリービート

ビートマップ行の例:

00:45.200-01:07.900 | コーラス1 | フックを2回繰り返す | 強度5 | 2小節ごとにスネアでカット;最後のフックを2.5秒間ホールド | 歌詞テキストはボーカルに合わせて表示し、それより前には表示しない | ヒーローの青から赤への照明シフト

生のBPMよりもフレーズマッピングの方が重要です。音楽的な理由でカットします:ダウンビート、歌詞の開始、ドラムフィル、ブレスギャップ、韻の完了、バスドロップ、ハーモニーの変化、無音。ジャンルとコンセプトがその強度を報いる場合を除き、すべてのビートで機械的にカットすることは避けてください。

脚本、トリートメント、ショットリスト

プロンプトや撮影の前に、短いトリートメントを書きます。

トリートメントには以下を含めます:

  • 一文の約束:視聴者が何を覚えているか
  • アーティストの描写:象徴的、脆弱、遊び心、手の届かない、ドキュメンタリー、神話的、匿名、アニメーション
  • 世界:場所、時代、色、質感、天候、照明、レンズの感触
  • 曲のセクションごとの構造
  • 繰り返し登場するモチーフとその進化の仕方
  • コーラス1、コーラス2、ファイナルコーラスに何が現れ、なぜそれぞれがエスカレートするか
  • 歌詞/オンスクリーンテキストのルール
  • 生成クリップのルール:リアリズムのレベル、カメラ言語、連続性のアンカー、ネガティブ制約
  • 承認リスク:権利、肖像、フラッシング、露骨なコンテンツ、ブランドセーフティ

ショットリストのフィールド:

ID | タイムコード | セクション | ショットサイズ | 被写体 | アクション | カメラ/動き | 照明/色 | 同期要件 | アセット/ソース | ノート

同期要件の例:

  • リードボーカルに完全にリップシンク
  • ダウンビートでダンスヒット
  • 歌詞の単語が音節に合わせて表示される
  • カットアウェイのみ;口の動きなし
  • ループは4小節ごとに透過的に再起動する必要がある
  • AIクリップはドリフト可能;インストゥルメンタルのテクスチャの下で使用

パフォーマンスと振付の指示

パフォーマンスの場合:

  • セットまたは生成/リップシンクの指示で再生を使用します。パフォーマーは、承認された最終オーディオバージョンまたはタイムコードに合わせた再生バージョンを聞く必要があります。
  • 「エネルギーを込めて歌う」だけでなく、セクションごとに感情的なビートを指示します。例:バース1は抑制されたアイコンタクト、プリコーラスはペーシング、コーラスは直接レンズに向かって、ブリッジは背を向けて、ファイナルコーラスは全身の解放。
  • 同期に安全なカバレッジをキャプチャします:口の固定クローズアップ、ミディアムパフォーマンス、ワイドボディ、ディテールインサート、オーバークランクした動き、歌っていないカットアウェイ。
  • 正確な同期を意図していないショットでは、口が隠れているか軸がずれていない限り、歌っているのが見えないようにします。
  • バンドの場合、聴こえる瞬間にフィーチャーされた楽器をマッピングします。意図的に皮肉でない限り、ギターのみのフィル中にドラマーにカットしないでください。

ダンスの場合:

  • ソングマップに対してカウントをマークします。動きの名前、体の方向、カメラの方向、ヒットフレームを記録します。
  • 振付の連続性のためにクリーンなマスターワイドを維持し、次にクローズアップとディテールショットを追加します。
  • ショートフォームチャレンジセクションは、記憶に残る動きの5〜15秒を中心に計画します。
  • AI生成のダンサーが使用される場合、広範なリズムとポーズの変化をプロンプトしますが、手動で検証します。生成された動きは正確なカウントに従わない場合があります。

歌詞とオンスクリーンテキスト

承認された歌詞のみを使用します。歌詞が提供されていない場合は、依頼するか、書き起こして未承認としてマークします。

リリックビデオのルール:

  • 単語をインストゥルメンタルのグリッドではなく、リードボーカルに合わせます。
  • 改行は音楽的にします:フレーズ、韻、ブレス、または意味の単位。
  • リードボーカル、バックグラウンドボーカル、アドリブ、非歌詞キャプションの階層をデザインします。
  • コンセプトがタイポグラフィファーストでない限り、感情的な瞬間にアーティストの顔を隠さないでください。
  • 縦型UIオーバーレイとキャプションのために安全なマージンを確保します。
  • ローカリゼーションと将来の編集のために、クリーンなテキストレスのマスターを可能な限り提供します。

オンスクリーンテキストには、タイトルカード、クレジット、警告、リリース日、マーチ/ツアーCTA、および開示を含めることができます。開示は読みやすく、それらが明確にする主張またはコンテンツの近くに配置します。

生成動画プロンプトの変換

AI画像/動画ツールを使用する場合、ミュージックビデオの指示を制作プロンプトに変換します。モデルに「ミュージックビデオを作って」と頼んで同期を期待しないでください。ほとんどの生成動画システムは、プロバイダーがそれらのコントロールを特にサポートしていない限り、正確なリップシンク、歌詞のタイミング、テキストの忠実度、および連続性が弱いです。

プロンプトの構成要素:

  • ショットの長さとアスペクト比
  • 被写体のアイデンティティまたは架空のキャラクターの説明;無許可の実在人物の肖像は避けてください
  • 明確な1つの動きのフレーズでのアクション
  • カメラの動きとショットサイズ
  • 照明、レンズ、色、質感、場所
  • ソングマップからのタイミングアンカー
  • 連続性アンカー:衣装、小道具、色、環境
  • ネガティブ制約:読み取り可能なランダムテキストなし、余分な指なし、ロゴなし、口が歌っていない、顔のモーフィングなし、フリッカーなし

生成クリッププロンプトの例:

インディーポップミュージックビデオのファイナルコーラスのための4秒の縦型9:16ショット。架空のシルバージャケットのパフォーマーが雨で濡れたネオンアレイを駆け抜け、ダウンビートで鋭くカメラの方を向き、一握りのグリッターを投げるとそれが浮かぶ星になる。手持ち追跡ショット、35mmレンズの感触、彩度の高いシアンとマゼンタ、濡れた路面の反射、高エネルギーのコーラスペイオフ。実在の有名人の肖像なし、読み取り可能な看板なし、リップシンクの口の動きなし、ストロボなし、ブランドロゴなし。

生成クリップは、それらが最も強い場所で使用します:シュールなインサート、ビジュアライザー、環境、トランジション、象徴的なアクション、夢のシーケンス、テクスチャ。口の同期がミッションクリティカルな場合、専門のリップシンクまたはアバターツール、ライブ映像、または注意深く指示されたアニメーションを使用します。

編集リズム

ミュージックビデオの編集は、予測可能になることなく、音楽的に意図的に感じられるべきです。

  • イントロでビジュアルグラマーを確立します。
  • バースをストーリー、親密さ、または世界構築に使用します。
  • プリコーラスを加速に使用します:カメラの動き、より短いカット、上昇するテキスト密度、色の遷移。
  • コーラスを最も反復可能なビジュアルアイデアに使用します。
  • ファイナルコーラスのために1つのエスカレーションを残します:新しい場所、よりワイドなショット、振付グループ、色の反転、雨/火/紙吹雪、群衆、または抽象的な変容。
  • 重要な歌詞に呼吸を与えます。強力なラインは、より多くのカットよりもホールドの方が効果的に決まることがよくあります。
  • コントラストを作成します:長いホールドの後の密度の高いモンタージュ、カオスの後の無音、ワイドな振付の後のクローズアップ。
  • アクセシビリティのしきい値を超えるフラッシュパターンを避けます。デフォルトの「エネルギー」ソリューションとして、ラピッドな全画面ストロボを使用しないでください。

カットダウンを意図的に使用します:

  • 6〜8秒:フック/ティーザー/Canvasスタイルループ;アイデアは1つだけ。
  • 10〜15秒:ソーシャルチャレンジまたはコーラスフック。
  • 20〜30秒:有料ソーシャルまたはリリースアナウンスメント。
  • 45〜60秒:拡張ショートフォーム抜粋。
  • フルレングス:正規のミュージックビデオまたはビジュアライザー。

リップシンクと再生同期

実写またはアバター/リップシンク作業の場合:

  • 同期ショットを生成または撮影する前に、オーディオバージョンをロックします。
  • 可能な場合は、ライブ撮影にはスレート/タイムコードまたは目に見えるクラップを使用します。
  • 口の形を子音とフレーズの開始に合わせます;母音だけは許容範囲が広く、破裂音はそうではありません。
  • 通常速度と半分の速度で同期を確認します。
  • ショットが少しずれている場合は、マスターオーディオを引き伸ばす代わりに、最も悪い音節の上にカットアウェイを使用します。
  • 明示的に承認されない限り、生成されたビジュアルに合わせるためにリリースされた曲のピッチ、テンポ、またはタイミングを変更しないでください。

歌詞の同期の場合:

  • すべてのコーラスの繰り返しをスポットチェックします;ボーカルのフレージングが変化するため、コピーペーストされたタイミングはしばしばずれます。
  • 検閲/クリーンな歌詞の処理が配信されるオーディオバージョンと一致することを確認します。

権利、クレジット、および開示チェックポイント

以下のいずれかが発生した場合、クライアント、権利者、レーベル、マネージャー、販売業者、プラットフォームスペシャリスト、または弁護士にエスカレーションします:

  • 著作権で保護された曲がアーティストまたはクライアントによって所有/管理されていない
  • カバー、リミックス、サンプル、インターポレーション、ビートリース、ストックループ、またはサードパーティのボーカルが存在する
  • 動画が有料広告、ブランドパートナーシップ、政治的な文脈、規制産業、または推奨で使用される
  • 実在人物の肖像、音声クローン、デジタルレプリカ、アーカイブ映像、ファン映像、未成年者、プライベートな場所、タトゥー、ロゴ、またはアートワークが表示される
  • プラットフォームネイティブの音楽ライブラリが許可されたコンテキスト外で使用されている
  • 生成メディアが存命のアーティスト、有名人、ダンサー、写真家、ディレクター、または認識可能なビジュアルスタイルを密接に模倣している
  • 組合のパフォーマー、レーベル契約、販売業者、または会場のルールが適用される可能性がある

適用される文書化された事実(2026年7月11日確認):

  • YouTubeは、作成者が視聴者に誤解を与える可能性のある現実的な改変または合成コンテンツを開示することを要求しています;YouTubeは、明らかに非現実的な、アニメーション、特殊効果、または制作支援の使用は、一般にそのツールの下で要求されないと述べています。出典:YouTubeブログ、「クリエイターが改変または合成コンテンツを開示する方法」およびYouTubeヘルプ「このコンテンツの制作方法」開示ページ。
  • TikTokは、作成者が現実的なAI生成コンテンツにラベルを付けることを要求し、作成者と自動AIラベルを提供しています;改変されていないコンテンツにAI生成として誤解を招くラベルを付けることは

…

[翻訳のために切り捨てられました]

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

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 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