render-editorial-motion-podcast
エディトリアルモーションポッドキャストクリップ広告を設定からアセンブルします:実際にクリップされたポッドキャスト音声ラインが全体のナレーションを伝え、すべてのビジュアルビートはそれが説明する文にタイミングを合わせ、1つのフラットで厳密に限定されたパレットのエディトリアルイラストルックパック(「動く雑誌スポットイラスト」— スタイルとパレットは呼び出し側が選択)で構成されます。モーションは生成ビデオではなく、静的なキーフレームに対する決定的なffmpegケンバーンズであるため、動く印刷ページのように読み取れます。この機能は、無料の決定的アセンブリ — ffmpegモーション、ハードコンカット、音声多重化、キャプションバーン、およびPILエンドカードです。
scripts/config.example.json は実例です(Klarify「Rat Park」、約40.8秒 1080×1920 9:16、6ビート — その2トーンのNiemannルック、クリーム/チャコール/セージのパレットとRat Parkメタファーはそのデモの選択であり、デフォルトではありません)。scripts/PIPELINE.md は各設定ブロックをそのソースステップにマッピングし、scripts/README.md は無料アセンブリを文書化しています。
選択
創造的な判断は呼び出し側の責任です(動画フォーマットのレシピがユーザーに尋ねます)。このアセンブリはそれらを選択しません。デモの価値は単なる例です:
- イラストスタイル — デモ:大胆なフラット2トーンシルエット、ハーフトーン(Niemann / Steinberg系譜)。
- パレット — デモ:クリーム #F4EBD9 + チャコール #1A1A1A + 1つのセージ #86987A アクセント。
- 中心メタファー — デモ:Rat Park研究。
- トーン/声 — デモ:温かく反省的、実際のポッドキャストホスト(生成音声はなし)。
実行
これは無料の決定的アセンブリステージです — モーションレイヤーにコストはかかりません。有料の入力は別です:実際のポッドキャストMP3はソースからクリップされ(無料のffmpeg)、そのWhisperの単語タイミングが付随し、ビートごとに1つのエディトリアルイラストキーフレーム(ケージ/キャラクタージオメトリを保持するための連鎖参照画像)は create-image-fal(Nano Banana)から提供されます。クリップされた音声 + words.json + ビートごとのキーフレーム + 実際のブランドワードマークPNGが与えられると、render-editorial-motion-podcast は各キーフレームをケンバーンズセグメントとしてレンダリングし、ビートでハードコンカットし、実際の音声を多重化し、文中のキャプションをバーンし、PILエンドカードを合成してマスターを生成します。再カットは既存の音声/キーフレームを再利用し、コストは0ドルです。
契約(無料アセンブリ)
- 音声ナレーションがスポット全体を伝える — 生成されたSONGは不要。 提供されたナレーションMP3を多重化します(
-map 0:v:0 -map 1:a:0)— 実際にクリップされたポッドキャストライン(推奨)または承認された生成VO(create-vo-elevenlabs)。歌/生成トラックは絶対に使用しないでください。(クリップか生成かはレシピのSTEP-0取り込み判断です — ソースエピソードが提供されない場合は、ユーザーに尋ねてください。) - 生成型i2vは禁止 — 決定的ffmpegケンバーンズのみ。 各静的キーフレームを
zoompan(押し込み/引き戻し、1.0→約1.06倍、24fps)でアニメーション化します。Seedance/Klingはフォトリアルに訓練されており、フラットで限定的なパレットルックを崩す自然主義的な中間状態を生成します。-loop 1とzoompan d=Nは絶対に使用しないでください(持続時間が膨らみます)。代わりに単一画像を供給し、-t+trimでクランプします。 - ビートでのハードカット — クロスフェードは禁止。 クロスフェードは2つのドリフトするケージを互いに通過させます。各ビートのセグメントをハードコンカットし、長いビートをマイクロカットに分割します(目標は8~10の異なるビジュアル瞬間)。各ビートのビジュアルは、その音声ラインから約0.5秒以内に開始します。
- Whisper単語タイムスタンプからのキャプション、文中のみON。 話者が話している間は
frosted-subtleキャプションをバーンします。無音/反省的なビートとエンドカードはキャプションなしのままにします。3つの必須ルール(それぞれ本番で問題になりました — 組み込んでください):- 重複禁止 — 各行を次の行が開始する前に終了するようにクランプします(
end = min(最後の単語終了 + 約0.15, 次の開始 - 0.03))。2つのボックスが同じ場所に重なってはいけません。次のウィンドウに食い込む末尾テールは、キャプションバグの第1位です。 - セーフエリア — キャプションは下半分の3分の1に配置されるため、キーフレームの被写体は上部約75%に留まる必要があります(レシピの
look_pack.caption_safe_areaを参照)。完成したキーフレームの被写体がキャプションバンドに侵入した場合は、決定的に被写体を空の上部スペースに上方にシフトします(PIL:きれいなコーナーから正確な紙色で事前に塗りつぶされたキャンバス上に、約0.24H上に貼り付け)— ボックスを被写体の上に置かないでください。 - バーンエンジン — libass(
ass/subtitlesフィルター)を優先しますが、最初にffmpeg -filtersを確認してください:多くのビルド(Homebrew)にはlibass/drawtextが欠けています。存在しない場合は、決定的なオーバーレイフォールバックを使用します — 各行を透明PNG(つや消しの角丸ボックス + 白テキスト、PIL)としてレンダリングし、ffmpegoverlayフィルターを介してタイミング付きenable='between(t,st,en)'ウィンドウで合成します。同じルック、libassなし。
- 重複禁止 — 各行を次の行が開始する前に終了するようにクランプします(
- 実際のワードマークPNGからのPIL経由のエンドカード — AIでブランドテキストをレンダリングしない。 ロックアップは決定的に合成されます(ストレッチグラデーション背景 + フェザリングされたマスコットクロップ + ワードマーク + システムフォントのタグライン)。拡散モデルはワードマークを歪めます(「therapits」)。動画はエンドカード上で音声の後約1.5秒の無音ホールドを実行します(最初と最後の0.3秒をフェード)。
- FFmpeg合成、決定的、無料。 各キーフレームをケンバーンズ、ハードコンカット、実際の音声を多重化、キャプションをバーン、エンドカードでホールド → 1080×1920 h264+aacマスター。有料の呼び出しはありません。