Communityコーディング&開発github.com

hrj-11055/book-video-clone

講書型・知識系動画を1:1で複製するパイプライン。ターゲット動画と1冊の本から、ラフ分析によるビジュアルレシピの抽出、六段落構成の脚本、ストーリーボードの画像生成、TTS吹き替え、HTMLフレーム単位レンダリングまでを行い、オリジナルの完成動画を出力します。

book-video-clone とは?

このスキルは、既存の講書動画(知識系・書評系)のフォーマットを解析し、その構造・ビジュアルスタイル・編集テンポを忠実に再現したオリジナル動画を生成するための完全自動化パイプラインです。ユーザーはターゲット動画と1冊の本を用意するだけで、ラフ分析からレシピ抽出、六段落構成の脚本作成、ストーリーボード用画像生成、TTS音声合成、HTMLによるフレーム単位レンダリングを順次実行し、最終的に1:1のフォーマットでオリジナル動画を出力できます。Claude Code、Cursor、CodexなどのAIエージェントと連携し、PythonスクリプトとPlaywrightを使用してヘッドレスブラウザでレンダリングすることで、高品質な動画制作を効率化します。特に、フォーマット(構成・包装・リズム・画風)のみを複製し、コンテンツ(脚本・画像・音声)はすべてオリジナルである点が特徴です。

対応~Claude Code~Codex CLI~Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/hrj-11055/book-video-clone/tree/main

Installed? Explore more コーディング&開発 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

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

講書動画 1:1 複製パイプライン

ターゲットアカウントの動画フォーマットを再利用可能なレシピに分解し、工業化パイプライン(ストーリーボードゲート → フレーム単位TTSタイムライン → レンダリングレイヤー重ね文字 → ヘッドレスフレーム単位レンダリング)で同フォーマットのオリジナルコンテンツを生成します。複製するのはフォーマット(構造/包装/リズム/画風)であり、コンテンツ(脚本、画像、音声)はすべてオリジナルです。

本スキルは『考える、速いと遅い』(ターゲット「向不惑」、109カット 654.9秒完成作品)で完全に検証済みです。

開始前にユーザーに確認すべき3つのこと

  1. ターゲット動画: ローカルファイルパスまたはリンク(抖音/B站など)。動画ファイルを取得できない場合は、ユーザーが画面録画またはダウンロードしてプロジェクトに配置
  2. 今回の書籍名: どの本を扱うか(経営/認知/心理/ビジネス/成長ジャンルが最適)
  3. ブランド名 + ペルソナ名: 例「知行ラボ / Mark」

フェーズ A · プロジェクト初期化

PROJ=プロジェクトディレクトリ(ユーザー指定または新規作成)
mkdir -p $PROJ/{00_benchmark,01_script,02_storyboard,03_audio,04_subtitles,05_assets/images,07_hyperframes_production,08_publish,scripts}
cp <skillディレクトリ>/templates/{pipeline.py,create_storyboard.py,gen_audio_minimax.py,build_hyperframes_html.py,render_html_video.py} $PROJ/scripts/
cp <skillディレクトリ>/templates/.env.example $PROJ/.env   # ユーザーが MINIMAX_API_KEY を記入

依存関係: python3 + playwright(含chromium) + ffmpeg。不足の場合は先にインストール: pip install playwright && playwright install chromium。

フェーズ B · ラフ分析 → レシピ生成

references/benchmark-analysis.md に従いターゲット動画を分析し、00_benchmark/recipe.md(仕様/リズム/構造/ビジュアル/オーディオの5層レシピ)を出力。その後レシピをテンプレートに注入:

レシピ項目注入場所
本編画風キーワードcreate_storyboard.py の STYLE_SUFFIX
チャプターカード背景/エンディングカード背景説明同上 CARD_BG_PROMPT / OUTRO_CARD_PROMPT
アクセントカラー/タイトル色 CSSbuild_hyperframes_html.py の #ffde59(強調黄)/#e8c66a(タイトル金) など

デフォルトテンプレートは「アメリカン・レトロコミック+黒金背景」レシピ(ターゲット「向不惑」に基づく)。ターゲットがこの路線の場合は注入をスキップ可能。

フェーズ C · 脚本作成(六段落構成)

references/copywriting-template.md に従い 01_script/final.md を作成。 鉄則: 各文は必ず具体的な画像として描けるものでなければならない。次の工程のカバレッジゲートは脚本に厳密に依存。同時に create_storyboard.py 上部の【毎回設定】(SCRIPT_MD はデフォルトで final.md を指す、BOOK_TITLE)を変更。

フェーズ D · ストーリーボード(ゲート ①)

脚本を一文ずつ scripts/create_storyboard.py の SHOTS 四つ組(ナレーション=原文の正確なスライス、画面=文字通りの直訳、card_id、overlay_text)に格納し、実行:

python3 scripts/create_storyboard.py

カバレッジゲートを通過しなければ停止し、修正。決して不良状態のまま次に進まない。 成果物: 02_storyboard/prompts.tsv + nano_banana_prompts.md。

フェーズ E · 一括画像生成(人手対応)

nano_banana_prompts.md 全体をユーザーの画像生成ツール(Gemini Antigravity / Nano Banana または任意のツール)に渡す。指示ポイント: 16:9、ファイル名はリストと完全一致、05_assets/images/ に配置、既存ファイルはスキップ。N枚の本編画像 + chapter_card_bg.png + outro_card.png を生成。このフェーズはフェーズ F と並行可能。

フェーズ F · 音声吹き替え + フレームレベルタイムライン

python3 scripts/gen_audio_minimax.py --limit 3   # まず3カット合成し、ユーザーが音色を試聴
python3 scripts/gen_audio_minimax.py             # 全量(18RPM レート制限、~110カット約7分)

タイムライン = PCM バイト数で時間を計算、カットごとに正確、Whisper不使用。修正時は該当カットのみ再合成(キャッシュハッシュ)。

フェーズ G · レンダリング完成(ゲート ② + エンジン)

python3 scripts/build_hyperframes_html.py   # 完全性チェック: 「すべて準備完了」でなければレンダリング不可
python3 scripts/render_html_video.py --start 0 --duration 6 --out /tmp/smoke_hook.mp4
python3 scripts/render_html_video.py --start <チャプターカードの時刻> --duration 6 --out /tmp/smoke_card.mp4
python3 scripts/render_html_video.py --start <エンディング5秒前> --duration 6 --out /tmp/smoke_outro.mp4
# 3つのスモークテストを目視確認後、全編レンダリング(~110カット≒11分の動画、レンダリング約14分)
python3 scripts/render_html_video.py

レンダリング中断時はそのまま再実行(中断再開対応)。レンダリング前にブラウザプレビュー可能: open 07_hyperframes_production/index.html(スペースキー再生、←→ で各5秒)。

フェーズ H · 検収 + 公開

検収コマンド一覧、フレーム抽出目視確認ポイント、公開用テンプレート(タイトル公式/タグ/サムネイル/固定コメント)は references/pipeline-guide.md を参照。成果物は 08_publish/ に書き込み。

硬則(いつでも違反禁止)

  1. ゲートを通過しなければ次の工程に進まない: カバレッジゲート(脚本=ナレーション)、完全性チェック(画像が揃ってからレンダリング)
  2. APIキーは .env のみ: いかなるスクリプト/ドキュメント/会話成果物にもハードコード禁止
  3. 画像に文字を描かない、文字はすべてレンダリングレイヤー: チャプターカード/データカード/字幕/ブランドはHTMLで重ね合わせ、本を変えても再描画不要
  4. 全編レンダリング前に3つのスモークテスト(フック/チャプターカード/エンディング)を目視確認
  5. 画像生成プロンプトには常に固有の色スタイルサフィックス + アスペクト比16:9 + 背景に文字・看板禁止を追加

実測性能ベンチマーク(ユーザー期待値の調整)

脚本3601文字 → 109カット → 654.9秒の完成動画;TTS 7分;レンダリング24フレーム/秒(全編約14分);総作業時間 ≈ 1営業日(脚本が半分以上)。

関連スキル