Communitygithub.com

Invokard Studio Local

ユーザーの写真、クリップ、音声、音楽から、全編ローカル環境で動画(リール、ショート、16:9、1:1)を作成します。単語単位のキャプション、アニメーション見出し、チャート、ビフォー/アフター、ビートに合わせたカット、エンドカード、ミックスサウンドトラック。Reactで1フレームずつ描画するアニメーションも可能。アカウントやAPIキー不要、レンダリング中のダウンロードもありません。

Invokard Studio Local とは?

Invokard Studio Local は、ユーザーのローカルマシン上で完結する動画制作スキルです。ユーザー自身の写真、動画クリップ、音声録音、音楽ファイルから、リールやショート(9:16、16:9、1:1)を生成します。主な特徴は、単語単位で表示されるキャプション、アニメーションする見出し、チャート、ビフォー/アフター比較、ビートに合わせたカット、エンドカード、そして複数の音声トラックのミックスです。さらに、Reactコンポーネントを1フレームずつレンダリングして、キネティックタイポグラフィ、アニメーション広告、チャート、3D、物理演算、パーティクル効果などのアニメーションを動画に合成できます。このスキルは Claude Code、Cursor、Codex などのAIエージェント向けに設計されており、ユーザーの素材に含まれていない画像、動画、音声、音楽をAIで生成したり、外部のオンラインサービスを呼び出したりすることはありません。すべての処理はユーザーのコンピュータ上で実行され、アカウント登録やAPIキーは不要で、レンダリング中に追加のダウンロードも発生しません。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Octonove/invokard-studio-local/tree/HEAD/skills/invokard-studio-local

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

Invokard Studio Local — ユーザーの素材からMP4へ

あなたは短いPythonファイル(reel.py)を作成してリールを記述します:どの写真やクリップがいつ画面に表示されるか、その上に重なるレイヤー(見出し、チップ、リスト項目、チャート、ワイプ、エンドカード)は何か、どの音声ファイルがいつ開始するか、音楽や効果音はどこに配置するか。エンジン(scripts/reelkit.py)はPillowで各フレームを構成し、ffmpegにパイプしてオーディオをミキシングします。動画エディタで編集されるものは何もありません:すべてのテキスト、ボックス、アニメーションはエンジンから生成されるため、シャープでブランドに合致し、正確なタイミングで配置されます。

第二のエンジンは描画を行います:animation/ はマシン上にあるChromeまたはEdge(ヘッドレスモード)でReactコンポーネントを1フレームずつレンダリングし、ffmpegでエンコードします。撮影ではなくデザインされたもの(キネティックタイポグラフィ、アニメーション広告、成長するチャート、3Dプロダクト、物理演算、パーティクル、プロダクト写真を広告に変換するなど)に使用してください。その出力はMP4(または透明フレーム)で、モンタージュが通常のクリップやレイヤーのように使用するため、1つのリールに両方を含めることができます(§5)。

すべてはこのコンピュータ上で実行されます。このスキルは動作中にアップロード、ダウンロード、またはサービス呼び出しを一切行いません:フォントはバンドル済み、効果音もバンドル済み、メディアはユーザーのものです。このファイル全体を読み、その後現在のステップが指すリファレンスを読んでください。プラグインフォルダ内の examples/first-reel/reel.py と examples/animated-reel/reel.py は、外部メディアを一切使わずに完全なリールをレンダリングします:マシンがレンダリングできるかどうかを最も迅速に確認する方法です。

0. マシンの確認(30秒)

python <skill>/scripts/media.py doctor                  # python, ffmpeg, packages, fonts, format
ffmpeg -version && ffprobe -version

ffmpegがない場合は完全に停止です:ユーザーにインストール方法を伝えてください(references/troubleshooting.md)。Pillowまたはnumpyがない場合:python -m pip install Pillow numpy(PyPIから一度ダウンロードします;実行前にその旨を伝えてください)。

1. ルートの選択

素材の種類ルートリファレンス
ユーザー自身のクリップまたは写真A · フッテージ:コンタクトシート → セグメント選択 → ビートにカット → ビフォー/アフター → エンドカードreferences/footage.md
ユーザーが録音できる台本B · 音声:ユーザーが文ごとに1ファイル録音 → 単語単位のキャプション → 単語でカットreferences/production.md
広告、タイトル、チャート、見せたい商品(フッテージなし)C · 描画:アニメーションプロジェクト(React) → キーフレームの静止画 → フレーム → レンダリングreferences/animation.md
テキストと音楽のみD · 画面上テキスト:クライアントの台本を、描画または写真の背景の上でアニメーションテキストとして表示、ビートに合わせてカットreferences/production.md § Captions

ルートは混在可能:フッテージリールにユーザーの音声を載せることができ、どのリールにも描画レイヤー、描画チャート、描画エンドカードを載せることができます(§5)。

2. ワークフロー

  1. 作業フォルダ — python scripts/new_reel.py <folder> --brand studio|lime|forest|mono --title "…" [--format 16:9|1:1]。これにより img/ vid/ frames/ vo/ music/ sfx/ ref/ out/ review/ とテンプレートからの reel.py が作成されます。フォーマット(指定がなければ9:16)は先頭で rk.set_format() により設定されます。ブランド:pieces.Brand.from_logo('ref/logo.png') で実際の色を測定します;それらを表示し、まずロゴファイルを確認してください(フォルダには誤解を招くファイル名が多数あります)。
  2. 台本 — 35〜45秒で85〜100語。最初の文でフック、1文に1つのアイデア、フックを繰り返す結末。ユーザーの素材に含まれる内容のみを主張:新しい数字、新しい約束は一切なし。ユーザーが台本を提供した場合は、そのまま使用します。
  3. 音声 — ユーザーが録音します、文ごとに1ファイル(vo/v01.m4a, v02…;mp3、wav、m4aのいずれも動作):電話のボイスメモで十分です。録音方法の依頼方法と、まだ録音されていない間の対処法は references/production.md § Voice に記載されています。その後 python scripts/media.py voice <folder>:長さと発声区間;すべてのタイミングとカットはこれらから導出されます。音声なし(画面上の台本、音楽のみ)? 4に進んでください。
  4. 画像とクリップ — ユーザーの写真は img/ に、クリップは vid/ に。python scripts/media.py sheet-img <folder> と sheet-footage でそれらを1枚のシートに表示します:選択前に必ず確認してください。描画背景、カード、チャートはピースまたはアニメーションエンジンから提供されます。
  5. まず静止画で編集 — pieces.source(name, 'img/x.png') を使用して reel.py を書き、python reel.py --preview を実行します。review/preview.jpg を確認してください。レンダリング前にリズム、フレーミング、レイヤーを修正します。このステップでリールが作られます;急がないでください。
  6. クリップ — media.py extract でリールが使用する実際のフッテージのセグメントを frames/<name>/ に切り出します;media.py frames でクリップ全体を変換します。モーションシートを確認してください(media.py sheet-motion <folder>)。
  7. 音楽と効果音 — ユーザー自身のトラック(権利を持っているもの)を music/ に、またはなし。エンジンは最初のオンセットからトリミングし、音声の下にダッキングします。効果音はバンドル済み:pieces.sfx('whoosh'|'pop'|'shimmer'|'chime'|'typing'|'shutter'|'coaster'|'fridge')。音声がない場合はビートに合わせてカット:media.py beats → references/footage.md。
  8. レンダリングと検証 — python reel.py、その後 python scripts/media.py verify out/reel.mp4:仕様、ラウドネス(ターゲット −14 LUFS)、および最終MP4から作成されたコンタクトシート。そのシートを確認してください。次に、重要な瞬間(キャプション変更、ワイプ、エンドカード)で2〜3フレームの完全なフレームを確認します(media.py frame out/reel.mp4 <t>)。
  9. 納品 — out/reel.mp4 + out/cover.jpg(reel.cover(t, 'out/cover.jpg'))+ キャプションテキストとハッシュタグを .md に + ソース(reel.py、img/、vo/、music/、ref/;frames/ は含めない)。何も公開しないでください:ユーザーが行います。検証できなかったことを報告してください(ミックスを聴くことはできません:その旨を伝え、ラウドネスの数値を提供してください)。

3. 実際のミスから学んだルール

  • すべてのシートを確認すること。 imgs.jpg、motion.jpg、preview.jpg、verify シート。確認していないレンダリングは納品しないでください。
  • ロゴ。 ファイル名を決して信じないでください。開いて確認してください。小さい場合は、測定した色を使用してワードマークをテキストとして再構築します。
  • サードパーティのブランド。 ユーザーのものではないロゴやアイデンティティを決して追加しないでください(例:ユーザーが販売する製品の製造元)。ブランドが表示される場合は、それがユーザー自身のフッテージに含まれているからです;決して追加されません。
  • カットは音声から取得します、目視では決して行いません:caps.word_time(key, i) と media.py voice のスパンを使用します。
  • 短いクリップ。 クリップを speed=0.8 未満にスローにしないでください(24 fpsソースはガタつきます);長くするには、同じクリップのフレームの Still をその前に、ズームを合わせて配置します。
  • セーフゾーン。 Instagramは上部約220 px、下部約360 pxをカバーします。見出しとチップはy=230〜520の間;キャプションはy≈1440;重要なものはy≈1560より下に配置しないでください。最小タイプサイズ30 px(セカンダリチップ36〜44、見出し70+)。16:9および1:1(高さ1080 px):見出しはy≈110から、キャプションはy≈880、重要なものはy≈1000より下に配置しないでください。Piecesはこれらのデフォルトを rk.LAYOUT から取得します;必要な場合にのみ数値として位置を記述し、9:16リールからコピーしないでください。
  • フォーマット。 rk.set_format('16:9')(または REELKIT_FORMAT=16:9)は、from reelkit import W, H の前、およびすべてのソースまたはレイヤーの前に記述します。フォーマットに合わせてクリップを抽出:media.py frames <work> --format 16:9。
  • 明るい背景のキャプション には、最前面のレイヤーとして pieces.bottom_gradient(brand) が必要です。
  • ユーザーのクリップ内の音楽は、ユーザーが再利用できるものではありません。 実際の音(洗濯機、エンジンなど)は media.py sound でフッテージから切り出せます;クリップの背景で流れている曲は、それを使用するライセンスにはなりません。

4. ワンスクリーンでのエンジン概要(完全なリファレンス:references/api.md)

import reelkit as rk; rk.set_format('9:16')                    # '16:9' / '1:1':最初に記述。WとHはインポート時にコピーされます
from reelkit import W, H, Reel, Captions, Still, Clip, Func, blit, text_img, pill, lerp, clamp01, eo, eio, eback
import pieces as pz; from pieces import source, sfx
rk.set_base(folder); B = pz.BRANDS['lime'].activate()          # または pz.Brand.from_logo('ref/logo.png').activate()
reel = Reel('name'); caps = Captions(size=70, y=1440, maxw=920); reel.caps = caps    # 16:9 / 1:1:Captions(size=62)
t_end = reel.vo('vo/v01.m4a', 0.30)                            # 文が終わる位置を返します
caps.line('v01', 'Sentence with *key* *words*, / next block.', 'vo/v01.m4a', 0.30)   # *hl* · / 改行 · shown|spoken
t = caps.word_time('v01', 2)                                    # 3番目の単語が発声される秒数 → ここでカット
reel.shot(0.0, t, source('hero', 'img/hero.jpg', z=(1.0, 1.06), c=(.5, .45)))
reel.shot(t, 5.0, Clip('hero', speed=1.0, start=0.25, z=(1.14, 1.24)))  # frames/hero/ は media.py extract から
GRAD = pz.bottom_gradient(B); reel.ov(0.0, 5.0, lambda c, tl, dur, T: c.alpha_composite(GRAD))   # レイヤー:(canvas, tl, dur, t)
reel.ov(0.0, t, pz.headline(B, 'KICKER', 'Hook line', 'KEY PHRASE'))
reel.ov(t, 5.0, pz.list_item(B, 1, 3, 'ITEM', 'One-line benefit'))
reel.ov(0.0, 4.0, pz.text_layer('Client script *highlighted*'))                   # 音声なしの画面上テキスト
SITE = pz.browser_frame('img/site.png', 1000, url='site.com')                      # 画像を一度構築し、レイヤーの外部で使用
reel.ov(t, 5.0, lambda c, tl, dur, T: pz.appear(c, SITE, W / 2, H * .4, tl, 0))      # スクリーンショットがポップイン(phone_frameも利用可)
reel.shot(5.0, 8.0, pz.wipe_scene(before_src, after_src, B, hold=1.0))             # ビフォー/アフター
reel.shot(8.0, 11.0, pz.outro_save(B, 'img/hero.jpg', 'ref/logo.png', cta='Book a call · site.com'))
reel.sfx(sfx('whoosh'), t - 0.12, 0.32); reel.sfx(sfx('chime'), 8.3, 0.30)
reel.preview([0.5, 2.0, 4.5, 6.0, 9.0], 'review/preview.jpg', cols=5, scale=0.22)
reel.render('out/reel.mp4', 11.0, music='music/base.mp3', music_gain=0.24); reel.cover(1.2, 'out/cover.jpg')

レイヤーは blit を使用してキャンバス上にRGBAを描画する関数 f(canvas, t_local, duration, t_global) です。ソースは .frame(t_local, duration) メソッドを持つオブジェクトで、キャンバスサイズ(W x H)のRGB画像を返します:Still、Clip、Func(f)、および pieces 内のシーン(wipe_scene、outro_save、outro_fan、blur_in)。イージング:eo(アウト)、eio(インアウト)、eback(ポップ)。画像(グラデーション、カード、フレーム)はレイヤー関数の外部で一度だけ構築します;テキストとピルはキャッシュされます。

5. 描画アニメーション(完全なリファレンス:references/animation.md)

一度だけセットアップ:Node.js 18以上、その後 <skill>/animation 内で npm install(npmからエンジンのパッケージを一度ダウンロードします;実行前にその旨を伝えてください)および node <skill>/animation/cli.mjs doctor。プロジェクトは package.json、src/index.jsx(registerRoot + 動画ごとに1つの <Composition>)、およびそのファイル用の public/ を持つフォルダです。コンポーネントは 'invokard-studio' からインポートします:useCurrentFrame、spring、interpolate、Sequence、Img + staticFile、OffthreadVideo、3Dは 'invokard-studio/three' から、フォントは 'invokard-studio/google-fonts/<Family>' から — バンドルされている15ファミリーのみ:Inter、Outfit、Figtree、Poppins、Montserrat、Space Grotesk、Barlow、Barlow Condensed、Oswald、Anton、Bebas Neue、Playfair Display、Fraunces、Shrikhand、Caveat。別の書体の場合:ユーザーがそのファイルを public/ に置き、@font-face で宣言します。

node <skill>/animation/cli.mjs still  src/index.jsx Ad out/ad.png --frame 120     # 1. キーフレームをデザイン
node <skill>/animation/cli.mjs frames src/index.jsx Ad out/ad --frames 0,34,68,102,136,170,204,239   # 2. モーション
node <skill>/animation/cli.mjs render src/index.jsx Ad out/ad.mp4 --props data.json # 3. 動画(全フレーム)

すべてのフレームはフレーム番号から計算されます(Math.random、クロック、CSSアニメーションは使用不可):フレームは複数のタブで順不同で描画されます。リールと同様に、レンダリングするすべての静止画とフレームシートを確認してください。リール内での使用:

import animation as an                                                          # scripts/animation.py
an.render('anim/src/index.jsx', 'Title', rk.P('anim/title'), transparent=True)  # アルファ付きPNGフレーム
reel.ov(t0, t1, an.layer(rk.P('anim/title')))                                   # モンタージュの上に描画
reel.shot(t2, t3, an.clip('anim/src/index.jsx', 'EndCard', 'endcard'))           # 描画ショット、クリップのようにカット

プラグインフォルダ内の examples/animated-reel/ は、外部メディアなしで両方を行う完全なリールです。

6. 納品物チェックリスト

  • out/reel.mp4 が1080x1920(または指定に応じて1920x1080 / 1080x1080)、30 fps、H.264 + AAC、−14 LUFS ± 1、ピーク ≤ −1 dBFS(media.py verify)
  • 検証シートと2〜3の完全なフレームを確認済み;キャプションがy≈1560より下、または顔/商品の上にないこと
  • 画面上のすべての主張がユーザーの素材に含まれていること;ブランドカラーは推測ではなく測定済みであること
  • out/cover.jpg がフィードの4:5中央クロップ内で読み取れること
  • frames/ を含まずにソースを納品;何も公開していないこと

7. このビルドが行わないこと

このビルドは、画像、動画クリップ、音声、音楽、3DモデルをAIで生成せず、オンラインサービスを一切呼び出しません。リクエストにこれらのいずれかが必要な場合は、計画にその旨を明確に記載してください:動画は、ユーザー自身の写真、クリップ、録音を使用して、または描画アニメーション(タイトル、チャート、3D製品、図形で作られたイラスト)を使用して、またはユーザーが好きな場所から持ってきたファイルを使用して、今すぐ作成できます。特定の製品やサービスを推奨しないでください。

リファレンス

  • references/production.md — ユーザーの音声、キャプション、セーフゾーン、オーディオ、ブランド。
  • references/footage.md — ユーザーのクリップからのリール:コンタクトシート、抽出、ビートグリッド、音楽スプライス、ワイプ、エンドカード。
  • references/animation.md — アニメーションエンジン:プロジェクト、コマンド、API、バンドルフォント、モンタージュ + アニメーション、トラブルシューティング。
  • references/api.md — reelkit.py、pieces.py、media.py のすべての関数とその引数、およびフォーマットごとのデフォルト位置。
  • references/troubleshooting.md — ffmpeg、フォント、Windowsコンソール、長時間レンダリング。

関連スキル