講義ノート → ナレーション付き講義動画

あなたが書くファイルは一つだけ：スライド、図、ナレーションをすべて含む Beamer lecture.tex ファイルです。バンドルされたスクリプトが残りのすべて（インストール、LaTeX → PNGページ → テキスト読み上げ → ffmpeg → MP4）を行うので、コストは講義あたり約一つの長めの回答です。後で編集するときは、変更された行だけが再合成されます。

クイックスタート：パイプライン全体

すべてのステップは一つのコマンドで行います： python3 <skill-dir>/scripts/lv.py <command>。ここで <skill-dir> はこのファイルが含まれるフォルダの絶対パスです（Windows では python3 の代わりに py -3 を使用）。以下では、lv はそのコマンド全体の省略形です。実際に入力するときは毎回フルで記述してください。シェル変数は通常、あなたのコマンド間で永続化しないためです。

lv setup                           # 0. 一度だけのインストール；10分のタイムアウトを設定するか、バックグラウンドで実行
lv init PHYS101-L05                # 1. ワークフォルダ（WORK）を出力し、テンプレートをコピー
lv ingest notes.pdf --out WORK     #    .pdf .png .jpg .heic .md .txt の任意の組み合わせ；複数ファイルでも可
#                                       ノートを読む（§1）、計画する（§2）、WORK/lecture.tex を書く（§3-4）
lv check WORK/lecture.tex          # 2. コンパイル + 番号付きコンタクトシート + レイアウト警告、音声なし
lv render WORK/lecture.tex         # 3. -> WORK/PHYS101-L05.mp4（または出力パスを指定）

ステップ0ですべてをインストール（uv、プライベートPython 3.12、動作するLaTeXがない場合のみTinyTeX、ffmpeg、Kokoro音声）し、ユーザーキャッシュに保存します：高速回線で約3分、低速回線で最大10分、管理者権限は不要です。冪等です：すでに完了している場合は数秒で終了し、中断された場合は再実行で再開します。ユーザーには一度だけのインストールであることを伝えてください。[setup] READY で始まる行で終了します。それ以外の終了はエラーであり、メッセージまたは references/troubleshooting.md に修正方法が記載されています。lv doctor で何も変更せずにインストール状況を表示します。他のコマンドも、セットアップが不足している場合は自動的に実行します。
パイプラインを各ステップで確認せずにエンドツーエンドで実行します。実際の障害（開けないノート、管理者パスワードが必要なセットアップ手順、動画を変更するような曖昧なリクエスト）があった場合のみ停止します。
WORK はデフォルトで ./lecture-videos/<name>（またはユーザー設定の work_root）です。ユーザーが指定した場所にMP4を置きます。それ以外の場合は WORK のデフォルトで問題ありません。WORK は保持します：.tex、トランスクリプト、音声キャッシュにより、後で編集するコストが低くなります。

1. まず自分でノートを読む

ingest は WORK/source.txt（テキストレイヤー付きページ）、WORK/manifest.tsv（各ページの読み取り方法）、目視確認が必要なページのフルサイズ画像（WORK/pages/）、およびさっと見シート（WORK/glance-*.jpg、6ページずつ）を書き出します。

すべてのさっと見シートを見る。これらは、テキスト抽出では見逃される余白の注釈、ハイライト部分、図を、シートあたり約1フルページ分のトークンコストでキャッチします。シートにタイプ打ちページへの手書きや注釈が表示されている場合は、--visual 3,7-9 を指定して再実行し、それらのページをフルサイズで取得します。
手書きまたはスキャンページ（[handwritten/scanned]、[image]）はフルサイズで読む必要があります：そのような画像をすべて開き、WORK/transcript.md に内容を順番に書き出します。数式はLaTeXで記述し、各図については軸、ラベル、キーナンバーの一行説明を記述します。判読できないものは、でっち上げずに [illegible] とマークします。手書きノートは多くの場合ユーザー自身の講義ノートであるため、一次ソースとして扱います。画像を表示できない場合は、そのことを伝え、推測する代わりにタイプ版を依頼します。
図を含むタイプ打ちページ（[has figure]）：さっと見シートで読み取れない値やラベルがある場合のみ、フルサイズ画像を開きます。
以降は source.txt + transcript.md のみから計画し、画像を再読み取りしません。
.docx、.pptx または .key のノート：最初にPDFにエクスポートしてから（例：LibreOffice soffice --headless --convert-to pdf）、PDFをインジェストします。

読み取り中に、ノートの誤りや不整合（数字のタイプミス、ラベルの入れ替えなど）に注意してください。動画では正しい値を使用し、各修正箇所を最終レポートにリストアップします。

1b. 信頼できる情報源からギャップを埋める

ノートはしばしば簡潔です：導出ステップの省略、定義される前に使われる用語、説明のない図。学生を混乱させる可能性があり、かつウェブアクセスが可能な場合は、適切なレベルの明確な説明を求めて簡単に検索します（2〜5の的を絞ったクエリ、文献レビューではありません）：大学の講義ノートやOCW、LibreTexts、標準的な教科書、大学院レベルのポイントについてはレビュー記事。ノートの表記法と一致する情報源を優先します。矛盾する場合はノートに従い、違いに言及します。追加は短く、ノートの内容に役立つ範囲にとどめ、まずは学部生向けに、オプションで大学院レベルのコメントを付け、使用した情報源を最終レポートにリストアップします。講義がカバーしていないトピックは追加しません。

2. 書く前に計画する（頭の中で、または数行で）

長さ：ユーザーが別の長さを指定しない限り、約10分（9〜11分）を目指します。深さがカバレッジに勝ります：ノートに10分でステップを飛ばさずに説明できる以上の内容がある場合は、核となる部分を徹底的にカバーし、省略した内容をユーザーに伝え、パート2を提案します。ナレーションの予算は、ターゲットの長さに対して 約155語/分、確認問題1つあたり15秒を差し引く（デフォルトの音声は約165語/分；行間のポーズで残りを使用）。10分間の動画 ≈ 1,350語 + 4つの確認問題（実測値：1,481語 + 4確認問題 = 9.9分）。
流れ：タイトル → 動機 → ノートの順序で概念 → 計算例 → まとめ。フレームごとに一つのアイデア、フレームごとに1〜5のオーバーレイステップ、合計約40〜70ページ。
論理の連鎖：推論の連鎖を番号付きステップとしてリストアップします（何を仮定し、何が続き、なぜか）。すべての導出は、開始原理から結果まで省略されたステップなしで進みます：各代数操作は独自の行を持ち、各仮定はそれが使用される場所で述べられ、各新しい記号はそれが現れる前に定義されます。ノートが「…と示せる」のように飛躍する場合は、ギャップを埋めます（§1b）。学生は「それはどこから来たのか？」と尋ねる必要があってはなりません。
視覚資料が講義を伝える：言葉の前に絵を計画します。すべての概念フレームには視覚資料が必要です：図、プロット、または物理モデル（原子、格子、質量収支のタンクとパイプの図、てこ則のためのてこ）。記号が物理的に何を表しているかを示し、単に数式だけを示すのではありません。すべての図はオリジナルのTikZ/pgfplotsとして再描画します（配布資料の画像を貼り付けない）。図をオーバーレイで段階的に構築し、動きがポイントとなる場所では3〜6の短いアニメーションを使用します（冷却経路、掃引タイライン、滑る転位）。パターン：references/visual-cookbook.md。

説明の仕方（これが動画を見る価値を生み出します）

良いチューターのように話し、教科書のようには話さない。 日常的な言い回し（「つまり」、「ここがコツ」、「こんな風に考えてみて」）、短い文、そして「何を」の前に「なぜ」を述べます。混乱を予測します（「これは最初は逆に見えますが、なぜそうではないかを説明します」）。
重要な方程式はすべて2回説明する：
1. 数学的に：どこから来たのか、ステップごとに、各項が何であるか。
2. 物理的/直感的に：現実のシステムで何を意味するのか、類推や極限の場合を用いて（「cがちょうどc′にある場合、合金はすべて液体であり、公式は正確にそれを与える」）。両方を画面に表示します：数式の行、次に一行の「物理的に：」という注釈または図。
各導出の後、簡単な健全性チェックを声に出して行います：単位、極限の場合、または図からの数値。
確認問題：10分あたり3〜5個、テストする概念の直後に配置します（§4）。

3. `WORK/lecture.tex` を書く

init はすでに assets/template.tex を WORK/lecture.tex にコピーしています。これによりすべての構造が示されています。サンプルフレームを講義の内容に置き換えます。重要なルール：

\usepackage{lecturevideo} はテーマ（アイボリーの紙、濃いインク、一つの赤いアクセント、または設定されている場合はユーザー自身のブランディング）、パレット（accent、ink、mute、blu、grn、gold）、図のスタイル（pd 軸、dot、lab、note、tie、atom、atomA、atomB）、およびナレーションコマンドをロードします。講義内でテーマのスタイルを変更しないでください。
ナレーション：\say<n>{...}、オーバーレイページ n ごとに一つ、フレームの上部に配置します。\say<2-13>{...} はアニメーションのスパンをナレーションします。\wait<n>{2} はページを無音で保持します。すべてのページに一つ必要です；レンダラーは欠落しているページを報告します。
話し言葉は平易な英語：数字や記号は単語で（「forty six percent」「T three」「seven hundred seventy nine degrees」「alpha plus beta」）。\say 内にLaTeXや %、&、#、$ は入れません。何を見るか（「ドットを見て」「タイラインに注目」）、次にそれがなぜ重要かを言います。スライドのテキストを一字一句読み上げるのではなく、展開します。
スライドは実際の説明を伝える。 一時停止、巻き戻し、またはPDFから復習する視聴者が、スライドだけから理解できるようにします。各視覚資料の横に、最大約15語の箇条書きを3〜5個配置します（キーファクト、条件、結果、物理的意味）。導出では、各ステップを独自の行として、短い理由を横に付けて表示し（「Bの質量収支」、「Wで割る」）、ナレーションがそこに到達したときに明らかにし、アクセントカラーで「物理的に：」の行で締めくくります。導出に6行以上必要な場合は、詰め込むのではなく、次のフレームに続けます（最後の行を上部で繰り返します）。
レイアウト：視覚資料を片側（約55%）、テキストをもう一方の側（columns）、または視覚資料を上部に、2〜3行を下部に。アカデミックで雑然としていない：フレームごとに一つのアイデア、アクセントカラーは強調のみ、結果と状態マーカー。
#1 を取る図マクロはプリアンブルに配置します（フレーム本文内の # はbeamerを壊します）。
講義に必要な任意のLaTeXパッケージ（siunitx、chemfig、…）は使用可能です；プライベートTinyTeXが使用されている場合、不足しているパッケージは最初のコンパイル時に自動的にインストールされます。

4. 試験形式の確認問題

\examq[5]{確認問題：てこ則}
  {スライドの問題}{話す問題}{スライドの答え}{話す答え}

これにより、1ページの質問ページ（ナレーション付き、次に「5秒あります。」）、5秒の無音カウントダウンページ（縮小するリング付き）、および1ページの答えのナレーションページが生成されます。

この講義に関する実際の試験のように問題を書きましょう：具体的な与えられた数値、一つの明確なタスク、動画を見た人が約30秒で答えられるもの、短い計算過程付きの答え。タイプを混ぜましょう：

計算：「Bを35 wt.%含む合金がT₃、c′ = 20、c″ = 85のとき：液相の割合は？」
図を読む：「20 wt.% Agの合金が900 °Cにあります。どの相で、おおよその組成は？」
予測：「5 wt.% Agの合金が800 °Cから500 °Cにゆっくり冷却されます。何が形成され、どこに？」
識別/分類：「液体 → α + β が一つの温度で起こる：これはどの不変系反応？」
誤りを見つける：「学生が固相分率にタイラインのc″ − cを使用しました。何が間違っていますか？」

漠然としたプロンプト（「相とは？」）、ノートで教えられていないトリビア、および複数部分からなる質問は避けます。答えは結果だけでなく、推論のステップを示さなければなりません。動画が示したばかりの図や方程式から数値を取ることで、質問、図、答えが一致します。よくある誤解に基づく質問が効果的です（「ピン間隔を半分にするとソース応力は2倍になる：正しいか誤りか？」）。5秒のカウントダウンを維持します（スライドには「もっと時間が必要な場合は一時停止してください」と表示）；ユーザーがより長いポーズを要求した場合のみ \examq[8] を使用します。

5. チェックしてからレンダリング

lv check WORK/lecture.tex

コンパイルし、ページ数、ナレーション単語数、推定時間、および layout: 警告（コンテンツが高すぎる、または行が広すぎる、ソース行番号付き）を出力し、番号付きコンタクトシート WORK/lecture_build/sheet-*.png を書き出します。シートを見て、衝突、クリップされたラベル、曲線から外れたマーカー、空のフレームがないか確認します；修正して再実行します（低コスト）。画像を表示できない場合は、すべての layout: 警告を修正し、図をシンプルに保ちます。推定時間が目標の長さから約10%以上外れている場合は、今すぐナレーションを調整します（確認問題は調整しません）。次に：

lv render WORK/lecture.tex ["OUT/講義タイトル.mp4"]

ナレーター：Microsoft Edge ニューラル音声 en-GB-SoniaNeural（無料、インターネット接続が必要）で +10%、720p。オフラインまたはEdgeが失敗した場合は、バンドルされているKokoro音声 bf_emma に自動的にフォールバックします。オプション：--tts edge|kokoro|say、--voice <id or profile>、--rate、--height。ユーザーが音声を指定したり、自分の音声（クローン音声を含む）を希望する場合は、references/voices.md を参照してください。

字幕は無料で付きます。 すべてのレンダリングでは、MP4の横に OUT.srt と OUT.vtt も書き出され、選択可能な字幕トラックが埋め込まれます。これらは \say テキストから構築され、合成音声からタイミングが取られるため、トークンを消費せず、編集後も同期が保たれます。動画を書き起こしたり、手動で字幕を書いたりしないでください。これらはナレーションをそのまま表示します（lexicon.tsv の再スペル前）。--no-subs でオフにできます。

発音の修正は WORK/lexicon.tsv（書き方<TAB>話し方）に記述し、音声にのみ適用されます。編集後の再レンダリングは数秒で完了します。変更されていない行は音声キャッシュから取得されるためです。

6. レポートを返す

動画のパス（およびその .srt/.vtt 字幕）、時間、ページ数と確認問題数、ノートに対する修正箇所、ギャップを埋めるために使用した情報源、どの図が模式的な再描画か、省略した内容（パート2を提案）を提供します。WORK は編集のために保持します。

個人設定

ブランディング（ロゴ、色、機関のbeamerテーマ）、デフォルトの音声、作業フォルダと出力フォルダは、スキルの外部、ユーザーの設定フォルダに存在するため、スキルはポータブルに保たれます：references/customization.md。スキル自身のアセットを一人のユーザーの好みのために編集しないでください。

このように構築されている理由

一つのソースファイルによりスライドとナレーションの整合性が保たれます；LaTeXがページ正確なナレーションマップ（.narr）を自動生成します

…

[翻訳のため省略]

Lecture-notes-to-videos