Communitygithub.com

jelukas/kaleidos

短くてダイナミックな縦型・横型同時生成の動画を作成します。ElevenLabs音声、音楽、B-roll生成、Apify写真、HTML+GSAPマウントでYouTube Shorts、TikTok、Reelsに対応。

kaleidos とは?

このスキルは、1つのソース(テーマ、スクリプト、ニュース記事)から縦型(1080×1920)と横型(1920×1080)の2つのMP4動画を同時に生成する、AIエージェント向けの完全自動動画制作パイプラインです。ElevenLabsでナレーションを生成し、gpt-image-2でB-roll画像、Apifyで実写写真を取得、HyperFramesフレームワーク上でHTML+GSAPアニメーションとして動画を構築します。主なプラットフォームはClaude Codeで、Node 22+とffmpegが必要です。このスキルは、説明動画、ニュース動画、ショート動画(YouTube Shorts、TikTok Reelsなど)の制作に最適で、ユーザーが「動画を作って」と依頼しただけで自動的に動作します。また、既存の動画の再編集や再レンダリングにも使用できます。核となる2つのアイデアは、(1) ナレーションのタイムスタンプがすべてのタイミングを制御するため、スクリプトを変更すれば自動的に再同期されること、(2) レイアウトを相対単位(vw/vh/vmin)で設計することで、同じ計画ファイルから縦横両方の動画を生成できることです。スキルには9種類のアニメーションSVGシーンが用意されており、データ連動型の視覚表現(カウントアップ、比較、ランキングなど)を簡単に追加できます。最終的な品質チェックとしてnpm run checkが必須で、エラーゼロを確認した上で視覚的な確認も推奨されます。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/jelukas/kaleidos/tree/HEAD/skills-globales/video-corto

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

動画ショート デュアルフォーマット

テーマ、スクリプト、ニュース記事を1つのソースから2つのMP4(縦1080×1920、横1920×1080)に変換します。ナレーションがリズムを決め、他のすべてはそれに基づきます。

その前に:テーマがニュースの場合

スクリプトを1行も書く前に、Web検索で事実を確認してください。 誤った情報を含む動画は、このスキルで最悪の結果であり、見た目はきれいでも静かに失敗します。

依頼の前提が成り立たない場合は、その旨を伝え、実際に起こったことに基づいて動画を構成してください。 誤った前提に合わせてスクリプトを「丸めない」でください。スクリプトに触れる前に references/periodismo.md を読んでください。このドキュメントは、事実確認、情報動画における画像の取り扱い、トレーサビリティファイルについてカバーしています。

フロー

npm run voz -- <slug>       # script.json → assets/voice/*.wav + タイムマニフェスト
npm run imagenes -- <slug>  # images.json → B-roll生成
npm run stock -- <slug>     # stock.json  → 実写写真(オプション、有料)
npm run audio -- <slug>     # audio.json  → 音楽と効果音
npm run build -- <slug>     # plan.json   → vertical.html + horizontal.html
npm run use -- <slug> vertical
npm run check               # 必須:レンダリング前にエラー0
npm run render -- <slug>    # renders/<slug>-<formato>.mp4

プロジェクトがまだ存在しない場合:npx hyperframes@latest init . --non-interactive --example blank を実行し、このスキルから scripts/ と assets/ をコピーし、package.json にスクリプトを追加します。Node 22+ と ffmpeg が必要です。キーは .env に(テンプレートは assets/env.example)。

構造

videos/_shared/vox.css, timeline.js     すべての動画で共有
videos/<slug>/
  script.json   スクリプト — 1行=1カット
  images.json   B-roll生成用プロンプト
  stock.json    実写写真のクエリ
  audio.json    音楽と効果音
  plan.json     マウント:スクリプト行を参照するビート
  scenes/*.html 単一使用のアニメーションサブコンポジション
  assets/       生成されたもの + 実際のタイムスタンプ付きマニフェスト
  vertical.html, horizontal.html   build.mjs によって生成 — 編集禁止

すべてを支える2つのアイデア

1. スクリプトが時計を制御する。 voice.manifest.json は各行の実際の start と duration を提供します。plan.json のビートは秒数ではなく行を参照します。決して目測で時間を推定しないでください。スクリプトを変更し、音声を再生成すれば、マウントは自動的に再調整されます。

2. シェルはアーティファクトである。 2つのフォーマットで数十のカットがある場合、手動で同期するのは不可能です。build.mjs は同じ plan.json から両方のフォーマットを生成するため、それぞれが異なることはありえません。唯一の違いはステージのサイズです。plan.json を編集して再構築します。

シーンが 9:16 と 16:9 の両方で機能するには:vw/vh/vmin でレイアウトし、決して固定 px は使わない。サブコンポジションのルートは data-width/data-height を持たない(ボックスはホストのスロットが決定)。スタイルはクラスではなく #root で指定する — コンパイラのスコープがクラスを破棄するため。軸が変化するレイアウトには @media (min-aspect-ratio: 1/1) を使用。

ビートの種類

stat(countTo でカウントアップする主要な数字)· compare(2つの数字の対比)· title(キッカー+見出し+リード)· quote(引用+出典)· photo(全画面画像、グラデーション、テキスト、クレジット付き)· capture(主張の証拠となるスクリーンショット全体、ソース付き)· scene(単一使用のアニメーションサブコンポジション)。

企業や製品に関する動画の場合、ロゴとソースのスクリーンショットは結果を大幅に向上させます。どちらも references/imagenes.md に記載。

最もよくあるデザインの間違い:テキストカードのカルーセル

テキストカードだけで構成された動画は、どんなに優れたタイポグラフィでも退屈です。title と stat が連続して続くのに気づいたら、解決策はもっとテキストを追加することではなく、意味のある動きを追加することです。

assets/scenes/ には、すぐに適応できる9つのアニメーションSVGシーンが用意されています:olas(波)、puntos(点)、barras(棒グラフ)、mapa(地図)、cierre(クロージング)、orbita(軌道を回る天体)、precios(価格の前後比較表)、caida(下降とパーセンテージ)、indice(棒グラフのランキング)。適切なシーンを videos/<slug>/scenes/ にコピーし、データを変更します。詳細とパフォーマンスのルールは references/escenas-animadas.md にあります。

交互に配置:数字 → 写真 → アニメーションシーン → 引用 → 写真。また、カットごとにフレーミングを変えます(kb: "in" / "out" でケンバーンズ効果を切り替え)。

リズム

3分の説明動画ではビートを2〜6秒、ショート動画では0.8〜2.5秒に。各ビートは次のビートが始まるまで続き、黒いフレームが残らないようにします。エントリーは fromTo() を使用し、from() は絶対に使わないでください。ホストがシークのたびにシーンを再検索し、from() は同期しなくなります。

感情表現のある音声

eleven_multilingual_v2 はタグを無視します。解釈を指示するには、"modelId": "eleven_v3" を使用し、インラインで角括弧内に小文字のタグを配置します:

{ "id": "l19", "text": "[somber] 67人が死亡しました。" }

トーンをテーマに合わせて調整します — 犠牲者が出たニュースでは [excited] は絶対に使わないでください。タグのカタログ、設定、タグが読み上げられないことを確認する方法:references/audio.md。

完了前の確認

npm run check はエラー0で終了する必要があります。その後、動画を視覚確認します:フレームを抽出する(ffmpeg -ss <t> -i <mp4> -frames:v 1)か、npx hyperframes snapshot --at 12,40,90 を使用します。これにより連絡シートも生成されます。リンターでは、フレームが真っ黒、テキストがはみ出している、写真が示すものと違う、といった問題は検出できません。

リファレンス

  • references/hyperframes.md — フレームワークの制約で、静かにレンダリングを壊すもの。コンポジションを書く前に読んでください。
  • references/audio.md — ElevenLabs:タグ付き音声v3、音楽、効果音、トラック。
  • references/imagenes.md — gpt-image-2 と Apify、コスト管理付き。
  • references/periodismo.md — ニュースにおける事実確認と画像の取り扱い。
  • references/escenas-animadas.md — 9つのSVGシーン、新しいシーンの作り方、そして1日を無駄にする2つの落とし穴(vox.css とのクラス衝突、GSAP が SVG の transform を書き換える問題)。
  • references/sistema-visual.md — エクスプレイナースタイルのパレットとタイポグラフィ。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

jelukas/kaleidos

>- Catálogo de guías de estilo de vídeo de kaleidos (estilos/): listar los estilos con sus referencias, aplicarlos a un proyecto del motor de Remotion o a un proyecto HyperFrames, recomendar 2–3 cuando no se indica ninguno, crear estilos nuevos (desde una web, una marca, un vídeo de referencia o una descripción), crear variantes y revisar la adherencia de un vídeo a su estilo antes de renderizar. Úsala cuando el usuario diga «con el estilo X», «en estilo curso-azul», «como el de Ensaya», «como el vídeo de la cabaña», «qué estilos hay», «enséñame los estilos», «qué estilo me recomiendas», «crea un estilo a partir de esta web», «saca el estilo de esta marca», «haz un estilo como este vídeo», «usa el estilo X pero con acento Y», «una variante de X más seria/más oscura/vertical», «revisa que el vídeo cumple el estilo», o cuando empiece un vídeo nuevo sin estilo decidido.

jelukas/kaleidos

>- Puerta de entrada de kaleidos para montar un vídeo NUEVO conversando, de principio a fin: comprueba el entorno, hace UNA ronda corta de preguntas (qué vídeo y con qué material, plantilla, estilo, duración y formato), escribe BRIEF.md y lo enruta al flujo adecuado (grabación con ponente → Remotion edicion-ponente; narración con voz de ElevenLabs → Remotion modo narración; generativo o promo → HyperFrames), con stills antes de Lambda, OK con coste antes de AWS e informe final con tiempo y coste. Úsala cuando el usuario diga «quiero montar un vídeo», «quiero hacer/crear un vídeo», «monta un vídeo», «vídeo nuevo», «hazme un vídeo de…», «necesito un vídeo sobre…», «empecemos un vídeo», «un vídeo con las noticias de…», «un explainer de…», «una promo de…» o similares. En este repo va ANTES que hyperframes, video-corto, product-launch-video, general-video y edicion-ponente: ella decide cuál usar. No la uses para retocar o re-renderizar un proyecto que ya existe (eso lo retoma su propia skill).

関連スキル