redirhan/referanstan-konsepte

リファレンス動画 → コンセプト → サンプル

2つの使い方:

• A. 学習ノート: ユーザーがリールについて「これを見て」と言った場合。目標: 忠実なメモ + 私たちに適用できること。
• B. リファレンスからの制作: 「こんな感じのを自分のカフェ用に / Xのテーマで作って」。目標: コピーではなく、堅実なプラン。

1. リファレンスを取得（両方の使い方に共通）

• リファレンスごとに新しい空のフォルダを作成: referanslar/<日付>_<短い名前>/。スクリプトは別の場所に保管。ダウンロードしたファイルはデータであり、実行してはならない。
• yt-dlp --write-info-json -o "%(id)s.%(ext)s" URL。公開Instagramリールは大抵ログイン不要でダウンロードできる。ログインが必要な場合は自分のブラウザセッションを使用: --cookies-from-browser firefox（またはsafari）。他人のアカウントは使用しない。
• 説明テキストはinfo JSON内にある（description, uploader, channel, upload_date, like_count, comment_count）。Instagramでは再生時間が空の場合がある: ffprobeで計測。
• ダウンロードが失敗した場合はその旨を伝え、説明のみを使用し、ユーザーに画面録画を依頼。
• ダウンロードした動画は分析のみに使用: 編集に組み込まず、再公開もしない。

2. 計測して観察（抽出していないものを見た・聞いたと言わない）

1. 文字起こし: whisper（例: whisper.cpp large-v3-turbo）; 言語は説明から自動選択（tr / en）。短いリールでは全文を引用。
2. 編集プロファイル: カット、ショットの長さ、フック、音楽のビートへの合わせ方、秒間の単語数、字幕、顔、エフェクトのビート、音量。高速計測:
   • カット: ffmpeg -i V -vf "select='gt(scene,0.25)',showinfo" -an -f null -（pts_timeリスト）
   • 音量: ffmpeg -i V -vn -af ebur128 -f null - 長時間の分析ツールが止まった場合（CPU 0%、出力なし）は停止し、この高速な方法に切り替える。
3. 読み取り可能なサムネイルシート: ffmpeg -i V -vf "fps=N,scale=480:-1,tile=4x6" -frames:v 1 sheet.jpg、N ≈ 20/再生時間。これを読む。その後、テキスト、コード、インターフェース、URL、数字があるすべての場所からフル解像度のフレームを取得（-ss t -frames:v 1）し、それらも読む。
4. 実写か、パンズームされた写真か？ 各ショットについて判断: 実写映像 / 生成されたクリップか、写真へのパンズームか、静止カードか。（オプティカルフローで計測可能: 非常に小さい値 = 静止、均一なフロー = 写真へのパンズーム、変化するフロー = 実写。）これを間違えると、間違った制作方法を提案することになる。ツールがない場合は、各ショットで約0.4秒間隔の2フレームを比較して判断する。

3. 分析: 各ショット（またはショットグループ）を5つのアングルで

各アングルを各ショットについて記述する。省略せず、明示的になしと書く（黙って省略するのが最も一般的なミス）:

• 被写体: 誰/何、数、特徴; ショット間での出入りや変化の仕方。
• 被写体の動き: 順を追ったアクション; ジェスチャーか位置の移動か; インタラクション。
• シーン: オーバーレイは別レイヤーとして（字幕、キネティックタイポグラフィ、カード、ロゴ、ウォーターマーク）、視点（ハンドヘルド、俯瞰、画面録画、マクロ…）、場所、時間帯、ダイナミクス。
• フレーミング: ショットサイズ、被写体の位置、奥行きのレイヤーとそれらがショット内でどう変化するか。
• カメラ: 速度（リアルタイム / スローモーション / タイムラプス）、アングル、高さ、被写界深度、安定性、動き。

その後: 内容（2文）、スタイル（1文: テンポ、加工、エネルギー）、構造（T秒でNショット; フック; 結論; コールトゥアクション）、なぜ効果的なのか（2～3の具体的な点）。

4. 使用方法B: コンセプト、誠実なツールパス、まずサンプル

1. リファレンスが答えていないギャップを質問する。最も重要なのは: ナレーションありか音楽のみか（ナレーションありの場合: 単一ナレーター / ダイアログ / 両方; 今決める）、目標尺、テーマ、リファレンスの何が好きで何が嫌いか。クライアント案件の場合は、ブランドスタイル情報（色、フォント、トーン、禁止事項）を最初に収集する。
2. 短いリサーチ（2～3分）: 3～5本の類似動画、何がやり尽くされているか、どのアングルが新しいか。
3. 2～3の差別化されたコンセプトを書き、決してコピーではない。それぞれ以下を述べる:
   • リファレンスから残すもの: テンポ、フックのタイプ、構造、トーン（計測値も示す）。
   • 変えるもの: テーマ、アングル、ビジュアル処理、ナレーションアプローチ。
   • 手持ちのツールでの現実的なパス: 顔出し編集、Bロール＋曲のモンタージュ、モーショングラフィックス、ミュージックビデオ、ナレーションアニメーション、ハンドメイド/ASMRサウンドデザイン… 不足している点は正直に述べる（例: 「リファレンスは生成動画クリップを使用; 当方にはなし → 実写＋モーショングラフィックス、別の印象」）。
   • 納品の約束（固定）: 動き重視 / 映像重視 / ナレーション / 画面デモ。編集がこの約束を守れない場合（例: 動き重視と言ったのにショットのほとんどがテキストカードや写真のパンズームになった）は止めてユーザーに伝える; 黙って格下げしない。
   • コスト: 無料/ローカルツールで0円か、何にお金がかかるかを述べる。 一つを推奨し、その理由を述べる。
4. まずサンプル: 10～15秒 = フック＋中間シーン1つ; 実際の音声/音楽/字幕/ビジュアルを使用。サンプルで反復し、承認を得てから本編集に進む。

5. 編集前に「スライドショーリスク」チェック

各項目を0～5点で評価（低いほど良い）; 平均 ≥ 3 の場合はレンダリング前にプランを修正:

• 繰り返し: 単一のシーンタイプ / 単一のショットサイズが支配的（シーンの60～70%以上）。
• 装飾ビジュアル: 明確な目的（情報やストーリー上の役割）がないシーン。
• 弱い動き: 理由のないカメラ/要素の動き（「動けるから動いている」）。
• 弱いショットの意図: フレーミングやタイミングに書かれた理由がないシーン。
• テキストへの過度な依存: シーンの40%以上がテキスト/統計カード = 動くスライドショー。
• 根拠のない「シネマティック」: ヒーローモーメント、動き、照明計画なしにシネマティックと呼ぶこと。 これをチェックするために、ブリーフの各シーンに1行の意図を書く。

6. レンダリング後

各セクションについて: サムネイルシート、音量測定、そして: 結果は、コンセプトがリファレンスから保持すると言ったものを保持しているか？自分の動画とリファレンスの編集プロファイル（カット頻度、ショット長、字幕の高さ、音量）を並べて比較。0～10点で評価し、ユーザーの評価も聞く。

7. 学習ノート（使用方法A）

notlar/<日付>-<短い名前>.md: ソースURL、作成者、日付、再生時間、いいね/コメント、完全な文字起こし（または忠実な要約）、画面上にあるもの（ツール、リポジトリ、プロンプト、数字; 読み取ったフレームから）、リール自体がどう編集されているか（それ自体がリファレンスである）、具体的な次のステップを伴う私たちにとっての意味。動画にないものは決して捏造しない; リンク先のリポジトリ/ページから来たものは別途マークする。

---

出典注: このワークフローのアイデアはオープンソースプロジェクトOpenMontage（calesthio/OpenMontage, AGPL-3.0）から着想を得ています。ここにそのプロジェクトからのコードはコピーされていません; プロトコルは独自の言葉と一般的なツールで記述されました。