このスキルが起動したら、最初の応答は常に :pencil: の絵文字で始めてください。
動画スクリプト作成
プログラム動画のスクリプト作成とは、コード駆動の動画制作に直接変換できるように、スクリプトを計画、構造化、執筆する実践です。従来の脚本と異なり、プログラム動画のスクリプトは構造化データであり、すべてのシーンに明示的な尺、フレーム数、アニメーションの説明、そしてレンダリングエンジンが消費できるナレーションテキストが含まれます。このスキルは、関係者へのインタビュー、構造化されたYAMLスクリプトの生成、ペーシングとフレーム数の計算、ナレーション作成、スクリプトの推敲をカバーします。
このスキルを使用するタイミング
ユーザーが以下の場合にこのスキルを起動します:
- プログラム動画やコード生成動画のスクリプトを作成したい
- 動画のシーン構成、タイミング、トランジションを計画する必要がある
- 構造化された形式(YAML、JSON)でのストーリーボード作成について質問している
- 尺とFPSからフレーム数を計算したい
- 動画シーンのナレーションテキスト作成のヘルプが必要
- 異なるコンテンツタイプ(デモ、解説、ソーシャル)の動画ペーシングについて質問している
- 動画要件を収集するためのインタビューワークフローを実行したい
- 既存の動画スクリプトの推敲や再構成が必要
以下の場合はこのスキルを起動しないでください:
- 実写映画制作や従来の脚本執筆
- 動画編集ソフトウェアのチュートリアル(Premiere、Final Cut、DaVinci Resolve)
- ポッドキャストや音楽制作などのオーディオのみのコンテンツ
- 静止画のデザインや静的プレゼンテーションスライド
主要原則
-
インタビュー駆動型 - 1シーンも生成する前に、構造化されたインタビュー(最大30問、7カテゴリ)を実行します。憶測でスクリプトを作成しないでください。
-
構造化された出力 - すべてのスクリプトは有効なYAMLであり、
metaブロックとscenes配列を持ちます。各シーンにはid、duration、frames、narration、visual、animation、music、sfx、transition_to_nextフィールドが含まれます。 -
ビジュアル優先 - ナレーションの前に
visualフィールドを記述します。ナレーションはビジュアルを補完するものであり、画面上にあるものを冗長に説明するものではありません。 -
ペーシングへの配慮 - シーン数とシーンあたりの尺を動画の種類に合わせます:ソーシャルクリップは3〜8秒のシーン、解説動画は5〜12秒のシーンで余裕を持たせます。
-
ナレーションとビジュアルの同期 - 各ナレーション行は、その瞬間に表示されているものと一致している必要があります。1シーンにつき1つのアイデア。ナレーションのタイミングはシーンの尺に収まらなければなりません。
コアコンセプト
インタビューフレームワーク
執筆前に、7つのカテゴリで要件を収集します:
| カテゴリ | 質問数 | 例 |
|---|---|---|
| プロダクト/主題 | 5-7 | プロダクトは何ですか?主要機能は?解決する問題は?差別化要因は? |
| オーディエンス | 3-5 | ターゲット視聴者は?技術レベルは?悩みは? |
| 動画の目標 | 3-4 | 種類(デモ/解説/ソーシャル/告知)?尺は?チャンネルは? |
| トーン&スタイル | 3-5 | フォーマルかカジュアルか?エネルギッシュか穏やかか?参考動画は? |
| アセット | 3-5 | ロゴ?スクリーンショット?ブランドカラー?フォント? |
| コンテンツ | 4-6 | 主要メッセージは?必ず含める機能は?CTAは?冒頭のフックは? |
| ビジュアルの好み | 3-5 | アニメーションスタイルは?カラーパレットは?レイアウトの好みは? |
YAMLスクリプト形式
meta:
title: "string - 説明タイトル"
duration: "string - 合計尺(例:60s)"
type: "enum - demo | explainer | social | announcement"
resolution: "string - 例:3840x2160, 1920x1080"
fps: "number - 24, 30, 又は 60"
audience: "string - 誰が見るのか"
tone: "string - カンマ区切りの説明子"
total_frames: "number - 尺秒 * fps"
scenes:
- id: "string - ユニークなケバブケース識別子"
duration: "string - 例:4s, 8s"
frames: "number - シーン尺秒 * fps"
narration: "string - 一文最大15語"
visual: "string - 視聴者が画面上で見るもの"
animation: "string - 要素の動き方、フレーム参照付き"
music:
track: "string - 音楽トラック名"
volume: "number - 0.0 から 1.0"
duck: "boolean - ナレーション中に音楽を下げるか"
sfx:
- type: "string - 効果音名"
at: "string - シーン内のタイムスタンプ"
duration: "string - 再生時間"
transition_to_next: "enum - hard-cut | cross-dissolve | fade-to-black | wipe-left | wipe-right | none"
動画タイプ別シーンペーシング
| 動画タイプ | 尺 | シーン数 | 1シーンあたり | 備考 |
|---|---|---|---|---|
| プロダクトデモ | 30-120秒 | 6-15 | 5-10秒 | 機能重視、明確なCTA |
| 解説動画 | 60-180秒 | 8-20 | 5-12秒 | 概念重視、より余裕のあるペース |
| ソーシャルクリップ | 15-60秒 | 3-8 | 3-8秒 | 最初の3秒でフック、速いペース |
| 告知 | 15-45秒 | 3-6 | 4-8秒 | インパクト重視、単一メッセージ |
フレーム計算
合計フレーム数 = 尺秒 * fps
シーンフレーム数 = シーン尺秒 * fps
例:60秒の動画、30fps = 合計1800フレーム
| 尺 | 24 fps | 30 fps | 60 fps |
|---|---|---|---|
| 4秒 | 96 | 120 | 240 |
| 8秒 | 192 | 240 | 480 |
| 30秒 | 720 | 900 | 1800 |
| 60秒 | 1440 | 1800 | 3600 |
| 90秒 | 2160 | 2700 | 5400 |
シーンのフレーム数の合計が、metaのtotal_framesと一致することを常に検証してください。
一般的なタスク
1. インタビューワークフローの実行
7つのカテゴリすべてを順に進めます。一度に1つのカテゴリについて質問し、回答を要約してから次に進みます。完全な30問のフレームワークについては references/interview-questions.md を参照してください。タイトなスケジュール向けの圧縮版では、10の必須質問を使用します:プロダクト名、主要機能、解決する問題、ターゲット視聴者、技術レベル、動画タイプ、尺、チャンネル、主要メッセージ、CTA。
2. プロダクトデモスクリプトの生成
meta:
title: "プロダクトデモ - Acmeダッシュボード"
duration: "60s"
type: demo
resolution: 3840x2160
fps: 30
audience: "SaaS創業者とプロダクトマネージャー"
tone: "プロフェッショナル、自信、ミニマル"
total_frames: 1800
scenes:
- id: intro
duration: "4s"
frames: 120
narration: "Acmeをご紹介します。自分で構築するダッシュボードです。"
visual: "温かみのあるオフホワイトの背景に中央にロゴ、透明からフェードイン"
animation: "30フレームかけてフェードイン、90フレーム保持"
music:
track: "upbeat-corporate"
volume: 0.4
duck: false
sfx: []
transition_to_next: "hard-cut"
- id: feature-1
duration: "8s"
frames: 240
narration: "必要なものを説明するだけ。Acmeが残りを処理します。"
visual: "プロンプト入力とテキストがタイピングされているブラウザモックアップ"
animation: "ブラウザが下部から20フレームかけてスライドイン、40フレーム目からタイピング開始"
music:
track: "upbeat-corporate"
volume: 0.2
duck: true
sfx:
- type: "keyboard-typing"
at: "1.3s"
duration: "3s"
transition_to_next: "cross-dissolve"
- id: feature-2
duration: "8s"
frames: 240
narration: "ドラッグ、ドロップ、リサイズ。あなたのレイアウト、あなたのルール。"
visual: "カーソルでウィジェットを並べ替えているダッシュボードエディター"
animation: "30フレーム目でカーソルがウィジェットに移動、60フレームかけて新しい位置にドラッグ"
music:
track: "upbeat-corporate"
volume: 0.2
duck: true
sfx:
- type: "soft-click"
at: "1.0s"
duration: "0.2s"
transition_to_next: "cross-dissolve"
- id: cta
duration: "6s"
frames: 180
narration: "Acmeをacme.devで無料でお試しください。数分で最初のダッシュボードを構築しましょう。"
visual: "CTAテキストとURLが中央に、背景には微妙にアニメーションするグラデーション"
animation: "テキストが20フレームかけてフェードイン、背景グラデーションがゆっくり変化"
music:
track: "upbeat-corporate"
volume: 0.4
duck: false
sfx: []
transition_to_next: "fade-to-black"
完全なデモスクリプトは通常6〜15シーンです。同じYAML構造に従って、問題提起、社会的証明、価格、アウトロのシーンを追加することで拡張します。
3. ソーシャルクリップスクリプトの生成
meta:
title: "30秒でわかるAcme"
duration: "30s"
type: social
resolution: 1080x1920
fps: 30
audience: "ソーシャルフィードをスクロールする開発者"
tone: "エネルギッシュ、インパクト、モダン"
total_frames: 900
scenes:
- id: hook
duration: "3s"
frames: 90
narration: "ゼロからダッシュボードを構築するのはやめましょう。"
visual: "鮮やかなグラデーション背景に太字のテキスト"
animation: "テキストが上部から8フレームで激しくイン、4フレーム画面が揺れる"
music:
track: "electronic-pulse"
volume: 0.5
duck: true
sfx:
- type: "impact-hit"
at: "0.2s"
duration: "0.3s"
transition_to_next: "hard-cut"
- id: demo
duration: "12s"
frames: 360
narration: "必要なものをタイプするだけ。Acmeがライブで構築します。"
visual: "画面録画:プロンプトをタイピング、ダッシュボードがリアルタイムで生成される様子"
animation: "120フレームでタイピング、残り240フレームでダッシュボードが構築される"
music:
track: "electronic-pulse"
volume: 0.3
duck: true
sfx:
- type: "keyboard-typing"
at: "0.5s"
duration: "4s"
transition_to_next: "hard-cut"
- id: result
duration: "8s"
frames: 240
narration: "完全インタラクティブ。リアルタイムデータ。すぐに共有可能。"
visual: "ホバーインタラクション、データがライブで更新される完成したダッシュボード"
animation: "カーソルをホバーしてツールチップをトリガー、120フレーム目でデータがリフレッシュ"
music:
track: "electronic-pulse"
volume: 0.3
duck: true
sfx: []
transition_to_next: "hard-cut"
- id: cta
duration: "7s"
frames: 210
narration: "acme.devで無料トライアル。"
visual: "CTAテキストが大きく中央に、下部にURL、ブランドグラデーション背景"
animation: "テキストが0からフルサイズに15フレームかけて拡大、そのまま保持"
music:
track: "electronic-pulse"
volume: 0.5
duck: false
sfx: []
transition_to_next: "none"
4. 尺からフレーム数を計算する
入力: duration = 60秒, fps = 30
出力: total_frames = 1800
シーン内訳:
intro: 4秒 * 30 = 120フレーム
feature-1: 8秒 * 30 = 240フレーム
feature-2: 8秒 * 30 = 240フレーム
proof: 6秒 * 30 = 180フレーム
cta: 6秒 * 30 = 180フレーム
---
合計: 32秒 = 960フレーム(残り840フレームはさらにシーンが必要)
常に合計を確認してください。シーンの合計が一致しない場合は、シーンを調整または追加します。
5. 効果的なナレーションテキストを作成する
ルール:
- 一文最大15語 - これ以上長いと時間内に読めません
- 能動態、現在形 - "Acmeがダッシュボードを構築します" であって "構築されるでしょう" ではない
- ナレーションをビジュアルに合わせる - 画面に表示されていることについて話す
- 1シーン1アイデア - 1行に2つの概念を詰め込まない
- ベネフィットで始める - 「私たちの時間追跡機能」ではなく「週に10時間節約」
- 間を含める - 呼吸のための空のナレーション (
"") - 読む速度 - おおよそ1秒間に2.5語
| 悪い例 | 良い例 | 理由 |
|---|---|---|
| 「私たちの製品は、チームがより速くダッシュボードを構築するのを助けるために設計されています」 | 「ダッシュボードを数分で、数週間ではなく構築。」 | 長すぎ、受動態 |
| 「右上隅にあるプラスボタンをクリックしてください」 | 「ワンクリックでウィジェットを追加。」 | ビジュアルに場所を見せさせる |
| 「ご覧のとおり、データはリアルタイムで更新されます」 | 「リアルタイムデータ。常に最新。」 | 「ご覧のとおり」は冗長 |
6. シーントランジションを計画する
| トランジション | 使用するタイミング |
|---|---|
hard-cut | 同じトピック、速いペース、または対照的な印象を与えたい場合 |
cross-dissolve | スムーズなトピック変更、関連コンテンツが流れる場合 |
fade-to-black | セクションの終わり、劇的な間、最終シーン |
wipe-left / wipe-right | Before/After比較、タイムライン進行 |
none | 動画の最終シーン |
ルール:一貫性のため、動画ごとに最大2種類のトランジションタイプを使用します。
7. フィードバックに基づいてスクリプトを推敲する
- フィードバックのタイプを特定します:ペーシング、ナレーション、ビジュアル、構成、またはトーン
- YAML内の
idで影響を受けるシーンを特定します - 影響を受けるフィールドのみに変更を適用し、フレーム計算は維持します
- 再検証:シーンの尺の合計が合計尺と一致していることを確認します
- 尺が変更された場合はフレームを再計算します
- 変更点を文書化します:
# 改訂:フィードバックによりintroを6sから4sに短縮 (v2)
- id: intro
duration: "4s" # 以前は6s
frames: 120 # 以前は180
アンチパターン / よくある間違い
| 間違い | なぜ間違いか | 代わりにすべきこと |
|---|---|---|
| ナレーションをビジュアルより先に書く | 動画をトーキングヘッド風にしてしまう | 先にvisualを書き、それを補完するナレーションを書く |
| 12秒を超えるシーン | 視聴者の注意が散り、ペースが鈍くなる | 2つの短いシーンに分割する |
| フレーム数の不一致 | レンダリングエンジンが誤ったタイミングやクラッシュを起こす | 常にframes = duration * fpsを計算し、合計を確認する |
| 一文15語を超えるナレーション | シーンの尺内で読めない | 短い文に分割する |
| 最初の3秒にフックがない | ソーシャル視聴者はスクロールし、埋め込み視聴者は離脱する | 大胆な主張、質問、または視覚的な驚きで始める |
| 一貫性のないトランジション | 動画がぎこちなくアマチュア的に見える | 動画ごとに最大2種類のトランジションを使用する |
| インタビューを飛ばす | 的外れな一般的なスクリプトになる | 常に最初に要件を収集する |
| ビジュアルの説明が空 | レンダリングエンジニアがシーンを構築できない | レイアウト、色、動き、要素について具体的に説明する |
注意点(Gotchas)
-
フレーム数の丸め - 尺が均等に分割できない場合(例:24fpsで3.5秒=84フレーム)、最も近い整数に丸め、最後のシーンを調整します。端数のフレームを残さないでください。レンダリングエンジンは切り捨てるかエラーになります。
-
ナレーションタイミングのオーバーフロー - 2.5語/秒の場合、4秒のシーンには約10語しか収まりません。4秒のシーンに20語を書くと、ナレーションが早口になったり、クリッピングされたりします。常に単語数をシーンの尺に対して確認してください。
-
縦方向と横方向の解像度 - ソーシャルクリップ(TikTok、Reels、Shorts)は1080x1920(縦)を使用します。YouTube/ウェブサイトの埋め込みは1920x1080または3840x2160を使用します。解像度を設定する前に配信チャンネルを確認してください。
-
音楽ダッキングの競合 - すべてのシーンで
duck: trueに設定すると、音楽の音量が常に上下します。ダッキングはナレーションがある場合のみ使用してください。ナレーションが空のシーンではduck: falseに設定してください。 -
合計尺のずれ - 推敲後
…
[truncated for translation]