yt-film: 静止画像からナレーション付き動画を制作
縦型リール、ショート、または連載ソーシャル動画については、コンパニオンのyt-film-reelsスキルを使用してください。
基本セットは出発点であり、作品そのものではありません。 すべての動画(ランドスケープまたはポートレート)において、ショットリストを作成する前に Claudeがドライバーとしてクリエイティブパスを実行してください:このストーリーに基本セットにはないもの(独自のエフェクト、トランジション、サウンド、描画デバイス)を決定し、それらを作成または調査し、基本エフェクトは適合する場合にのみ再利用してください。エンジンはポートレートもレンダリングします:ポートレートモード。
ストーリー動画の制作ライン:ユーザーはClaudeが作成するガイドから約150枚の静止画像を作成し、Claudeはそれらの画像からスクリプトを書き、音声がそれを読み上げ、Pythonエンジンがすべての画像を言葉に合わせて動かします。参考動画はチャドウィックの例(examples/chadwick/、カーネギーの娘:アンドリュー・カーネギーの隠し娘として数百万ドルを借りた女性)です:その画像、スクリプト、音声、楽譜、ショットリスト、そして70秒のエフェクトテスト動画(examples/chadwick/video/chadwick_effects_test.mp4)がすべてのテクニックを示しています。
REPO はこのスキルのフォルダ(このファイルがある場所)です。PY はそのPythonです:macOS/Linuxでは REPO/.venv/bin/python、Windowsでは REPO\.venv\Scripts\python.exe。エンジンコマンドは常に PY を使用して、プロジェクトの tools/ フォルダから実行してください。.venv が存在しない場合は、まずセットアップしてください:インストールランブック(Claude向け) の手順を references/install.md でステップバイステップで実行します(システム全体のインストール前に確認;ユーザーが自分のAPIキーを貼り付けます)。
基本ルール
- ユーザーの許可なくレンダリングしないでください。
stills.py(約30秒でコンタクトシート)で確認してください。バッチレンダリング、プレビュー、エンディング、最終結合は数分から数時間かかります:何をレンダリングし、どれくらい時間がかかるかを伝え、承認を待ってください。変更がない限り、すでにレンダリングされたものを再レンダリングしないでください。 - プロジェクトごとにユーザーの経路を一度尋ねてください:使用する画像ツール(
references/image-generation.md)、音声(Gemini TTS またはユーザー自身のもの:references/voice.md)、音楽(Lyria またはユーザー自身のもの:references/music.md)、ニッチとチャンネル名、そしてチャンネルを特徴付ける3つの選択肢:画像スタイル(オープナー:ガッシュ、フラットエディトリアル、ノワール、チョーク、コミック、ストーリーブック、ブループリント、または独自のもの;キャラクターあり/なし)、エンジンルック(YTF_LOOK:ガッシュ、クリーン、ノワール、チョーク、コミック、ストーリーブック、ブループリント;単一値の場合はlook.json)、フォーマット(story、explainer、countdown、rise-fall、storytime、kids、summary、case-study、news):references/art-styles.md、references/formats.md。ユーザーに好みがない場合は、オプションを簡潔な表で示し、ニッチに合ったものを推奨してください。例のパステル調の実話スタイルをデフォルトにしないでください。 - ユーザーのニッチはユーザー自身のものです:歴史や例のテーマに誘導しないでください。例はテクニックの参考であり、トピックのテンプレートではありません。
- Windows:パスはフォワードスラッシュで機能します;長時間のジョブはバックグラウンドで実行されます;速度設定は
references/performance.mdを参照してください。macOS専用ツールを想定しないでください。 - APIキーは
.envファイル以外に保存しないでください。実際の写真やサウンドファイルは、ユーザーのOKを得た後にのみダウンロードしてください(ファイル、ソース、サイズ、ライセンスを明記)。
スタック
| ジョブ | ツール | 出力先 |
|---|---|---|
| 調査 | Web検索、検証済み事実リストとソース;確認できないものをフラグ | OUTLINE.md |
| 画像 | ユーザーの画像ツール、Claudeのガイドに従う | IMAGE_GUIDE.md(+ API用 IMAGE_PROMPTS.jsonl)、incoming/ |
| スクリプト | Claude、画像ガイドから作成、ビートごとに1つの ## 節、[SHOTS: …] ノート | SCRIPT.md |
| 音声 | Gemini TTS(音声Orus、ゆっくり読む→1.25倍速、ポーズは上限あり)または import_voice.py でユーザーの音声 | tools/voice.py、tools/import_voice.py |
| 単語タイミング | Whisper:mlx-whisper(Apple Silicon)または faster-whisper(Windows/Intel/Linux) | voice/<batch>_words.json |
| 音楽 | Lyria(Gemini API)、セクションごとに1つのキュー、または ユーザーのライセンス曲 | tools/music.py → audio/music/ |
| 動画エンジン | Python(OpenCV、Pillow、NumPy、SciPy)、After Effectsなし | tools/film.py、fx2.py、seq.py、signature.py、wr.py、kit.py |
| ショットリスト | seq.py でバッチごとに1ファイル、そのバッチの単語タイミングに基づく | tools/<story>.py + tools/shots_bN.py |
| レンダリング | 並列、マシンに合わせたサイズ、低優先度 | tools/render_all.py |
| エンディング | ユーザー自身のアニメーションサインオフ(例:cta.py) | renders/cta.mp4 |
| 最終結合 | バッチ + エンディング、連続スコア、-14 LUFS / -2 dBTP | tools/final.py |
| 吹き替え | デフォルトでスペイン語+フランス語:Gemini翻訳+TTSを約3分のチャンクで、英語のスロットに合わせる | tools/dub.py |
| サムネイル | ユーザーの画像ツール、ガイドに従う | references/thumbnails.md |
プロジェクトは YTF_WORKSPACE(デフォルト ~/yt-film-projects/<story>/)に配置され、PY REPO/scripts/new_project.py <story> で作成されます。これによりエンジンが tools/ にコピーされ、すべてのフォルダが作成されます。設定は .env ファイルにあります(プロジェクト優先、次にREPO):GEMINI_API_KEY、YTF_CHANNEL、音声/モデル名、速度設定(.env.example にすべて記載)。engine/ytf.py がフォント、キー、Whisper、共有アートを任意のOSで検出します。
作業の順序
- ストーリーを選ぶ(指定がない場合):ギャップチェック付きで3〜5の候補(
references/story-finding.md)。フォーマットとルックを指定してプロジェクトを開始:PY REPO/scripts/new_project.py <name> --format <format> --look <look>(フォーマットのスパインテンプレートを OUTLINE.md に書き込み、YTF_FORMATとYTF_LOOKを.envに設定)。フルガイドを作成する前に、stills.pyで2枚の画像で新しいスタイルをテストします(references/art-styles.md、最後のセクション)。 - ストーリーと事実:調査;
OUTLINE.mdにソース付きで作成。確認できないものにはフラグを付け、後で「伝えられるところによると」のように表現し、決して事実として述べないこと。フックを決定します(references/hooks.md:ユーザーの過去3作品と同じタイプにしないこと)。次に、OUTLINE.mdの先頭にスパインを書きます(references/storytelling.md):動画が答える1つの質問と、「だから」/「しかし」で結ばれた8〜12のビート;動画の約15%までに最初の誤った幕または決断の瞬間;主要人物ごとに1〜2つの背景説明。画像ガイドの前にユーザーに見せます。 - 画像ガイドを最初に(
references/image-guide.md、ユーザーの経路に合わせて記述)。これはスパインと動画のナレーション方法に従います(表示してから描画:各ビートの行は、それが提供するラインとそのライン上または後に描画されるものを示します)。約150枚の画像を目標に:スタイルカード、キャストシート、カバレッジ付きの約100枚のシーンショット(W ワイド、M ミディアム、F 顔クローズアップ(EDITとして)、D ディテール、P ポイントオブビュー)、_linesバージョン付きの6つのシーン、12枚のスケッチシート +_lines、約10枚の空白のストーリーオブジェクト(「ベース」:ノート、古い地図、カード、台帳、封筒、電報、新聞)。正確なファイル名とフォルダ。一貫性ルール:references/consistency.md。 - 画像をグループごとにチェック(手、顔、時代の詳細、テキストなし、形状:画像は約16:9で到着し、2:1に中央クロップされるため、重要なものは上下端に配置しない)。手動ダウンロード:
scripts/sort_images.py。次に、エンジンピクセルでグリッドシートを作成(COLS=4 PY tools/egrid.py out.png IMG ...)、ショットを書く前にすべての画像の煙突、ランプ、キャンドル、息、静かな領域をマッピングします。 - 画像からスクリプトを作成。 生成されたすべての画像を使用;各節をそのショットにマッピングし、未使用画像チェックを実行(例:
examples/chadwick/tools/script_check.py)、次にPY tools/story_check.py(発声される日付、シーンシフトの開始、[DRIVE]節が該当する場所、各バッチの継ぎ目)とreferences/storytelling.mdのチェック(再話、15%、しかし/したがって、説明の積み重ねなし、5〜7つの発声日付、表示→描画)を実行。長さに制限なし:ストーリーを完全に、ゆったりと語る(約150語/分;チャドウィック:1,780語→12分)。最後はユーザーの「いいね/フォロー」で締めくくります。 - 音声:Gemini(最初に
voice.py --test、次にバッチ;--paceとSPEEDSで各バッチが約140〜160語/分になるように調整)またはユーザーの音声(import_voice.py --full | --passages | --batches)。BATCHES(4〜7節、各約65〜100秒、ストーリーが動いている幕の中でカット;幕の切れ目では2〜3カットのみ;バッチの開始時に再導入されるものはなし)とGAPSを設定。各バッチの単語を出力してからショットを書きます(Whisperは名前を聞き間違え、数字を桁で書き出すため、書き出されたものに基づいてキューを設定します)。 - 音楽:5〜7のキュー(
music.py、またはaudio/music/内のユーザーファイル);final.pyのMUSICでキューをバッチにマッピング。 - バッチごとのショットリストを
seq.pyで作成(references/engine.md、examples/chadwick/tools/):フィルムモジュール(<story>.py、例:chad.py)はLIVEテーブル(各画像のリビングレイヤー)とマップ設定を保持;各shots_bN.pyは約60行のS.at(time, scene(...)/page(...)/drawin(...)/map_shot(...))。各ショットをPY tools/stills.py bNでチェックし、シートを確認してからレンダリングします。 - レンダリング(ユーザーのOKを得て):
PY tools/render_all.pyはすべてのバッチを並列で実行、マシンの空きメモリが許す限り多く(レンダリングあたり約1.5GB;一度に多く実行するとメモリが不足した場合遅くなります);修正後はrender_all.py b3 b7または--changed。Claudeを閉じても停止しないよう、別のウィンドウで起動し、レンダリングが遅い場合やPCが遅くなる場合(特にWindows)はreferences/performance.mdに従ってください。新しいトランジションやエフェクトは最初に2フレームでテストします(後半のクラッシュはレンダリングを無駄にします)。 - エンディングはチャンネルごとに1回(
references/cta.md)、次に 最終結合PY tools/final.py;MP4の長さ、fps、ラウドネス(-14 LUFS、ピーク ≤ -1.5 dB)を確認し、静止画をサンプリングします(references/final-render.md)。 - 吹き替え(
references/dubs.md)とサムネイル(references/thumbnails.md)は必要に応じて。
ルック(例のデフォルト;各チャンネルが独自のものを選択)
- 例:卵型の頭の人物(卵型の頭、2つの暗い楕円の目、一線の口、鼻/耳/眉なし、シンプルな丸い手)が時代に忠実な現実世界に存在;インク線 + マットパステルガッシュ;エンジンルック
gouache。他のチャンネルは独自の画像スタイル、キャラクター(またはなし)、エンジンルックを選択します(references/art-styles.md);以下のルールはすべてのスタイルに適用されます。 - エンジンルックが追加レイヤーを設定:グレード、グレイン、ビネット、インク、タグペーパー、アクセント、フォント、描画サウンド(
engine/look.py:YTF_LOOK、look.json)。ルックに色やフォントがある場合、ショットファイルにハードコードしないでください(`look.rgb(