Communitygithub.com

yt-film

静止画像からナレーション付きのYouTubeドキュメンタリーや解説動画を作成するPythonエンジン。ストーリーのアイデア、ソース調査、画像ガイド、スクリプト、タイミング付きナレーション、音楽、リビングスチル、地図、コミックページ、ソース脚注、サウンド、ランドスケープバッチレンダリング、最終ミックス、吹き替え、サムネイル、セットアップ、チャドウィックの例に対応。コンパニオンスキルyt-film-reelsは縦型ソーシャルエピソードをカバーします。

yt-film とは?

yt-filmは、Pythonベースのエンジンを使用して、静止画像からナレーション付きのYouTubeドキュメンタリーや解説動画を生成する強力なAIエージェントスキルです。このスキルは、ストーリーのアイデア出し、ソース調査、画像ガイドの作成、スクリプト作成、タイミング調整されたナレーション、音楽、リビングスチル、地図、コミックページ、ソース脚注、サウンドエフェクト、バッチレンダリング、最終ミックス、吹き替え、サムネイル作成まで、動画制作の全行程を網羅しています。Claude Code、Cursor、CodexなどのAIエージェントで動作し、ユーザーが生成した約150枚の静止画像とAIが書き起こしたスクリプトを組み合わせ、Pythonエンジンがすべての画像をナレーションに合わせて動かします。OpenCV、Pillow、NumPy、SciPyを活用し、After Effectsなどの外部ソフトウェアに依存しません。主な特徴として、リビングスチル(煙、息、炎などのパーティクルアニメーション)、顔の表情アニメーション、ライブ描画、コミックページ、マップアニメーションなど、コードベースの高度なビジュアルエフェクトを備えています。また、複数の画像スタイル(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)やフォーマット(ストーリー、解説、カウントダウン、興亡など)をサポートし、チャンネルごとに一貫したルックを設定できます。さらに、Gemini TTSやユーザー自身の音声ファイルを使ったナレーション、Lyriaによる音楽生成、スペイン語・フランス語への吹き替え機能も備えています。プロジェクト管理は`YTF_WORKSPACE`ディレクトリで行われ、すべての設定は`.env`ファイルで一元管理されます。このスキルは、高品質でプロフェッショナルなナレーション動画を効率的に制作したいコンテンツクリエイターに最適です。

対応✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/ma7pc27/yt-film/tree/HEAD

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

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 dBTPtools/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

  1. 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)。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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)。
  7. 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。
  8. 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。
  9. 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)。
  10. 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)。
  11. 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(

関連スキル