Communitygithub.com

ドキュメンタリービデオスキル(タペストリースタイル)

手刺繍の中世タペストリースタイルでYouTube歴史ドキュメンタリーを制作します。短編(約2分)または長編(2分パーツを数日かけて制作)に対応。スクリプト、ElevenLabs音声、Google Flow画像(無料)と少数のFlow画像から動画へのクリップ、ffmpegでシームレスに結合します。

ドキュメンタリービデオスキル(タペストリースタイル) とは?

このスキルは、中世のタペストリー風の手刺繍スタイルでYouTube歴史ドキュメンタリーを制作するために設計されています。ユーザーが「タペストリー / 刺繍 / バイユー風」の歴史映像や、リンディスファーン793年のようなドキュメンタリー、既存の長編動画の続きをリクエストした際に使用します。各パートは1920x1080の約2分間で、Britishナレーターによる15シーンで構成。シーン1、2、3、5、8は実際の動きのあるFlowクリップ、それ以外は微かなスローズーム付きの静止画です。長編動画は2分パーツを数日かけて制作し、各パートはスクリプトレビューと最終レビューの2段階承認を経ます。すべての状態はプロジェクトフォルダに保存され、セッションをまたいで継続可能。ElevenLabs音声生成、Google Flow画像生成(無料)、Flowウェブサイトでのスケジュールされたシーンアニメーション、ffmpegによるシームレスな結合を行います。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/xajeel/make-video-skills/tree/HEAD/documentary-video

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

ドキュメンタリービデオスキル(タペストリースタイル) は何をしますか?

「793:バイキング時代の幕開けとなった襲撃」(doc-test/lindisfarne_793_documentary.mp4)で実証済み。 各パート:1920x1080、約2:00、Britishナレーター、15シーン。シーン1、2、3、5、8は実際の動きのあるFlowクリップ、それ以外は非常に小さなスローズーム付きの画像。

まずはリファレンスを参照:

  • references/style/:ユーザーが目指すルック。落ち着いたクリーム、スレートブルー、モスグリーン、オーカー、ラストカラーのステッチ、渦巻く刺繍の雲と波。
  • references/approved-examples/:ユーザーが承認した生成スチル。フルフレームで、境界線や白いマージンはなし。
  • references/avoid/:ユーザーが却下したもの:
    1. 画像の周囲にある布地の端や白いマージン。
    2. 下部にある装飾的な動物フリーズの境界帯。

ユーザールール(重要)

  • メッセージに質問とタスクが含まれている場合、クレジットを消費する前に質問に回答し待機すること。
  • ユーザー自身の言葉だけが指示としてカウントされます。クレジットを節約し、リクエストのない余計な作業は行わず、簡潔に報告すること。
  • アニメーションパターン: 各パートのシーン1、2、3、5、8を実際のFlow画像から動画への変換でアニメーション化します。5クリップで、1パートあたり約120クレジット。その他のシーンは非常に小さなスローズーム付きの画像(約3%、交互にズームイン・アウト)を使用。assemble.pyがこれを自動的に行います。
    • ズーム画像を「動画」として提示しないでください。実際のクリップはFlowから取得する必要があります。
    • 送信前にコスト(クリップあたり24クレジット)を伝えてください。ユーザーが別のシーンセットを選択した場合、project.py decide で記録してください。
  • 動画ごとに1つのFlowプロジェクト。 一度作成したら、そのIDを常に渡してください。--project-name を呼び出しごとに使用しないでください。新しいプロジェクトが作成されてしまいます。
  • ユーザーは頻繁に中断します。中断後は、他のことをする前に、何がまだ実行中か、または課金されているかを確認してください。

長編:2分パーツを数日かけて構築

8分の動画は約2分のパーツ4つで構成され、一度に1パーツずつ作成します。各パーツは2回のレビューを通過します:

  1. 無料のドラフトレビュー。
  2. クレジット消費後の最終レビュー。

すべての状態はプロジェクトフォルダに保存されるため、新しいセッションでも常に継続できます。

既存の動画でセッションを開始する:

  1. <プロジェクト>/PROGRESS.md を読む。
  2. python3 scripts/project.py status <プロジェクト> を実行。決定事項、各パーツのステータス、NEXT(次に行うアクション)が表示されます。
  3. NEXTから続行。完了したパーツをやり直したり、ユーザーの許可なく決定事項(音声、スタイル、Flowプロジェクト、パターン)を変更しないでください。

プロジェクトレイアウト(project.py new doc-test/videos --title "..." --minutes 8 で作成):

doc-test/videos/<スラッグ>/
  project.json      決定事項(voice_id、style、flow_project_id、animation_pattern、zoom...)+ パーツごとのステータス/クレジット
  PROGRESS.md       すべてのステップと決定事項の日付付きログ - project.py で追記、決して上書きしない
  outline.md        動画全体のアーク + パーツごと:カバー / オープニングライン / クロージングハンドオフライン
  parts/partNN/     scenes.json、voiceover.mp3、timing.json、images/、clips/、draft.mp4、partNN.mp4
  final/<スラッグ>_full.mp4

パーツのステータスフロー: planned → script_review → draft_review → final_review → final。各ステータスは project.py set <プロジェクト> <n> <ステータス> --note "..." [--credits N] で設定します。

パーツごと:

  1. スクリプト(パート1では最初に動画全体のoutline.mdも記入)。
    • templates/scenes.example.json をテンプレートとして、parts/partNN/scenes.json を作成。project.json の style 文字列を保持すること。
    • 最初のシーンは、前のパーツのクロージングラインから引き継ぐ必要があります。最後のラインは次のパーツに引き継ぎます。
    • 視覚的に、パートNの最後のシーンとパートN+1の最初のシーンは、設定とパレットを共有し、それらの間のディゾルブが自然に感じられるようにする必要があります。
    • スクリプトをユーザーに送信し、set ... script_review を実行。
  2. ユーザーがスクリプトを承認した後、パーツ全体を一気に実行:
    • ナレーション(ステップA)とタイミング(ステップD)を生成し、次に画像(ステップB、通常はimage_prompts.txtからのユーザーの拡張機能)。
    • Flowでパターンシーン1、2、3、5、8をアニメーション化(ステップC)。ユーザーは最初にレビューするバージョンで実際のクリップを期待しています。
    • 1080pの partNN.mp4 のために assemble.py parts/partNN を実行。
    • 完全なパス をユーザーに送信し、xdg-open で開く。
    • 次に set ... final_review --credits <消費クレジット> を実行。
    • ズーム画像のみで構成されたドラフトを「動画」として送信しないでください。--draft はクイックプライベートチェック専用です。
  3. (draft_review ステータスはオプションです。ユーザーが最初に安価なプレビューを要求した場合を除き、スキップしてください。)
  4. ユーザーが最終レンダリングを承認した後: set ... final を実行。
  5. すべてのパーツが最終になったら: python3 scripts/join_parts.py <プロジェクト> を実行。final/<スラッグ>_full.mp4 が書き出されます。その後、各シーム(音声と映像)をスポットチェックします。

結合がスムーズな理由(これを壊さないでください):

  • assemble.py はすべてのパーツを同一フォーマット(1920x1080、30 fps、yuv420p、AAC 48 kHz ステレオ、音声ラウドネス -16 LUFS に正規化)でレンダリングします。
  • すべてのパーツは同一のエッジを持ちます:最初の単語の前に0.4秒の映像、最後の単語の後に1.2秒の無音映像。
  • join_parts.py はその無音テール内で1秒かけて映像をディゾルブし、無音部分でオーディオをカットするため、単語が重ならず、レベルも急変しません。
  • テスト済み:シームギャップは0.84秒で、通常の段落間のポーズと同じであり、ラウドネスは両側で -16.4 対 -16.5 LUFS でした。
  • 常に同じ voice_id と tts_model をすべてのパーツで使用し、project.json に記録されている通りにします。

制作手順(各パーツ内で使用)

A. ナレーション(ElevenLabs MCP)

  1. creative_generate_speech を呼び出す:
    • model_id:プロジェクトの tts_model、eleven_v4
    • voice_id:プロジェクトの voice_id、QngvLQR8bsLR5bzoa6Vv(「Michael Dan – British Documentary Narrator」)
    • prompt:パーツのナレーションを空白行で区切って結合したもの
  2. creative_get_flow_run_status をポーリングして完了を待つ。2テイクが返され、それぞれ約1650 ElevenLabsクレジット(≈$0.30)。
  3. curl を使用して content_url からテイク1を parts/partNN/voiceover.mp3 にダウンロード。

年号は「seven ninety-three」のように単語で記述します。ナレーターが正しく発音できるようにするためです。

B. 画像(無料)- 通常はユーザー自身のブラウザ拡張機能で作成

画像はテキストプロンプトのみ(スタイル文字列 + シーン)から作成されます。参照画像は渡しません:gflowはこのアカウントでは参照画像を拒否し、参照フォルダは結果を目視で確認するためだけのものです。

推奨(ユーザーの拡張機能): 最初にナレーションと timing.py を実行してシーン時間を確定させ、次に parts/partNN/image_prompts.txt を書き、そのパスをユーザーに渡します。フォーマットはシーンごとに正確に1つのプロンプト、その後空白行です:

[0.00-0.06] <スタイル>. Scene: <画像>. IMPORTANT: do not write the time, any numbers, any label or any text anywhere in the image.

[0.06-0.14] ...
  • 時間は timing.json からの m.ss 形式です。
  • ユーザーはファイルを拡張機能に渡し、例えば ~/Downloads/zapi-img-doc/ のようなフォルダを返送します。中には NN_[mss-mss]_....webp という名前のファイルが含まれ、時々 _1/_2 テイクがあります。
  • ラベル付きコンタクトシートですべての画像をレビューします。布地の端やストライプ、マージン、境界帯、テキストの混入、誤った被写体、スタイルの不一致がないか確認します。最良のテイクを選び、parts/partNN/images/sceneNN.jpg に変換します。
  • 悪いものだけを gflow(無料)で再生成し、どの画像をなぜ再生成したかユーザーに伝えます。

フォールバック(gflow MCP):

  1. gflow_generate_image を prompt "<スタイル>. Scene: <画像>."、aspect "16:9"、model nano2、project <flow_project_id> で実行。
  2. 新しい動画の最初の画像の場合、project を省略し、project_name を渡します。その後 project.py decide <p> flow_project_id <id> を実行。
  3. ~/Downloads/gflow-cli/images/<日付>/<メディア>_1.jpg から parts/partNN/images/sceneNN.jpg にファイルをコピー。

コンタクトシート: ffmpeg -pattern_type glob -i 'images/scene*.jpg' -vf "scale=344:192,tile=5x3" -frames:v 1 contact.jpg

C. パターンシーンのアニメーション化(Flowウェブサイト、クレジット消費)

gflowの i2v はこのアカウントでは拒否されます:Flowは「agent-only composer」を提供します(gflow issue #799)。拒否は無料です。代わりにウェブサイトを使用してください。Flowのレイアウトは2026年11月に変更されました:エージェントチャットや承認ステップはもうありません。

ユーザーも自分でクリップを作成したい場合は、同じ [m.ss-m.ss] プロンプト 形式で parts/partNN/video_prompts.txt を書き、各アニメーションシーンの「この画像をアニメーション化...」テキストとシーンの motion を記述し、各 sceneNN.jpg がどのシーンに対応するかをリストアップします。

  1. gflow_get_credits でクレジットを確認。無料です。
  2. scripts/launch_flow_chrome.sh "https://flow.google.com/project/<id>" を実行。
  3. ~/.local/share/uv/tools/gflow-cli/bin/python scripts/flow_animate.py --project <id> --part parts/partNN --upload --prefix <短縮名>_pN_ 1 2 3 5 8 を実行。
    • --upload はシーン画像をFlowプロジェクトにアップロードします。ユーザーの拡張機能で画像が作成された場合に必要です。
    • コンポーザーを Video → Frames → x1 に切り替え、クリップが正確な画像から開始されるようにします。これは Omni 1.2 Flash、720p、8 秒、クリップあたり24クレジットです。
    • 各開始フレームを選択し、モーションプロンプトを入力し、送信し、待機します。
    • コンポーザーが Image/Nano Banana の状態で決して送信しないでください。 動画ではなく2枚の画像が生成されます。無料ですが、何もアニメーション化されません。
  4. ~/.local/share/uv/tools/gflow-cli/bin/python scripts/flow_download.py --project <id> --part parts/partNN 1 2 3 5 8 を実行。
    • 最新の動画(Original size)をダウンロードし、最初のフレームをシーン画像と照合して、それぞれ clips/sceneNN.mp4 として保存します。
    • 照合距離は、正しいシーンで約4、他のシーンで30を超えるはずです。
  5. 各クリップのフレームを確認:同じタペストリーの外観で、テキストなし。
  6. CDP Browser.close で CDP Chromeウィンドウを閉じます。 gflow MCP 呼び出しは、プロファイルを保持していると失敗します。
  7. 再度クレジットを確認。減少分は正確に 24 × クリップ数 である必要があります。

D. タイミングとアセンブリ

  1. python3 scripts/timing.py parts/partNN:ナレーション内の段落ポーズにシーン境界をスナップします。出力された時間を確認します。5秒未満または11秒超はスナップ不良なので、timing.json で手動修正します。
  2. python3 scripts/assemble.py parts/partNN --draft でレビュー用コピーを作成。--draft なしで最終レンダリングを作成します。
  3. 送信前にフレームをスポットチェックします。

E. YouTubeタイトル

60文字以内に収め、フックを最初に置き、年を含めます。例:「The Day the Viking Age Began (793 AD)」。3〜5のオプションと、2〜3語のテキストを含むサムネイルアイデアを提供します。

環境ノート / 注意点

  • gflow MCP: ~/.local/bin/gflow-clean(scripts/gflow-clean のコピー)を通じて登録。ラッパーは VS Code スナップの GTK/GIO 環境変数を除去します。これがないと、Chrome が起動時にクラッシュし、gflow が「Profile locked」と誤報告します。
  • アカウント: gflow プロファイルは sajeel135。画像生成は無料、動画はクレジットを消費。
  • Chrome は --password-store=basic を使用する必要があります: gflow プロファイルで開かれる Chrome はすべて --password-store=basic が必要であり、launch_flow_chrome.sh で設定されるようになりました。これがないと、Chrome はシステムキーリングでクッキーを再暗号化します。gflow はそれを読み取れず、flow.google.com/about(終了コード31)に着地し、ユーザーは再度サインインする必要があります。
    • Flow で /about が表示されているが Google にサインインしている場合、CDP ウィンドウを開き、「Create with Google Flow」を押し、ユーザーがサインインを完了させてから、CDP Browser.close で適切に閉じます。
  • 古いロック: ~/.local/share/gflow-cli/profile_sajeel135/ 内の古い Singleton* ロックファイルを削除します。ただし、そのプロファイルを使用している Chrome がない場合のみ(launch_flow_chrome.sh がこれを行います)。
  • プロセスの停止: 自身のコマンドラインにその名前が含まれているシェルから pkill -f <名前> を実行しないでください。自分自身を強制終了してしまいます。代わりに PID で強制終了してください。
  • 長時間レンダリング: 最終パーツのレンダリングには数分かかります。ツールコールがタイムアウトする可能性がある場合は、長時間のレンダリングをバックグラウンドで実行してください。

関連スキル