Communitygithub.com

yyert123/shorts-voiceover

プレーンテキストのスクリプトから、AI音声、ワードタイミングのポップキャプション、ケン・バーンズ効果付き画像、Bロールクリップ、自動ダッキングBGM、-14 LUFSラウドネスを備えた完成済み縦型ショート動画(YouTube Shorts、TikTok、Instagram Reels向け1080×1920 MP4)を1コマンドで作成します。

shorts-voiceover とは?

このスキルは、プレーンテキストのスクリプトを入力として、アップロード可能な縦型ショート動画(YouTube Shorts、TikTok、Instagram Reels、1080×1920 MP4)を自動生成します。ユーザーは、Voice IDを指定してMirageaでAI音声を生成するか、自身の声のクリップをアップロードして声をクローンできます。音声トラックが完成すると、実際の音声からワードレベルの正確なタイミングでキャプションが自動生成され、すべての単語が話されている瞬間に表示されます。画像にはケン・バーンズ効果(ゆっくりとしたズームイン/アウト)が適用され、動画クリップは9:16にクロップ、ループ/トリミングされます。背景画像がない場合は、アニメーションするグラデーション背景がシーンごとに使われます。BGMは自動ループ、音量30%に抑えられ、音声がかぶる部分はサイドチェイン・ダッキングされます。最終的なラウドネスは-14 LUFS、ピークは-1 dBTPに調整され、各プラットフォームの標準に適合します。1本あたりの秒数は45~60秒(120~170語)が推奨で、3分を超えると警告が出ます。また、Miragea APIのキャッシュ機能により、再実行時には変更のないシーンの音声・トランスクリプトが無料で再利用され、編集の反復作業に適しています。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/yyert123/miragea-skills/tree/HEAD/shorts-voiceover

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

Shorts voiceover(ショート動画音声ナレーション)

スクリプトを入力すると、アップロード準備完了のショート動画を出力します。テキストの長さからキャプションのタイミングを推測する他のツールとは異なり、このスキルは完成した音声トラックを文字起こしするため、すべてのキャプションが単語が話された瞬間に正確に表示されます。

使用するタイミング

  • 「このスクリプト/これらのヒント/この記事をShort(またはReel、TikTok)にして」
  • 「顔出しなしのショート動画を、音声とキャプション付きで作って」 「自分の声を使って」
  • 「これらのスクリプトから5本のショート動画を作って」 → スクリプトファイルごとに1回実行します。

手順

  1. MIRAGEA_API_KEY が設定されていることを確認します(絶対に表示しないでください)。音声:ユーザーのMirageaボイスID、またはユーザーの声のクリップの公開URLとその正確な言葉。export MIRAGEA_VOICE_ID=... を提案してください。ユーザーが所有している、または使用を許可されている音声のみをクローンします。

  2. スクリプトを書きます:シーンごとに1段落、シーン間は空行、45~60秒のショート動画の場合120~170語程度。シーン1はフックで始めます。シーンの先頭に @file を付けると、その背景を指定できます。

    ナレーションをプロのように聞こえさせる3つの簡単なヒント
    
    @broll/desk.mp4
    まず、柔らかい家具のある小さな部屋で録音しましょう。反響はノイズよりも修正が難しいです。
    
  3. レンダリング:

    python3 scripts/short.py tips.txt --voice VOICE_ID                       # グラデーション背景
    python3 scripts/short.py tips.txt --media ./broll --music bed.mp3        # ユーザーの画像/クリップ+音楽
    
  4. 出力されたJSONから video と srt をユーザーに提供します。編集オプションを提案:シーンのテキストを変更して再実行。そのシーンのみ再ボイスが行われ、残りはキャッシュから取得されます。

自動で行われる処理

ステップ方法
音声各シーンはMirageaでボイス化。シーン間には0.18秒の息継ぎを挿入
キャプションタイミング完成した音声トラックをMirageaで文字起こし。1~3単語の大文字キュー、画面下3分の1に表示
画像9:16にクロップ、シーンごとにゆっくりズームイン/アウトを交互に適用
クリップ9:16にクロップ、シーンの長さにループまたはトリミング、元の音声は除去
メディアがない場合アニメーショングラデーション(4つのカラーパレット、回転)
音楽ループ、音量30%、音声に合わせてサイドチェインダッキング
ラウドネス-14 LUFS(統合)、-1 dBTP(Shorts/TikTok/Reelsのターゲット)
再実行シーンごとの音声と文字起こしはキャッシュ。変更のないシーンは無料

オプション

フラグデフォルト説明
--voice ID / --ref-url URL --ref-text TEXT環境変数保存済みMirageaボイス、または公開クリップからのクローン
--media DIRなし@file のないシーン用の画像/クリップ(ファイル名順)
--music FILEなしバックグラウンドミュージック、自動ダッキング
--lowercaseオフセンテンスケースのキャプション
--no-captionsオフキャプションをスキップ(文字起こし費用なし)
--modelexpressiveまたは standard
-o FILESCRIPT.short.mp4出力パス

料金と制限

音声:文字数に応じて課金(150語のショート動画は約850文字)。キャプションタイミング:完成した音声の秒数×3ポイント(25秒で約75ポイント)。その後はキャッシュ。最新の料金は GET https://miragea.ai/v1/capabilities を参照。各シーンは2,000文字未満である必要があります。3分(YouTubeのShorts制限)を超えると警告が表示されます。

トラブルシューティング

  • media file not found → @ 以降のパスはスクリプトまたは --media フォルダからの相対パスです。
  • No such filter: gradients → ffmpegのバージョンが6.1より古いのでアップグレードするか、画像を指定して --media を渡してください。
  • 401 キーが間違っています、402 miragea.aiでチャージしてください、429 待ってから再実行(キャッシュされたものは再請求されません)。

使用する音楽や映像は、権利のあるものだけを使用してください。実際のスクリプトとその出力例については examples/ を参照してください。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

yyert123/remotion-narration

Turn a video script into per-scene voiceover for Remotion in one command - one MP3 per scene in a saved or cloned voice, measured durations converted to durationInFrames, word-level captions in Remotion's Caption format, and an SRT. Use when building a narrated video with Remotion (or any React/code video tool), when the user asks to "add voiceover", "narrate these scenes", "sync scenes to the narration" or "add captions that follow the voice". Voice and timing by Miragea, no GPU or ElevenLabs a

yyert123/screen-recording-voiceover

Turn a silent screen recording (product demo, tutorial, walkthrough, bug repro) into a narrated video in one command. Finds the steps in the recording, helps write one line per step, voices each line with a saved or cloned voice, starts every line exactly at its step, speeds up or freezes frames automatically when a line runs long ("freeze-sync"), mixes optional ducked music, normalizes loudness and writes SRT/VTT captions (optionally burned in). Use when the user wants to add AI voiceover or na

yyert123/video-captions

Caption any video or audio file in one command. Produces clean, readable SRT and WebVTT subtitles (whole words, 42-char lines, proper timing) and can burn them into an MP4, including big centred 1-3 word "pop" captions for TikTok, Reels and YouTube Shorts. Use when the user asks to add subtitles or captions to a video, make an SRT/VTT file, transcribe a talk or podcast into captions, or burn captions into a short-form video. English-first; speech recognition by Miragea.

関連スキル