Communitygithub.com

sstani-bgv/montage-skills

動画のモーションプランをマークアップします(デフォルトはv4「画像を使ったプレゼンテーション」スタイル:キネティックイントロ、スピーカー+補完パネル、メタファー画像、サウンド)。トランスクリプト、スクリプト、または動画自体を確認し、作者が声で説明している内容を視覚的にどの場所でどの手法で見せるかを決定します。出力はタイムコード、選択された手法、各シーンのフレームごとの仕様を含むMOTION.mdです。ユーザーがトランスクリプトや動画リンクを提供し、どこをアニメーション化すべきか尋ねた場合、あるいは既存のプランを再マークアップする必要がある場合に、常にこのスキルを使用してください。組み立ては /motion-build、オーケストレーションは /motion-run が行います。

montage-skills とは?

このスキルは、動画編集者やコンテンツクリエイター向けに設計された、AIエージェントベースのモーションデザインプランニングツールです。ユーザーが提供したトランスクリプト、スクリプト、または動画ファイルから、話者の言葉を視覚的に補完するアニメーションの計画(モーションプラン)を自動生成します。デフォルトではv4「画像を使ったプレゼンテーション」スタイルを採用し、キネティックイントロ、スピーカーと補完パネル、メタファー画像、効果音を使用して、思考の構造(対比、列挙、順序、階層など)を視覚化します。プラットフォームとしては、Claude CodeやCody、CursorなどのAIエージェント環境で動作することを想定しており、スキルとしての入力(トランスクリプト/動画)と出力(MOTION.md)の形式が明確に定義されています。重要なのは、単なる装飾ではなく、話者の主張を「見せる」ための手法を選択する点であり、各シーンにタイムコード、使用する映像手法、フレームごとの詳細な仕様、そしてなぜその手法を選んだかの理由を含めることで、後続の自動ビルドプロセス(/motion-build)が正確に実行できるようになります。また、マークアップにおける典型的な間違い(単なるイラスト化、美しさだけを追求した手法選択、画面上のテキスト過多など)を避けるための具体的なガイドラインも提供されています。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/sstani-bgv/montage-skills/tree/HEAD/motion-plan

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

モーションプラン:どこで何を見せるか

あなたは「どんな綺麗なアニメーションを作るか」ではなく、言われたことのうち、何を目で見せる必要があるかを決めます。 これらは別のタスクです。このスタイルのアニメーションは装飾としてではなく、第二のチャネルとして機能します。声が説明し、画像が同時に思考の構造を示します。

ここから選択の主要な基準が生まれます。思考には形がある — 対比、順序、階層、規模、分岐。手法は気分ではなく、形に合わせて選択されます。

デフォルトスタイル — v4

v4スタイル(../motion-build/references/style-v4.md、作者によって基準として承認済み)でマークアップします:

  • 各シーンにはレイアウトがあります:kinetic(イントロ+2〜3のパンチライン)、split-cam(主要言語、約40%)、full(大きな概念、約20%)、split-screen(作者が示す/描く、約25%)、lower(デモ中の用語)。
  • kineticおよび純粋な図を除く各シーンには、英語のヒーロー画像プロンプトがあります:1つのコバルトブルーのディテールを持つ1フレーズのメタファーオブジェクトのみ(スタイル末尾は共通、gen_images.sh内)。
  • 各シーンにはSFXキューがあります(whoosh / pop / click / click-soft / ping / key-press / typing / stamp / neg)。
  • ストリーム密度:約60秒に1回の挿入、各8〜19秒、40秒に1回以上は不可。作者がライブでデモや描画を行う場合は、split-screen/lowerまたは挿入なし(理由も記録)。
  • タイミングは単語単位(timestamp_granularities[]=word付きのGroq whisper)で取得し、セグメント単位ではありません。 作者が別途イントロを録音した場合は、recipes/v4/intro-kinetic-steps-split.htmlのサンプルに従ってイントロを計画します。

読むべきもの

  • references/catalog.md — 手法カタログ:各手法がどのような思考の形を示し、いつ適切か。主要リファレンスなので、マークアップ前にすべて読んでください。
  • references/rhythm.md — リズムとレイアウト:セクションごとの接合密度、動画あたりの挿入数、シーンを保持する時間、4つの繰り返しフレームレイアウト。タイムコードを配置する前に読んでください。

手順

1. タイムコード付きテキストを入手

トランスクリプトがある場合 — それを使って作業します。タイムコードが必要です。ない場合は、依頼するか動画から取得します。

動画のリンクまたはファイルがある場合 — watchスキルをロードします。ダウンロード、トランスクリプトの取得、フレームの切り出しを行います。 フレームは役立ちます:スクリーンキャストが既にある場所と、アニメーションで活気づける必要がある生の話し手の顔がどこかを確認できます。

録画なしのスクリプトのみがある場合 — それに基づいてマークアップし、タイムコードは約150語/分として概算し、録画後にずれることを正直に伝えます。

2. 形のあるビットを見つける

テキストを辿り、作者が構造を持った主張を述べている場所をマークします。兆候:

  • 対比 — 「以前/現在」、「XではなくY」、「昔/今」;
  • 列挙 — 「三つのこと」、「第一に…第二に…」;
  • 順序 — 「最初に、次に、最終的に」;
  • 階層またはレベル — 「層」、「内部」、「上に」;
  • 数値または規模の比較 — 「10倍」、「4時間の代わりに1分で」;
  • 分岐 — 「AかBか」、「もし〜ならば」;
  • 引用または他人の意見;
  • 定義 — 「Xとは…のこと」。

形のない箇所(「これから話します」、「これについては後ほど」、トピック間の移行)はマークしません。

3. 密度を保つ

リファレンススタイルでは、視覚的な挿入は約10秒に1回の頻度で行われ、ほとんどのグラフィックプランは静止していません。 しかし、これは「何でもかんでもアニメーション化する」という意味ではありません。時間の半分はオーバーレイ付きの話し手の顔であり、フルフレームのグラフィックではありません。

10分の動画の目安:8〜14のフルフレーム挿入に加え、話し手の顔が長く続く箇所のオーバーレイ(タイトル、章見出し、吹き出し)。

ビットが重要でも、隣接するビットが既に占められている場合は、グラフィックなしのままにします。強い挿入が2回連続すると互いに打ち消し合います。間に空気が必要です。

4. 形に合わせて手法を選ぶ

references/catalog.mdを開き、美しさではなく思考の形に基づいて手法を選びます。カタログには各手法が何を示し、いつ適切かが書かれています。

味覚よりも重要な3つのルール:

1つの手法 = 1つの思考。 ビットに2つの思考がある場合は、2つのビットにするか、1つをテキストに追いやります。

同じ手法を連続して繰り返さない。 2つのrack-focusがシーンをまたいでいると、テンプレートのように見えます。最後に使用した手法を覚えておき、次は別のものを選びます。

手法の複雑さは思考の重要度に比例する。 最も高価な手法は、動画の最も重要な主張に使います。6層のカメラ移動が取るに足らないフレーズに使われると、視聴者はそれをノイズと見なします。

5. MOTION.mdを書く

# モーションプラン — <動画タイトル>

尺:12:40 · 挿入数:11 · オーバーレイ数:6

## シーン

### 01 · 00:14–00:19 · フックをワンパスで
**発言:** 「ほとんどの人がAIを間違って使っている。問題はプロンプトではない。」
**思考の形:** 主張-対比、展開の約束。
**手法:** 3つのマイクロ手法(ブランドマークのスライド、タイトルの分裂、マーカーワイプ)を使ったカメラ移動。
**フレーム内:** 70px Unboundedのテーゼ、「間違って」の下のマーカー、上部のブランドマーク、2つのモノラインアイコン。
**理由:** これは動画で最も重要なフレーズであり、最も高価な手法が与えられます。
**長さ:** 5.0秒

### 02 · 00:47–00:51 · 以前/現在
...

必須フィールド:タイムコード、発言内容、思考の形、手法、フレーム内の内容、この手法の理由、長さ。「理由」フィールドは形式的なものではありません — 埋める内容がない場合、手法は当てずっぽうで選ばれています。

6. 各シーンを仕様に展開する

組み立てるサブエージェントは、動画もプランも見ていません。仕様は自己完結している必要があります。

シーン仕様

/motion-buildが動作する形式:

# シーン02 — 「以前/現在」(手法:速度マッチ付き垂直プッシュ)

手法リファレンス:catalog → vertical-push。**メカニクスをコピーし、パレットはデザインシステムから取得します。**

## 何が起こるか
1段落で:動きの本質と、それがなぜそのように構成されているか。

## フレームごと
| t | 状態 |
|---|---|
| 0.0–1.4 | シーンAが定位置、push-in 1.00→1.03 ease none。 |
| 1.4–1.95 | レールがyPercent 0 → −50、power3.inOut、blurフィルター1つで0→14→0、ピークは1.675。 |
| 1.95–3.6 | シーンBが保持、見出しとチップが単語ごとに集まる。 |

## タイミングとイージング
正確な数値とカーブ。何が重要で、何を動かしてもよいか。

## Z順序
[0] 背景 → [1] … → [N] …

## コンテンツ
フレーム内に配置される正確なテキスト。「見出し」ではなく、見出し自体。

## コンポジションの長さ:3.6秒

フレーム内のテキストは自分で書き、著者のスピーチから取ります — 5〜7語に短縮します。サブエージェントがそれを考え出すべきではありません。動画が何についてか知らないからです。

各テキストビットの計算を確認します。 セットアップの長さ = 単語数 × キャデンス(キャプションやチップの場合は1単語あたり0.10〜0.13秒、ナレーターと一緒に読むものの場合は0.20〜0.25)。 フレームごとの時間枠がこれより短い場合、仕様は内部的に矛盾しており、ビルダーはとにかくそれを破り、そのためにイテレーションを消費します。これは1つの動画で3回発生しました:14語の引用は、どんなキャデンスでも1.85秒の枠に収まりませんでした。

入口は0.6秒ではなく1.2秒に設定します。 2段階の入口はスタイルの法則です:高速な飛び込みexpo.out約.44秒、次に低速な着地power1.out約.76秒。プランナーはフレームを見て、ブロックが0.6秒で「到着した」と判断し、フレームごとに0.5〜1.1の枠を書きます。ビルダーは枠の文字とカーブのどちらかを選ばなければならず、スキルのルールによりカーブを選ぶため、仕様は正常に、そして毎回破られます。1つの動画では、9シーン中3シーンでこれが発生しました。

両方のフェーズの全長にわたって枠を書きます。意味的に次のフェーズが早く開始すべき場合は、そのように書きます:「着地は線の描画中に続く」。これはフェーズの標準的な重なりであり、競合ではありません。

同様に重なりを確認します:「0.25秒の重なりを持つハンドオフ」と書かれている場合、フェーズの数値を合計し、0.25になることを確認します(0.05ではない)。

ソースの貫通アンカー

マークアップ前にソースのフレームを確認します:ソースに常に存在する要素はありますか — コーナーのPiPカメラ、チャンネルプレート、フレーム。ある場合、フルフレームの挿入はそれを削除し、各挿入でその要素が消えます。

これはビルド時に解決されます(挿入の上にアンカーを重ねることで)が、マークアップ時に知っておく必要があります:MOTION.mdのヘッダーにアンカーの座標を記録し、挿入がそれを覆わないと書きます。そうしないと、シーンがその真下にコンポジションを構成し、アンカーがコンテンツを隠してしまいます。

ソース内で実際のカットがどこで行われるか

トランスクリプトに基づくマークアップはフレーズのタイムコードを提供しますが、その瞬間にフレーム内で何が起こっているかは示しません。 20〜30秒ごとに選択したフレームでこれを確認するだけでは不十分です:この動画では、0:50と1:10のフレームが「顔」と「スクリーンキャスト」を示し、話し手の顔が約0:55まで続くという結論に導きました。実際には、スクリーンキャストは0:52.2に始まりました — 顔にオーバーレイがマークされたまさにその場所であり、シーンを再構築する必要がありました。

マークされた各ポイントについて、正確なタイムコードとその終了時のフレームを取得し、隣接するサンプルに依存しないでください。これはシーンあたり2フレーム、10秒の作業であり、「パネルが違うものの上に置かれた」というクラスのエラーをすべて排除します。

これは特にオーバーレイで重要です:フルフレームの挿入はソース全体を覆い、その下にあるものは重要ではありませんが、オーバーレイは特定のベースに合わせて設計されています。顔にマークされたオーバーレイがスクリーンキャストに当たると、画面の内容を隠し、編集ミスのように見えます。

オーバーレイが作者自身のグラフィックを覆っていないことも確認します。 スクリーンキャストでは、フレームは既に占有されています:ボード上のキャプション、インターフェースパネル、作者のPiP。下3分の1は普遍的な場所ではありません。フレームの下部が占有されている場合、用語集は上隅に移動し、それは正常です。プランでは「下3分の1」ではなく、フレームで確認した具体的な空き領域を指定します。

オーバーレイ

話し手の顔が長く続く場所では、フルフレームの挿入は不要です — フレームの上にオーバーレイが必要です。これらもマークアップし、別のリストとして:タイムコード、タイプ(下部タイトル、章見出し、引用吹き出し、ガラスパネルテーゼ)、テキスト。

デザインシステムのルール:ガラスはビデオの上だけ、そしてフレーム内に最大1つのパネル。

マークアップの典型的な間違い

イラスト化で示さない。 「ここで速度について話している — 時計を置こう。」時計は思考を示さず、ラベルを貼るだけです。速度を示すことは、2つの数字を使った「以前/現在」です。

美しさのための手法。 チャプターのカルーセルは、チャプターが列挙される場所に適切であり、単に動きが欲しい場所には適切ではありません。

フレーム内のテキストが多すぎる。 視聴者はフレームを2秒で読み取ります。3〜4要素以内、メインテキストは24px以上。

自分の能力に基づいたマークアップであり、動画に基づいていない。 シーンが複雑であることを要求する場合は、複雑にマークアップします。「高価だから、もっとシンプルにしよう」という判断はユーザーが行い、あなたではありません。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

sstani-bgv/montage-skills

Собрать ОДНУ анимационную вставку для видео на HyperFrames + GSAP в стиле канала. По умолчанию — стиль v4 «презентация с картинками» (одобрен автором как эталон, два русскоязычных YouTube-референса): крупные слова в интро, спикер + достраивающаяся панель, сгенерированные Codex 3D-картинки-метафоры, звук на каждое появление графики. Светлая тема, Onest/Unbounded; как акценты — приёмы вроде PiP-морфа, rack-focus, карусели глав, velocity-matched швов, zoom-through, перспективного свопа окон, каскадов с бэйджами. Используй этот скилл всегда, когда нужно собрать, починить или доработать отдельную анимацию/сцену/motion-вставку по готовой спеке, когда сабагент получил задание на одну сцену из motion-плана, а также когда речь идёт о HyperFrames-композиции для ролика в этом стиле. Не для планирования всего ролика — это /motion-plan, и не для оркестрации — это /motion-run.

sstani-bgv/montage-skills

Сделать все анимационные вставки для ролика от начала до конца (по умолчанию в стиле v4 «презентация с картинками» — эталон, одобренный автором) — посмотреть видео или транскрипт, разметить motion-план, раздать сцены сабагентам, принять работу, собрать черновой монтаж со вставками поверх исходника и отдать его вместе с MP4 по таймкодам. Используй этот скилл всегда, когда пользователь просит сделать анимации для своего ролика, оживить видео вставками, «сделать как у такого-то блогера», собрать графику под уже записанный материал или довести ранее размеченный motion-план до готовых файлов. Это точка входа: сам зовёт /motion-plan для разметки и раздаёт сборку по /motion-build. Для одной отдельной анимации бери /motion-build напрямую.

関連スキル