音楽美学 MV
目的
ユーザーが、音楽、歌詞、タイポグラフィ、リファレンス、リズム、パフォーマンス、カメラ言語を統合的にデザインする必要がある、ミュージックビデオのプロンプトや感情的なショートフィルムのプロンプトを作成、修正、監査、または生成したい場合にこのスキルを使用します。このワークフローは、MVプロンプトルールをHub実行に適応させます。主要なクリエイティブ上の決定が確認され、ロックされたプロンプトはキャンバステキストノードに書き込まれ、メディア作成はHubエージェントに委任されます。
MVの構造がない、通常の字幕焼き付け、汎用的な動画編集、非音楽の製品広告、単一画像/単一クリップの単純なリクエストには使用しないでください。
Hub互換性ルール
- サードパーティ製ツール、シェルスクリプト、ブラウザプラグイン、外部生成APIを想定しないでください。
- ロックされたプロンプトとリビジョンは、Hubキャンバステキストノードに書き込んでください。
- キャラクターカード、シーンカード、タイポグラフィカード、ビデオクリップ、BGM、最終アセンブリは、Hubの画像、動画、音楽、編集エージェントに委任してください。
- 出力パスをハードコードせず、常にHubから返されたパスを使用してください。
- ユーザーが「確認をスキップして/とにかく実行して」と言った場合、外部オーケストレーターがアクティブなセッション認証を持っていない限り、現在の実行にのみ適用します。
- ユーザーがプロンプトのみを希望する場合は、配信後に停止します。ユーザーが完成したMVを希望する場合は、確認後、生成とアセンブリに進みます。
基本原則
- 構造を選択する前に、作業内容を理解してください。テンプレートは整理のためにありますが、必須の形式ではありません。
- 最新の確認済みクリエイティブ意図を使用してください。
- プレースホルダーを埋めるのではなく、無関係なフィールドは省略してください。
- プリセットに含まれているからといって、パフォーマンス、タイポグラフィ、トランジション、カメラムーブ、キャラクターアクションを機械的に追加しないでください。
- 画面上のテキストは、ユーザーが明示的に字幕を要求しない限り、通常の字幕ではなく、デザインされたビジュアルレイヤーです。
- ユーザーが実際の曲やビートをアップロードした場合、ユーザーが置き換えを要求しない限り、それがマスターミュージックベッドとなります。
- 15秒を超える動画のための自然なマルチショットステッチング: 持続時間がモデルの単一生成制限を超える場合は、「マルチショットストーリーボード分割 + テール/ヘッドフレーム継続 + ビートハードカット + グローバルマスターオーディオアライメント」を使用します。すべてのセグメントは、同じグルーヴ、テンポ感、アスペクト比、キャラクターロジック、ビジュアルプリセット、照明言語、タイポグラフィモーションルールを維持する必要があります。
- ユーザーが歌詞なしの完成した音楽美学MVを希望する場合、最初に歌詞を生成してロックします。最終的なMVは、キャラクター、タイポグラフィパッケージ、シーンカードを一緒に参照する必要があります。タイポグラフィパッケージカードは、テキストパッケージのスタイル、フォントテクスチャ、グラフィックデザイン、レイアウト比率、モーション言語のみを制御します。
ステップ 1: プリフライトロック
最終的な制作プロンプトを作成する前に、簡潔な推奨選択肢を用いて最低限の基盤を確認します。
1.1 動画フォーマット
固定オプションを提供します:
| 使用例 | アスペクト比 | 解像度 |
|---|---|---|
| TikTok / Reels / Shorts 縦長 | 9:16 | 1080×1920 |
| YouTube / Bilibili 横長 | 16:9 | 1920×1080 |
| フィード正方形 | 1:1 | 1080×1080 |
| 縦長広告テスト(高密度) | 9:16 | 720×1280 |
| シネマティックワイドスクリーンMV | 21:9 | 2560×1080 |
選択された比率は、キャラクターカード、シーンカード、タイポグラフィ参照、ショットプロンプト、ビデオクリップ、最終アセンブリで再利用される必要があります。
1.2 目標時間とマルチショット構造
プロンプト作成または動画生成の前に、目標MV時間を確認します。モデルのデフォルトをユーザーの意図として静かに使用しないでください。
コンパクトな時間カードを提供します:
- 10秒テスト: 1~2ショットでキャラクター、シーン、タイポグラフィ、オーディオスタイルを確認します。
- 15秒フック: 2~4の短いショットで、より完全なコーラス/フック/パフォーマンスフレーズを実現します。
- 30秒以上の完全なMV (マルチショットステッチング): 多くのモデルには15秒の単一生成上限があるため、自動的にマルチショットステッチングワークフローを使用します。最初に1つの連続した曲/BGMを生成またはロックし、30秒を4~8のダイナミックな2~5秒ショットに分割し、ビート同期とヘッド/テールフレームの連続性を使用してステッチします。
- カスタム時間: ユーザーが時間を提供し、選択したモデルの単一クリップ制限に基づいてショット数とステッチングを計画します。
アップロードされた音楽が存在する場合、確認された時間は音楽ウィンドウの長さになります。
1.3 音楽ウィンドウ
アップロードまたは指定された音楽が確認された時間よりも長い場合、プロンプトを作成する前にセグメントをロックします:
- 推奨ウィンドウ: アシスタントが最も強いコーラス/フック/感情的な転換点を特定し、確認を求めます。
- ユーザータイムスタンプ: ユーザーが開始秒と終了秒を提供します。両方がオーディオ内にあることを確認します。
- マルチバリアント: 広告フックテストまたは複数のクリエイティブ方向性の場合のみ。
音楽が目標時間よりも短い場合、ユーザーが明示的に引き伸ばしや延長を要求しない限り、フルオーディオを使用します。
1.3.0 歌詞ロックと歌詞優先フォールバック
最終的な動画プロンプトまたは生成の前に、歌詞の所有権を決定します:
- ユーザーが歌詞を提供した場合、それらはロックされた歌詞です。明示的に要求されない限り、生成、追加、書き換え、拡張、翻訳、言い換え、置き換えをしないでください。
- ユーザーが歌詞なしの完成した音楽美学MVを希望する場合、音楽スタイル、ボーカルモード、時間、感情、ビジュアルプリセットにマッチする短いオリジナル歌詞を生成し、ロックします。
- ロックされた歌詞は、ラップ/歌唱パフォーマンスと可視タイポグラフィの唯一のソーステキストです。
- ロックされた歌詞を各ショットの
Rap line:、Vocal line:、Soft vocal line:、またはSpoken line:に分割します。 - すべての
Typography:フィールドは、同じロックされた歌詞から来ている必要があります。ボーカルパフォーマンス中、可視テキストは、パフォーマンスされたフレーズと完全に一致する必要があります。 - 最終的なタイポグラフィMVでは、パフォーマーはロックされた歌詞をラップまたは歌い、唇の形、顎の動き、呼吸、顔のアクセント、うなずき、手のアクセントがフレージングとリズムに従って見える必要があります。
1.3.1 15秒を超える動画のデフォルトマルチショットステッチング
30秒などの15秒を超えるMVの場合、グローバルマルチショットプロンプトスクリプトが信頼できるソースです:
- 完全なマスターオーディオをロック: フルボーカルとグルーヴを唯一のオーディオベースラインとして、1つの連続した曲/BGMトラックをロックします。
- ショットリストタイムラインを構築: 30秒を4~8の2~5秒ショットに分割し、歌詞のタイムスタンプとスネア、808、ドロップなどのビートに正確にマッピングします。
- ヘッド/テールフレームとシーンの連続性: ショットBが同じシーンを続ける場合、ショットAのテールフレームをショットBのヘッドフレームとして使用します。ハードカットの場合は、同じキャラクターカード、ワードローブ、照明プロンプトを維持し、同じ方向のカメラモーションまたはマッチカット視覚要素を使用します。
- 生成と編集アセンブリ: ビデオエージェントがショットリストから各ショットを生成します。編集エージェントは、すべてのクリップをグローバルマスターオーディオのビートグリッドに合わせて、トリミング、スピードランピング、ステッチングを行い、自然なリップシンク、ビート同期、トランジションを実現します。
ステップ 2: クリエイティブコントラクト
最終的なプロンプトの前に、簡潔なクリエイティブコントラクトを作成します:
- 音楽ジャンル、楽器編成、テンポ/BPM感覚、ボーカルモード、感情的温度。
- 歌詞ソースとロックされた歌詞。
- 目標時間とマルチショット内訳(例: 30秒を6つの短いショットに分割)。
- 参照画像の役割: キャラクターカード、シーンカード、タイポグラフィパッケージカード。
- カメラ言語、ショットサイズ、フォーカス、ビートカット密度、トランジションロジック。
- フェードなし、光沢のあるAI美容顔なし、変形を引き起こす単一ショットの過度な引き伸ばしなしなどの排除事項。
ステップ 3: 参照の役割とシーンサンプリング
各参照画像に1つの狭いジョブを割り当てます:
- タイポグラフィ参照カード: テキストパッケージのスタイル、フォントテクスチャ、グラフィックデザイン、レイアウト比率、モーション言語のみを制御します。人物やシーンに貢献してはいけません。
- キャラクター参照カード: キャラクターのアイデンティティ、顔のオーラ、髪型、衣服のシルエット、プロポーション、ポーズ、存在感を制御します。
- シーン参照カード: シーンのスタイル、空間の雰囲気、画像のテクスチャ、背景の奥行き、照明のムードを制御します。
3.1 クローズアップシーン切り替えとマルチショットサンプリング
Trap、Dark-pop、Cyber-grungeなどのテンポの速いMVでは、複数のクローズアップ空間を素早く切り替えます:
- シーンムードは統一しますが、各ショットの空間は、局所的な背景、トンネル、壁、ライトストリップ、反射する床など、明確に異なっている必要があります。
- シーン切り替えは、ベースヒット、808ドロップ、スネア、ボーカルアクセント、タイポグラフィスマッシュなどの音楽的インパクトによってトリガーされる必要があります。
- ショット切り替えはトラップビート上の「ビジュアルサンプル」です: ハードカット、ジャンプカット、スキャングリッチカット、フラッシュカット、アクションマッチカット。
ステップ 4: プリセット文法、Dark-pop / Cyber-grunge および Trap の例
ビジュアルおよび編集言語
- リアルなハイファッションテクスチャとフィルムマガジンテクスチャ。90年代後半から00年代前半のインディーズ雑誌、コピー紙、フィルムスキャン、ジンコラージュを参照。
- ヘビーグレイン、わずかなフィルムジッター、ハーフトーンドット、粗い印刷エッジ、スキャンオフセット。
- 編集はハードカットのみを使用。フェード、ディゾルブ、ソフトトランジションは使用しません。
- 画像とタイポグラフィはビートキューに強く反応: ハイハットロールはマイクロシェイク/フレームスキップを作成、スネアはスケールアップ/ハードカット/肩のドロップをトリガー、808ベースヒットは低周波圧縮/ストレッチ/オフセットを作成。
タイポグラフィパッケージルール
- タイポグラフィは空間内の動的なグラフィックサブジェクトであり、字幕バーではありません。前景、中景、背景、または肩/手によって遮蔽される可能性があります。
- テキストは目や主要な表情を覆ってはならず、重要なリップシンク中は口を避けます。
- ボーカルがある場合、見える単語はパフォーマンスされた歌詞と正確に一致する必要があります。各ショットには1つの主要なタイポグラフィイベントのみがあります。
ステップ 5: プロンプト構造テンプレート
マルチショットスクリプトはショットごとにモジュール化され、正確な時間とオーディオマッピングが必要です:
[Global Aesthetic & Character Lock]: (グローバルキャラクターと美学アンカープロンプト)
Shot 1 (0.0s - 3.5s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: ベースヒットでShot 2へのハードカット / 同じ方向のウィップパン
Shot 2 (3.5s - 7.0s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: ...
ステップ 6: BGM連続性と自然なマルチショットステッチングシステム
6.1 グローバルオーディオ連続性
MV全体は1つのマスターオーディオトラックにバインドする必要があります。セグメント化された動画生成中、独立した切断されたクリップオーディオを使用しないでください。すべてのビデオクリップは、編集アセンブリ中にマスターオーディオタイムライン上の対応するタイムスタンプに合わせられます。
6.2 自然ステッチングプロトコル
15秒を超えるステッチングの場合、5つの連続性ロックを適用します:
ボーカルとリップの連続性: カットポイントは、歌詞の休止、ブレス、スネア、ドロップの位置に合わせます。アクティブな母音や歌詞の途中ではハードカットしないでください。ただし、次のショットが連続した口の形を持つ極端なクローズアップである場合は除きます。
リズムとビートマッチング: カットポイントは1/4または1/8ビートグリッドにヒットする必要があります。スピードランピングを使用して、うなずき、手のジェスチャー、まばたきをビートに合わせます。
美学とカラーグレーディング: すべてのクロスショット生成は、同じ美学ヘッダープロンプト(グレインレベル、LUT方向、光の方向)を保持します。最終アセンブリは、統合された35mmフィルムグレインとLUTを使用して、バッチ間の色の違いを隠します。
トランジションとモーションの連続性: ロングショットの継続の場合、前のテールフレームを次のヘッドフレームとして使用し、アクションの継続をプロンプトします。ハードシーン切り替えの場合、同じ方向のパンや手のオクルージョンマッチカットなどの運動連続性を使用します。
タイポグラフィモーションステッチング: 前のショットのテキストは、ベースヒットで粉砕、スイープアウト、またはスクリーンスマッシュする必要があります。次のショットのテキストは、アクセントでスマッシュインまたは展開し、視覚的勢いを伝達します。
ステップ 7: チェックリスト
配信前に静かに確認します:
- 目標時間が15秒を超える場合、マルチショット分割が自動的に使用されていますか?
- 1つのグローバルマスターオーディオがロックされ、カットポイントはビートに合わせられていますか?
- カットは歌詞中途でのボーカルブレイクを避け、自然なリップとブレスの連続性がありますか?
- 隣接するショットには、テール/ヘッドの継続、同じ方向の動き、マッチカット、ビートハードカットなどの明確なステッチングロジックがありますか?
- 編集スタイルは厳密にハードカットで、フェードやソフトトランジションはありませんか?
- キャラクター/シーン/タイポグラフィカードは、相互汚染なしに分離されていますか?
- タイポグラフィは空間レイヤーであり、目や主要な表情を決してブロックしませんか?
- 画質、グレイン、色、照明はグローバルに一貫していますか?
ステップ 8: キャンバス配信
完全なMVプロンプトスクリプトがロックされたら、Complete MV Prompt または 完整MV Prompt という名前の専用キャンバステキストノードに書き込みます。ノードには、完全なマルチショットプロンプトスクリプトとステッチングノートが含まれている必要があります。その後のリビジョンでは、同じノードを更新します。
ステップ 9: 最終MV生成とアセンブリワークフロー
- プロンプトロックとキャンバス書き込み: タイムスタンプ、歌詞マッピング、トランジションロジックを含む完全なマルチショットプロンプトスクリプトがキャンバスに書き込まれていることを確認します。
- 並行ショット生成: ビデオエージェントがショットリストから各2~5秒のショットを生成します。継続ショットの場合、前のショットのテールフレームを抽出し、次のI2Vヘッドフレームとして使用します。
- マルチトラック編集とステッチング: 編集エージェントがグローバルマスターオーディオをインポートし、すべてのショットビデオをタイムスタンプで位置合わせし、ビートグリッドでトリミングとスピードランピングを行い、同じ方向の動きやフラッシュカットマスキングで継ぎ目をチェックします。
- 仕上げ: 統一されたMovie LUTと35mmフィルムグレインオーバーレイを適用して、AIの人工感を低減し、視覚的一貫性をロックします。
- 配信: シームレスな完全MVビデオファイルを出力します。