lowpoly-shorts

ローポリPS1ショート動画

全てはコードで実現：Claudeがショート動画ごとに1つのBlenderスクリプトを作成し、ユーザーのマシン上でレンダリング、フレームを確認して修正し、音声とキャプションを構築します。動画生成AIは使用しません。

examples/lift-rocket/（「もしエレベーターがロケットのように速かったら？」34秒）で実績あり。新たなショート動画を作成する前に、この例をテンプレートとして読んでください。

要件（まず確認し、不足しているものをインストール）

• Blender 4.2以上（5.3でテスト済み）。場所：PATH上のblender、または C:\Program Files\Blender Foundation\<ver>\blender.exe / /Applications/Blender.app/Contents/MacOS/Blender。
• Python 3.10以上、numpy pillow soundfile faster-whisper、PATH上のffmpeg。
• キャラクター：Quaternius「Ultimate Modular Men」（CC0、無料、quaternius.com）。assets/quaternius-modular-men/に解凍するか、LOWPOLY_PACKをそのIndividual Characters/Blendsフォルダに設定します。
• TTS音声（ElevenLabsまたはユーザーが持っている任意のツール）。オプション：サウンドチェック用のearshot MCP。

パイプライン（ショート動画ごとに1つのフォルダ、examples/lift-rocket/をコピーして開始）

#	ステップ	ファイル/コマンド	完了条件
1	脚本	script.md	フックとなる質問 + 結果の連鎖（それぞれが前より悪く、より面白い） + 実際の数字 + ドライなオチ。30～40秒で60～110ワード。すべての数字は情報源で確認し、Factsリストに記載。
2	音声	vo/takeA.mp3	2テイク録音し、ワードタイミングがきれいな方を選択。落ち着いた声ではなく、エネルギッシュなクリエイターの声（落ち着いた声は「退屈」とフィードバックされたため）。
3	ワードタイミング	python ../../scripts/words.py vo/takeA.mp3	takeA_words.jsonに長さ0のワードがない。
4	ショットリスト	script.md内のテーブル	ナレーションのフレーズごとに1ショット、1～3秒ごとに新しい絵、各ショットがワードタイムにキー設定されている。
5	シーン	build.py（Blender）	blender -b -P build.py -- frames --still 30,120,... でスチルをレンダリング。フルレンダリング前にすべてのスチルを確認。
6	プレビュー＋ノート	python ../../scripts/preview.py . render 次に serve	ユーザーに未処理のノートがない（プレビューループを参照）。
7	レンダリング	blender -b -P build.py -- frames	360x640 EEVEE PNG、f_0001.png...
8	サウンド	python build_mix.py	効果音をピクチャーフレームに配置、上にナレーション、下にローファイBGM、ダッキング。mix_raw.wav + cues.jsonを出力。
9	ポスト	python post.py	PS1ディザ、エフェクト、ワードハイライトキャプション、統計数値の表示 -> 1080x1920でout/に出力。
10	合成	以下を参照	short.mp4、その後測定と同期確認。

フレームルール（全般）：24 fps、フレーム1 = t 0、F = lambda t: int(round(t * 24)) + 1。

合成：

ffmpeg -y -framerate 24 -i out/f_%04d.png -i mix_raw.wav -c:v libx264 -crf 16 -pix_fmt yuv420p \
  -af "loudnorm=I=-15:TP=-1.5:LRA=11,aresample=48000" -c:a aac -b:a 192k -shortest short.mp4

映像を再編集せずに音声を後で差し替える場合： python ../../scripts/words.py vo/takeB.mp3 を実行し、次に python ../../scripts/align.py vo/takeA_words.json vo/takeB.mp3 --end 34（--end = ナレーションBGMが止まる場所、出力はend + 2秒の長さ。指定しない場合：最後のワード + 1.5秒となり、映像よりも短いファイルになる） -> takeB_aligned.wav + takeB_aligned_words.json が出力される。build_mix.py（VO環境変数）とpost.pyをこれらに向ける。

プレビューループ（フルレンダリング前）

ブラウザで高速低解像度プレビューを行い、ユーザーがタイムラインにノートを残し、Claudeが修正して内容の変わったショットのみを再レンダリングします。ショット = build.py内のカメラマーカー。

操作	コマンド（ショート動画のフォルダから実行）
プレビューをレンダリング	python ../../scripts/preview.py . render（初回：全ショット、以降：変更されたショットのみ）
ノートページを開く	python ../../scripts/preview.py . serve -> http://127.0.0.1:8765
ノートを読む	python ../../scripts/preview.py . notes（ショットごとにグループ化、フレーム番号付き）
修正後	build.pyを編集し、renderを再実行、次にpython ../../scripts/preview.py . done 3 5 --reply "変更した内容"
特定のショットを強制レンダリング	render --shots c_press,c_slam または render --all

• build.pyは--blend-only（シーンを構築して保存、レンダリングしない）を受け入れなければなりません。例を参照。
• 変更検出：プレビューフレームごとにフィンガープリント（アクティブカメラ、表示されている全オブジェクトのトランスフォーム、アーマチュアポーズ、フェイススワップ、マテリアル、ライト、メッシュデータ）を取得します。ショットは、そのフレームのいずれかが変更された場合のみ再レンダリングされます。変更されていないショットは古いフレームを保持します。
• preview.jsonの設定（オプション）：scale 50（%）、step 2（2フレームごと）、samples 1、audio（デフォルトはmix_raw.wav、それ以外はVO）、final = フルパイプラインのコマンド。ページの「承認して最終レンダリング」ボタンがそれらを実行します。notesはユーザーがクリックしたときにAPPROVEDと表示します。
• ノートを一つずつ修正し、それぞれに返答し、再レンダリングし、ユーザーに「何もリフレッシュする必要はありません」と伝えてください。ページは自動的にビデオをリロードします。同じ種類のノートが繰り返されると、このファイル内のルールになります。
• lift-rocketでの測定結果（RTX 3070 Tiラップトップ、820フレーム）：初回プレビュー76秒、1ショット変更13秒、変更なし12秒。フレームのレンダリング時間のほとんどは固定オーバーヘッドであるため、解像度を下げるよりもレンダリングするフレーム数を減らす方が効果的です。

キットAPI（scripts/lowpoly_kit.py、Blender内部でインポート）

• load_character(scn, "Suit") -> (armature, meshes, actions)。キャラクター：Adventurer, Beach, Casual_2, Casual_Hoodie, Farmer, King, Punk, Spacesuit, Suit, Swat, Worker。
• アクション（その場で、24）：Death, HitRecieve, HitRecieve_2, Idle, Idle_Neutral, Interact, Kick_Left/Right, Punch_Left/Right, Roll, Run, Run_Back/Left/Right, Walk, Wave, Gun_Shoot, Idle_Gun*, Idle_Sword, Sword_Slash, Run_Shoot。
• add_faces(scn, arm, head, tag, kinds, spec, drop)：アーマチュアを移動させる前に実行。kinds：neutral, blink, side, shock, grimace, squint, dazed, xeyes。dropはパックの3D目/眉毛を削除します。
• show_faces(faces, [(frame, kind), ...])：ハードカット。各フェイスは次のフェイスまで保持されます。
• nla(arm, [(action, start, end, blend[, influence]), ...])：後のエントリはより高いトラックに配置されます。
• drive_root(arm, [(frame, x, y, yaw, ease), ...], last)：yaw 0は-Y（デフォルトカメラ）を向きます。
• new_cam, aim, yaw_to, ps1_render_settings(scn, outdir)。
• セット：scripts/set_lift_lobby.py（BUILD_ONLY=Trueで実行すると、box, uv_world, matを返します）。新しいセットは同じパターン（interpolation = "Closest"のピクセルテクスチャを持つボックス）に従います。

ルックルール

• レンダリング解像度360x640、filter_size 0、AgX Punchy、フラットシェーディング。ポスト処理：15ビットカラー＋ベイヤーディザ、x3ニアレスト補間。
• フェイスは32x28ピクセルのフラットなデカールで、ハードカットで切り替えます。フェイスをスムーズにアニメーションさせないでください。
• 力が加わったときの押しつぶし：アーマチュアのスケールをキー設定（zを縮小、xyを拡大）。コメディのビート：高速イン（2〜3フレーム）、ホールド。
• キャプション：1〜3ワード、太めのサンセリフ、白色に黒のストローク、現在のワードは黄色、下3分の1（1920のy 1300）。
• 統計数値の表示：赤い角丸ボックス、上3分の1、4フレームかけてポップイン、実在の数字ごとに1つ。

サウンドルール

• すべての効果音は、そのピークがピクチャーフレームに重なるように配置します（at(name, frame, db, peak=...)）。
• 音声が最も重要：VOは0 dBFSにノーマライズ、効果音バスは-11 dB、音楽は-7 dB、さらに音声が話している間のサイドチェインダッキング（効果音-5 dB、音楽-9 dB）。リフトショートのv1では効果音が-3、音楽が0だったため「ナレーションが聞こえない」というフィードバックがありました。
• 音楽は大きなストップビートで完全にカットし、その後戻します。無音がギャグを引き立てます。
• マスター：loudnorm -15 LUFS、トゥルーピーク -1.5 dBTP。
• 確認：earshotのtimelineをmp4とcues.jsonで（目標：すべてのキューが100ミリ秒以内）、measureでLUFSを確認。

すでに発生したバグ（繰り返さないこと）

• パックメッシュはレンダリング非表示で出荷される：hide_render = False（キットが行う）。
• ドアメッシュはすでに閉じた位置にある：オフセットのみをアニメーションさせる。そうしないと、0.7mの隙間ができて閉じる。
• 天井が約2.75mより低いと、エレベーターサイズの車内のカメラから壁のディスプレイが見えなくなる。
• まだ見せてはいけないキャラクター：彼のショットまでlocation.z = -50をキー設定する。
• NLAのワンショットからホールドへの移行：クリップのblend_out = 0を設定する。そうしないと、1フレームだけポーズが飛ぶ。
• 逆ショットは真っ黒になる（照明のない天井）：フロントライトと天井に少しのエミッションを追加する。逆アングルは早めにレンダリングする。
• mp3でのfaster-whisperはPyAVの不一致で壊れる可能性がある：words.pyは最初にffmpegでデコードする。
• -0.04秒から始まるフレーズはアラインメントで空のスライスを生成する：max(0.0, ...)でクランプする（対応済み）。

コスト（リフトショート、RTX 3070 Tiラップトップ）

レンダリング820フレーム92秒、ポスト17秒、0ドル。キャラクター、効果音、音楽：0ドル（CC0＋コードで合成）。音声：ElevenLabsで1テイクあたり約0.10ドル、ショート動画あたり2テイク。

引き渡す前に

• スチルだけでなく、最終フレームのコンタクトシート（約2秒ごと）を確認する。
• ラウドネスを測定し、同期を確認し、キャプションがナレーションテキストと一致しているか確認する（スペル修正はpost.pyのFIXで行う）。
• 何を測定したか、何を人間が聴いていないかをユーザーに伝える。