music-to-video — 1つの楽曲に基づいた、ビート同期の動画ワークフロー
このスキルは、楽曲をビート同期のHyperFrames動画に変換します。トラックを1回解析し、フレームをレイアウトし、フレームごとの計画を記入し、各フレームをコンポジションとして構築します。入力は楽曲と、オプションのユーザー画像または動画です — ナレーションやWebサイトキャプチャはありません。タイポグラフィとテンプレートが基本です(完全な動画にアセットは不要)。ユーザーが提供したメディアは、同じビートグリッド上でカットインされます。
あなたはオーケストレーターです。videos/<project>/ で作業します。ステップを順に実行し、次に進む前に各ゲートを通過してください。2つのステップでユーザーの操作が必要です:ステップ3(計画承認)とステップ6(レンダリング承認)。ステップ4(フレームごとに1つのサブエージェントを起動)を除き、すべてのステップを自分で行います。デザインとモーションのルールはこのファイルには記述せず、references/ と frame-worker サブエージェントに配置します。
SKILL_DIR = このスキルディレクトリ。PROJECT_DIR = videos/<project-name>/。
ワークフロー:ステップ0 セットアップ → hyperframes.json + assets/bgm.mp3;ステップ1 解析 → audiomap.json;ステップ2 スケルトン → STORYBOARD.md(フレーム、グループは TBD);ステップ3 計画 → 完全な STORYBOARD.md + frame.md;ステップ4 ビルド → compositions/frames/NN-*.html;ステップ5 アセンブル → index.html;ステップ6 レンダリング → renders/video.mp4。
すべてを形作る2つの考え方
- 1つのアナライザー、そしてそれを信頼すること。
analyze-beatgrid.pyが唯一のビートアナライザーです — 他のツールや耳でビートを再測定しないでください。そのエネルギー/密度/ロール/オンセット/無音は常に信頼できます。そのbpmとbeats_secは、音楽が本当にリズミカルな場合にのみ信頼できます。穏やかな音楽では、グリッドはトラッカーが課したメトロノームであるため、代わりにフレーズとエネルギーでペースを調整し、それにハードカットしないでください。どちらのケースに該当するかを判断するのは、各フレームのpacing(ステップ2)です。 - 1フレーム = 1ファイル;グループは内部に存在する。 ステップ2でトラックをフレームに分割し、各フレームは1つのコンポジションファイル
compositions/frames/NN-<frame_id>.htmlになり、1つの frame-worker によって構築されます。フレームはグループ(テンプレートまたはモーションプリミティブの組み合わせ)に細分化できます。追加の密度はグループの内部に配置されるため、フレーム数はビートではなく、異なる処理を追跡します — 速いトラックでもサブエージェントの数が爆発的に増えることはありません。
ステップ0:セットアップ、BGM、および入力
目標:音楽ソースを確立し、HyperFramesプロジェクトを作成し、ユーザーから提供されたメディアを記録します。
音楽が背骨です — 他のすべての前に1つのトラックを確立します。このスキルは速くてエネルギッシュなBGMに最適化されています。強いビートグリッドがカットを駆動します(穏やかなトラックでも機能しますが、ビートではなくフレーズでペースを調整します)。ユーザーが音声 — 音楽ファイル、または音声を抽出する動画 — を提供した場合は、それを使用します。そうでない場合は、生成します:ユーザーの説明からムードを選択し(例:「ドライブするシンセウェーブ」、「トラップビート」、「アップビートなコーポレート」)、/hyperframes-media を介してトラックを生成します(references/bgm.md — 認証情報があればHeyGen取得、そうでなければローカルのLyria / MusicGen;ElevenLabsや他のジェネレーターも機能します)。生成する前に、npx hyperframes auth status を実行し、その出力をそのまま中継します(言い換えたり書き換えたりしないでください) — BGMがHeyGenから来るかローカルのMusicGenから来るか、サインインしていない場合はサインイン方法が表示されます。サインインしていない場合は、STOPしてユーザーが選択するのを待ちます — サインインするか、ローカルのMusicGenでオフラインで続行するか — トラックを生成する前に;リポジトリごとの .env にキーを書き込まないでください。(自律モードでは、ステータスを記録し、オフラインで続行します。)正式なガイダンスについては /hyperframes-media → Preflightを参照してください。どちらの場合でも、トラックは assets/bgm.mp3 に配置されます。ユーザーから提供された画像や動画をステージングし、フレームがビートグリッド上でそれらを織り込めるようにします。そうでなければ、タイポグラフィが動画全体を担当します。
hyperframes.json が欠落している場合にのみ初期化します。<project> には、ブリーフからケバブケースで名前を付けます(例:midnight-drive-loop) — タイムスタンプは使用しないでください。init は、インストールされているスキルをGitHub上の最新バージョンと照合し、古いものがあればグローバルセットを更新します。
npx hyperframes init "videos/<project>" --non-interactive --example=blank
mkdir -p "$PROJECT_DIR/assets" "$PROJECT_DIR/renders"
cp "<user-music>" "$PROJECT_DIR/assets/bgm.mp3" # 必要に応じて最初に動画から抽出
# ユーザーが画像/動画を提供した場合のみ:
node <SKILL_DIR>/scripts/stage-assets.mjs --from <dir> --hyperframes "$PROJECT_DIR" --into public
ブランド(フォント+パレット)はここではなくステップ3で選択します。事前にジャンルやトラックタイプを選択しないでください — アセットは単なるオプションの材料であり、ジャンルはフレームごとの選択から現れます。
ゲート: hyperframes.json + assets/bgm.mp3 が存在する;アスペクト比/長さ/fps、および(もしあれば)アセットインベントリが記録されている。
ステップ1:音楽を解析する
目標:動画全体の基盤となる、唯一の正規のタイミング解析を生成します。
analyze-beatgrid.py が唯一のビートアナライザーです — 他のツールや耳でビートを再測定しないでください。トラックを1回読み取り、audiomap.json を書き出します。エネルギー位相(レベル/密度/フィール)、オンセット + onset_rate、ロール、無音、hard_stops、key_moments、フレーズ、テンポ/グリッド、audio.duration_sec が含まれます。これは決定論的です — 同じファイルは常に同じマップを生成します。ほとんどのフィールドはあらゆる音楽で信頼できます。bpm と beats_sec は、音楽が本当にリズミカルな場合にのみ信頼でき、その判断はステップ2であなたが行います。
前提条件:librosa、numpy、soundfile が利用可能なPython 3。インポートに失敗した場合は、アナライザーを実行する前にアクティブなPython環境にそれらをインストールします:
python3 -m pip install librosa numpy soundfile
python3 <SKILL_DIR>/scripts/analyze-beatgrid.py "$PROJECT_DIR/assets/bgm.mp3" \
-o "$PROJECT_DIR/audiomap.json" --print
ゲート: audiomap.json が存在する;audio.duration_sec が既知である。
ステップ2:フレームスケルトン(構造のみ)
目標:音楽を読み取り、フレームをレイアウトする — STORYBOARD.md のスケルトン。
references/frame-skeleton.md を読んでください。audiomap.json を自分で STORYBOARD.md のスケルトンに変換します — 中間JSONはありません。トラックを実際の音楽的変化(hard_stops、SURGE / DROP key_moments、ロールのエッジ、オンセットのないストレッチ、大きなエネルギージャンプ)でフレームに分割し、すべての境界をオーディオマップのアンカーにスナップします。各フレームに対して、span_sec、pacing(ステップ1の信頼判断の結果 — グリッドが本物の場合は beat_cut、穏やかな音楽に課されたメトロノームの場合は phrase_flow)、mood、および1行の feel(ステップ3でテンプレートを照合するためのプレーンな音楽状況)を設定します。ここでは分類してレイアウトするだけです:すべてのフレームの ### Groups は TBD(ステップ3) のままにし、フロントマターの style は空白にします — テンプレート、コピー、色、フォントはなし。約1〜6フレームを想定しています。
ゲート: フレームがトラックをタイル状に覆っている(最初は0、最後はduration_s);各フレームが span_sec + pacing + mood + feel を持っている;すべての ### Groups が TBD である;コンテンツはどこにもない。
ステップ3:計画を記入する(ユーザーゲート)
目標:スケルトンを承認された完全な STORYBOARD.md に変換します。
references/planning.md、storyboard-format.md、template-catalog.md、motion-primitive-catalog.md、および montage.md(ユーザーがアセットを提供した場合のみ)を読んでください。同じファイルをその場で編集し、2つのことを行います:
- ブランドを選択する。
../hyperframes-creative/frame-presets/から1つのプリセットを、../hyperframes-creative/references/design-spec.mdのテーブルを使用して選択します(トラックのムードに一致させる;フォントと色のみが重要 — コンポジションはテンプレートが担当します)。それを変更せずにframe.mdにコピーし、フロントマターのstyle(フォント+≤4–6スウォッチパレット)をそれから埋めます。 - すべてのフレームを記入する。 そのグループを決定し、各グループに処理を施します:カタログから適合するテンプレート(バインドされたパラメータと実際のオーディオマップアンカーを使用)、プリミティブカタログからの自由構成、または
pacingに従うアセット処理を選択します。コピーを書きます。あなたはWHAT(テンプレート/プリミティブ+コンテンツ+アンカー)を所有します;frame-workerはHOWを所有します — ストーリーボードにミリ秒単位のトゥイーンを決して書かないでください。
node <SKILL_DIR>/scripts/validate-plan.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--audiomap "$PROJECT_DIR/audiomap.json" --templates <SKILL_DIR>/references/templates
すべての ✗(ハードエラー:期間の不一致、フレームがトラックをタイル状に覆っていない、src の欠落)を修正します;警告はベストエフォートです。次に、ユーザーにフレームごとの要約を表示し、承認されるまで繰り返します。
ゲート: frame.md はプリセットの逐語的なコピーである;validate-plan.mjs が終了コード0で終了する;ユーザーが計画を承認した。
ステップ4:計画からフレームを構築する
目標:すべてのフレームを自己完結型のコンポジションファイルとして構築します。
compositions/frames/ を作成します。sub-agents/frame-worker.md と ../hyperframes-core/references/subagent-dispatch.md を読んでください。フレームごとに1つの frame-worker を、可能な限り並行して(そうでなければウェーブで)起動します。各ワーカーは正確に1つのフレームと以下のコンテキストを受け取ります:
PROJECT_DIR: <絶対パス>
frame_id: <NN-frame_id> # = フレームファイルのステム、例:02-f2;コンポジションID
あなたのブロック:PROJECT_DIR/STORYBOARD.md の `## Frame N — <frame_id>` ブロック
audiomap: PROJECT_DIR/audiomap.json
frame.md: PROJECT_DIR/frame.md
マテリアル:各グループについて、<SKILL_DIR>/references/templates/<id>/index.html(テンプレート)および
<SKILL_DIR>/references/motion-primitives/<id>/(自由);ステージングされた assets/(アセットグループ)
契約:../hyperframes-core/references/sub-compositions.md + determinism-rules.md
キャンバス:<w>×<h> ペーシング:<beat_cut|phrase_flow>
書き込み先:PROJECT_DIR/compositions/frames/<frame_id>.html
ワーカーは引用されたマテリアルをフォークし、すべてのアンカーをフレームローカル秒に変換し(local_t = track_t − span_sec[0])、グループを0msカットでゲートし、1つのシークセーフなフレームファイルを書き込みます。ワーカーは hyperframes CLI を決して実行しません — これらのコマンドはアセンブルされたプロジェクトで動作しますが、まだ存在しないため、間違ったファイルについて報告することになります。ワーカーは契約に従って書き込んで停止するだけです;アセンブリ後(ステップ6)に検証します。各ワーカーが戻ってきたら、そのファイルがディスクに書き込まれたことを確認できます。
ゲート: すべてのフレームの compositions/frames/NN-*.html がディスク上にある。
ステップ5:アセンブル
目標:構築されたフレーム + BGMを再生可能な index.html に配線します。
assemble-index.mjs は決定論的です — サブエージェントも判断もありません。各フレームファイルを累積 data-start で参照し、assets/bgm.mp3 をトラック11にマウントし、フレーム→フレームをハードカットします(フレームは隙間なくトラックをタイル状に覆うため、トランジションインジェクターはありません)。
node <SKILL_DIR>/scripts/assemble-index.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--hyperframes "$PROJECT_DIR" --audiomap "$PROJECT_DIR/audiomap.json"
報告された ✗ を修正します — 欠落または空白のフレームファイルは、そのワーカーが部分的なファイルを書き込んだことを意味します;それを再ディスパッチし(ステップ4)、再アセンブルします。
ゲート: index.html が存在する;合計期間 == audiomap.audio.duration_sec。
ステップ6:検証してレンダリングする
目標:アセンブルされた動画を検証し、ユーザーの承認を得て、最終的なMP4をレンダリングします。
アセンブルされたプロジェクトでCLIを実行します — それが正しい単位です(フレームごとのワーカーは実行できませんでした)。lint は構造をチェックし、validate はヘッドレスChromeを実行し(JSエラーと不足アセットをキャッチ)、inspect はフレームのスナップショットを撮ります。
( cd "$PROJECT_DIR" && npx hyperframes lint . && npx hyperframes validate . && npx hyperframes inspect . )
t=0、各フレーム開始、最強のDROP / SURGE、すべての hard_stops[].t、および最終フレームでインスペクトします。失敗した場合は、最も安価で安全な修正を自分で行います:問題のある compositions/frames/NN-*.html を編集します。同期の問題を隠すために期間やオーディオタイミングを変更しないでください。ゲートが合格したら、ユーザーレビューのために一時停止し、承認された場合のみレンダリングします:
( cd "$PROJECT_DIR" && npx hyperframes render . --skill=music-to-video -q draft -o renders/video.mp4 --fps 30 )
ゲート: lint / validate / inspect が合格した;ユーザーが承認した;renders/video.mp4 がオーディオとともに存在し、期間 == audiomap.audio.duration_sec。最終的な返信はMP4のパスと期間を記載します。
再開テーブル
| 持っているもの | 再開するステップ |
|---|---|
assets/bgm.mp3 のみ | ステップ1 |
audiomap.json | ステップ2 |
STORYBOARD.md(スケルトン) | ステップ3 |
STORYBOARD.md(完全) | ステップ4 |
| すべてのフレームファイル | ステップ5 |
index.html | ステップ6 |
クイックリファレンス
フォーマット: デフォルトはランドスケープ 1920x1080;ポートレート 1080x1920;スクエア 1080x1080。キャンバスはストーリーボードのフロントマターで1回設定します(canvas: { w, h, fps })。
スクリプト は scripts/ の下にあります:analyze-beatgrid.py(唯一のアナライザー)、validate-plan.mjs(計画チェック)、assemble-index.mjs(インデックスアセンブリ)、stage-assets.mjs(ユーザーメディアのステージング)、lib/storyboard.mjs(ベンダリングされたパーサー)。その他はすべて hyperframes CLIです。
| 読む | いつ |
|---|---|
references/frame-skeleton.md | ステップ2:音楽を読み、フレームをレイアウトし、ペーシングを設定する |
references/planning.md · storyboard-format.md | ステップ3:ブランドを選択し、各フレームを記入し、計画を書く |
references/template-catalog.md | ステップ3:グループごとにテンプレートを選択する |
references/motion-primitive-catalog.md | ステップ3:必要な場合、自由構成用のモーションプリミティブを選択する |
references/montage.md | ステップ3:ユーザーアセット(画像/動画)をビートグリッドにカットインする |
sub-agents/frame-worker.md | ステップ4:フレームごとに1つのサブエージェントを起動する |
../hyperframes-core/references/subagent-dispatch.md | ステップ4:サブエージェントの起動方法に関する契約 |
../hyperframes-core/references/sub-compositions.md | ステップ4:サブコンポジション契約 |
../hyperframes-core/references/determinism-rules.md | ステップ4:決定論的ビルドルール |