ユニバーサルデュアルエンジンビデオディレクター&ジェネレーター (v4.0)
Remotionを使用したプロダクショングレードの自動動画生成スキル。9:16の縦型ショート動画(YouTube Shorts、TikTok、Instagram Reels、Facebook広告)向け。単一の統合プロジェクトの下に2つの異なるビジュアルエンジンを内包します。
┌────────────────────────┐
│ ユーザースクリプト or 音声 │
└───────────┬────────────┘
│
┌───────────────────────┴───────────────────────┐
▼ ▼
[ モード 1: キャラクターストーリー ] [ モード 2: キネティックプロモ ]
- プロシージャル2Dフラットキャラクター - 2Dフラットキネティックモーショングラフィックス
- セリフ&思考吹き出し - 固定ブランドヘッダー&ウォーターマーク
- 100% フルスクリーン背景とポーズ - ドットグリッドフローティングキャンバス
- セレクティブ字幕(重複なし) - ダークボトムキャプションピル+ネオングリーン
- 心理学的&人生ナラティブ - スクリプト駆動の特注ベクターアセット
1. エンジンモード選択 (Dual-Engine Mode Selection)
ユーザーは単一のスキルをインストールまたは使用します。スクリプトのタイプまたはユーザーの指示に応じて、適切なエンジンが自動的にアクティブになります。
| モード | トリガーキーワード | スクリプトのタイプ | ビジュアルメタファーとスタイル |
|---|---|---|---|
| モード 1: キャラクターストーリーテリングエンジン | story, cartoon, drama, character, golpo, গল্প, কার্টুন | キャラクターに依存した対話、心理的葛藤、教育物語、ポッドキャストナレーション | プロシージャル2Dフラットキャラクター、リップシンク、吹き出し、フルスクリーンの寝室/オフィス背景 |
| モード 2: キネティックモーショングラフィックス&プロモエンジン | promo, ad, commercial, saas, kinetic, explainer, বিজ্ঞাপন, প্রমো | 製品広告、SaaS/ソフトウェアデモ、Eコマースプロモ、ビジネス戦略 | ドットグリッドテクスチャ、ブランドヘッダー、コーナーウォーターマーク、フォーンモックアップ、カードメカニクス、ダークボトムキャプションピル |
[!TIP] ユーザーがモードを指定しない場合、スクリプトに目に見えるキャラクターや会話が含まれていればモード 1 (ストーリー)、ビジネス上の問題や製品ソリューションが含まれていればモード 2 (プロモ) が自動的に選択され、承認テーブルにその旨が記載されます。
2. ⚠️ 最重要ルール: 100% データ駆動型ユニバーサルスキルアーキテクチャ (Universal Data-Driven Architecture)
[!CAUTION] 新しいスクリプトごとに新しいReactコンポーネント、コードファイル、個別のフォルダ、または使い捨ての
.mjsスクリプトを作成することは固く禁止されています! これは、ユーザーがインストールして任意のトピックのスクリプトで実行できるグローバルユニバーサルスキルです。 すべてのスクリプト固有の変更(キャラクターの外見、服装、背景テーマ、対話、アクションビート、インフォグラフィック、セレクティブカード)は、1つの入力JSONファイルでのみ設定する必要があります。
ユニバーサル動画生成パイプライン (たった2つのコマンド):
- スクリプトからの自動合成と入力JSONの生成 (AI Director Analyzer)。
- スクリプトの内容、身体活動、オブジェクト/小道具、感情、対話を自動的に分析し、動的なストーリーボードを作成します。
python3 scripts/analyze-script-director.py --script=scripts/<story-name>.txt --out=scripts/<story-name>-input.json - または、
examples/sample-story-input.jsonを参考にして、シーンに応じてscripts/<story-name>-input.jsonを作成します。
- スクリプトの内容、身体活動、オブジェクト/小道具、感情、対話を自動的に分析し、動的なストーリーボードを作成します。
- ユニバーサルオーディオ&タイミング合成。
node scripts/tts-engine.mjs --input=scripts/<story-name>-input.json- これにより、Cartesiaまたは選択されたTTSを使用して各シーンの音声が自動生成され、オーディオの正確な秒数/フレームタイミングが入力JSONに保存されます。
- ユニバーサルタイムラインコンパイル。
node scripts/build-story-timeline.mjs --input=scripts/<story-name>-input.json- Remotion用の
template/src/timeline.jsonが作成されます。
- Remotion用の
- プレビューチェックとフルレンダリング。
cd template && npx remotion render src/index.ts Main ./out/<video-name>.mp4 --concurrency=4
3. モード 1: キャラクターストーリーテリングエンジンのルール (Mode 1 Guidelines)
- キャラクター形成、キャスティング、3人以上のキャラクターのステージング (Dynamic Character Casting & Staging)。
- スクリプトに基づくキャスティング: スクリプトに必要なキャラクターの人数を特定し、それぞれに固有のアイデンティティを作成する必要があります。
- 顔の独自性: 複数のキャラクターがいる場合、同じ顔/メガネをクローンしてはいけません。年齢、髪型、服装に明確な違いがなければなりません。
- メガネの使用: メガネは高齢者や特定の職業のキャラクターのみに許可されます。一般の顧客や従業員に不要な丸メガネをかけることは固く禁止されています。
- 服装と身分: 店主(パンジャビ/クルタ)、販売スタッフ(ユニフォーム/ポロシャツ)、お客様(カジュアルTシャツ/パーカー)。
- ソリッドヘアラインキャップ: 頭蓋骨は完全に覆われている必要があります(隙間のある三日月状の跡があってはなりません)。
- スケーリングとフレーミング (1、2、または3人のキャラクター)。
- 1人のキャラクター:
scale: 1.85、中央 (center) または左/右。 - 2人のキャラクター:
scale: 1.75、左右 (left: 80,right: 80,bottom: 160)。 - 3人のキャラクター (
tertiaryCharacter): 9:16フレームに3人がいる場合、正確な構図のためにscale: 1.55にします。左に2番目 (left: 20)、中央に3番目のキャラクター (center)、右にメインキャラクター (right: 20,flip: true) を配置します。
- 1人のキャラクター:
- 背景群衆レイヤー (
crowd)。- 店舗に買い物客やオフィスにチームがいる場合、
crowd: "shoppers"|"office_team"|"village_crowd"|"classroom_students"を追加します。これにより、キャラクターの背後 (zIndex: 12)、小さなスケール (scale: 1.1 - 1.15)、bottom: 240-260、軽いぼかし (blur: 2px) で自然な被写界深度 (Depth of Field) が作成されます。
- 店舗に買い物客やオフィスにチームがいる場合、
- 環境とコンテキストの分析 (Dynamic Environment & Semantic Procedural Fallback)。
- 環境に応じて、事前に作成された26以上の背景テーマを使用する必要があります。
- 店舗:
clothing_store,electronics_store,pharmacy,grocery_store - 住宅とたまり場:
living_room,home_study,tea_stall,cafe,wedding_hall - オフィスと組織:
corporate_office,hospital_clinic,police_station,classroom,deep_library - 村と屋外:
village_bazaar,village_sunset,street_outdoor,bus_interior - ムードと対立:
dark_conflict,dramatic_red,blue_melancholy,golden_sunrise
- 店舗:
- スマートセマンティックプロシージャルルームジェネレーター (No Blind Office Fallback)。
- 完全に新しい、またはリストにないテーマ(例:
bakery,gym,bank,courtroom,kitchen)が指定された場合、エンジンは盲目的にオフィスに切り替わりません。代わりに、テーマ名をデコードして、関連するシルエット、サインボード、インテリアカラーのベクターを自動生成します。
- 完全に新しい、またはリストにないテーマ(例:
- 各シーンは、画面の開始から終了まで常に100%フルスクリーン (
width: 100%, height: 100%) です。
- 環境に応じて、事前に作成された26以上の背景テーマを使用する必要があります。
- カメラシェイクとキャラクター振動ルール (Tone-Calibrated Screen Shake & Character Tremble - STRICT MAX 1.0-1.2 SECONDS)。
- ⚠️ 継続的なシェイクやキャラクターの震えは禁止: いかなる状況でも、シーンで10〜20秒間連続してカメラを揺らしたり、キャラクターを震えさせたりしてはいけません。これは視聴者に極度の不快感を与えます。
- キャラクター振動制限 (
trembleX): キャラクターの恐怖、怒り、ショックの場合、振動は最大1.0〜1.2秒 (30〜36フレーム) 持続し、その後スムーズにゼロに減衰して通常のポーズに戻ります。 - トーンチェック: 通常の対話、通常の議論、顧客との会話、または説明中は、画面とキャラクターは完全に静止しています (
screenShake: false)。 - 突然のショック制限: 非常に激しい突然の衝撃やショックの場合にのみ、最大1.0〜1.2秒 (30〜36フレーム) の一時的なシェイクが許可され、その後すぐにスムーズに減衰 (decay) してカメラは再び静止します。
- セリフ&思考吹き出し (
SpeechCalloutBubble)。- 高さ
top: 650で、吹き出しの尾が話しているキャラクターの頭を直接指すようにします(左:left: 180、右:right: 180)。 - 話者名タグ: 吹き出しの上に浮かんで表示されます (
zIndex: 60,padding: "5px 20px",border: "2.5px solid #ffffff")。
- 高さ
- ⚠️ セレクティブ字幕と正確な音声同期キャプション (Selective Subtitles & Voice-Matched Karaoke Pill)。
- 画面上に吹き出しやフルスクリーン中央カードが表示されている場合、下部の個別の字幕は完全にオフになります (Zero Duplicate)。
- 画面上に吹き出しやカードがない場合にのみ、ナレーションの実際の音声テキストから動的に生成された3〜5語のキャッチーなフレーズキャプションが下部に表示されます。
- キャプションは決して1行の静的な要約を引き伸ばすことはありません。音声で発音されている正確な単語が、フレーズごとにリアルタイムで画面上に表示されます。
- 視覚効果:
- 各フレーズが表示される際、ダークガラスのカプセルピルがスムーズなスプリングポップ (
springスケール) で出現します。 - 発音中のリアルタイム単語: ネオングリーン (
#22C55E) の発光テキスト + 背景ピルハイライト +scale(1.08)のパンチ。 - ハイライトキーワード: 鮮やかなアンバー/ゴールデンバッジ (
#F59E0B➔#EA580C)。 - フレーズの切り替え時に空白フレームやちらつきはありません。シームレスにフレーズから次のフレーズへと遷移します。
- 各フレーズが表示される際、ダークガラスのカプセルピルがスムーズなスプリングポップ (
- ⚠️ リップシンクとアクティブスピーカールール (Selective Speaker Lip-Sync Rule)。
- 画面に2人の人物がいる場合、吹き出しが指している方 (
speechBubble.speakerPosition) だけ が口を動かします (isSpeaking: true)。 - 聞き手側のキャラクターの口は、静かで閉じた状態を保ちます (
isSpeaking: false-> closed resting line)。2人の人物の口が同時に動くことは絶対にありません。
- 画面に2人の人物がいる場合、吹き出しが指している方 (
- ⚠️ 語り手と対話のタイミングルール (Narrator vs Dialogue Timing Rule)。
- シーンでナレーターまたは語り手が三人称で出来事を説明している場合、画面上のキャラクターの口は動かず (
isSpeaking: false)、吹き出しも表示されません。 - 吹き出しは、キャラクター自身の一人称の対話中にのみ、指定されたフレーム (
speechBubbles: [{ start, duration }]) で浮かび上がり、その特定の秒数の間だけ口が動きます。対話が終了すると吹き出しは消え、口は再び閉じます。
- シーンでナレーターまたは語り手が三人称で出来事を説明している場合、画面上のキャラクターの口は動かず (
- ⚠️ キャラクターの役割と対話の整合性 (Speaker Identity & Role Integrity)。
- あるキャラクターのセリフが、別のキャラクターの服装をしたキャラクターの口から発せられてはいけません(例:従業員の発言が顧客の口から出るのは重大なミスです)。
- シーン内の会話のキャラクターが変更された場合(店主と従業員から顧客の登場へ):シーンを小さなショット(カメラカット)に分割し、話している人が正しい服装で画面に表示されるようにする必要があります。
- ⚠️ 身体活動と一目でわかるアクションビート (At-A-Glance Timed Action Beats)。
- キャラクターをロボットのように腕をまっすぐにして立たせ続けてはいけません。また、活動をシーン全体で10〜15秒間フリーズさせてもいけません。
- アクションと小道具は、関連する対話中にのみ一目でわかる (2.0〜3.5秒) ように表示されます (
characterPoses/secondaryPoses)。- ノートチェック (
checking_khata): 会計や帳簿の話をしている間、両手で赤いノートを持って見下ろし、対話が終わるとノートを置いて通常のポーズに戻ります。 - 在庫検索 (
searching_inventory): 検索に関する対話中、棚に手を伸ばし、拡大鏡と空の棚タグが見えます。話が終わると手を下ろして通常に話します。 - サンプルシャツを掲げる (
holding_shirt): 顧客がシャツを要求した瞬間、2〜3秒間ハンガーに掛かったシャツを掲げて見せ、その後腕を組んで待ちます。 - イライラ待ち (
arms_crossed): 胸の前で腕を組んで立っています。
- ノートチェック (
- ⚠️ ショートフォームペーシングとカード保持制限 (Max 12-18s Card/Scene Retention Rule)。
- TikTok、YouTube Shorts、Reelsでは、単一の静止モーショングラフィックスやインフォグラフィックスカードを20〜40秒間連続して画面に保持してはいけません。これは視聴者離脱 (Audience Drop-off / Retention Killer) を引き起こします。
- 長いナレーションや説明テキスト(例:物語の教訓や結末)は、自動的に小さなビジュアルビートに分割する必要があります。
- キャラクターの感情的な解決 / 自己認識アニメーションシーン (12〜15秒): メインキャラクターの感情と静かな結末。
- コアモラル比較カード (15〜18秒): 素早く読める主要ポイントの比較。
- 視聴者インタラクション&フォローCTAカード (10〜12秒): 視聴者に直接コメントとフォローを促します。
- 各シーンとカードは、最大8〜18秒以内で変化し、新しい視覚的刺激を生成する必要があります。
- ⚠️ 活動に基づくビジュアルマッピングと小道具 (Activity-Driven Visual Storytelling & Literal Narrative Mapping)。
- スクリプトや音声で特定の身体活動が言及されている場合(例:「コンピューターから目を離さずに言った」、「机に座って仕事をしていた」、「店主が呼び寄せた」、「辞表を提出した」、「抗議した」):
- シーンには、その活動と適切な小道具が必ず視覚的に含まれている必要があります (
prop: "office_desk_computer"|"executive_desk"|"ceo_office_desk"|"resignation_letters"およびキャラクターポーズ:using_computer|sitting_desk|pointing|reading_document|celebrating)。 - キャラクターを空の部屋にロボットのように立たせたままにしてはいけません。説明にコンピューターや机が含まれている場合は、テーブルに座ってモニターで作業している視点を描き出す必要があります。
- シーンには、その活動と適切な小道具が必ず視覚的に含まれている必要があります (
- スクリプトや音声で特定の身体活動が言及されている場合(例:「コンピューターから目を離さずに言った」、「机に座って仕事をしていた」、「店主が呼び寄せた」、「辞表を提出した」、「抗議した」):
- ⚠️ シーン分割と頻繁なシーン変更 (Strict 4-10s Scene Granularity & Dynamic Perspective Rule)。
- ストーリー全体を通して、単一の背景やフレームを20〜30秒間連続して保持してはいけません。音声のトピックやムードが変化するのに合わせて、ビジュアルシーンも必ずカットする必要があります。
- 各シーンは最大4〜10秒の長さにします。
- 説明で時間の経過、役職の変更、場所の移動が含まれる場合(例:一般従業員 ➔ 抗議 ➔ 集まり ➔ マネージャー昇進 ➔ 懲戒通知 ➔ 同僚の恐れ ➔ スモンとの対立 ➔ 集団辞職 ➔ オーナーの部屋 ➔ 孤独な気づき)、それぞれに個別のビジュアルシーン、フレーム、視点を確保する必要があります。
- ⚠️ ユニバーサルアクション、オブジェクト、着席マトリックス (Universal Semantic Action-to-Prop & Seating Matrix)。
- スクリプトで言及されているトピックや環境に関係なく、キャラクターを盲目的に立たせたままにしてはいけません。以下のマトリックスに従って、自動的に小道具と着席を配置する必要があります。
| シーンとコンテキスト | 自動小道具 (prop) | 着席 |
|---|---|---|
| オフィス/仕事 | office_desk_computer, executive_desk, ceo_office_desk, resignation_letters | 机に座る (seat: "office_chair") |
| 店舗/ビジネス | shop_counter, cash_register, clothes_rack, product_shelf | カウンターのスツールに座る (seat: "stool") |
| 家庭/リラックス | sofa, coffee_table, tv_remote | ソファに座る (seat: "sofa") |
| 路上/屋外 | street_lamp, bench, tree | ベンチに座る (seat: "bench") |
| 教育/図書館 | bookshelf, desk, lamp | 机の椅子に座る (seat: "chair") |
4. モード 2: キネティックモーショングラフィックス&プロモエンジンのルール (Mode 2 Guidelines)
- 固定ブランドヘッダーと透かし (Fixed Brand Header & Watermark)。
- 全シーンで、画面トップに固定ブランドバー (
BrandHeader) が表示されます。 - 右下のコーナーに透かし (
cornerWatermark) が表示されます。これらのパラメータはbrandingセクションの入力JSONで設定されます。
- 全シーンで、画面トップに固定ブランドバー (
- ビジュアル要素 (Visual Elements)。
- ドットグリッド背景: 全画面に浮遊するドットグリッド (
DotGrid) が使用されます。 - フォーンモックアップ: 製品やアプリのデモに使用されます。画面中央に浮かび、傾きアニメーションが適用されます。
- カードメカニクス: 情報は
cardsとして表示され、カードはscale + opacityアニメーションで出現し、画面中央に表示されます。各カードは最大12〜15秒表示され、その後次のカードにフェードアウト/インします。 - ダークボトムキャプションピル: 画面下部に、暗い背景のカプセル型 (
border-radius: 50px) のキャプションエリアが固定表示されます。キャプションはネオングリーン (#22C55E) でハイライトされます。
- ドットグリッド背景: 全画面に浮遊するドットグリッド (
- ⚠️ 厳格なテキスト表示制限 (Strict 4-12s Text Retention Rule)。
- テキストが多いスライドやバレットポイントは、1スライドあたり最大12秒間だけ表示できます。
- 各スライドは、
title,subtitle,bullet1,bullet2,bullet3で構成され、アニメーションでフェードイン/アウトします。
- ⚠️ ユニバーサルグラフィックアセット合成 (Universal Graphic Asset Synthesis)。
- このモードでは、すべてのグラフィック要素(アイコン、イラスト、チャート、図)がスクリプトのトピックに基づいて動的に生成されます。
- 再利用禁止: 同じトピックのビデオであっても、以前のプロジェクトのアイコンやベクターを再利用することは絶対に禁止されています。各スクリプトは、そのコンテキストに合わせて特別にデザインされた新しいSVGベクターコンポーネントを取得する必要があります。
5. ⚠️ 重要: 2段階承認レビューワークフロー (Two-Point Approval Workflow)
[!IMPORTANT] レンダリングを開始する前、または出力をユーザーに送信する前に、以下の2点を厳密に確認し、承認テーブルにチェックマークを付ける必要があります。
✅ 承認ポイント 1 (美学と構成)
- すべてのキャラクターに適切な服装と独自の顔がありますか?
- 背景は100%フルスクリーンで、シーンに意味的に関連していますか?
- 吹き出しは正しい話者を指していますか?フォントサイズとパディングは適切ですか?
- カメラシェイクとキャラクター振動は1.2秒の制限内ですか?
- キネティックモードの場合: ブランドヘッダー、透かし、ドットグリッドが正しく表示されていますか?
✅ 承認ポイント 2 (物語と時間的整合性)
- キャラクターの口は正しく同期していますか?(アクティブスピーカーのみが動いていますか?)
- 字幕は音声と正確に一致し、重複はありませんか?
- 各シーン/カードの長さは4〜18秒以内ですか?(モード1は4-10秒、モード2はカード最大12秒)
- アクションビートと小道具はスクリプトと一致し、適切なタイミングで表示されますか?
- シーンカットはスクリプトのトーンとペースの変化と一致していますか?
# 承認ワークフローの例
- [x] 承認ポイント 1: すべてのキャラクターに固有の顔と適切な服装がある。背景は各シーンに意味的に関連している。
- [x] 承認ポイント 2: リップシンクが正しい。字幕に重複がない。アクションビートが適切にタイミング設定されている。
6. 入力JSONフォーマット (Input JSON Definition)
<story-name>-input.json ファイルの構造は以下の通りです(examples/sample-story-input.json も参照)。
トップレベルプロパティ
engineMode:"story"または"promo"。scriptTitle: (string) ビデオのタイトル。scenes: (array) シーンオブジェクトの配列。branding: (object, モード2のみ必須) ブランド設定。headerText: (string) ヘッダーに表示するテキスト。watermarkText: (string) 透かしテキスト。
シーンオブジェクト (モード1)
各シーンは以下のプロパティを持ちます:
sceneId: (number) シーン番号。background: (object) 背景設定。theme: (string) 背景テーマ名(例:"clothing_store")。crowd: (string, optional) 群衆タイプ。
dialogue: (object) 対話設定。text: (string) セリフのテキスト。speaker: (string) 話者のキャラクターID。
speechBubble: (object) 吹き出しの位置。speakerPosition:"left"|"center"|"right"。
characterPoses: (object) メインキャラクターのポーズ。pose: (string) ポーズ名(例:"checking_khata")。prop: (string, optional) 使用する小道具。
camera: (object) カメラ設定(シェイクなど)。screenShake: (boolean) シェイクの有無。trembleX: (number, optional) 振動の持続時間(秒)。
シーンオブジェクト (モード2)
sceneId: (number) シーン番号。title: (string) スライドのタイトル。subtitle: (string, optional) サブタイトル。bullets: (array of strings) 箇条書き(最大3つ)。graphicType: (string) グラフィックタイプ(例:"phone_mockup","chart","icon_grid")。graphicTheme: (string, optional) グラフィックのテーマ(動的アセット生成のヒント)。duration: (number) シーンの表示時間(秒、最大12秒)。
7. スクリプト例 (Sample Script & Workflow)
サンプルスクリプトファイル scripts/store-story.txt:
タイトル: 正直な店主
[シーン 1]
背景: 衣料品店。店主が帳簿をチェックしている。
店主: (帳簿を見ながら)今月の売上は先月よりちょっと少ないな。
[シーン 2]
客が入ってくる。
客: すみません、赤いシャツを見せてください。
店主: はい、こちらです。(シャツを掲げる)
...
ワークフロー:
- スクリプトを分析して JSON を生成する:
python3 scripts/analyze-script-director.py --script=scripts/store-story.txt --out=scripts/store-story-input.json - 生成された JSON を確認し、2段階承認を実行する。
- 音声を生成する:
node scripts/tts-engine.mjs --input=scripts/store-story-input.json - タイムラインをビルドする:
node scripts/build-story-timeline.mjs --input=scripts/store-story-input.json - レンダリングする:
cd template && npx remotion render src/index.ts Main ./out/store-story.mp4 --concurrency=4
8. トラブルシューティングと注意点
- アセットが見つからない:
scripts/ディレクトリに、対応する<story-name>-input.jsonファイルが存在することを確認してください。 - 音声が生成されない:
TTS_ENGINE環境変数が正しく設定されていること、およびインターネット接続を確認してください。 - レンダリングが遅い:
--concurrencyフラグで並列処理数を調整してください。デフォルトは4です。 - キャラクターが重なる: 入力JSONの
characterPosesでleft、right、bottomの値を調整し、3人以上のキャラクターのscale値を確認してください。 - 吹き出しがキャラクターから離れている:
speechBubble.speakerPositionが正しいことを確認し、top(デフォルト650)、left、rightの値を調整してください。
このスキルは、高品質でプロフェッショナルな縦型動画を効率的に生成するために設計されています。常に2段階承認ワークフローに従い、スクリプトの整合性と視覚的な一貫性を維持してください。