解説動画ガイド
inference.sh CLIを使用して、解説動画をスクリプトから最終カットまで作成します。
クイックスタート
inference.sh CLI (belt) が必要です。インストール手順
belt login
belt app run google/veo-3-1-fast --input '{
"prompt": "Clean motion graphics style animation, abstract data flowing between connected nodes, blue and white color scheme, professional corporate aesthetic, smooth transitions"
}'
スクリプトフォーミュラ
PAS (Problem-Agitate-Solve) — 60秒
| セクション | 時間 | 内容 | 文字数目安 |
|---|
| 問題 (Problem) | 10秒 | 視聴者が抱えるペインポイントを提示 | ~70文字 |
| 扇動 (Agitate) | 10秒 | 問題が想像以上に深刻であることを示す | ~70文字 |
| 解決策 (Solution) | 15秒 | あなたの製品やアイデアを紹介 | ~100文字 |
| 仕組み (How It Works) | 20秒 | 主要な3つのステップや機能を示す | ~140文字 |
| CTA | 5秒 | 明確な次のアクションをひとつ提示 | ~35文字 |
BAB (Before-After-Bridge) — 90秒
| セクション | 時間 | 内容 |
|---|
| Before (現状) | 15秒 | 現在のイライラする状態を示す |
| After (理想) | 15秒 | 理想的な結果を示す |
| Bridge (架け橋) | 40秒 | あなたの製品がどうやって理想に導くかを説明 |
| 社会的証明 | 10秒 | 簡単な統計や推薦の言葉 |
| CTA | 10秒 | 明確な次のステップ |
フィーチャースポットライト — 30秒 (ソーシャルメディア向け)
| セクション | 時間 | 内容 |
|---|
| フック | 3秒 | 驚くべき事実や質問 |
| 機能 | 15秒 | 一つの機能が一つの問題を解決する様子を示す |
| 結果 | 7秒 | 成果やメリット |
| CTA | 5秒 | 試してみる/もっと詳しく |
ペーシングのルール
| コンテンツタイプ | 1分あたりの単語数 | 備考 |
|---|
| 標準ナレーション | 150 wpm | 会話的なペース |
| 複雑/技術的 | 120 wpm | 処理時間を確保 |
| エネルギッシュ/ソーシャル | 170 wpm | 短尺動画向けに高速 |
| 子供向けコンテンツ | 100 wpm | 明確でゆっくり |
重要なルール: 1シーンにつき1つの主要メッセージ。複数のアイデアを1つのビジュアルに詰め込まない。
シーン時間ガイドライン
- 導入ショット: 3〜5秒
- 機能デモ: 5〜8秒
- テキスト/統計表示: 3〜4秒 (読みやすく)
- トランジション: 0.5〜1秒
- CTA画面: 3〜5秒
ビジュアル制作
シーンタイプ
belt app run google/veo-3-1-fast --input '{
"prompt": "Clean product demonstration video, hands typing on a laptop showing a dashboard interface, bright modern office, soft natural lighting, professional"
}'
belt app run bytedance/seedance-1-5-pro --input '{
"prompt": "Abstract motion graphics, colorful data streams connecting floating geometric shapes, smooth fluid animation, dark background with glowing elements, tech aesthetic"
}'
belt app run google/veo-3-1-fast --input '{
"prompt": "Happy person relaxing on couch with laptop, smiling at screen, bright airy living room, warm afternoon light, satisfied customer feeling, lifestyle commercial style"
}'
belt app run falai/flux-dev-lora --input '{
"prompt": "Split screen comparison, left side cluttered messy desk with papers and stress, right side clean organized minimalist workspace, dramatic difference, clean design"
}'
画像を動画に変換してシーン作成
belt app run falai/flux-dev-lora --input '{
"prompt": "Professional workspace with glowing holographic interface, futuristic but clean, blue accent lighting"
}'
belt app run falai/wan-2-5-i2v --input '{
"prompt": "Gentle camera push in, holographic elements subtly floating and rotating, soft ambient light shifts",
"image": "path/to/workspace-still.png"
}'
ナレーション制作
スクリプト作成のヒント
- 短い文章にする。1文あたり最大40文字以内。
- 能動態を使う。「データを追跡できます」であって「データは追跡できます」ではない。
- 会話調にする。声に出して読んでみて、堅苦しく感じたら書き直す。
- 1文につき1つのアイデア。1つの文は1つのビジュアルのビートに対応させる。
ナレーションの生成
belt app run falai/dia-tts --input '{
"prompt": "[S1] 誰も読まないレポート作成に何時間も費やしていませんか?もっと良い方法があります。DataFlowをご紹介します。生データを数秒でビジュアルストーリーに変えます。データソースを接続し、テンプレートを選び、共有するだけ。今すぐDataFlowを無料でお試しください。"
}'
TTSのペーシングコントロール
| テクニック | 効果 | 例 |
|---|
ピリオド . | 中程度の間 | 「これですべてが変わります。方法をお見せします。」 |
三点リーダー ... | 長い間(劇的) | 「そしてその結果は…素晴らしいものでした。」 |
カンマ , | 短い間 | 「速く、シンプルで、強力です。」 |
感嘆符 ! | 強調/活力 | 「今すぐ始めましょう!」 |
疑問符 ? | 上昇調 | 「もっと良い方法があったとしたら?」 |
音楽とオーディオ
背景音楽のガイドライン
- 音量: ナレーションの20〜30%(音声再生中は6〜12dB下げる)
- スタイル: ブランドのトーンに合わせる(企業=アンビエントエレクトロニック、スタートアップ=アップテンポなインディー)
- 構成: イントロの盛り上がり(最初の3秒)→ ナレーション中は控えめなループ → CTAで盛り上がり
- ボーカルなし: ナレーション中はインストゥルメンタルのみ
belt app run <music-gen-app> --input '{
"prompt": "upbeat corporate background music, modern electronic, 90 BPM, positive and professional, no vocals, suitable for product explainer video"
}'
編集パイプライン
フル制作ワークフロー
belt app run falai/dia-tts --input '{
"prompt": "[S1] ここにスクリプトを入力..."
}'
belt app run google/veo-3-1-fast --input '{"prompt": "シーン1の説明"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "シーン2の説明"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "シーン3の説明"}' --no-wait
belt app run infsh/media-merger --input '{
"media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'
belt app run infsh/video-audio-merger --input '{
"video": "merged-scenes.mp4",
"audio": "voiceover.mp3"
}'
belt app run infsh/caption-videos --input '{
"video": "final-with-audio.mp4",
"caption_file": "captions.srt"
}'
動画の長さ(フォーマット別)
| フォーマット | 長さ | プラットフォーム |
|---|
| ソーシャルティーザー | 15〜30秒 | TikTok, Instagram Reels, YouTube Shorts |
| 製品デモ | 60〜90秒 | Webサイト、ランディングページ |
| 機能解説 | 90〜120秒 | YouTube、メール |
| チュートリアル/ウォークスルー | 2〜5分 | YouTube、ヘルプセンター |
| 投資家用ピッチ動画 | 2〜3分 | ピッチデッキ資料 |
トランジションの種類
| トランジション | 使用タイミング | 効果 |
|---|
| カット | 関連するシーン間のデフォルト | クリーンでプロフェッショナル |
| ディゾルブ/クロスフェード | 時間経過、ムードの変化 | ソフトで思索的 |
| ワイプ | 新しいトピックやセクション | 明確な区切り |
| ズーム/プッシュ | 詳細に掘り下げる | 注目を集める |
| マッチカット | シーン間の視覚的な類似性 | 賢く、記憶に残る |
よくあるミス
| ミス | 問題 | 修正方法 |
|---|
| スクリプトが冗長 | ナレーションが早すぎ、視聴者が圧倒される | 最大150 wpmに削減 |
| 最初の3秒にフックがない | 視聴者がすぐに離脱する | 問題や驚くべき統計から始める |
| ビジュアルがナレーションに遅れる | 混乱を招く不一致 | ビジュアルはナレーションに合わせるか、やや先行させる |
| BGMが大きすぎる | ナレーションが聞こえない | BGMを音声の6〜12dB下げる |
| キャプションがない | ソーシャル動画の85%は音声なしで視聴される | 常にキャプションを追加 |
| アイデアが多すぎる | 視聴者が何も覚えていない | 動画1本につき1つのコアメッセージ |
関連スキル
npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering
すべてのアプリを参照: belt app list