/pika:explainer
約60~80秒のURL説明動画を生成:指定されたURLを実際のブラウザでビートシートに沿って操作し、ナレーションに合わせたアバターリップシンクを生成し、1280×800のmacOS Sonoma風フレーム(240ピクセルの内側アバター、3pxの白いストロークリングを含む246ピクセルの外側)をキャンバス座標 (20, 476) に配置し、中盤の各ビートで要素をターゲットにズームインして合成します。製品ページ、ドキュメントサイト、ブログ記事、ローンチなど、あらゆるURLで動作します。GitHub URLはリポジトリ認識モード(READMEスキャン+ライブデモ検出)を有効にします。その他のURLは汎用ページウォークスルーフローを使用します。
使用法: /pika:explainer <url> [--focus "角度"] [--avatar <url>] [--voice <id>] [--lipsync-provider pika|kling] [--preview] [--live-url <url>]
コスト透明性ゲート
有料MCP呼び出しの前に、identity_balance({verbose: true}) を1回呼び出します。現在の残高、最近の消費率、残りのランウェイを表示し、次のメッセージで実行をゲートします:
推定コスト:リップシンクプロバイダ、ナレーション、キャプション、プレビューモードに応じて、約50~500クレジット(~$0.50~$5.00)です。これは最大5ドルに達する可能性があります。「proceed」と返信して続行するか、「cancel」と返信して停止してください。
ユーザーが「proceed」と返信するまで、有料MCPツールを一切呼び出さないでください。ユーザーが「cancel」と返信した場合は、生成せずに停止します。このゲートは、URLとオプションフラグが判明した後、アバター生成、音声、リップシンク、キャプション、ビデオ合成の前に実行されます。
動作
デフォルト — 迅速に実行し、不要な中間確認は行わない
- アバター/音声を静かに解決します。 実行前に「あなたのアバターを使用しますか?」または「どの音声にしますか?」と尋ねることは決してありません。明示的なオーバーライド(
--avatar、--voice)が指定されている場合はそれを尊重し、それ以外の場合はプレゼンターアバターを生成してデフォルトの音声を選択し、先に進みます。完全な解決の流れについては、ステップ1を参照してください。 - コスト透明性ゲートのみが
proceedを要求します。 ステップ5のプレビューは、明示的なアバターの場合は通常--previewによるオプトインですが、アバターソースがgeneratedまたはregeneratedのフォールバックの場合は、必須の自動プレビューとなります。コストゲート後、その必要なフォールバックアバタープレビューのガードレールを除いて、フローはエンドツーエンドで実行されます。 --focusも要求しないでください。 ページ構造から最初の試行を自信を持って行います。角度が合わなかった場合、ユーザーは--focus "X"で再実行します。
これらのデフォルトは、メディア生成ツール(Midjourney / Sora / Runway / HeyGen / Pika.art)の業界標準と一致しています:送信 → レンダリング → 返却。アカウントクレジット残高+プロバイダフェイルオーバー(ステップ9)が標準的なガードレールです。
Claude Desktopでのローカルアバター画像
Claude Desktopは、インラインペーストされた画像をMCPツールに渡すことがまだできません(Anthropic側の制限)。ユーザーが写真をインラインで貼り付けたり、--avatar として使用したいローカルファイルに言及したりした場合は、ステップ1を一時停止し、次のようなメッセージを親切に送信してください:
注意—Claude Desktopでは、貼り付けられた画像がまだMCPツールに届きません(Anthropicの制限)。アバターに関する2つの簡単なオプション:
- URLを貼り付ける 既にホストされている場合(Imgur、S3、あなたのサイト)— 最速
- 画像ファイルを添付する 生成前にアップロードできるようにします。
ローカルファイルが届いたら、upload_asset を使用してパブリックURLに変換し、ステップ1の前に --avatar <url> として返された public_url を使用します。既にホストされている https://... URLはそのまま使用でき、この手順は完全にスキップされます。アバターがまったく提供されなかった場合は、プレゼンターのポートレートが静かに生成されます(ステップ1)。
ステップ0 — URLの解決(空引数メニュー)
フラグ(--focus、--avatar、--voice、--live-url、--lipsync-provider、--no-captions、--preview、--skip-preview、--yes)と key=value パラメータを $ARGUMENTS から取り除きます。残ったものに https://... URLが含まれていない場合(または空/空白のみの場合)、以下のメニューをそのまま完全な応答として表示し、停止してユーザーの次のメッセージを待ちます。ここでツールを呼び出すと、間違ったページを録画または説明するリスクがあります。$ARGUMENTS がすでにURLを保持している場合は、このステップを静かにスキップしてステップ1に進みます。
どのURLをウォークスルーしますか? 以下で動作します:
- GitHubリポジトリ — 例:
https://github.com/anthropics/claude-code(リポジトリ認識モードを有効化:READMEスキャン+ライブデモ検出)- 製品ページ/ローンチページ — 例:
https://pika.art- ドキュメントサイト — 例:
https://docs.anthropic.com- ブログ記事/記事URL
出力:1280×800のmacOS Sonomaフレーム、左下のアバターリップシンク、中盤の各ビートでの要素ターゲットズーム。コストゲート後、デフォルトのフローはエンドツーエンドで実行されます。明示的なアバターの3秒間のリップシンクチェックが必要な場合は、
--previewを渡してください。生成/再生成されたフォールバックアバターは、そのプレビューガードレールを自動実行します。URLを返信してください。開始します。
ヒント:
/pika:explainerと入力する必要はありません。「 をウォークスルーして」、「 のデモ動画を作成して」、「このリポジトリを説明して:」のように言うだけで、このスキルが自動的に起動します。
ユーザーがURLで返信した場合、解決された入力として扱い、ステップ1に進みます。再プロンプトしないでください。
ステップ1 — 入力の解析+モードの検出
必須:url(https://... である必要があります)。
オプション:--avatar <url>(プレゼンター写真。省略した場合は生成されます)、--voice <minimax-voice-id>、--focus "..."(vo_textに織り込む編集ガイダンス)、--live-url <url>(強制的にライブデモURLを提供 — GitHubモードのみ)、--lipsync-provider <pika|kling>(デフォルトは**pika** — parrot a2v、壁時計で約2~5分、ややドラマチックな頭の動き。kling を渡すと、よりタイトな顔中心の出力で壁時計で約5~30分 — Klingは頭の動きが最小限のプレゼンターショットを生成しますが、全体のボトルネックとなる段階です。重要なレンダリングのために予約してください)、--no-captions(ステップ11のキャプションバーンをスキップ — デフォルトはキャプションオン)、--preview(明示的なアバターのステップ5プレビューゲートにオプトイン。生成および再生成されたフォールバックアバターは、完全なリップシンクの前にプレビューゲートを自動実行します)。--skip-preview と --yes は後方互換性のためにノーオプとして受け入れられます。
モード検出:
- GitHubモード — URLホストが
github.comであり、パスが/{owner}/{repo}に一致する場合(リポジトリルートを超えるパスセグメントがない)。リポジトリ認識の拡張機能を有効化:READMEスキャン、ライブデモ検出、GitHub固有のセレクタ。 - 汎用URLモード — その他のすべて(製品ページ、ドキュメントサイト、ブログ記事、
/blob/HEAD/pathのようなより深いGitHubパス)。GitHubの拡張機能をスキップし、汎用CSSセレクタを使用してURL自体をウォークスルーします。
アバター解決(静かに — ユーザーに尋ねない):
--avatar <url>が渡された場合は、それを使用します。- それ以外の場合は、
generate_imageをプロンプト"professional presenter, friendly tech narrator, studio portrait, 1:1, natural lighting"で1回呼び出し、返されたURLを使用します。ユーザーに「生成しますか?」と尋ねないでください — 静かに生成します。
avatar_source を explicit、generated、または regenerated のいずれかとして追跡します。
アバター適合性ゲート(リップシンク費用の前に必須):
ステップ4 TTSの前、および generate_lipsync のプレビュー/完全呼び出しの前に、解決されたアバター画像に対して analyze_media(media=<avatar>, query=<gate_query>) を1回呼び出します。これはアバター分析が必要な唯一のケースです。なぜなら、アバターは中央のプレゼンターアセットであり、不適切な生成アバターはレンダリング全体を台無しにする可能性があるからです。
ゲートクエリ:
Return JSON only: {
"is_single_front_facing_coherent_human_face": boolean,
"has_visible_mouth": boolean,
"is_faceless_or_masked": boolean,
"is_mascot_illustration_or_non_human": boolean,
"face_suitability_score": 0-100,
"apparent_gender": "female" | "male" | "unclear",
"reason": string
}
Is this image suitable for talking-head lipsync: a single front-facing coherent human face with a visible mouth? Flag faceless, masked, mascot, illustration-only, non-human, or distorted avatars.
is_single_front_facing_coherent_human_face == true、has_visible_mouth == true、is_faceless_or_masked == false、is_mascot_illustration_or_non_human == false、かつ face_suitability_score >= 75 の場合のみ通過します。
アバターが不合格で avatar_source が explicit の場合、有料リップシンクの前に停止し、--avatar <real-looking-photo-url> を要求するか、プレゼンターポートレートを生成する許可を求めます。アバターが不合格で avatar_source が generated の場合、generate_image をプロンプト "realistic professional presenter portrait, single front-facing coherent human face, visible mouth, friendly tech narrator, neutral studio background, 1:1, natural lighting" で1回呼び出します。avatar_source を "regenerated" に設定し、再生成されたアバターでこの適合性ゲートを再実行します。再生成されたアバターも不合格の場合は、リップシンクを試行せずに明確なエラーで中止します。
avatar_source が generated または regenerated の場合は常に avatar_auto_preview_required = true に設定します。それ以外の場合は、ユーザーが --preview を渡した場合を除き false です。
音声解決(静かに — ユーザーに尋ねない):
-
--voice <id>が渡された場合は、それを使用します。 -
それ以外の場合は、解決されたアバターの見かけの性別に一致するカジュアルなMiniMax
speech-2.8-hdプリセットを選択します:- 女性コードのアバター →
English_PlayfulGirl(温かみがあり、カジュアル、明らかに女性の声 — 確認済み) - 男性コードのアバター →
English_Jovialman(温かみがあり、カジュアルな男性) - 不明/ジェンダーニュートラル →
English_Jovialman(デフォルト)
アバター適合性ゲートの結果(
apparent_gender)から性別を推測します。ユーザーに尋ねないでください。English_FriendlyPersonは使用しないでください — MiniMaxのカタログでは「女性」に分類されていますが、表示名は「Friendly Guy」であり、再生時には男性的に聞こえます。English_PlayfulGirlは標準的なカジュアル女性の選択肢です。その他の確認済み女性代替:English_Upbeat_Woman、English_LovelyGirl、English_radiant_girl。 - 女性コードのアバター →
以下のフローは、ステップごとに GitHubのみ、汎用のみ、または両方のモードで注釈されています。
ステップ2 — ソースの読み取り(MCP呼び出しなし)
両方のモード: Claudeの WebFetch を使用して入力URLからページのメインコンテンツ(h1、ヒーローセクション、見出し、主要なコピー)を取得します。
このソース読み取り中に proper_noun_glossary を構築します。URL/ドメイン、ページタイトル、h1、README見出し、リポジトリメタデータ、パッケージ名、繰り返される大文字のトークンから、製品、リポジトリ、会社、モデル、フレームワーク、固有名詞の正規の綴りを含めます。GitHubリポジトリの場合、README/ソーススキャンで明らかになった正確な綴りを保持します(例:Ollama、Llama、DeepSeek、Gemma)。この用語集は後でナレーションを作成したり、手動キャプションを書き込んだりする際に使用し、キャプションテキストが「Olama」や「DeepSeq」のような綴り間違いに音声的にドリフトしないようにします。
GitHubモードの追加: トップレベルのファイルツリー、(ベストエフォートで)package.json / pyproject.toml、および homepage、description、language、topics のためのGitHub APIリポジトリメタデータを gh api repos/{owner}/{repo} 経由で取得します。以下の優先順位で候補 live_url を検出します:
- ユーザー指定の
--live-url。 - GitHub API
meta.homepageフィールド — メンテナーがGitHub設定でリポジトリのホームページを設定した場合に設定されます。 package.jsonの"homepage"フィールド。- README内で
https?://[^\s)\"'<>]+(?:vercel\.app|netlify\.app|github\.io|fly\.dev|railway\.app|render\.com|herokuapp\.com|surge\.sh)[^\s)\"'<>]*に最初に一致するもの。 - README内でバッジエリア / 「Live Demo」 / 「Project Page」 / 「Demo」テキストが示すその他のURL。 上記の許可リストの正規表現は、任意のカスタムドメイン(例:
<project>-project-page.com)を見逃します。READMEが明示的にプロジェクトページを指定している場合は、github.ioのフォールバックよりもそちらを優先します。 - GitHub Pagesの慣例
https://{owner}.github.io/{repo}— ただし、ディープツリーにフロントエンドのシグナル(index.html、App.tsx、App.jsx、App.vue、app.py、main.pyのいずれか)が含まれている場合のみ。
候補が解決されない場合、ビートシートはビート6~7をスキップします。
汎用URLモード: 入力URL自体がビートがウォークスルーする唯一のURLです。live_url の推論や追加のメタデータ取得は行いません。ステップ2.5とステップ3.0をスキップして、ステップ3に直接進みます。
ステップ2.5 — live_url の到達可能性を確認(GitHubモードのみ、MCP呼び出しなし)
候補の live_url が選択された場合、ビート6~7を作成する前に、それが実際のコンテンツを提供していることを確認します。候補に対して WebFetch を使用し、応答をチェックします:
- 応答ステータスが4xx / 5xxの場合、
live_urlをNoneにドロップし、ビート6~7をスキップします。特にgithub.ioフォールバックはホスト名として到達可能ですが、Pagesを有効にしていないリポジトリでは404(「There isn't a GitHub Pages site here」)を返すことがよくあります。その404ページを録画すると、説明動画の約12秒を無駄なコンテンツに費やすことになります。 - 応答がGitHub Pagesの「404 — There isn't a GitHub Pages site here.」テンプレートをレンダリングする場合(ヒューリスティック:応答本文に
"There isn't a GitHub Pages site here"が含まれている)、live_urlをドロップし、ビート6~7をスキップします。 - それ以外の場合は、ビート6~7のために
live_urlを保持します。
これは、live_url を短いタイムアウトでチェックし、リダイレクトに従う従来の到達可能性ゲートを反映しています。
ステップ2.6 — 汎用URL事前チェック(汎用URLモードのみ、MCP呼び出しなし)
非GitHub URLのビートを作成する前に、入力URLをWebFetchし、応答を検査します。このステップは、3つの一般的な汎用URLの障害モードを防ぎます:(a) コンテンツの代わりにcaptcha/ボットブロックページを録画する、(b) Cookie/同意バナーが動画の最初の約3秒を消費する、(c) 汎用CSSセレクタがページの実際のヒーロー/セクションを見逃す。
A. ボットブロック / captcha検出 — 一致した場合は中止:
応答本文に以下が含まれている場合:
"Verify you are human"/"verify you are not a robot""captcha"/"CAPTCHA"/"reCAPTCHA""403 Forbidden"/"Access Denied""Just a moment"+cf-chl-bypass(Cloudflareチャレンジ)"We're sorry, something went wrong"(Amazonスタイルのボットブロック)<title>またはh1が単に「Robot Check」/「Are you a robot?」の場合
→ 中止し、ユーザーに明確なエラーを表示します:「汎用URLモードではこのサイトをレンダリングできません — ページがヘッドレスChromeの下でボット検出/captchaチャレンジを表示しています。別のURLを試すか、最初に実際のユーザーバージョンのページを実行して、きれいに読み込まれることを確認してください。」
B. Cookie / 同意バナー検出 — extra_css + オプションのクリックで無効化:
応答から以下のパターンをスキャンします(大文字小文字を区別しない):
onetrust-、 で始まるID/クラス