Reelwright は何をしますか?
Reelwright は、1段落の意図から、完成された 1080p、H.264/AAC ビデオを生成します。すなわち、書かれたシーンプラン、各シーンに1枚のイラスト、ナレーション、焼き込みキャプション、クロスフェード、各ショットのスローケンバーンズ効果、そしてファイルが実際に再生可能であることを証明する検証レポートです。
創造的な要素はすべて Pollinations から提供されます。唯一のローカル依存関係は ffmpeg/ffprobe です。
使用するタイミング
- 「Xについての60秒の動画を作って」
- 「この記事をナレーション付きスライドショーにして」
- 「ソーシャルメディア用の、ナレーションとキャプション付きリールが必要」
- 「Xを5つのシーンと画像で説明して」
対象外:長尺編集、トーキングヘッド、既存の映像、または実際のカメラが必要なもの。Reelwright は図解説明ツールであり、ビデオエディタではありません。
セットアップ
npx @pollinations/cli auth login # 1回限りの Pollinations サインイン
npm install # ffmpeg-static + ffprobe-static を取得
Reelwright は、--api-key、次に POLLINATIONS_API_KEY、最後に polli auth login で ~/.pollinations/credentials.json に保存されたログイン情報からキーを取得します。サインインを推奨します。ユーザーはブラウザでデバイスコードを承認し、キーが会話に入ることはありません。CI で実行する場合は環境変数で上書きします。
ffmpeg が既に PATH 上にある場合、Reelwright はそれを使用します。そうでない場合は、node_modules 内の静的バイナリ、次に $FFMPEG / $FFPROBE にフォールバックします。
実行方法
1つのコマンドで、概要から完成ファイルまで:
python3 skills/reelwright/scripts/reelwright.py make \
--brief examples/salt-road/brief.txt \
--out examples/salt-road \
--scenes 5 \
--transcribe
または、段階的に実行します。これは文言が重要な場合に適した方法です:
# 1. plan: テキストモデルがタイトル、サブタイトル、スタイル、N個のシーンを記述
python3 skills/reelwright/scripts/reelwright.py plan --brief brief.txt --out myreel --scenes 5
# 2. 手動で myreel/project.json を編集(任意の行が弱い場合)— これは修正が安価なタイミングです
# 3. render: 画像、音声、クリップ、多重化
python3 skills/reelwright/scripts/reelwright.py render --project myreel
# 4. check: ffprobe で結果を確認。オプションで音声を文字起こしし、スクリプトと比較
python3 skills/reelwright/scripts/reelwright.py check --project myreel --transcribe
出力はプロジェクトディレクトリに生成されます:
| ファイル | 説明 |
|---|---|
project.json | 計画:タイトル、スタイル、シーン、モデル選択。編集可能。 |
images/scNN.jpg | 各シーンに1枚のイラスト、scNN.prompt.txt に正確なプロンプト。 |
audio/scNN.mp3 | 各シーンのナレーション。 |
clips/scNN.mp4 | 各シーンの無音ケンバーンズクリップ。 |
timings.json | シーンの開始/終了、ナレーションの長さ、派生シーン持続時間。 |
captions.ass | タイトル、サブタイトル、各シーンのキャプション、クレジット行。 |
reel.mp4 | 最終成果物。 |
poster.jpg | 1.2秒のフレーム。サムネイル用。 |
render.json、check.json | 機械可読なレンダリングおよび検証レポート。 |
タイミングの仕組み
シーン持続時間は推測ではありません。Reelwright は各ナレーション MP3 を ffprobe で測定し、固定の末尾パディングを追加し、それらの数値からタイムラインを構築します。キャプションは同じタイムラインに書き込まれるため、キャプションが対応する音声からずれることはありません。クロスフェードはクリップを固定量だけ重ね、xfade オフセットは同じ持続時間から計算されます。
これが、ほとんどのスライドショー生成ツールが間違う部分です。PAD、FADE、または MIN_SCENE を変更すると、下流のすべてが自動的に追従します。
検証
check は雰囲気チェックではありません。完成ファイルを読み取り、以下の場合に大声で失敗します:
- ビデオストリームまたはオーディオストリームがない
- コーデックが H.264 / AAC でない
- 解像度が 1920x1080 でない、またはフレームレートが 30 でない
- 実際の持続時間が計画されたタイムラインから 0.8 秒以上ずれている
- タイムラインで参照されている画像または音声ファイルがない
captions.assのダイアログ行数がシーン数より少ない--transcribe使用時:最終音声の音声認識がスクリプトの単語の 80% 未満しかカバーしていない場合。これにより、無音、切り詰められた、または間違った言語のトラックを捕捉します
最後のチェックが興味深いものです。これは、MP4 内のオーディオが実際に要求したナレーションであり、空のボディを返す 200 OK ではないという、安価なエンドツーエンドの証明です。
コストとモデル
デフォルト(すべてフラグで置き換え可能):
- テキスト:
openai/gpt-5.4-nano— プラン呼び出し1回+検証失敗時の修復呼び出し1回 - 画像:
tongyi-mai/z-image-turbo— シーンごとに1回 - 音声:
openai/tts-1、ボイスonyx— シーンごとに1回
すべてのデフォルトは無料枠です(paid_only: false)。--transcribe で使用される openai/whisper-large-v3 文字起こしも含むため、無料アカウントでパイプライン全体をエンドツーエンドで実行できます。
5シーンのリールは、5枚の画像と5つの短い音声クリップです。render を再実行すると、既にディスク上にあるものは再利用されます。--force で再生成します。--seed で画像生成を再現可能にします。
ブリーフの書き方
ブリーフはスクリプトの羅針盤です。形容詞ではなく、ビートを書いてください:
タイトル:塩の道。
海がなぜ塩辛いかを説明する50秒のミニドキュメンタリー。花崗岩の山から海へと流れる1滴の雨水を追います。順に5つのビート:
1. 雨が花崗岩の山に降り、下り始める。
2. 山間の小川が岩を削り、溶けたミネラルを運ぶ。
3. 川は広がり、ミネラルを海へと運ぶ。
4. 太陽が海を温め、水は蒸気として上がり、塩は残る。
5. 夕暮れ時の海岸の塩の結晶。
ビジュアルスタイル:エディトリアルガッシュイラスト、落ち着いたティールとアンバーのパレット、テクスチャーのあるコールドプレス紙、ソフトグレイン、シネマティックワイド16:9構図。
ブリーフ内のスタイル行は、後のプロンプトエンジニアリングよりも価値があります。スタイルはすべての画像プロンプトにそのまま引き継がれ、5つの別々の生成が1つの映画のように見えるようにします。
知っておくべき失敗モード
- 402 from Pollinations — キーの背後にあるアカウントの pollen が不足しています。スクリプトは JSON ブロックをダンプする代わりにその旨を表示します。
image_promptに単語が含まれている — モデルは「蒸発とラベル付けされた地図」のような文字を書きたがります。システムプロンプトはテキストを禁止し、すべての画像プロンプトに「テキストなし、文字なし、ロゴなし」の末尾が付きますが、不良な計画はproject.jsonで修正する方が再レンダリングより安価です。- ナレーションが予想より長い — シーンは音声に合わせて伸びます。何も途切れず、ビデオが長くなります。厳しい持続時間が必要な場合は、シーンごとの単語数を減らしてください。
- ffmpeg がない — リポジトリ内での
npm installが意図された修正方法です。エラーメッセージはパッケージ名と環境変数の両方を示します。 - 非ラテン文字のキャプション — ASS は UTF-8、DejaVu Sans はラテン文字、キリル文字、ギリシャ文字をカバーします。CJK やアラビア語の場合は、
captions.assのフォントを変更し、レンダリングマシンにそのフォントがインストールされていることを確認してください。