トークヘッドリール

カメラに向かって話す人物の録画を、完成された縦型リール（MP4）に変換します。

見た目はエディトリアルで速い：スピーカーが動画の背骨となり、2〜4秒ごとにフレームが変わります – パンチイン、大きな単語、B-roll挿入、スプリットスクリーン – 常にその瞬間の発言内容に基づきます。

メカニクスはスクリプト化されています：ポーズのカット、音声のマスタリング、マット、そして編集決定リスト（EDL）から直接フレームを描画するレンダラー。あなたの仕事はエディトリアル部分です：話の内容を理解し、各ビートの見た目を決め、それに合ったフッテージを見つけるか生成し、EDLを作成し、静止画をチェックし、ユーザーと修正ラウンドを実施することです。

要件

macOS（ネイティブレンダリングターゲット）- Python 3.9+（numpy、faster-whisper付き）、ffmpeg with libass（Homebrew ffmpegまたはimageio-ffmpeg）。オプション - Xcodeコマンドラインツール（Apple Visionマット用）。

Windows 10/11 レンダリングボックス：レンダリングエンジンはプラットフォームに依存しません。Python 3.9+（numpy、faster-whisper付き）と、libassを同梱したffmpegビルド（gyan.devの"full"ビルド）があれば十分です。その後、assets/fonts/win/にバンドルされている無料代替フォント（Playfair Display 400/700/italic + Inter Medium、OFLライセンス）を使用します：

ユーザー環境変数を一度設定します – REEL_FONT_FILES = 4つの.ttfパスをセミコロンで区切ったもの。エンジンは自身のREEL_FONT_FILESフック（textass.py）を介してこれらを取得し、libassフォルダにフェースを抽出します。
すべてのEDLに組み込みのEDLフォントオーバーライドを配置します： "fonts": {"anton": "Anton-Regular", "serif": "PlayfairDisplay-Bold", "didot": "PlayfairDisplay-Regular", "sub": "Inter-Medium"} （reel_plan.pyのデフォルトマップは変更しないでください – macOSのEDLにはオーバーライドは不要です）。
Apple VisionのカットアウトマットはWindowsには存在しないため、該当するビートはスキップします。 python scripts/check_setup.pyでWindows対応の結果が報告されます。

クレジットは不要：B-rollはユーザーの素材と無料ライブラリ（Pixabay / thesvg MCPコネクター、Wikimedia Commons）から取得します；有料生成付録（Higgsfield / Seedance）は明示的なリクエストがあった場合のみ使用します。

あなたが提供するもの

PROJECT/render/<name>_vN.mp4 - 1080x1920、H.264、AAC 320 kbps、音声約-14 LUFS。
PROJECT/edl.json（およびラウンドごとのedl_vN.jsonコピー）- 編集全体をデータとして保持；再レンダリングすると常に同じ動画が得られます。
QA用静止画（PROJECT/qa/.../sheet.jpg）。

ステップ0 – セットアップと受け入れ

python3 scripts/check_setup.pyを実行し（このファイル内のパスはスキルフォルダからの相対パスです）、報告された問題を修正します。すべてのスクリプトに同じPythonを使用します；numpy faster-whisper imageio-ffmpegを入れたvenvを使うのが簡単です。ffmpegにlibassが含まれている必要があります（すべてのテキストはlibassで描画されます） – checkスクリプトがどのバイナリが見つかったかを示します。

次に、不足しているものだけを尋ねて確認します（1つの短いメッセージで）：

録画ファイル（パス）。理想的には4K横長または1080x1920縦長、スピーカーがほぼ中央に配置されていること。
言語、およびスクリプトがあればそれも（フィラーワードや誤認識の修正に役立ちます）。
カラーグレード：既にグレードされたファイル、.cube LUT、または「カメラの色を使う」のいずれか。
最後のコールトゥアクション（例：「コメントにWORDと書いてリンクを送ってください」）。
B-rollの取得元：ユーザー自身のフッテージ（デフォルト）、無料ストックとアーカイブ（Pixabay MCP、Wikimedia Commons）、ロゴ/アイコンはthesvg MCP経由（CommonsのPNGレンダリングにフォールバック）。何の権利を持っているか尋ねます。有料AI生成（Higgsfield / Seedance）は明示的に依頼があった場合のみ。
プロジェクトフォルダの保管場所（デフォルト：動画の隣に<name>_reel/）。

ステップ1 – 準備と分析（スクリプト化）

python3 scripts/prepare_project.py VIDEO.mov [--graded GRADED.mov | --lut grade.cube] [--project DIR]
python3 scripts/transcribe.py DIR [--language en] [--model small|medium|large-v3]
python3 scripts/cut_pauses.py DIR [--remove 2.40-2.72 ...]
python3 scripts/master_audio.py DIR
python3 scripts/presenter_mattes.py DIR        # swiftcが必要；利用できない場合のみスキップ

cut_pauses.pyは、保持された各セグメントとその単語を出力します。それをトランスクリプトと照らし合わせてください：--remove start-end（ソース秒）を使用して誤ったスタート、繰り返し、フィラーワードを削除し、再度実行します。削除された量をユーザーに報告します（例：「81.5秒 → 73.4秒」）。以降のステップはすべてプログラムタイムライン（analysis/program_words.json）を使用します。

ステップ2 – 編集の計画（あなたの判断）

references/style-guide.md（ルックとルール）とreferences/edit-planning.md（トークをビートに変換する方法）を読み、ビートシートを作成します：各ビートにつき1行、プログラム時間、発言内容、画面に表示されるもの（プレゼンターのワイド/タイト、挿入の種類、レイアウト）、テキスト処理、フッテージのアイデアを記載します。フッテージを調達する前にユーザーに表示します – 今変更するのは安価で、後で高くつきます。

ステップ3 – フッテージ

references/broll-sourcing.mdに従います：何を探すか、どこから取得できるか、ライセンス、テスト済みの無料取得レシピ（Pixabay MCP検索 + URL確認、Wikimedia Commons API + curl UA/リトライ + SHA-1チェック、thesvg MCPによるロゴ、ffmpegトランスコード）。有料生成（Seedance via Higgsfield）は付録にあります – ユーザーが明示的にAI生成ショットを依頼し、コストを承認した場合のみ。すべてをPROJECT/broll/に、ロゴをPROJECT/logos/に配置します。候補をscripts/clip_sheet.pyでレビューします。ユーザーが既にクリップやインサートを持っている場合は、それらを使用します – 既存のものを再調達しないでください。

ステップ4 – EDLと検証

references/edl-schema.mdに従ってPROJECT/edl.jsonを作成します（完全な動作例 – このスタイルが構築されたリール – がassets/examples/example_edl.jsonにあります）。その後：

python3 scripts/validate_edl.py DIR/edl.json

すべてのエラーを修正し、すべての警告を読み、修正するか意識的に受け入れます。

ステップ5 – 静止画、そしてレンダリング

python3 scripts/render_reel.py DIR/edl.json --stills 0.6 2.4 4.8 ... --out-dir DIR/qa/stills_v1
python3 scripts/render_reel.py DIR/edl.json --out DIR/render/<name>_v1.mp4

静止画は数秒で完了します：各ビート内の1つの瞬間と、各トランジションの中央を選び、コンタクトシートをreferences/style-guide.mdのチェックリストと照らし合わせて確認します（空のエッジがない、単語が読み取れてフレーム内にある、目の上に何もない、テキストが中央スタックにある、カラー処理が正しい）。EDLを修正し、きれいになるまで再チェックします。その後、完全なリールをレンダリングし（最近のMacで数分；references/renderer.mdを参照）、ユーザーにパスとレンダラーが出力する数値（サイズ、fps、持続時間、ラウドネス）を伝えます。

ステップ6 – 修正ラウンド（ユーザーが希望する方法で）

ユーザーは1つずつ、しばしばスクリーンショットと一言のコメントでノートを送ります。それらに番号を付け（1、2、3...）、簡単に確認し、ユーザーが「開始」、「go」、「以上」と言うまで何も変更しません。その後、すべてのノートを一度に適用します。
各ラウンドは新しいバージョンです：編集前にedl.jsonをedl_vN.jsonにコピーし、<name>_vN.mp4にレンダリングします。ユーザーが既に見たレンダリングやEDLバージョンを上書きしないでください。
変更された瞬間を最初に--stillsでチェックし、その後フル動画を一度レンダリングします。
ラウンド間で同じスタイルを維持します；ノートが一般的なルール（「空のエッジなし」、「字幕を大きく」）を示す場合、スクリーンショットだけでなく、すべての場所に適用します。
ユーザーがショットに別のフッテージを希望する場合、EDLでそのクリップを変更します（references/edl-schema.mdの「クリップの交換」を参照） – 他のものは動かしません。

その他のツール

scripts/render_reel.py --stills ... - 任意の瞬間をPNGとコンタクトシートとして出力。
scripts/clip_sheet.py - 候補クリップのフレームとハードカット時間を出力。
references/renderer.md - レンダラーの動作、速度、フォント、トラブルシューティングについて。

基本ルール

フッテージ：ユーザーが権利を持つ素材のみを使用します – 自身のもの、ライセンス済みまたは無料ライセンスのストック、またはユーザーのために生成されたクリップ。生成された人物は実際の俳優や有名人に似ていてはならず、有名なキャラクター、衣装、ロゴ、映画シーンを再現してはなりません。
すべてのレンダリングは新しいファイルです。ユーザーがレビューしたものを上書きしないでください。
プロジェクトファイルは英語で作業します；ユーザーとはその言語で話します。

Talking-head reels