クリップ投入、サウンド追加、投稿準備完了
全コマンドと理由の説明: このリポジトリ内の edit-tools/README.md。サウンドキットとレベルルール:
sfx-kit/README.md。全要素を含むサンプルプロジェクト: beispiel/。
人間はコマンドを入力しない。短い文で何をしたいかを伝え、複数の指示を連続して出すことも多く、スタジオで提案を表示または確認し、それを修正する。大きな選択作業は人間に返さない。
すでに自動化されているもの (edit-tools/)
| タスク | コマンド |
|---|---|
| 新しい動画を含むチャット | whatsapp_clips.py chats --days 7 |
| チャットの動画を取得しフォトメディアライブラリへ | whatsapp_clips.py export "<名前>" --date YYYY-MM-DD --fotos |
| 静止画に対応するクリップを見つける | kontaktbogen.py <フォルダ>、ボーゲンを見る |
| クリップの単語タイミング | whisper-cli -m ggml-medium.en.bin -f clip.wav -ml 1 -sow -oj |
| プロジェクト内のファイルを安全に変更 | patch_lines.py <ファイル> <md5> <swaps.json> (ファイルが変更されていた場合は中断) |
| 選別対象のサウンドを表示 | hoerseite.py → http://localhost:3700; 判断結果は auswahl.json |
| 保持するサウンドを処理しプロジェクトに取り込む | sfx-kit/tools/prepare_sfx.py、次に sfx-kit/tools/sync_remotion.py <プロジェクト> [md5] |
| TikTok/Reels用にエクスポート (音楽有無、ラウドネス、カバー) | EDIT_HOST=<ssh名> post_render.sh <プロジェクト> <コンポジション> <名前> [フレーム数] |
クリップを投入する
- 取得 (WhatsAppスクリプトまたはフォトメディアライブラリ)。チャット内の静止画は「この動画」を意味する: ファイル自体を探し、コンタクトボーゲンを使用。
- 位置を選択: 静止画のショット、またはwhisperを使ってボイスオーバーに合ったテキスト位置。
- ファイルを
public/に配置し、Propsにスロット (ラベル、ファイル、開始秒) を追加して、スタジオでクリップの範囲を調整可能にする。 構成要素:Inset(白いカード上のクリップ、オプションで人物へのスローズーム)、Squiggle(手描きのスカッグル矢印)、単語DSLWords。 - 静止画レンダリング (
npx remotion still) し、「完了」と言う前に実際に確認する。 - WhatsAppクリップは縮小されている (通常1024×576): レポートで、送信元にオリジナルを依頼するよう伝える。
サウンドデザイン
- 実際に録音された音のみ。 合成音は不可 (ゲーム/UIパック、チック、ポップ、ブリップなど)。
- すべての動きに小さな音を付ける。挿入されたように聞こえない程度に静かに。トリガー、マウスクリック、フリップチャート、紙、鉛筆、キー; ウィッシュは最小限。エフェクトは音楽より大きくなってはいけない。
- 実績: テキスト行ごとにキー、手書き文字や描画線に鉛筆、写真やクリップが表示されるときにトリガー、フォトウォールにトリガーシリーズ、タイルやカウントアップナンバーにフリップチャート、カットにページめくり、クライマックス前のミュージックホールに逆再生のシンバル、クライマックスに本物のドラム。
- 各キューは単語タイミングまたはアニメーション定数に結び付けられ、スタジオのタイムラインに名前を持つ。レベルは
loud + 20·log10(vol)で設定 (目安はREADME)。その後、エフェクトのみのレンダリングを行い、0.5秒以上のギャップをリストアップする。 - 何百もの候補の選別を待たない: 説明に従って選択、配置、命名、修正を依頼する。
投稿準備完了
post_render.shは 1080×1920、30 fps、H.264 High、AAC 320 kbit/s、最大 −14 LUFS / −1 dBTP、音楽ありとなしの2種類を出力する。- 公開投稿の前に音楽に関する質問に答える (
docs/recherche-2026-10.md)。 - 説明文とハッシュタグを提案する; 人間が承認、その後ドラフト、次に2回目の承認、そして公開。
バリエーション
動画はテンプレートである。3〜4つのバリエーション (例えばテストリール用) の場合、それぞれに独自のボイスオーバーテイクと単語タイミングが割り当てられる; 映像とサウンドは単語タイミングに紐付いて連動する。バリエーション間では1つのことだけを変更し、最初に最初の1.5秒を変更する。
スクリプトと編集の心理学
- 最初の1.5〜3秒が勝負: 最もインパクトのある映像から始める。
- 内容に結びついた明確な感情のピーク; その直前に音楽が一時停止する。
- 顔を大きく、早めに表示する。
- 画面上のテキストはボイスオーバーに合わせて一語ずつ表示。
- 声の下に歌を入れない。
- テンポよく、熱意を持って話す; 2〜3秒ごとのカットで十分。
- 彩度を上げても効果はない; 露出、コントラスト、色温度を調整する。
15秒、約40語のスクリプトパターン: 導入 → 場所とステップ → 人々 → 我々が作るもの (名前にピーク) → 主張 → 送信者とオープンエンド。各行に個別の映像; 動きはアクセントのある単語の前に完了していること。
ルール
- 複数のエージェントが同じプロジェクトで作業する場合: 書き込み前にmd5を比較し、事前に
.bak拡張子でバックアップを作成する。 - 写真と動画は可能な限りオリジナルを使用; 代替品は明示的に指定する。
- 明示的な承認なしに投稿や公開変更を行わない。