Communitygithub.com

clip-sound-post-flow:自分の声の縦動画、本物の効果音、投稿まで

Remotionで縦型ショート動画を台本から投稿まで仕上げるスキル。ナレーション録音と単語ごとのタイミング計測(Voice Studio)、新しい素材の差し込み、本物の音による効果音、TikTok/Reels向け書き出し、下書き、承認、公開、状態確認までのTikTokとInstagram投稿に対応。

clip-sound-post-flow:自分の声の縦動画、本物の効果音、投稿まで とは?

製品プロモ動画レシピのステップ3(フィード版)。JasperKallfelz/shortform-edit-kit(2026-10-08公開。READMEには30秒のフローGIF、このキットで作った16秒の実例、WordPopなど名前付きエフェクトごとのGIF)より。順番は固定で、台本とナレーション、素材、音響、書き出し、投稿。ローカルのブラウザ録音ページでプロンプターを見ながら読み(npm run voice-studio、アカウント不要)、npm run voが単語ごとのタイミングを測ってsrc/timing.tsを書き換えます。単語数が合わなければ誤ったタイミングを渡さず中止。素材はWhatsAppのチャットや写真ライブラリから取り込み、チャットの静止画はコンタクトシートで元動画を特定。効果音はローカルの試聴ページで選び、Remotionプロジェクトに同期。post_render.shが音楽あり・なしのTikTok/Reels版をラウドネス確認とカバー付きで書き出し、post_social.pyが投稿を確認、下書き作成、publish指定時のみ公開、その後状態を読み戻します。macOS用。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/JasperKallfelz/shortform-edit-kit/tree/HEAD/skills/clip-sound-post-flow

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

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

  1. 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。
  2. 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。
  3. 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DSL Words。
  4. 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。
  5. 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

  1. 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。
  2. 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。
  3. 顔を大きく、早めに表示する。
  4. 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。
  5. 声の下に歌を入れない。
  6. 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。
  7. 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。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

関連スキル