自社メディア動画制作
テーマをマルチプラットフォーム対応の動画に仕上げます。観光・民族文化、知識解説、商品プロモーション、ライフスタイル・ストーリーの4種類のコンテンツに対応し、3つの生産ラインをサポートします：プロンプトパッケージ出力、画面生成、最終MP4出力。
コア原則
仕様を先に決め、内容を書き、最後に画面を生成する。 順序を誤るとやり直しが発生します：アスペクト比を決めてから脚本を書き、脚本を決めてから画面を割り当て、字幕仕様はアスペクト比に従います。
必要に応じて消費する。 画像生成と動画生成はクレジットを消費します。動画生成前に予想消費量を報告し、ユーザーが確認してから実行します。
越境しない。 いかなるプラットフォームにも自動公開せず、ユーザーアカウントの認証情報を読み書きせず、ユーザーの既存ファイルを削除しません。
実行フロー
ステップ 1：仕様の確認
ユーザー入力から以下の情報を抽出し、不足項目は以下の表で補完します。抽出できず、結果に大きく影響する場合にのみ質問し、一度に最大1つの重要な質問をします。
| 項目 | デフォルト値 | 選択可能な値 |
|---|---|---|
| アスペクト比 | 9:16 縦型 | 9:16 縦型、16:9 横型、1:1 正方形 |
| 解像度 | 1080P | 720P 軽量、1080P 高画質 |
| 尺 | 45秒 | 15秒、30秒、45秒、60秒、90秒 |
| コンテンツタイプ | ユーザーの説明に応じて判断 | 観光・民族文化、知識解説、商品プロモーション、ライフスタイル・ストーリー、風景ミックス |
| 生産ライン | ユーザーの言い回しに応じて判断 | プロンプトパッケージ、画面、最終MP4 |
生産ラインの判断ルール：
- ユーザーが「プロンプトをくれ」「豆包/即夢/可灵にコピーしたい」「文案だけでいい」と言った場合 → ルート A
- ユーザーが「画面を出せ」「動画を生成」「画像が欲しい」「画面をつける」と言った場合 → ルート B
- ユーザーが「合成」「最終MP4を出せ」「mp4が欲しい」「最終ファイル」と言った場合 → ルート C
- 明示されていない場合：まずルート A のプロンプトパッケージを提供し、最後にルート B または C にアップグレード可能と伝えます
アスペクト比に対応する解像度は固定：9:16 は 1080×1920、16:9 は 1920×1080、1:1 は 1080×1080。
ステップ 2：脚本と絵コンテの作成
コンテンツタイプに応じて脚本構造を選択し、reference/script-templates.md を読み込みます。
出力はマークダウンテーブルで、列は：カット番号、時間範囲、画面内容、ナレーション台本、字幕テキスト、素材要件。
必須要件：
- 最初の3秒でフックが必要。タイプはコンテンツに応じて決定：質問、ギャップ、サスペンス、メリット、視覚的驚き
- 各カットのナレーションは15～25文字に抑え、読み上げて6秒を超えないこと
- 総尺は目標の尺と厳密に一致し、各カットの時間範囲は連続で隙間がないこと
- 字幕テキストはナレーション台本と一致し、別途作成しないこと
- 最後の3秒には明確な行動誘導またはサスペンスの収束があること
ステップ 3：画面スタイルの決定
reference/visual-styles.md を読み込み、コンテンツタイプと感情に応じてスタイルを選択します。
各カットの画面プロンプトを出力。形式：
主体 + 動作 + 環境 + 光 + カメラ言語 + スタイル + アスペクト比
プロンプトにはアスペクト比のキーワードを含め、画像生成・動画生成モデルが認識できるようにします。
ステップ 4：字幕仕様の出力
reference/spec-sheet.md を読み込み、字幕パラメータテーブルを出力します。
必須フィールド：フォント、フォントサイズ、色、縁取り幅、縁取り色、位置、背景スタイル、表示モード、アニメーション。
アスペクト比に応じてフォントサイズを自動換算：縦型 60、1:1 正方形 54、横型 48。
字幕テキストは一文ごとに改行し、1行あたり14文字以内とし、超える場合は分割します。
ステップ 5：ナレーション設定
reference/tts-domestic.md を読み込み、ナレーション案を出力します。
優先順位に従って推奨：無料（Edge TTS）、中級（SiliconFlow / Fish Audio）、クローン（VoxCPM）。
必ず以下を提供：音色名、話速、音量、感情タグ、試聴可能なチャネル。
ステップ 6：成果物の生成
生産ラインに従って実行します。
ルート A プロンプトパッケージ：完全なマークダウンドキュメントを出力。脚本テーブル、画面プロンプト、字幕仕様、ナレーションパラメータ、編集パラメータを含みます。豆包、即夢、可灵、剪映に直接コピー可能。
ルート B 画面生成：まず予想クレジット消費量を報告。ユーザーが確認した後、各カットごとに画像生成・動画生成機能を呼び出します。呼び出し時にはステップ3のプロンプトを渡します。
ルート C 最終MP4：ローカルツールチェーンを呼び出して MP4 を合成。
python scripts/make_video.py --spec 仕様ファイル.json --out 出力ディレクトリ
ステップ 7：納品と自己チェック
以下の表に従って項目ごとに確認し、すべて合格した場合のみ納品します。
| チェック項目 | 合格基準 |
|---|---|
| 尺 | 実際の尺と目標の誤差が1秒以内 |
| アスペクト比 | 解像度とアスペクト比が一致 |
| 字幕 | 誤字脱字なし、重要な画面を隠していない |
| 音声・画面同期 | 字幕の出現時間がナレーションと一致 |
| 素材 | 重複したカットの露出なし |
| 著作権 | BGMと素材の出典が明記されている |
| プラットフォームコンプライアンス | 絶対的な表現や虚偽の約束なし |
いずれかの項目が不合格の場合、修正してから再出力します。
3つの生産ラインの違い
ルート A プロンプトパッケージ
成果物はマークダウンドキュメント。ユーザーはそれを持って各プラットフォームで自分で生成します。クレジットは消費せず、ローカル環境は不要です。
海外素材ライブラリ（Pexels、Pixabay、Coverr）はドキュメント内で「プロキシ必要」と明記し、国内プラットフォームは「プロキシ不要」と明記します。
ルート B 画面生成
成果物はローカルの画像と動画クリップファイル。クレジット消費：1枚の画像で約5～10クレジット、5秒の動画で約50～100クレジット。
実行前に各カットの予想消費量を報告する必要があります。個々のカットの画面説明は、直接生成に使用できるほど具体的でなければなりません。抽象的な説明は画面が空虚になります。
ルート C 最終MP4
成果物は最終的な MP4 ファイル。ローカルに FFmpeg が必要です。
画面のソースはルート B で出力されたファイル、またはユーザーが自身で用意した素材のいずれかです。ローカル素材を使用する場合は、ファイルパスと尺を事前に確認します。
国内で利用可能なチャネル
メインラインでは国内から直接アクセス可能なチャネルのみを使用：
- ナレーション：Edge TTS（無料、キー不要）、SiliconFlow シリコンベースフロー、Fish Audio、MiniMax
- 脚本：豆包、通义千问、DeepSeek、智谱清言、Kimi
- 画面：豆包、即夢、可灵、通义万相
- 編集：剪映
海外ソース（Pexels、Pixabay、Coverr、Edge TTS 以外の ElevenLabs 等）はオプションの拡張としてのみ使用し、使用時にはプロキシが必要であることを明記する必要があります。
停止条件
以下の状況では停止して説明し、無理に続行しない：
- ユーザーが要求する尺とアスペクト比の組み合わせが現在の動画生成能力で実現できない場合
- 画面プロンプトが当該カットのナラティブ意図をサポートできない場合
- 最終MP4ルートで FFmpeg が利用できず、ユーザーがダウングレードを受け入れない場合
- 未承認の素材、他者の肖像、著作権コンテンツが含まれる場合
- ユーザーがプラットフォームへの自動公開を要求する場合
依存関係のチェック
実行前に以下を実行：
python scripts/check_environment.py
ready が返された場合は環境が完全で、通常フローに直接進みます。partial が返された場合は利用可能な機能を続行し、制限事項を説明します。needs_setup が返された場合は、現在のタスクで不足している項目のみを表示します。unavailable が返された場合は、復旧手順と安全なダウングレード案を提供します。
ダウングレード戦略
| 不足項目 | 影響 | ダウングレード方法 |
|---|---|---|
| 動画生成能力 | ルート B で動的な画面を出力できない | 静的画像に Ken Burns 効果を付けるか、ルート A に切り替え |
| 画像生成能力 | 最初のフレームを生成できない | テキストのみからの動画生成に切り替えるか、ルート A に切り替え |
| FFmpeg | ルート C で合成できない | ルート A に切り替え、剪映が直接インポートできる字幕ファイルを出力 |
| フォントファイル | 字幕レンダリングに失敗 | システムのゴシック体にフォールバックし、スタイルに差異がある可能性があることを伝える |
| BGM | 最終MP4に音楽がない | 無音の最終MP4を出力し、音楽推奨リストを添付 |
ダウングレード後は制限と検証ステータスを必ず明記します。コアの正確性が保証できない場合は停止し、結果を推測して代用しません。
参考ファイル
reference/script-templates.md4種類のコンテンツの脚本構造とフックパターンreference/visual-styles.mdスタイルライブラリ、配色、カメラワーク、画面プロンプトテンプレートreference/spec-sheet.mdアスペクト比、解像度、字幕、ナレーション、編集の全パラメータreference/tts-domestic.md国内ナレーションチャネル、音色選択、パラメータ設定reference/setup-guide.md依存関係のインストールとアカウント設定assets/subtitle-presets.json字幕スタイルプリセット