動画生成
ユーザーがリクエストした動画を、再生可能なファイルまたはリンクとして作成します。動画生成には以下の 2 つの方法があり、多くの場合これらを組み合わせます。
- モデル生成 (
media_generate_videoを使用)：人物、製品、場所、映画的なカメラワーク、スタイライズドまたは 3D アニメーション、変形など。 - コードレンダリング（サンドボックス内）：テキスト、ロゴ、数字、グラフ、UI など、正確さが求められるものすべて。フレームを HTML または Python で描画し、ffmpeg でエンコードします。
サンドボックス内の ffmpeg で、結合、トリミング、字幕追加、ミキシング、エクスポートを行います。
はじめに
- 動画が何を伝えるべきか、誰に向けてか、どこで再生されるかを明確にします。アスペクト比（YouTube/デスクトップ向け横 16:9、Reels/TikTok/Short 向け縦 9:16）、おおよその尺、既存のアセット（写真、ロゴ、映像、音声）があるかを確定します。リクエストから推測できる情報を用い、答えが不足していると結果が変わってしまう場合のみ質問します。
- 下の表から該当するルートを選び、そのファイルを 1 回の並列バッチで読み込みます。タスクに不要なファイルはスキップします。
- 生成前に計画を立てます。1 つの中心的なアイデアを決め、各パートで何が起こるか、カメラ、音声、尺を記載したショットまたはビートのリストを作成します。
- 生成し、検査し、必要に応じてアセンブルし、納品します。
| リクエスト | 読むファイル |
|---|---|
| モーション グラフィックス、キネティック タイポグラフィ、ロゴスティング、データアニメーション、UI アニメーション、デザイン ショーリール | workflows/motion-graphics.md、次にコードレンダリングの場合は references/code-rendering.md、モデルレンダリングの場合は references/video-prompts.md |
| 広告、製品プロモ、ローンチティーザー、UGC 風クリップ、ソーシャルフック | workflows/ads-and-promos.md および references/video-prompts.md |
| 短編映画、ミュージック ビデオ、連続キャラクター、ストーリー クリップ | workflows/stories-and-characters.md および references/video-prompts.md |
| ユーザー自身の映像：トリミング、ハイライト、結合、字幕追加、音楽追加、リサイズ | workflows/editing-footage.md および references/ffmpeg.md |
| 生成クリップの結合、音楽やタイトルの追加 | references/ffmpeg.md |
動画ツール
このスキルを読み込むと、メディアツールが使用可能になります。media_generate_video がまだ利用できない場合は、1 行の概要を添えて media_generate を呼び出します。動画機能は Free プランでは利用できません。
- ツールの説明には、各モデルの長さ、解像度、秒あたりのクレジット、および各リクエストに適したモデルが記載されています。ユーザーが指定したモデルがあればそれを使用し、指定がない場合はそのガイダンスに従います。
- MiniMax H3 Max（デフォルト）は、同じ呼び出しで完成した
videoUrlを返します。WAN 3.0、Kling 4.0 および Seedance モデルはバックグラウンドでレンダリングされます。呼び出しは即座にjobIdを返し、数分後に自動的に再開され動画が提供されます。ポーリングは行わず、同じクリップに対してツールを再度呼び出さないでください。複数のバックグラウンド クリップが必要な計画の場合は、すべてのクリップを同じステップで開始し、1 回の再開で済むようにします。 - H3 Max と Seedance 2.5 は、1 つのクリップ内でマルチショット プロンプト（
Shot 1、Shot 2、…）に対応できます。WAN 3.0 は、強力なカメラワークを伴う 1 つの連続テイクをレンダリングします。 - すべてのモデルで映像とともに音声が生成されます。プロンプトには、台詞（引用符で囲む）、環境音、効果音、音楽を記述します。
- モード：テキスト to ビデオ；画像 to ビデオ（
keyframes.first）；最初から最後までのフレーム（keyframes.first+keyframes.last）；参照画像（リスト順に「Image 1」、「Image 2」として引用 — Kling 4.0 の場合は @Image1、@Image2 —keyframes.lastとの併用不可）。画像開始フレームを使用すると、テキストのみよりも優れた制御可能な結果が得られます。
品質を決めるルール
- 人物と製品には画像参照が必要です。 ユーザーの写真を使用するか、最初に
media_generate_imageで参照画像を生成し、それをkeyframes.firstまたはreferencesに渡します。設定、照明、スタイルは言葉で説明できます。 - 正確なテキスト、ロゴ、価格、UI は決して動画モデルに任せません。 それらは文字化けします。コードでレンダリングするか、ffmpeg でオーバーレイします。
- モデルに収まる限り、1 リクエストにつき 1 クリップとします。 実際の制限（45 秒の広告は ffmpeg で結合された複数のクリップ）がある場合、またはユーザーが個別のクリップを希望する場合にのみ分割します。
- モデル プロンプトは英語で記述します。 台詞や画面上の単語はユーザーが希望する言語で引用符で囲んで記述します。
- 意図的にクレジットを使用します。 複数のクリップや長時間のバックグラウンド レンダリングの場合は、ショット計画と合計クレジットを 1 行で明記します。合計がユーザーの想定を大きく上回る場合にのみ、確認を求めます。
確認と納品
- すべての結果を納品前に検査します。
ffprobeで再生時間、サイズ、音声を確認し、file_viewでコンタクトシートを表示します（references/ffmpeg.mdを参照）。file_viewは動画ファイルや URL を直接分析して、動きや発話、音を確認することもできます。 - 自分でクリップを再生成しないでください。 すべてのクリップにクレジットがかかります。結果に実際の失敗（被写体の誤り、アイデンティティの破綻、必要なテキストの文字化け、アクションの欠落）がある場合は、それを表示し、何が問題かを 1 文で説明し、修正版を作成するかどうかを尋ねます。ユーザーから正しくなるまで修正を続けるように指示された場合のみ、確認なしで再生成します。
- コード レンダリングと ffmpeg 編集はクレジットを消費しません。実際の問題は自分で修正しますが、フレームが機能したらそれ以上の調整は行いません。
- 納品方法：単一のモデル クリップは、その
videoUrlからチャット内で表示されます。サンドボックスでアセンブルまたはレンダリングしたファイルはsend_attachmentで送信します。1～2 行で、フォーマット、アスペクト比、尺、音声の有無を明記します。 - ナレーション付き解説動画、トーキングアバター、長時間のタイムライン編集には、プラットフォームの Video Agent、Talking Videos、Video Editor の方が適している場合があります。その場合はリンクを提示します。