Communitygithub.com

ビデオ制作

生のトーキングヘッド/画面収録を、編集・注釈付きの完成動画とフルコンテンツパッケージに変換します。無音除去、ミスの検出、文字起こし、文字起こしに同期したオーバーレイ(コード、ハイライト、リスト、図など)の追加、レンダリングを行い、ブログ/SNS/YouTube向けのコンテンツを生成します。

ビデオ制作 とは?

このスキルは、ユーザーが提供した生の録画(トーキングヘッドや画面収録など)を、編集・注釈付きの完成動画と、それに付随するブログ記事、SNS投稿、YouTube向けコンテンツを含む完全なコンテンツパッケージに変換するエンドツーエンドのワークフローです。Claude Code(Codex CLI)上で動作するように設計されており、`transcribe-video`、`hyperframes`、`gsap`、`youtube-copy`、`blog-post`、`social-copy` などの他の専門スキルに処理を委譲します。ワークフローは、入力設定(P0)、ロスレス無音除去(P1)、視覚的なミスレビューループ(P2)、最終文字起こし(P3)、オーバーレイの設計と構築(P4)、プレビューとレンダリング(P5)、コンテンツ生成(P6)の7つのフェーズで構成されています。品質には厳格なルールがあり、すべての映像処理はCRF 12のニアロスレス設定で行われ、元の品質を維持します。また、エージェントが自動的にプレビューを起動してブラウザで表示すること(ターミナルでの概要表示は不可)、各編集決定はユーザーの明示的な承認を必要とすること、レンダリングはユーザーが明示的に「render」または「ship it」とコマンドした場合にのみ実行されることなど、厳格なゲートルールがあります。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AlemTuzlak/skills/tree/HEAD/skills/produce-video

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

ビデオ制作 は何をしますか?

ユーザーが提供した録画を取得し、完成動画に変換します。録画が基盤となりタイムラインを決定します。このスキルは編集(無音除去 + 選択されたミス/ペーシング調整)と拡張(オーバーレイ追加)を行い、レンダリングして公開コンテンツを生成します。PR主導の合成プロモーションビデオを作成するものではありません。その場合は代わりに hyperframes-video を使用してください。

品質原則(譲れません):すべての映像処理は元の品質を維持します。 ツールに低品質で映像を再エンコードさせないでください。無音除去とカットは元の映像からCRF 12のニアロスレスで実行され(auto-editorは無音の検出にのみ使用され、エンコードには使用しません。デフォルト設定では映像が約0.6 Mbpsに圧縮されます)、レンダリングもCRF 12で実行されます。CRFは静的な画面収録で小さなファイルサイズを実現します。これは完全な品質であり、ロスレスではありません。

他のスキルとの関係(委譲、再導出はしない)

  • /transcribe-video — すべての文字起こしを担当(ワードレベルの transcript.words.json を返します)。これを呼び出してください。手動で文字起こししないでください。
  • hyperframes — コンポジション作成ルール(ビジュアルアイデンティティゲート、アニメーション前のレイアウト、タイムライン契約、ビデオ/オーバーレイのレイヤリング)。任意のコンポジションHTMLを作成/マウントする前に呼び出してください。
  • hyperframes-cli — すべての npx hyperframes コマンド(init、lint、inspect、preview、render)。
  • gsap — オーバーレイ用のGSAPタイムライン/イージングパターン。
  • youtube-copy — YouTubeのタイトル/説明/タグ/チャプター(P6)。
  • blog-post — ブログ記事(P6)。
  • social-copy — X/Bluesky/LinkedIn/Reddit用コピー(P6)。

バンドルアセット

  • scripts/desilence.mjs — auto-editorを使用した無音除去 + 前後の長さ。
  • scripts/extract-frame.mjs — 単一フレームの取得(フレーミング検出 + 画面上のハイライト)。
  • scripts/bake-cuts.mjs — ffmpegを使用したトリム/結合カッター(高密度キーフレーム)でP2で使用。
  • templates/overlays/*.html — 9つのオーバーレイサブコンポジションテンプレート(インスタンスごとに埋められます。サブコンポジションはインストールされたCLI内のスタンドアロンHTMLドキュメントです。各ファイルのヘッダーコメントを読んでください)。
  • templates/project/{DESIGN.md,styles.css} — ビジュアルアイデンティティゲート + オーバーレイが使用するブランド var(--brand-*) トークン。
  • references/ — mistake-detection.md、overlay-triggers.md、framing-safe-zones.md、frame-analysis.md。
  • P6のコンテンツ生成は youtube-copy、blog-post、social-copy スキルに委譲されます(独自のLLMスクリプトはバンドルされていません)。

ゲート(譲れません)

  1. P2のミスレビューは視覚的に行い、ターミナルでは行いません — フラグが1つ以上存在する場合、エージェントは常にhyperframesマーカープレビューを構築し(フラグが付けられた各スパンにマーカーをビデオ上に配置)、起動して、ユーザーが視聴して決定できるようにします。フラグをターミナルのテーブルや質問としてユーザーに提示して決定させないでください。また、プレビューをオプションにしたり、「見せましょうか?」と尋ねたりしないでください。構築して開くだけです。フラグの短いターミナル要約は問題ありませんが、決定画面はプレビューです。カット/ランプを自動適用しないでください。
  2. P4のオーバーレイ計画の承認 — タイムスタンプ付きのオーバーレイテーブルを提示します。承認なしに構築しないでください。
  3. プレビューは常にエージェントが起動します — P2レビューとP5レビューの両方で、エージェントは npx hyperframes preview を起動し、自身でブラウザタブを開きます。ユーザーにプレビューの実行やURLの入力を依頼したり、ライブプレビューの代わりにターミナル専用の要約を使用したりしないでください。
  4. 明示的レンダリングのハードゲート — レンダリングは、ユーザーからの明示的なレンダリングコマンド(「render」、「ship it」)があった場合にのみ実行されます。レンダリング後、編集リクエストはプレビューループに戻り、ユーザーが再度明示的にコマンドするまで再レンダリングされません。すべてのレンダリングには、それぞれ新しいコマンドが必要です。これは、「sane defaults / non-interactive / just ship it」という表現を上書きします。

「sane defaults」や「質問しないでください」は、設定に関する質問(P0)と反復入力をスキップします。承認ゲート、エージェント起動のプレビュー、明示的レンダリングゲートを決してスキップしません。

プロセス

事前チェック — 依存関係とスキルの確認(P0の前に最初に実行)

作業を開始する前に環境を確認し、不足しているものがある場合はユーザーに警告し、修正方法を伝えます。

  • auto-editor(P1の無音除去に必要):auto-editor --version を実行します。インストールされていない場合は、停止してユーザーに伝えます:「auto-editor がインストールされていません - pipx install auto-editor(または pip install auto-editor)でインストールしてから再実行してください。」 これなしでP1を試みないでください。
  • ffmpeg / ffprobe(必須 — P2カット、P4フレーム分析、P5レンダリング、オーディオ):ffmpeg -version を実行します。ない場合は停止し、ffmpegをインストールしてPATHに追加するようユーザーに伝えます。パイプラインはこれなしでは実行できません。
  • Docker(/transcribe-video 用):docker info。デーモンがダウンしている場合(Docker Desktopを起動)に警告します。
  • Node >= 22:node --version。古い場合は警告します。
  • 必要なスキル — これらが利用可能であることを確認します(呼び出してみるか、スキルリストを確認します)。不足しているものと、どのフェーズをブロックするかを警告します:
    • transcribe-video(P2/P3文字起こし)、hyperframes + hyperframes-cli + gsap(P2/P4/P5コンポジションとレンダリング)、youtube-copy + social-copy(P6)。blog-post はユーザーがブログを選択した場合のみ(P6、オプション)。
  • 事前チェック結果を1つの短いブロックにまとめます(何が存在し、何が不足しているか)。必須の依存関係/スキルが不足している場合でも、ユーザーが明示的に続行を指示した場合にのみ続行します(そして、機能が低下した結果をメモします)。

P0 — 入力と設定

  • 入力:生の録画へのパス(必須)。
  • オプション:実際のコード接地のためのリポジトリ/ファイル。ビジュアルスタイル/ブランド(それ以外の場合は hyperframes ビジュアルアイデンティティゲートを実行 — リポジトリから検出し、それ以外の場合は3つのスタイル質問をします。templates/project/DESIGN.md とブランド値を styles.css に書き込みます)。オーバーレイの密度(sparse / balanced / rich)。
  • 単一の出力フォルダ(<OUT>):このスキルが生成するすべてのものは、デフォルト <recording-dir>/<video-slug>-produced/(ユーザーが指定したパスで上書き可能)の1つのフォルダに格納されます。今すぐ作成します。最終構造:
    <OUT>/
      final.mp4                 # レンダリングされたビデオ(P5)
      hyperframes/              # HyperFramesプロジェクト:index.html、styles.css、DESIGN.md、compositions/、renders/(P4–P5)
      transcript.txt            # 最終編集済み文字起こし(P3 / P6)
      transcript.srt
      transcript.words.json
      youtube.md                # P6
      socials.md                # P6
      blog.md                   # P6
      .work/                    # 中間ファイル:01_desilenced.mp4、02_edit_N.mp4、frames/(P7で削除可能)
    
    以降のすべてのフェーズは <OUT> 内に書き込みます。出力を他の場所に散在させないでください。<work> は以下で <OUT>/.work を意味します。

P1 — 無音除去(ロスレス)

node scripts/desilence.mjs <input> --out <work>/01_desilenced.mp4 --margin 0.3s

desilence.mjs は、無音範囲を検出するためにのみauto-editorを使用し(--export v3)、次にffmpegを使用して元の映像をCRF 12のニアロスレスでカットし、元のオーディオを保持します。auto-editorに出力をエンコードさせないでください — デフォルトの再エンコードは映像を約0.6 Mbpsに圧縮し、永久的にぼやけさせます(特に顔)。後続のビットレートでそれを回復することはできません。開始/終了の長さと削除された秒数を報告します。これが作業コピーになります。

P2 — ミスとペーシングのレビューループ(承認ゲート)

  1. 作業コピーを文字起こしします:<work>/01_desilenced.mp4 に対して /transcribe-video を --out <work> で呼び出します → 作業用文字起こし(中間ファイル。P3の最終文字起こしで置き換えられます)。
  2. references/mistake-detection.md に従ってフラグを検出します(カット + 速度ランプ)。ワード境界にスナップします。
  3. 常に(フラグが1つ以上存在する場合)視覚的なレビューを構築します。 無音除去されたビデオをベーストラックとして、軽量なhyperframesプロジェクトをスキャフォールディングします。フラグが付けられた各スパンに、視覚的に識別可能な一時的なマーカーをビデオ上に配置します(カット = 赤いストライク、ランプ = 琥珀色の早送り。それぞれに抜粋とインデックスがラベル付けされます)。エージェントは npx hyperframes preview を起動し、自身でブラウザを開きます(references/framing-safe-zones.md に従って)。これが決定画面です。これをターミナルテーブルに置き換えないでください。ターミナルには、「プレビューに3つのフラグがマークされています。どのフラグをカット/ランプ/保持するか確認して教えてください」という1行のメモのみを表示するのが最善です。
  4. ユーザーはマークされたプレビューを視聴し、スパンごとに選択します:カット / 速度ランプ(係数、デフォルト約1.5~2倍) / そのまま / 独自の範囲を追加。
  5. 選択を適用 → <work>/02_edit_N.mp4、その後再プレビュー:
    • カット: node scripts/bake-cuts.mjs <input> --out <work>/02_edit_N.mp4 --cut s,e --cut s,e … を使用(ffmpegトリム/結合、デフォルトでCRF 12のニアロスレス — 1パスでビデオとオーディオを同一にトリム)。ミスカットにauto-editor --cut-out を使用しないでください — その可変引数は最後の範囲を位置入力として誤って割り当て、ロッシーに再エンコードし、セレクトフィルターアプローチはオーディオを非同期にします。
    • 速度ランプ: auto-editor --set-speed-for-range speed,s,e(ピッチ保持)。1回の呼び出しにつき1つの範囲を渡すか、コマンドラインで --set-speed-for-range を最後に配置して、同じ可変引数の落とし穴を回避します。
    • すべてのカット/ランプのタイムスタンプは無音除去されたタイムライン上にあります(フラグの元となった文字起こし)。そのタイムラインに対して、同じラウンドでカットとランプを適用します。
  6. ユーザーが「完了」と言うまでループします。ドリフトガード:約10ラウンド後、以前の中間ファイルにリセットするオプションを提供します。最終成果物:<work>/final_cut.mp4。

カットとランプは、ここで映像に適用されるため(P3の前)、最終文字起こしのワードタイムスタンプが編集されたタイムラインと一致します。

P3 — 最終文字起こし

<work>/final_cut.mp4 に対して /transcribe-video を --out <OUT> で呼び出し、transcript.txt / transcript.srt / transcript.words.json が出力フォルダのルートに配置されるようにします。このワードタイムスタンプ付き文字起こしは、すべてのオーバーレイ(P4)の同期ソースとなり、コンテンツ生成(P6)への入力となります。

P4 — オーバーレイの設計と構築(承認ゲート)

  1. フレーミング検出(references/framing-safe-zones.md):extract-frame.mjs でフレームをサンプリングし、フェーズを分類し、フェーズとセーフゾーンをユーザーと確認します。
  2. オーバーレイトリガー検出(references/overlay-triggers.md):ワードタイムスタンプ付き文字起こしをスキャン → オーバーレイ計画行 {start, est_duration, type, content, safe_zone, why}。画面上のコードの場合は references/frame-analysis.md を使用します(フレーム抽出 → 位置特定 → 正規化ボックス → 安定性ガード)。コードカードの場合は、利用可能な場合はリポジトリから、それ以外の場合は合成(合成されたものにはフラグを立てます)。
  3. 自己改善パス(≥2回の反復):密度を尊重し、ギャップと最低滞在時間を強制し、すべてのオーバーレイをアクティブなフェーズのセーフゾーンに対して検証します。
  4. 承認ゲート: タイムスタンプ付きテーブルを提示します。ユーザーは編集/削除/再タイミング/追加を行います。合成されたコードは検証用に表示されます。承認なしに構築しないでください。
  5. 構築(最初に hyperframes + gsap を呼び出します):
    • npx hyperframes init <OUT>/hyperframes --video <OUT>/.work/final_cut.mp4(プロジェクトは <OUT>/hyperframes に配置されます。ベース:ビデオトラック0 muted playsinline。オーディオは別のトラックに音量1で配置され、音声が再生されます)。生成された index.html を読み、このCLIバージョンのサブコンポジションインクルード構文を学習します。
    • templates/project/styles.css(確認済みのブランド値を含む)を <OUT>/hyperframes にコピーします。
    • 承認された各行について:対応する templates/overlays/*.html をインスタンス化し、一意のコンポジションID + data-composition-id を割り当て、その {{tokens}} を埋め、data-start に文字起こしのタイムスタンプ、data-duration に滞在時間を設定し、ビデオの上にマウントします。パンチインズームはビデオのラッパーDIVをスケーリングします(<video> 自体はスケーリングしません)。
    • 出力寸法はソース録画から継承されます。
    • 可読性(譲れません):すべてのオーバーレイテキストは、どのビデオ背景でも明確に判読可能でなければなりません。 すべてのテキストグループは、ほぼ不透明な暗いパネル(rgba(8,10,14,0.92)、角丸、微妙な境界線/影)の上に配置されます。タイトル/本文は白(var(--brand-text))、セカンダリ/キッカー/メタは明るいスレート(#CBD5E1)です。ボディ/サブタイトル/キッカーテキストには決して var(--brand-accent)/var(--brand-primary) を使用しないでください — アクセントカラーはバー、境界線、マーカースイープ、アイコン、大きな表示ワードにのみ使用します(そしてそれらがパネル上で約4.5:1のコントラスト比を満たす場合のみ)。不明な場合は、テキストを白にします。npx hyperframes validate(WCAGコントラスト)は、コントラスト警告がゼロで合格する必要があります。

P5 — プレビューとレンダリング(必須のエージェント起動プレビュー + 明示的レンダリングゲート)

  • npx hyperframes lint + npx hyperframes inspect(オーバーフロー + セーフゾーン)+ npx hyperframes validate(コントラスト)。クリーンになるまで修正します。
  • エージェントは npx hyperframes preview を起動し、ブラウザを開きます。 オーバーレイに関する自由な反復ループ。
  • レンダリング前監査:すべてのオーバーレイがそれぞれのフェーズのセーフゾーン内にあること。最低滞在時間。同じリージョンで同時に競合する2つのオーバーレイがないこと。lint/inspect/validateがクリーンであること。
  • ユーザーの明示的なレンダリングコマンドがあった場合のみ: CRF 12のニアロスレスでレンダリングします。デフォルトの standard 品質は約1.4 Mbpsでエンコードされ、映像を視覚的に劣化させます。常に低いCRFを渡します:
    npx hyperframes render --output <OUT>/final.mp4 --crf 12
    
    (<OUT>/hyperframes から実行。CRF 12はニアロスレスです。大きなファイルを期待して --video-bitrate を使用しないでください — 静的な画面収録の場合、CRFは完全な品質で小さなファイルを生成し、それは正しく、低品質ではありません。)最終的なmp4は元のオーディオを保持します。レンダリング後、さらなる編集はループに戻り、新しい明示的なレンダリングコマンドが必要です。
  • 品質に関する注意: Chromeキャプチャはロスレス1:1のスクリーンショットです(確認済み:テキストと顔の両方でレンダリング入力 == 出力)。したがって、低CRFでのレンダリングは、与えられた映像を保持します。品質を破壊する唯一のものは、ロッシーなアップストリームステップです。そのため、P1の無音除去とP2のカットは両方とも、元の映像からCRF 12のニアロスレスで実行されます。追加の再エンコードパスを追加しないでください。絶対的なゼロジェネレーション映像が必要な高度なパスとしては、オーバーレイのみを透明な --format webm/mov でレンダリングし、ffmpegでカット映像と合成することも可能です(パンチインズームはffmpegで適用)— めったに必要ありません。

P6 — コンテンツ生成(専門スキルに委譲)

専用スキルを呼び出して、公開コンテンツを生成します。各スキルは最終編集済み文字起こし(P3 — タイムスタンプ付きの transcript.srt を渡して、YouTubeのチャプターが正確な時間を取得できるようにします)を入力として使用し、各出力を <OUT> に書き込みます:

  • youtube-copy → <OUT>/youtube.md(クリックを誘発するタイトル、説明、タグ、タイムスタンプ付きチャプター。K内容は最終編集済みタイムラインに基づきます)。
  • social-copy → <OUT>/socials.md(X/Bluesky/LinkedIn/Redditに最適化されたバリアント)。
  • blog-post → <OUT>/blog.md(ユーザーがブログを選択した場合のみ、オプション)。

P7 — クリーンアップ

中間ファイルを削除するかどうかを尋ねます。<OUT>/.work/ 全体を削除しても安全です(再現可能にするために bake-cuts.mjs 呼び出しのみを保持)。<OUT>/hyperframes/ の renders/ フォルダは、final.mp4 がすでにある場合は削除しても安全です。

開発とテスト

  • テスト録画:fixtures/ の下にあります。
  • すべてのCLI依存関係は package.json にリストされています。
  • npx hyperframes コマンドを変更した場合、まず npx hyperframes --help を実行して使用可能なフラグを確認します。
  • オーバーレイテンプレートを変更した場合、各テンプレートのヘッダーコメントで使用法を確認します。
  • 品質チェック:npx hyperframes validate(コントラスト)+ 目視検査でオーバーレイの位置/タイミングを確認します。

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

AlemTuzlak/skills

Use when the user wants to write a blog post about a feature, product change, PR, git diff, or any technical topic - accepts marketing briefs, PRs, git refs, codebase paths, or freeform descriptions as input

AlemTuzlak/skills

Use when the user wants to generate a changelog, release notes, or document what changed between versions, tags, or PRs

AlemTuzlak/skills

Use when writing, editing, or organizing documentation, when planning what docs a feature needs, and whenever planning or implementing a new feature or change in a repo (docs ship with the code). Also use when tempted to write docs without showing the discovered readers to the user, without asking for tone, or without loading simple-english and i-have-adhd. Triggers on "write docs for X", "document this feature", "add a guide", "update the docs", "reorganize the docs", "plan feature X", "implement X", or /docs.

AlemTuzlak/skills

Use when a bug is in play: a test fails, CI is red, an API returns the wrong result, a stack trace appears, or the user says it is broken or fix this. Don't use for a new feature with no failure, for types-only work, or for docs.

AlemTuzlak/skills

Use when the user invokes /i-have-adhd, says they have ADHD, or asks for ADHD-friendly output. Also used as a required writing filter by the docs skill. Don't use for marketing copy or after the user says "stop adhd mode" or "normal mode".

AlemTuzlak/skills

Use when a settled change must be turned into an ordered stack of small blocks before anyone implements. Don't use for unsettled intent, typos, comments, formatting, docs-only work, or writing the implementation itself.

AlemTuzlak/skills

Use when the user wants to write a product update email, feature announcement newsletter, or digest email for users or subscribers

AlemTuzlak/skills

Use when the user runs /prove-it or says prove it, prove the changes, show me in the browser, or asks to prove a UI or API change. Don't use only because the agent is about to say done, for types-only work, or for docs with no behavior to prove.

AlemTuzlak/skills

Use when the user wants to write, draft, or author an RFC (Request for Comments) / technical design doc for a feature, change, or architectural decision. Interactively interviews the user, grounds the proposal in the actual codebase, presents 2-3 concrete API/code-snippet approaches to choose from, then writes a review-ready RFC. Triggers on "write an RFC", "draft an RFC", "RFC for X", "design doc for X", or /rfc.

AlemTuzlak/skills

Use when the user wants to deeply learn a new topic from scratch. Runs a pre-interview (current knowledge, end-goal proficiency, depth, practice load, background, scope), researches online (articles, niche-influencer blogs, canonical docs, subtopic landscape), then produces a structured markdown course with mandatory visual diagrams, evidence-based learning-science features (retrieval practice, spaced callbacks, worked-example fading, concept ledger, jargon gate, analogy hygiene), and a self-contained interactive HTML mini-course. Triggers on /teach-me, "teach me about X", "I want to learn X", "deep dive on X", "create a course on X", "study X with me".

AlemTuzlak/skills

Use when the change intent is already settled and the agent must map what a behavior change touches before an implementation plan or any code. Use for new features, bug fixes, and refactors that move a boundary. Don't use for typos, comments, formatting, lockfile-only diffs, docs with no code, or while the user is still deciding what they want.

AlemTuzlak/skills

Use when the user wants to transcribe a video or audio file to text with word-level timestamps — spins up a self-contained local Whisper (whisper.cpp) Docker service bundled in this skill and returns transcript.txt, transcript.srt, and word-level transcript.words.json. Also used as a building block by /produce-video. Triggers on "transcribe this video", "get a transcript", "transcribe-video".

AlemTuzlak/skills

Use when the user wants to write a video script for a product demo, feature walkthrough, launch video, or social media video about a feature or product change

AlemTuzlak/skills

Use when the user wants YouTube metadata for a video — a click-worthy title, an SEO/above-the-fold description, tags, and timestamped chapters. Accepts a transcript (ideally timestamped SRT), a topic, a PR, or a freeform description. Used standalone and by /produce-video. Triggers on "youtube title", "youtube description", "youtube chapters", "youtube tags", "youtube metadata", "youtube-copy".

関連スキル