スプライトステージは何をしますか？

セットアップコマンドひとつで、キャラクターシートと参考動画からオリジナルの2Dフィルムを制作します。

最初のアクション

.ready ファイルがない場合は、以下を実行し、Sprite Stage is ready. と表示されるまで待機します。

bash setup.sh

これは自分で実行してください。ユーザーにパッケージのインストールリストを渡さないでください。このスクリプトは再実行しても安全です。

画像再生（Picture replay）はシステムのPythonを使用します。新しい音声生成には、スクリプトが作成する仮想環境を使用します。

python3 render.py
.venv/bin/python voices.py
python3 render.py

完成したサンプルは renders/long-slide.mp4 です。

オリジナルとして保持するもの

参考動画は、場所、アクションの順序、雰囲気といった前提のみを提供します。ユーザー自身のキャラクター名を使って新しい脚本を書いてください。ソースのタイトル、キャラクター名、ロゴ、歌詞、話し言葉を、プロンプト、画面上のテキスト、サウンドトラックにコピーしないでください。

含まれているキャストの衣装と音声の固定設定は characters/CAST.md にあります。プロンプトの例は examples/prompts.md にあります。

新しいフィルムの制作

各キャラクターの参照画像を characters/ に配置します。ファイルは1人につき1つ。正面、全身、無地の背景であること。
スプライトシートを sprites/{名前}-{アクション}.png に生成します。サンプルレンダラーが使用するアクションは、walk、front、talking、back、sitting です。シートはマゼンタ (#FF00FF) の背景上に4つのセルが横並びになります。

無料スプライト

デフォルトでは無料の画像ツールを使用します。これによりスプライト画像は $0 になります。COSTS.md のエージェントトークンテーブルは引き続き適用されます。

python3 scripts/free_sprites.py --provider prompt --name lina --action walk,front,back,talking,sitting

sprites/prompts/ 内の各ファイルは、添付する2枚の画像と貼り付けるプロンプトを指定します。サンプルプロンプトは examples/prompts.md にあります。ツールの画像を sprites/{名前}-{アクション}.png として保存します。

Geminiを使用するのは、GEMINI_API_KEY がすでに環境変数に設定されている場合のみです。キーを要求したり、表示したり、リポジトリに書き込んだりしないでください。

python3 scripts/free_sprites.py --provider gemini --name lina --action walk

そのモデルがキーの無料利用枠外にある場合は、停止して --provider prompt を使用します。

voices.py にオリジナルの台詞を書き、.venv/bin/python voices.py を実行します。ピッチはファイルの実際のサンプルレートを使用し、各台詞は口が台詞全体で開いたままでいられるよう、1秒あたり約2単語に調整されます。
render.py の NAMES と HEIGHT をキャストに合わせて設定します。タイムラインは、登るのは1人のみ、滑るのは1人のみとなるように構築します。python3 render.py を実行します。口は duration + 0.2秒 の間開きます。滑り台の歓声は滑りが始まったときに開始します。

衣装を損なわないスプライトルール

強いマゼンタのみをキーにします：赤 > 200、緑 < 100、青 > 200。緩いクロマキーはピンクの布地に穴を開けます。
顔だからといって連結領域を削除しないでください。約1800ピクセル以上のコンポーネントは保持します。
歩行セルはタイミングを共有します：大股、足を揃え、反対の大股、足を揃え。
横顔は右を向きます。キャラクターが左に歩くときは、レンダラー内で反転します。
ライダーは滑り台の経路上に座らせ、脚を滑り台の手前側の縁で覆います。胴体をシュートの上に浮かせないでください。

音声

OpenVoice V2 はトーンをシフトします。MeloTTS はイギリス英語ベースで言葉を発声します。子供の声は大人より高く、やや速くなります。各人に異なる目標トーンを設定してください。キャスト全員に同じピッチを設定しないでください。

台詞が口の時間枠より短い場合は、MeloTTS の速度を下げるか、atempo を1未満にして引き伸ばします。隙間を埋めるために台詞を速くしないでください。

コストとマシン

1分のフィルムは、スプライトがすでに存在する場合、入力約30万～50万トークン、出力6万～10万トークンです。スプライトも作成し1回修正する場合は、入力約100万～150万トークン、出力20万～30万トークンです。OpenCode、Claude、Codex、Cursor の金額、および OpenVoice のCPU要件（8 GB RAM、Python 3.11～3.13、GPU不要）は COSTS.md に記載されています。

ユーザーがフィルムを無料で制作したい場合、このスキルを OpenCode 上の Free とマークされたモデルで実行し、--provider prompt でシートを生成します。そのエージェントラインは、フィルムが毎日の無料モデル枠内に収まる限り $0 です。同じアプリ上の有料モデルは、そのプロバイダーに課金されます。

クレジット

OpenVoice と MeloTTS は MyShell の MIT ライセンスソフトウェアです。ffmpeg がフレームを描画します。PyTorch が音声モデルを実行します。チェックポイントは公開されている myshell-ai/OpenVoiceV2 モデルから取得されます。完全なリンクは README にあります。

スプライトステージ