Communitygithub.com

srt2reel

ナレーション音声ファイルとそのSRT字幕から、アニメーション付きストーリービデオを自動生成します。縦型(Reels、Shorts、TikTok向け)または横型(YouTube向け)の動画を作成可能です。

srt2reel とは?

srt2reelは、音声ファイル(MP3、WAV、M4A)と対応するSRT字幕ファイルから、30fpsのストーリービデオを生成するAIエージェントスキルです。縦型1080x1920(ショート動画向け)と横型1920x1080(YouTubeなど長尺向け)の2形式に対応しています。 このスキルは、音声とSRTが提供された場合にのみ動作します。ストーリーの作成や音声の生成は行わず、あくまで与えられた素材を元にアニメーションビデオを構築します。主な処理は、Remotionベースのテンプレートをコピーし、字幕のタイミング調整、シーン分割、ベクターキャラクターを使ったアニメーションシーンの描画、キーワードハイライト付きキャプション、シーンタグ、効果音の追加、最終的なビデオファイルのレンダリングとチェックまでを自動化します。 このツールはClaude CodeやCodexなどのAIエージェント環境で動作し、ユーザーが提供した音声とSRTから、公開可能な状態の動画を生成するために設計されています。技術的な知識がないユーザーにも配慮し、簡潔な指示で操作を進めます。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/speedsharmaai/srt2reel/tree/main/skills/srt2reel

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

srt2reel は何をしますか?

音声ファイルとそのSRTから、30fpsのストーリービデオを生成します。アニメーションシーン、シンプルなベクターキャラクター、SRTのそのままの言葉を表示するキャプションカード、各シーンを説明するタグ、そして控えめな効果音が含まれます。2つのフォーマットに対応:portrait(1080x1920、ショート動画向け)とlandscape(1920x1080、長尺動画向け)。

このスキルはビデオを構築します。ストーリーを書くことは決してありません。ユーザーがトピックやアイデアだけを提供した場合は、音声ファイルとそのSRTが必要であることを伝え、両方を提供するよう依頼してください。

ユーザーがあなたに書いてきた言語で、短く簡潔な文章で話しかけてください。ユーザーは技術者ではない可能性があります。

ファイルの場所

スキルフォルダは${CLAUDE_SKILL_DIR}です。これがリテラルなプレースホルダーとして表示される場合、それはこのSKILL.mdが置かれているフォルダです。以下ではSKILLと呼びます。

  • SKILL/scripts/には5つのコマンドが格納されています。記載された通りに実行し、書き換えないでください。
  • SKILL/template/はinit.tsがコピーするビデオプロジェクトです。
  • SKILL/references/には、各ステップで参照するように指示された場合に読む詳細情報が格納されています。
  • SKILL/assets/kit.jpgは、すべての既製シーンパーツを示しています(ランドスケープ用はkit-wide.jpg)。

各ビデオには専用のプロジェクトフォルダが作成され、以下ではPROJECTと呼びます。場所は~/reels/<short-name>を使用します。

入力

  1. 音声ファイル(MP3、WAV、M4A)。
  2. 話された正確な言葉が書かれたSRTファイル。もし欠けている場合は、それを要求してください。自分で音声を文字起こししないでください:音声認識は言葉を間違える可能性があり、SRTが真実の源泉です。
  3. オプション:ページ名やチャンネル名(小さな透かしとして表示)、カラーテーマ(paper、mint、sky)、キャラクターやシーンのアイデア、ユーザー自身の画像。

ユーザーの要求に基づいてフォーマットを選択してください。Reels、Shorts、TikTok用のショート動画はportraitです。YouTubeチャンネル、レッスン、または3分以上の動画はlandscapeです。明確でない場合は、ユーザーに確認してください。

手順

以下の順序で進めてください。各コマンドは、実行した内容と次に行うべきことを出力します。

1. マシンの確認

node SKILL/scripts/doctor.ts

FAILと出力された場合は、不足しているものをユーザーに明確に伝え、停止してください。ffmpegやNodeがない場合に回避しようとしないでください。warn行は問題ありません。

2. プロジェクトの作成

node SKILL/scripts/init.ts PROJECT --voice <音声ファイル> --srt <srtファイル> [--format landscape] [--lang <タグ>] [--page "<名前>"] [--theme <テーマ名>]

これによりテンプレートがコピーされ、インストールが行われ、音声の長さが計測され、実際のポーズが検出され、PROJECT/src/story.jsonに、SRTの各キューのキャプションが音声に合わせてタイミング調整され、表示に合わせて折り返された状態で書き込まれます。また、言語に適したフォントもインストールします。

出力全体を読んでください。各キャプションの時刻と、シーンを区切るのに十分な長さのすべてのポーズが一覧表示されます。SRTと音声の長さが一致しないという警告が出た場合は、先に進む前にユーザーに確認を取ってください。

言語はSRTの書記体系から推測されます。--langは推測が間違っている可能性がある場合に使用します:英語以外のラテン文字言語(es、fr、id、vi)、繁体字中国語(zh-TW)、ウルドゥー語またはペルシャ語(ur、fa)、マラーティー語またはネパール語(mr、ne)。詳細はreferences/languages.mdを参照してください。

3. シーンの計画

キャプションを1つのストーリーとして読み、それをシーンに分割してください。場所、時間、話者、またはアイデアが変わった時点で、約4~7秒ごとに新しいシーンを開始します。25秒のストーリーでは5~7シーン、60秒のストーリーでは9~14シーンです。1キャプションに1シーンは多すぎます。各カットは、リストされたポーズのいずれかに合わせ、文の途中では行わないでください。

各シーンについて決定してください:場所、誰がいるか、何をしているか、そしてキャプションの内容を示す1つのビジュアル(小道具、数字、ゲージ、スタンプなど)。人物が話しているだけにならないようにします。ストーリーの低迷期には暗いシーンを使用します。ストーリーの最後の教訓や結果で終わります。

2分を超えるビデオはシーン数が多すぎて1つずつ記述できません。そのような場合はreferences/long-videos.mdに従ってください。

4. 2つのストーリーファイルを書く

ビデオごとに変更されるのはこれら2つのファイルだけです。src/lib/以下は変更しないでください。

  • PROJECT/src/story.json:時刻とタグ付きのシーンリスト、キャプション内のキーワード、誰がいつ話すか、効果音。フォーマットとルールはreferences/story.mdを参照。
  • PROJECT/src/scenes.tsx:シーンごとに1つの小さなコンポーネントと、それらを命名するSCENESオブジェクト。シーンの描き方、完全なキット、レイアウトゾーンはreferences/scenes.mdを参照。まずSKILL/assets/kit.jpgを見てから、PROJECT/src/lib/examples.tsx(ランドスケープの場合はexamples-wide.tsx)をコピーしてください。

キャプションの文言は固定です。キーワードを{braces}で囲んだり、改行を変更したり、2つのキャプションをマージしたり1つを分割したり、時刻を移動したりすることはできます。単語を追加、削除、変更してはいけません。ステップ5のチェックで差異は拒否されます。

自分で追加する画面上のテキスト(タグ、ラベル、吹き出し)は、SRTの言語でなければなりません。ナレーションがすでに述べている場所、店の看板、反応など、1~2語に抑えてください。新しい事実や文章を追加しないでください。

5. チェック、そしてクリーンになるまで繰り返す

node SKILL/scripts/check.ts PROJECT

これは、キャプションの文言をSRTと比較し、時刻、シーン、ハイライト、フォントをチェックし、シーンコードをコンパイルします。すべてのERRORを修正し、再度実行してください。各warnを読み、実際の問題であるものを修正してください。

6. フレームを確認し、正しくなるまで繰り返す

node SKILL/scripts/stills.ts PROJECT

これにより、各カット直後の1フレームと各キャプションの途中の1フレームがレンダリングされ、それらがコンタクトシートにタイル表示されます。リストされたすべてのシートを開いて確認してください。各セルには、その時刻、シーン、キャプション番号がラベル付けされています。

以下の点を確認し、修正してください:

  • 上部のタグや下部のキャプションカードを覆ったり接触しているもの
  • カードからはみ出しているテキスト、または空のボックスとして描画されている文字
  • キャプションの内容を表示していないシーン
  • シーン間でキャラクターの外見が変わっているもの
  • 空白またはほぼ空のシーン

--gridを追加すると、すべてのフレームにコンテンツボックスと定規が描画されます。これを使用して、どの要素がゾーンを横切っているか、どこに移動すべきかを確認します。修正後に特定の瞬間を再度確認するには:node SKILL/scripts/stills.ts PROJECT --at 12.5,30。実行のたびに、前回のシートは置き換えられます。

シートを確認せずにフルビデオをレンダリングしないでください。

7. レンダリング

レンダリングには、高速なマシンではビデオの長さとほぼ同じ時間、小型のマシンではその数倍の時間がかかるため、バックグラウンドで実行し、ポーリングしてください:

node SKILL/scripts/render.ts PROJECT --detach
node SKILL/scripts/render.ts PROJECT --status

--statusはrendering、次にfinishing、そしてdoneまたはfailedを出力します。20~30秒ごとに確認し、doneまたはfailedになるまでターンを終了しないでください。チェックの間に一時停止できない場合は、コマンドを待機させてください:node SKILL/scripts/render.ts PROJECT --status --wait 100は、レンダリングが終了するか、100秒後に戻ってきます。終了するまでこれを繰り返してください。

ユーザーに渡すファイルにサイズ制限がある場合(claude.aiチャットでは30 MB許可)、--max-mb 28を追加してください。

レンダリングはラウドネスを均一にした後、完成ファイルのチェックを行います:フレームサイズ、フレームレート、コーデック、長さ。--statusは結果とfinal_check.jpgのパスを出力します。これは完成ファイルからリストされた時刻に取得された4つのフレームです。その画像を確認してください。

8. 納品

ユーザーにPROJECT/out/final.mp4を提供してください。不完全な点を1行、推奨される次のステップを1行追加してください。すべてが問題ない場合は、その旨を1行で伝えてください。

ビデオに含める内容に関するルール

  • SRTに記載されている内容のみを表示してください。独自の主張、事実、約束を追加しないでください。
  • 政治、憎悪、実在の人物への誹謗中傷は禁止です。事実として提示される医療アドバイスや金融アドバイスも禁止です。センシティブな話題は慎重に扱ってください。
  • 他のクリエイターのキャラクター、シーン、デザインをコピーしないでください。このストーリー独自のものを描いてください。
  • ユーザーに視聴回数、リーチ、収入を決して約束しないでください。
  • 1秒間に3回以上フラッシュするものは禁止です。

ユーザーが知っておくべきこと

以下のことを、関連するタイミングで、ユーザーの言語で一度だけ伝えてください:

  • ビデオはRemotionを使用して構築されています。Remotionは個人および3人以下の企業では無料です。それより大きな企業はRemotionライセンスが必要です:https://www.remotion.dev/docs/license
  • プラットフォームは、多くの類似したテンプレートビデオを投稿するチャンネルに対して措置を講じ、クローンされた、またはリアルな合成音声にラベルを要求する場合があります。references/platforms.mdを参照してください。

問題が発生した場合

references/troubleshooting.mdを参照してください。マシンがまったくビデオをレンダリングできない場合(ブラウザが起動できない、ffmpegがない、初回インストール時にネットワークがない)、その旨を明確に伝え、他のものを生成しようとせずに停止してください。

関連スキル