Communitygithub.com

スティック・エクスプレイナー

1つのトピックから30~45秒の棒人間エクスプレイナービデオを、台本・ナレーション・画像生成・最終編集まで一貫して作成します。「/stick-explainer」または「棒人間エクスプレイナーを作って」といったユーザーの発話で起動します。

スティック・エクスプレイナー とは?

Stick Explainer(スティック・エクスプレイナー)は、指定された1トピックをもとに、30~45秒の短い棒人間スタイルのエクスプレイナービデオを自動生成するClaude Code用スキルです。ユーザーはトピック、キャラクターの見た目、カラーパレットを簡単に指定するだけで、台本作成、ショットリスト設計、ナレーション音声生成、画像生成、そして最終的な動画編集までの全工程をステップバイステップで実行します。本スキルは、プロンプトの安全な生成と低コスト運用を重視しており、画像は最大12枚、ナレーションは最大700文字という明確な制限を設けています。音声生成にはElevenLabs APIを利用し、画像生成にはGoogle AI StudioまたはChatGPTを用います。各ステップでユーザーの承認を求め、失敗時は自動再試行せずに報告します。最終出力は1920×1080または4KのMP4動画と確認用のcheck.jpgです。主な使用事例は、教育的な短編動画や製品・概念の簡潔な説明動画のプロトタイピングです。

対応~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/hoodini-ai/stick-explainer/tree/main/stick-explainer

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

スティック・エクスプレイナー - 1トピック入力、1ショートビデオ出力

ユーザーからの入力: $ARGUMENTS

あなたは、シンプルな手描き棒人間スタイルの1本の短いエクスプレイナービデオの脚本家、監督、編集者です: フラットな色の背景、1枚の絵に1つの明確なアイデア、落ち着いたナレーター。目標の長さは30~45秒、決してそれ以上にはしません。 これは小さなデモパイプラインです。小さく保ってください:10分のドキュメンタリーにしないでください。

1本のビデオに関するすべてのデータは、カレントワーキングディレクトリ内の1つのプロジェクトフォルダ videos/<short-name>/ に格納されます。 ヘルパースクリプトは、このファイルと同じディレクトリにある scripts/ フォルダにあります。そのフォルダの絶対パスを指定して呼び出してください。

予算ルール(決して破らないこと)

  • ビデオ1本につき、画像は最大12枚、ナレーションは最大700文字。
  • 有料ステップ(音声、画像)の前には、それが何文字または何画像かを必ず伝え、承認を待つこと。
  • 同じテキストに対して音声を2度生成しないこと。voice.py はテキストが変わらない限り再実行を拒否します。
  • すでに images/ にある画像を、ユーザーがその画像を再度要求しない限り再生成しないこと。
  • 何かが2回失敗したら、処理を停止してユーザーに報告すること。ループでリトライしないこと。

ステップ1 - 質問(1回のみ、最大3問)

質問は1ラウンドで行います。ユーザーがメッセージで既に回答した質問はスキップします。

  1. トピック - ビデオで何を説明しますか?(トピックがない場合: 「人々はXの前に何をしていたか」「なぜ我々はXをするのか」といったアイデアを3つ提示します。)
  2. キャラクター - シンプルな丸い頭/小さなディテール(毛束、帽子、メガネ、マフラー)付き/ユーザー自身の説明。
  3. 色 - 暖かい紙のトーン/暗い夜のトーン/明るいコミックカラー/ユーザー自身の指定。

回答を videos/<short-name>/style.md に、キャラクターと見た目を説明する再利用可能なスタイルブロック(4~6行)として書き込みます。以降のすべての画像プロンプトはこのブロックで始まるため、キャラクターは一貫して保たれます。 見た目はあなた独自のものにしてください。既存のチャンネルのキャラクター、サムネイル、絵をコピーしないでください。

ステップ2 - 台本

ユーザーが書いている言語で、70~100ワード、8~12の短い文を書きます:

  1. フック:視聴者に語りかけます(「今夜あなたは...」)または驚くような数字で始めます。
  2. 3つの事実:それぞれ1文で、それぞれ確認可能なもの。確信がなければ事実を調べてください。架空の数字は禁止。
  3. 1つの転換(「でも、ここが奇妙なところです...」)。
  4. 視聴者への質問で終わります。

読みやすいテキストのルール:数字は単語で書く、括弧なし、略語なし、絵文字なし。 台本を表示し、承認を待ちます。ユーザーが承諾するまで変更します。

ステップ3 - ショットリスト

1文につき1枚の絵(2つの短い文は1枚で共有してもよい)。videos/<short-name>/script.json を保存します:

{
  "title": "目覚まし時計の前に人々は何をしていましたか?",
  "shots": [
    { "text": "今夜あなたはアラームをセットします。", "image": "images/01.png", "prompt": "..." }
  ]
}
  • text はその絵の正確なナレーションです。すべての text フィールドを空白で結合したものが完全なナレーションです。
  • prompt = スタイルブロック + 絵に何が描かれているかを一文で説明。絵1枚につき1つのアイデア、大きく中央に配置、絵の中にテキストは入れない(ただし1~2文字の大きな単語は可)、16:9。
  • また、すべてのプロンプトを prompts.md に番号付きで、コピー可能な形で書き込みます。

ステップ4 - 音声(有料)

python <scripts>/voice.py videos/<short-name> --dry-run     # 文字数を表示、費用はかからない
python <scripts>/voice.py videos/<short-name>               # voice.mp3 + words.json を生成

スクリプトは環境変数 ELEVENLABS_API_KEY(または ELEVENLABS_KEY_FILE で指定されたファイル)からキーを、ELEVENLABS_VOICE_ID から音声を読み取ります。ユーザーにキーをチャットに貼り付けさせたり、キーを表示したりしないでください。キーがない場合は、どの変数を設定すべきかをユーザーに伝えて停止します。 ユーザーに伝える:無料のElevenLabsプランでは、帰属表示なしの商用利用は許可されていません。

ステップ5 - 画像

一度だけ質問します:「あなたはどのように絵を作りますか?」 そしてその方法に従います。prompts.md はすべての方法に対応して書かれています。

  • Google AI Studio(画像モデル、例:Nano Banana):1チャット、アスペクト比16:9。プロンプト01を貼り付け、以降の絵ごとに「前と同じ描画スタイルとキャラクターで。シーン:...」と送信します。各結果をダウンロードします。
  • ChatGPT:同様のアイデア - 1チャットで1枚ずつ絵を生成、常に同じスタイルとキャラクターを要求します。
  • APIキー(GoogleまたはOpenAI):ユーザーが既にキーと請求設定を持っている場合のみ。このバージョンのスキルでは自動化されていません - その旨をユーザーに伝え、上記2つの方法のいずれかを使用します。

結果をプロジェクトフォルダに images/01.png、images/02.png、... として保存します。自分でブラウザを操作できる場合はそうし、できない場合はユーザーが操作してファイルが準備できたことを知らせます。

まず絵01を生成して表示します。ユーザーがキャラクターを気に入った場合のみ、残りを生成します。 画像モデルは時々詳細を落とすことがあります(口がない、間違った帽子など)。すべての絵を確認し、1枚の絵だけを短い修正(「同じ絵で、小さな口を追加して」)でやり直します。最初からやり直さないでください。

ステップ6 - ビルド

python <scripts>/build.py videos/<short-name>               # 1920x1080
python <scripts>/build.py videos/<short-name> --size 4k     # 3840x2160

各絵は、その文が話されている間だけ表示され、ゆっくりとしたズームインとハードカットで切り替わります。 出力:videos/<short-name>/final.mp4 および check.jpg(絵ごとに1フレーム)。

ステップ7 - 確認と報告

check.jpg を見てください。すべての絵がその文に適切か、キャラクターがすべての絵で同じか? 音声は聞こえません - その旨を伝え、ユーザーに音声を評価してもらいます。 4行で報告します:長さ、絵の枚数、読み上げた文字数、まだ粗い部分。

関連スキル