belt CLIスキルをインストール: npx skills add belt-sh/cli
説明動画ガイド
inference.sh CLIを使って、スクリプトから最終カットまで説明動画を作成します。
クイックスタート
inference.sh CLI（belt）が必要です。インストール手順
belt login
belt app run google/veo-3-1-fast --input '{
"prompt": "Clean motion graphics style animation, abstract data flowing between connected nodes, blue and white color scheme, professional corporate aesthetic, smooth transitions"
}'
スクリプト公式
PAS（問題-扇動-解決）— 60秒
| セクション | 時間 | 内容 | 単語数 |
|---|
| 問題 | 10秒 | 視聴者が抱える問題点を提示 | ~25単語 |
| 扇動 | 10秒 | 問題が思っているより深刻であることを示す | ~25単語 |
| 解決 | 15秒 | 製品/アイデアを紹介 | ~35単語 |
| 仕組み | 20秒 | 3つの主要ステップまたは機能を示す | ~50単語 |
| CTA | 5秒 | 明確な次のアクションを一つ | ~12単語 |
BAB（Before-After-Bridge）— 90秒
| セクション | 時間 | 内容 |
|---|
| Before | 15秒 | 現在のフラストレーションがたまる状態を示す |
| After | 15秒 | 理想的な結果を示す |
| Bridge | 40秒 | 製品がどのようにしてそこに到達させるかを説明 |
| 社会的証明 | 10秒 | 簡単な統計やお客様の声 |
| CTA | 10秒 | 明確な次のステップ |
フィーチャースポットライト — 30秒（ソーシャル向け）
| セクション | 時間 | 内容 |
|---|
| フック | 3秒 | 驚きの事実または質問 |
| 機能 | 15秒 | 一つの機能が一つの問題を解決する様子を示す |
| 結果 | 7秒 | 成果/メリット |
| CTA | 5秒 | 試してみる / 詳細を見る |
ペーシングルール
| コンテンツタイプ | 語数/分 | 備考 |
|---|
| 標準ナレーション | 150 wpm | 会話的なペース |
| 複雑/技術的 | 120 wpm | 処理時間を確保 |
| 活発/ソーシャル | 170 wpm | 短尺コンテンツ向けに速め |
| 子供向けコンテンツ | 100 wpm | はっきりとゆっくり |
重要なルール: 1シーンに1つのキーメッセージ。一つのビジュアルに複数のアイデアを詰め込まない。
シーン継続時間の目安
- 導入ショット: 3～5秒
- 機能デモンストレーション: 5～8秒
- テキスト/統計オンスクリーン: 3～4秒（読みやすいこと）
- トランジション: 0.5～1秒
- CTA画面: 3～5秒
ビジュアル制作
シーンタイプ
belt app run google/veo-3-1-fast --input '{
"prompt": "Clean product demonstration video, hands typing on a laptop showing a dashboard interface, bright modern office, soft natural lighting, professional"
}'
belt app run bytedance/seedance-2-0 --input '{
"prompt": "Abstract motion graphics, colorful data streams connecting floating geometric shapes, smooth fluid animation, dark background with glowing elements, tech aesthetic",
"generate_audio": true
}'
belt app run google/veo-3-1-fast --input '{
"prompt": "Happy person relaxing on couch with laptop, smiling at screen, bright airy living room, warm afternoon light, satisfied customer feeling, lifestyle commercial style"
}'
belt app run falai/flux-dev-lora --input '{
"prompt": "Split screen comparison, left side cluttered messy desk with papers and stress, right side clean organized minimalist workspace, dramatic difference, clean design"
}'
シーンの静止画から動画へ
belt app run falai/flux-dev-lora --input '{
"prompt": "Professional workspace with glowing holographic interface, futuristic but clean, blue accent lighting"
}'
belt app run falai/wan-2-5-i2v --input '{
"prompt": "Gentle camera push in, holographic elements subtly floating and rotating, soft ambient light shifts",
"image": "path/to/workspace-still.png"
}'
音声制作
スクリプト作成のヒント
- 短い文。1文最大15単語。
- 能動態。「あなたはデータを追跡できます」であって「あなたのデータは追跡できます」ではない。
- 会話調。声に出して読んでみて、堅苦しければ書き直す。
- 一文につき一つのアイデア。一つのビジュアルビートにつき一文。
音声の生成
belt app run falai/dia-tts --input '{
"prompt": "[S1] Tired of spending hours on reports that nobody reads? There is a better way. Meet DataFlow. It turns your raw data into visual stories... in seconds. Just connect your source, pick a template, and share. Try DataFlow free today."
}'
TTSのペーシング制御
| テクニック | 効果 | 例 |
|---|
ピリオド . | 中程度のポーズ | 「これですべてが変わります。方法をお見せします。」 |
三点リーダー ... | 長いポーズ（劇的に） | 「そしてその結果は...驚くべきものでした。」 |
カンマ , | 短いポーズ | 「速く、シンプルで、強力です。」 |
感嘆符 ! | 強調/エネルギー | 「今すぐ構築を始めましょう！」 |
疑問符 ? | 上昇調のイントネーション | 「もっと良い方法があったとしたら？」 |
音楽とオーディオ
背景音楽のガイドライン
- 音量: ナレーションの20～30％（音声再生時は6～12dB下げる）
- スタイル: ブランドトーンに合わせる（企業＝アンビエントエレクトロニック、スタートアップ＝アップビートなインディー）
- 構成: イントロスウェル（最初の3秒）→ ナレーション下の控えめなループ → CTAでのスウェル
- ボーカルなし: ナレーション下ではインストゥルメンタルのみ
belt app run <music-gen-app> --input '{
"prompt": "upbeat corporate background music, modern electronic, 90 BPM, positive and professional, no vocals, suitable for product explainer video"
}'
アセンブリパイプライン
本番制作ワークフロー
belt app run falai/dia-tts --input '{
"prompt": "[S1] ここにスクリプトを入力..."
}'
belt app run google/veo-3-1-fast --input '{"prompt": "シーン1の説明"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "シーン2の説明"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "シーン3の説明"}' --no-wait
belt app run infsh/media-merger --input '{
"media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'
belt app run infsh/video-audio-merger --input '{
"video": "merged-scenes.mp4",
"audio": "voiceover.mp3"
}'
belt app run infsh/caption-videos --input '{
"video": "final-with-audio.mp4",
"caption_file": "captions.srt"
}'
動画の長さとフォーマット
| フォーマット | 長さ | プラットフォーム |
|---|
| ソーシャルティーザー | 15～30秒 | TikTok, Instagram Reels, YouTube Shorts |
| 製品デモ | 60～90秒 | ウェブサイト, ランディングページ |
| 機能説明 | 90～120秒 | YouTube, メール |
| チュートリアル/ウォークスルー | 2～5分 | YouTube, ヘルプセンター |
| 投資家用ピッチ動画 | 2～3分 | ピッチデッキの補足 |
トランジションの種類
| トランジション | 使用タイミング | 効果 |
|---|
| カット | 関連シーン間のデフォルト | クリーンでプロフェッショナル |
| ディゾルブ/クロスフェード | 時間経過、ムード変化 | 柔らかく、物思いにふける |
| ワイプ | 新しいトピックやセクション | 明確な区切り |
| ズーム/プッシュ | 詳細へのドリルイン | 注目を集める |
| マッチカット | シーン間の視覚的類似性 | 賢く、記憶に残る |
よくある失敗
| 失敗 | 問題 | 修正 |
|---|
| スクリプトが冗長 | ナレーションが早すぎ、視聴者が圧倒される | 最大150 wpmに削減 |
| 最初の3秒にフックがない | 視聴者がすぐに離脱 | 問題または驚きの統計から始める |
| ビジュアルがナレーションに遅れる | 混乱する不連続 | ビジュアルは言葉と一致するか、やや先行させる |
| BGMが大きすぎる | ナレーションが聞こえない | 音声下で音楽を6～12dB下げる |
| キャプションがない | ソーシャル動画の85％は無音視聴 | 常にキャプションを追加 |
| アイデアが多すぎる | 視聴者は何も覚えていない | 動画ごとにコアメッセージは一つ |
関連スキル
npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering
すべてのアプリを表示: belt app list