Tabcom 動画編集 — タテ動画パイプライン
動画編集は コード(ffmpeg + Pillow によるフレームレンダリング) で行い、CapCut は使用しません。ユーザーは CapCut で BGM を挿入するだけです — キャプションはパイプラインで生成済み(2026年8月18日確定)。
標準パラメータ:1080×1920、25fps、H.264 crf 19、ソースの台詞は完全に保持。OUTRO TABCOM を末尾に結合(30fps→25fps 変換後)。
ステップ 0 — 事前確認
tai-lieu/Phan-tich-video-mau.md(このスキル内)— サンプル動画分析、5つの標準シーンタイプtai-lieu/quy-tac-video-tabcom.md(このスキル内)— ブランドロゴ規則、出力保存規則、イラスト収集規則。アセット収集前に必ず読む。
法的/ポリシー的内容:アセットは 原文または公式ソース から引用し、画像下に文書名を記載。
準備(各マシンで1回のみ)
固定アセット(フォント、背景、グラデーションカード、OUTRO、プラットフォームロゴ、ステッカー)はこのスキルの assets/ に既に配置済み — 追加ダウンロード不要。確認:
python scripts/tabcom_paths.py # 各アセットの OK/欠落 テーブルを表示
必要な環境:cai-dat/README-cai-dat.md(ffmpeg、python + rembg、faster-whisper、Playwright)を参照。ライブラリが不足している場合はユーザーに事前インストールを依頼し、迂回路を作成しない。
入力
各動画はディレクトリ yy.mm.dd - 動画名/ に話者のソースファイルを格納。環境変数で指定、パスをスクリプトにハードコードしない:
# PowerShell
$env:TABCOM_SRC = "D:\Video\26.08.20 - Ten video\source.mp4" # 話者ソースファイル
$env:TABCOM_OUT = "D:\Video\26.08.20 - Ten video\26.08.20 - Ten video (draft v1).mp4"
$env:TABCOM_ASSETS = "D:\Video\26.08.20 - Ten video\assets" # この動画専用のイラスト
全てのスクリプトは scripts/tabcom_paths.py からパスを読み取る:
| 変数 | パス | 備考 |
|---|---|---|
P.FIX | assets/co-dinh/ | 背景、スプリットシーン用グラデーションカード、OUTRO、ライトテーマロゴ |
P.LOGO | assets/logo/ | Shopee、TikTok、Facebook、Zalo ロゴ(背景透過済み)— 追加時はここに保存 |
P.FONTS | assets/fonts/ps-display/ | PS Anton - Regular V1.0.otf(大文字)、Big Shoulders ExtraBold Viet Hoa.otf(サブ行)。フォントサイズは 1.22 倍(condensed フォントのため) |
P.STICKERS | assets/stickers/ | ステッカー、プラットフォームバッジ、フラッシュ PNG サンプル |
P.src() / P.out_file() | TABCOM_SRC / TABCOM_OUT | 未設定時はエラーを明確に報告 |
P.assets() | TABCOM_ASSETS | 編集中の動画専用イラスト |
P.work() | ./build または TABCOM_WORK | フレーム、クリップ、マスク中間ファイルの出力先 |
ステップ 1 — 音声タイムスタンプ抽出(必須)
ffmpeg -i "source....mp4" -ac 1 -ar 16000 audio.wav
faster-whisper モデル small、language='vi'、word_timestamps=True、vad_filter=True。
Whisper は固有名詞を誤認識する場合あり("shop"→"SOAP"、"Tabcom"→"TAPCOM"、"Shopee"→"Soppy")— 無視し、タイムスタンプのみ利用。テーブル作成:タイムスタンプ → 発言内容 → 予定シーン。
ステップ 2 — 画像収集(必須、動画品質を左右)
ユーザーの厳格な要件:画像は連続的で、全てのシーンに画像が必須、文字のみのシーンは不可。約115秒の動画に 25~30枚 の画像が必要。
優先順位:
TABCOM_ASSETS動画ディレクトリに収集済みのアセット(P.assets())— まずそれらを使い切る。- プラットフォーム/アプリのスクリーンショット:
scripts/17_collect_platform_images.py— 下記 SOP 参照。 - 無料ストック画像:
scripts/16_get_stock_photos.mjs(Playwright + Chrome)- Pexels は Cloudflare にブロックされる("Just a moment...")— 時間をかけない。
- Unsplash と Pixabay はスクレイピング可能。Wikimedia は ロゴ にのみ適しており、ストック画像には不向き。
- 販売者のイラスト / 生成画像(オプション):
<VIDEO_ROOT>/tai-nguyen/carousel-hook-video-ban-hang/と<VIDEO_ROOT>/tai-nguyen/generated-carousel/に配置、P.extra("...")で呼び出す。なくても編集可能。
画像は使用前に必ず確認 — ユーザーはこのミスを指摘します: 実際に画像が何を描いているか開いて確認。例:株式ローソク足チャートを「ダッシュボード広告」に使用(誤り)、電話充電ポート画像を CTA コメントに使用(無関係)。文脈に合わない画像は、枚数合わせのために挿入しない。
プラットフォーム UI 画像収集 SOP(Shopee、TikTok Shop、Zalo、Facebook)
特定のプラットフォーム機能に言及する場合、その機能の実際の UI 画像が必須。scripts/17_collect_platform_images.py で4つのソース:
| 必要なもの | コマンド | 備考 |
|---|---|---|
| アプリ UI(購入者および販売者) | play <package> | 公式ソース、ベトナム語、自動で電話フレームにクロップ |
| ボットで開けない UI(Shopee Live、TikTok LIVE) | page <url-記事> <slug> | 事前に WebSearch で記事を検索 |
| 公開ウェブページ(ファンページ、グループ、Zalo OA、Academy、ウェブサイト) | shot <url> <名前> | システム全体の Playwright + Chrome |
| 一般的なイラスト | bing "<クエリ>" <slug> | クエリは具体的に |
既に使用可能な Play パッケージ:com.shopee.vn · com.shopee.shopeeseller(7日/30日枠の「販売効果」画面あり — 「分析を開いて30日間見る」の定番画像) · com.tiktokshop.seller · com.zing.zalo · com.facebook.katana。
試したが ブロックされた、時間をかけない:shopee.vn(「ページが利用できません」)、tiktok.com/shop および TikTok 個人ページ(captcha)、API banhang.shopee.vn および SPA 形式の Shopee Uni/TikTok Academy(WebFetch/curl は空枠のみ、API はログイントークン必須)、Google Images(HTML に元画像 URL なし — Bing を使用)。
実スクリーンショット付きのベトナム語記事で再利用可能:shopee.vn/blog(公式、優先)、misaeshop.vn、cellphones.com.vn/sforum、ghn.vn。競合他社の画像は使用しない(tukigroup.vn)。
収集後:sheet out/<slug> を実行し、Contact sheet を読んで選択 — ファイル名で選択しない。
アセット引継ぎ README(必須)
動画のアセットディレクトリ(TABCOM_ASSETS)内に README.md が必要:各画像がスクリプトのどの部分に対応するか · 画像 URL + ページ URL + 取得日 · 未取得項目 · 編集時の注意点。_preview-all.png(コンタクトシート)を添付し、ユーザーがすばやく確認できるようにする。
常に記録・実行すべき3項目:
- アプリアイコン内の数値は 発行元のサンプル値 — 実際のデータとして読み上げたり、結果の証拠として使用しない。
- アカウント名、ショップ名、コメント者名 が写っている画像 → 動画に使用前にクロップ削除またはぼかし処理。
- ショップの減少データ/トラフィックソースチャート:ダッシュボード画像を実際のデータとして偽装するために探さない、また画面に 「イラスト」ラベルを付けない(「イラストラベル禁止」セクション参照)。
ステップ 3 — スプリットシーン用人物背景分離
重要な教訓: gate 方式(サンプルフレームに birefnet + 各フレームに isnet)は 十分にきれいではない — 複数フレームの union mask は頭部近くの背景オブジェクト(カップの星、葉っぱ、椅子の端)を飲み込み、「明るい領域を暗くする」処理はそれらを醜い黒い塊に変えるだけ。
正しい方法:
- スプリットウィンドウを短く保つ(≤ 4秒)。より長いセグメントは 全画面アセットシーン に変換(画像が大きく、読みやすい)。
scripts/15_cutout_birefnet.pyを実行:birefnet-portrait各フレーム(~17秒/フレーム;90フレーム ≈ 25分)。これが髪の輪郭を完全にきれいにする唯一の方法。- フレームクロップ:
crop=940:1040:70:340(各ソースでdrawgridで再確認)。
承認済みスプリットシーンレイアウト:
- グラデーションカード 800×690 位置 (140, 1226) — フレーム中央。
- 人物
scale=760:842、overlay=160:1074— 正確に中央、下端に足が接する。 - キャプション用に フレーム上半分は空ける。左隅の小さなラベル + 1画像 + 1カプセルを配置。
- このレイアウトは動画全体で頻繁に使用し、CTA 末尾だけでない — ユーザーは多様性を要求(2026年8月18日)。計画時に cutout コストを事前計算:
birefnet-portraitはこのマシンで ~50秒/フレーム、つまりスプリット1秒あたり ~21分。3~4ウィンドウ × 2.5~3秒で約4時間 — バックグラウンドで実行し、他の作業を行う。
ステップ 4 — シーン編集
scripts/10_scene_helpers.py(レイヤー、カプセル、テキスト画像、アイコン、レンダリング)+ 11_scenes_images.py(全画面の画像)+ 12_layout_archetypes.py(多様なレイアウト)。
テキストエフェクト — 多様性必須、話のリズムに合わせる
pop(ease-out-back)、slide、wipe、slideL/slideR(交互でジグザグリズム)、blurin(画像用)、flip(横方向伸縮)、shakein(警告カプセル用)、none(アニメーションなしで即表示)、float(浮遊・微振動)、fly(AからBへ飛行)、TypeLayer(フック/CTA用タイプライター)、CountLayer(カウント、例 0→50%、停止時にブーム効果)、MarkerLayer(テキスト背後にハイライトペン)。
エフェクト振幅 — ユーザーは「目がチカチカする」「頭痛がする」と指摘(2026年8月9日)
生き生きしていることが必ずしも強い跳ねを意味しない。承認済みパラメータ:pop は 74% から拡大(60% ではない)、flip は横幅 48% まで圧縮(15% ではない)、shakein は 84% に収縮+振動 ≤4px、7回/秒、≤0.45秒。全体的な時間に約18%のバッファを追加。
冒頭部は本編より間隔を広く:アイテム間 ≥0.4秒 の間隔、TypeLayer は ≤16文字/秒。
前のシーンで既に表示された画像は、次のシーン開始時には既に存在する(anim="none"、t0=0)— 再表示しない。そうしないと、そのシーンのテキストにエフェクトが集中し、視聴者は急かされる感覚になる。
「イラスト」ラベル禁止(2026年8月20日確定)
どこにも「イラスト」という文字を押さない — グラフィック小道具(お金、アイコン)にも、自作のチャートにも、アプリスクリーンショットの下に「インターフェースイラスト…」ラベルも付けない。 ユーザーは煩わしく、画面が散らかると感じる。ラベルなしで主張の限界を正しく守る方法:
- 自作の棒/チャートは 裸のままで、数値を付けない — 高低の視覚比較のみ(例:「TREO LIVE」棒が低い · 「LIVE AI」棒が高い)。数値がなければ結果のコミットメントにならない。
- アプリ/プラットフォームのスクリーンショット:アセット収集段階で 数値が露出しない画像を選択(収益バー、ショップ名、コメント者名をクロップ削除)、後からラベルを貼るためにそのままにしない。
話者へのオーバーレイ — 必須の編集タイプ、動画全体に分散配置(2026年8月20日)
全画面グラフィックに切り替える代わりに、RGBA の PNG シーケンスを話者の映像に直接オーバーレイ:頭上の空きスペースに浮遊するテキスト(float、顔領域を避け、事前に drawgrid で測定)、作業台の高さに話者の下に 水平ストリップ に画像を配置。スプリットシーンと同じメカニズムで合成:-framerate 25 -start_number 1 -i seq_XXX/%04d.png、その後 overlay=0:0:enable='between(...)'。
冒頭部だけに使用しない。 ユーザーの要求(2026年8月20日)は、オーバーレイを 全画面グラフィックシーンやスプリットシーンと同等の編集タイプ とし、動画全体で 3タイプを順番に使用:
| タイプ | 使用時 | コスト |
|---|---|---|
| 全画面グラフィックシーン | リスト、数値、グリッド、チェックリストが必要な文 | 低、Pillow レンダリング |
| 話者へのオーバーレイ | 1~2ポイントのみの文;話者の顔の流れを維持、話すリズムを保持 | 低、Pillow レンダリング |
| スプリットシーン(背景分離) | 強調、結論、CTA | 高、~50秒/フレーム cutout |
リズム目標:全画面2~3シーンごとに1つのオーバーレイセグメントを挿入、各動画に 3~4 のオーバーレイウィンドウ、各ウィンドウ 2.5~5秒。オーバーレイは話者を途切れさせずに「画像を連続」させる最もコストが低い方法。
オーバーレイ編集ルール:
- 該当ウィンドウの正確なフレームで
drawgridを使用して空きスペースを事前に測定する。 話者はセグメントごとに座る位置や手の位置が異なる — 確認せずに前のウィンドウの座標を再利用しない。 - 顔や演技中の手を覆わない。 テキストは頭上または空いている肩の横の空きスペースに配置;イラストは机の高さに水平ストリップ、または空いている肩の横に垂直カラムで配置。
- オーバーレイの背景は半透明でなければならず、不透明ブロックではない: 白パネル
alpha 200–225角丸28、またはネイビーグラデーション scrimalpha 0→150上下端。100%不透明だと全画面シーンになり、オーバーレイの意味を失う。 - テキストには太い輪郭/シャドウが必要 — 背景は実際の映像で、明るさが常に変化するため。
- 優先エフェクトは小振幅の
float、blurin、slideL/slideR— オーバーレイは動画上にあるため、強いエフェクトは乱雑になる。オーバーレイではshakeinを使用しない。 - Reels のセーフゾーン を維持:テキストは y ≈ 1500 まで、右カラム x > 900 は避ける。
- オーバーレイウィンドウ中もキャプションは表示(このフレームは空いている)、オーバーレイが複数行のチェックリストでない限り。
レイアウト — 連続する2つのシーンを同じにしない
承認済みアーキタイプ:全画面画像 + テキストオーバーレイ(明るい scrim でネイビーテキストを読めるように) · 2×2 グリッド with ラベル · 左画像カラム + 右チェックリスト · 上半分画像 + 下半分浮き出し白パネル · 3画像水平ストリップ · 円形切り抜き色枠 · 左画像 + 右スライドインカプセル · 内部画像付きデュアルブロック · 大きな数字 + サブ画像 · 垂直矢印フロー。
用語は正確に
"treo live" — "chèo live" ではない。これは販売者が録画済みビデオをライブ配信として再生する方法。Whisper は常に "chèo live"/"TeoLive" と認識;キャプションと画面上のテキストで手動修正。
フレーム上下のセーフマージン(2026年8月20日確定)
Tabcom の背景には y 48–122 のロゴ と y 1829–1872 のホットライン/ウェブサイト がある。ユーザーは「テキストがロゴに近い」「画像が下端に近い」と指摘:
- FULL シーンのタイトルカプセルは中央 y ≥ 240(上端からロゴまで ≥ 90px)。
- 全ての画像の下端 ≤ 1820。オーバーレイの画像ストリップは中央 y ≈ 1670(高さ ~300)、1770 ではない。
- テキストの既存の上限は維持:テキストと数字は y ≈ 1500 以上 で終了。
Shopee オレンジは第3のアクセントカラー
ORANGE = (238, 77, 45) — Shopee オレンジ #EE4D2D、teal とネイビーと交互に、Shopee 関連のカプセル、矢印、大きな数字の枠、キャプション内のキーワード "SHOPEE"/"SHOP" の背景(caption(..., hi_col=ORANGE) — オレンジ背景のテキストは 白、teal 背景はネイビー)。使用量:約100秒の動画で8~12箇所のオレンジ、teal/ネイビーをメインカラーから置き換えない。
Tabcom の Live AI 画像はフルフレームで表示、クロップ禁止(2026年8月20日確定)
TABCOM_ASSETS/avatar-ai/ の avatar-* セットは 941×1672 = 9:16 比率 (0.563) — これはサービス商品画像であり、クロップするとセットアップショットと両側の商品が失われる。ユーザーは フレーム全体が見えること を要求:
- この画像を含む全てのコンテナは 正確な比率 0.563 に設定:
170×302 · 200×355 · 240×426 · 300×533。 - この画像を
circle_photo()(円形クロップ)や横長コンテナに入れない — 円形フレームには他の再利用画像を使用。 - 複数の Live AI 画像グリッドは 水平行(4枚 230×408)または 3×2 に配置、2×2 は画像が狭く画面中央に2つの大きな空白ができるため不可。
セーフマージン(ユーザーがクロップを指摘)
右カラム:cx ≤ 806、maxw ≤ 490(...