Communitygithub.com

Tabcom 動画編集スキル

ffmpeg + Pillow パイプラインでタテ動画を編集。音声タイムスタンプ抽出、背景分離、アニメーションテキスト、連続するイラスト挿入、ロゴ、ズームイン、トランジションフラッシュ、効果音を扱います。

Tabcom 動画編集スキル とは?

このスキルは、ffmpeg と Pillow を使用してフルコードベースでタテ動画(9:16)を編集するためのパイプラインです。CapCut などの専用ツールに依存せず、全ての編集処理をコードで制御します。主な機能として、faster-whisper による音声認識とタイムスタンプ抽出、AI(birefnet)による人物背景分離、多様なテキストアニメーション効果、連続するイラストやロゴの挿入、ズームインやフラッシュトランジションなどを備えています。ユーザーが動画のソースファイルとアセットを所定のフォルダに配置し、「動画編集」「作成」「カット」などの指示を出すと、このスキルが自動的にパイプラインを実行します。出力は 1080×1920、25fps、H.264 crf 19 の高品質な動画で、音声は完全に保持されます。主に Claude Code などのAIエージェント上で動作し、画像収集には Playwright を使用、法律・ポリシー遵守のために公式ソースからのアセット使用が必須です。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Annie-246/tabcom-skills/tree/HEAD/plugins/tabcom-video-edit/skills/tabcom-video-edit

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

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

  1. 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
  2. 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.FIXassets/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.LOGOassets/logo/Shopee、TikTok、Facebook、Zalo ロゴ(背景透過済み)— 追加時はここに保存
P.FONTSassets/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.STICKERSassets/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:

  1. 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。
  2. 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。
  3. 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。
  4. 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 scrim alpha 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(...

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

関連スキル