talking-head-short — マスターエディター

Talking-Head Short — マスターエディター

簡潔な返信を書いてください。文字起こしや長いログは出力しないでください。spec.json は Edit ツールで編集し、書き直さないでください。各スクリプトはコンパクトなレポートを出力します。それを読んで行動し、次に進んでください。

S=<このスキルディレクトリ>/scripts、WD=<生ファイルの隣の作業ディレクトリ>/ths_<名前>

0. セットアップ（マシン／サンドボックスごとに1回）

bash $S/setup.sh → 表示された PY= を使用します。これにより、静的ffmpegを含むすべてのPyPIパッケージがインストールされます。 すべてのダウンロードには自動フォールバックがあります。サンドボックス（claude.aiコード実行、無料・有料とも）は通常、HuggingFace、Mixkit、Google Fonts APIをブロックしますが、GitHubは許可します：

• 文字起こしモデル：HuggingFace → GitHubミラー（whisper-base、次にwhisper-tiny）
• 音楽/SFX：Mixkit → GitHubミラーCC0パック（IDは pack:lofi_chill のようになります）
• フォント：Google Fontsリポジトリ → jsDelivr → GitHubミラーOFLパック（32ファミリー） → システムフォント
• Bロール：Mixkit → なし（カードを使用するか、ユーザーにクリップのアップロードを依頼）

セットアップが「ネットワークなし」/ pipエラーを出力した場合：サンドボックスのネットワーク出力がオフになっています。ユーザーに正確に（1メッセージで）伝えてください： 「claude.ai → Settings → Capabilities → Code execution → Network access：All domains（または追加：pypi.org、files.pythonhosted.org、github.com、objects.githubusercontent.com、release-assets.githubusercontent.com、api.github.com、raw.githubusercontent.com、cdn.jsdelivr.net、huggingface.co、mixkit.co、assets.mixkit.co）、その後新しいチャットを開始して /talking-head-short を再度実行してください。」numpy/ffmpegなしで編集を試みないでください。 すべてのソースが失敗した場合のみ：貼り付けられた文字起こしを要求 → $PY $S/align_text.py $WD transcript.txt。アセットは ~/.ths_assets にキャッシュされます。

1. 分析

$PY $S/analyze.py RAW $WD 解像度、アイポイント、クリーンな長さ、自動除去されたフィラー・吃音・再開、CHECK（ソフトフィラー、低信頼度単語、長いポーズ）、および8単語ごとのタイムスタンプ付きTEXTを出力します。

• 不良テイクは自分で判断してください。 誤スタート、未完了の文、「あのー」「えーっと」「みたいな」を削除します。修辞的な繰り返しは維持します。--remove '[[s,e],...]'（ソース秒）を付けて再実行します。文字起こしはキャッシュされます。
• $WD/frames.jpg はアイポイントやフレーミングが疑わしい場合のみ確認します。

2. ブリーフィング（頭の中で、その後ユーザーに4行）

以下を書きます：トピック · コアメッセージ · 感情のアーク（フック → … → ペイオフ） · ニッチ行（NICHESから） · トーン（calm/balanced/energetic） · 生のフレーミング（wide or tight）。 次に $PY $S/style.py RAW "<niche>" --out $WD/style.json を実行します。これにより、適応されたパレット（理由付き）、フォント、MG/Bロール/音楽/SFXの方向性、ハードノートが出力されます。 references/craft.md（ルール）と references/spec.md（スペック形式）を1回読んでください。

3. 構築前に質問（決して先にレンダリングしない）

AskUserQuestionが利用できる場合はそれを使用し、そうでなければ1つのコンパクトな番号付きメッセージを使用します。毎回オプション1を推奨します。

1. スタイル： 検出されたニッチ + トーン（例：「自己啓発 · calm-reflective」）対1～2の代替案。
2. フォント： その行のペア対2つの代替案（明確なスタイルコントラスト：サンズリード + セリフ/イタリックキー、またはボールドサンズキー + イタリックセリフアクセント）。
3. パレット： 映像に適応された行パレット対映像由来パレット対ユーザー指定のブランドカラー。
4. ビジュアル密度： Minimal（キャプション + 2～3カード）・Balanced（キャプション + 4～6カード / Bロール）・Rich（より多くのMG + Bロール）。
5. 音楽： $PY $S/assets.py music "<mood>" からライセンス候補3つ（ID · タイトル · タグ）、またはなし。
6. Bロール： はい（リテラルな行に一致するライセンスストック） / いいえ。 ユーザーがすでに答えた質問はスキップします。回答を待ちます。

4. アセット収集

• フォント：$PY $S/assets.py font "Family" ...
• 音楽、SFX、ビデオ：assets.py music|sfx|video "<query>" を実行して一覧表示、その後 assets.py get <kind> <id> $WD。
  • SFX by tone：calm → "air woosh", "chime"；balanced → "whoosh", "pop"；energetic → "swoosh", "impact"（1回使用）。
• ブロックされたソースは自動的にフォールバックされます（パックID）。assets.py pack でオフラインCC0パック全体を一覧表示します。

5. spec.json、プラン、スタイルフレームの作成

1. $WD/spec.json を作成します（references/spec.md参照）：キャプションは話された順序、カードは適切な節に、オーディオ。
2. $PY $S/engine.py $WD --plan → すべてのISSUEをspecの編集（ビートの短縮や結合、カード下のキャプションの移動や削除）で修正し、ISSUEがなくなるか許容できるものだけになるまで再プランします。
3. $PY $S/engine.py $WD --frames t1,... を10～15のタイムで実行：すべてのカードの中間点と終了−0.3秒、およびすべてのキャプションの終了−0.1秒。$WD/styleframes.jpg を確認し、カットオフ、密集、位置ずれ、パレット外のものを修正します。
4. スタイルフレームを1行（「レンダリングしてよろしいですか？」）でユーザーに表示します。ユーザーが指摘したもののみ反復します。

6. レンダリング、ミックス、QA

• bash $S/render.sh $PY $WD はパーツを並列レンダリングし連結します（ノートPCで動画1分あたり約5分）。コマンドごとに時間制限のあるサンドボックスでは、パーツごとに $PY $S/engine.py $WD --render --part i/N を実行し、その後 --concat N を実行します。
• $PY $S/mix.py $WD → final.mp4（音声クリーンアップ、ペイオフ調整されたダッキング音楽、SFX、-14 LUFS）。
• $PY $S/qa.py $WD → qa_endframes.jpg を確認します。すべてのビートとカードの終了でテキストとアニメーションが完了している必要があります。フラッシュフレームはなしでなければなりません。
• ファイルパスと、選択した内容とその理由を3行で提供します。ダウンロードできなかったアセットがあれば言及します。

譲れない条件（理由：それぞれがアマチュアと指摘された）

• キャプションが途切れてはいけません。リードはキー幅以下で近くに配置します。黄金比で2つの対照的なフォントスタイル。単独のフィラーワードにキャプションを付けないでください。
• モーショングラフィックスは意味を示し、シーンチェンジ前に終了し、1つのビジュアルシステムに収まります。棒人間やクリップアートは使用しないでください。
• スムーズ：カットをまたいでイージングされたアイロックズーム、フラッシュフレームなし、多様なトランジション。
• カラーコレクションのみ。ライセンス済みアセットのみ（Mixkit / Google Fonts OFL）、LICENSES.txtを$WDに保存します。