一言から完成品へ：エントリーポイント
目標：ユーザーが要件を一言だけ伝えれば、Claude が原稿・字幕・アニメーション・音効・レンダリング・自己チェック・サムネイル・コピーを全て実行し、完成品を納品する。毎ステップ確認を取らない、ユーザー自身で決定できることは確認を求めない。
事前準備チェック（作業開始前30秒）
../video-asset-prep/SKILL.md の準備リストを確認：デジタルヒューマン（出演版のみ必要）、音声、アセットライブラリ、固定テンプレート。不足があればそちらに移って準備してから作業を進める。不足したまま無理に進めない；純アニメーション版はデジタルヒューマン不要。準備が整ったら、以降は全て自動で進める。
0. 要件収集（最大1回、3つの質問をまとめて）
動画の構造を変える、かつデフォルト化できないことだけ質問する。ユーザーが答えなかったものは全てデフォルト値で進める：
| 質問 | デフォルト |
|---|---|
| テーマと主張（一言、またはラフ原稿） | 必須 |
| デジタルヒューマンの出演有無？ | なし（純アニメーション）。ありの場合はユーザーのデジタルヒューマン映像とナレーションが必要 |
| ナレーションの出典は？ | ユーザー自身のクローン音声で生成したオーディオを送ってもらう；なければシステムTTSで仮配置して全フローを通し、本番ナレーションが届いたらアライメントのみ再実行 |
固定デフォルト：1920×1080、30fps、60–80秒、BGMなし（音声＋音効のみ、音楽はユーザーが後付け）、字幕キャプションスタイル、テーマに応じてライトまたはダーク、ラウドネス −16 LUFS、サムネイルは横・縦各2枚、コピー1行。
1. パイプライン（自動推進）
| ステップ | 処理内容 | 担当 | 成果物 / チェックポイント |
|---|---|---|---|
| S1 原稿 | 8–12文のナレーションに圧縮：各文 ≤20字、一文一義、数字は独立文に；AI臭を排除（短文・口語・対比少なめ）；事実確認；文字数 ≈ 尺×4.8 | Claude | script_lines.json；事実に疑問があればユーザーに確認 |
| S2 ナレーション | 原稿を読み上げツール向けに書き換え（略語は A I のように一字ずつ）→ ユーザーが音声生成 → ローカルでポーズは最大0.4秒 | ユーザーが音声提供 | voice.mp3；これだけは必ずユーザーを待つ工程（なければ仮配置） |
| S3 アライメント | whisper でワード単位に強制アライメント → 字幕を単語で区切る → 波形と独立に先頭タイミングを確認 | Claude | words.json subs.json；字幕の先頭は3フレーム以内 |
| S4 デジタルヒューマン（任意） | ブラウザ駆動でデジタルヒューマンツール：音声アップロード→生成→ダウンロード。認証・決済・削除はユーザーのみ | Claude + ユーザー | グリーンバックmp4 |
| S5 クロマキー（任意） | 色差キー＋エッジ拡張 → VP9 alpha WebM；デコードカーブ補正；口パク先行3フレーム | Claude | key_host.py |
| S6 タイムラインデータ | 全カット時間を単語アライメントから算出（文頭 −6フレームをカットポイント）、フレーム番号を手打ちしない | Claude | timeline.ts 唯一の情報源 |
| S7 アニメーション | 一文一カット、一台のカメラ、一つのフォーカス；タイプライター効果は全て typing.ts に登録；音効はイベントベースで生成 | Claude | ae-motion-craft 参照 |
| S8 レンダリング | 分割＋ウォッチドッグ：5分間新しいフレームが生成されなければプロセス強制終了、最大3回リトライ；各セグメントの開始・終了時刻をログ出力 | Claude | 分割mp4 → 結合 → ミキシング |
| S9 セルフチェック | 第3節のリストに従い、実際のファイルタイムスタンプとログを照合、感覚で「もうすぐできそう」と言わない | Claude | チェックリスト |
| S10 パッケージ | 横＋縦サムネイル（メイン＋代替）、サムネイルサイズチェック、SNS向け一行コピー | Claude | サムネイル4枚＋コピー |
2. 人間だけが行うこと（それ以外は全て自分でやる）
ナレーション音声の生成、デジタルヒューマンの認証・決済確認・アカウント/イメージ削除、最終的な美的チェック。これらに遭遇したら一度に必要なものを全て伝える、複数回に分けて質問しない。
3. セルフチェックリスト（納品前に1行ずつ ✓/✗/数値を記入）
- 尺：動画と音声の差 ≤0.05 s；ffprobe 1920×1080 / 30fps / BT.709
- ラウドネス −16 LUFS（音声＋音効）、ピーク < −1 dBFS；音効は音声より ≥10 dB 低い
- 字幕：各行の先頭と波形の誤差 ≤3フレーム、時刻の重複なし、スタイル統一
- 紫色ピクセルの割合（紫ラインが不要な場合）<0.2%；カットポイントは2フレームステップでハードジャンプなし
- 各タイプライターブロック：文字数 = キー音数
- 画面にサードパーティブランド・実在人物・内部ファイル名なし；中国語動画の画面上文字は汎用的な用語
- レンダリング成果物のタイムスタンプが最終変更より後；ログに失敗セグメントなし
4. 鉄則（踏んだこと）
- 原因を推測しない：レンダリングが止まったら、まずファイルの更新日時 vs 現在時刻、ログ全体を読んでから結論を出す。
- ユーザーに監視させない：長時間タスクは各セグメントにタイムスタンプを付け、止まったら自分で検出してリトライする。
- まず静止画 / 低解像度プレビューで自己チェックしてから1080pでレンダリング。
- 字幕は必ず単語単位でアライメント、文字数で推定しない。
- BGMなし；説明用の小文字テキストを入れない；明るい背景に大きめの暗色ブロックを配置しない；紫色は使わない。
- ユーザーが具体的なフィードバックをくれた場合、影響のあるカットだけ再加工、全体をやり直さない。
- 納品後、プロセスを繰り返し報告しない。以下のみ伝える：配置場所、変更内容、既知の不具合、サムネイル、一行コピー。
5. 関連
- 事前準備（デジタルヒューマン / 音声 / アセット / 固定テンプレート）：
../video-asset-prep/SKILL.md - 本スキルの詳細は
references/ディレクトリ：原稿とフック（hooks-and-copy、thinking、templates）、絵コンテと画面設計（visual-mapping、motion-and-camera、packaging）、字幕アライメント（subtitle-sync）、快適性ルール（comfort-rules）、全フローマニュアル（production-playbook）、ナレーション動画融合（hosted-video-fusion）、レンダリングとパイプライン（remotion-pipeline、promo-and-hosted-pipeline）、音効（motion-polish-and-sfx）、コラボレーション（collaboration）、中・英語版（english）、サムネイル素材（gemini-asset-prompts）。 references/legacy-combo-style-SKILL.mdは分割前の旧概要。参照用のみ。ファイルパスは現在のディレクトリを基準とすること。- スクリプト：
scripts/、../../pipeline-scripts/；完全な方法論：../../方法論-制作篇.md