ビジュアル解説動画制作スタジオ — ショート＆ロングフォームは何をしますか？

目的

トピックを、調査に基づいた編集者向けのビジュアル解説動画パッケージに変換します。このスキルは2つの明確な制作モードをサポートします。

ショートフォーム: 厳密に時間制限のある縦型解説動画（通常48～59秒）。
ロングフォーム: 8～12分、通常16:9の解説動画で、AI生成映像とモーショングラフィックス、アニメーションダイアグラム、チャート、キネティックタイポグラフィ、マップ、アーカイブ/ストック映像、スクリーンレコード、静止画、そして慎重に選ばれたビジュアルポーズを意図的に組み合わせたものです。

このスキルは単なる動画生成ツールではありません。これはストーリー、ビジュアルデザイン、プロンプトの編集、編集担当者への引き継ぎ計画です。単一の統合されたプロンプトパックと、別途ディレクターズノートを提供し、編集スキルが散在したプロンプトからクリエイティブな意図を推測する必要なく、それに従えるようにする必要があります。

単一ファイルへのコンパイルとTelegram配信ルール

統合テキストのコンパイル: フックプロンプトやエピソードパックをテキストファイルにコンパイルするよう要求された場合、正確なタイムスタンプ付きのマスターボイスオーバーと、シーンごとの完全なビデオプロンプト（マスタープロンプト、秒単位のタイムライン進行、技術的なカメラ/照明仕様、ネガティブプロンプトを含む）の両方を、ボールト内の1つの専用.txtファイル（/home/john/kos-obsidian-omni/<slug>.txt）にコンパイルします。
Telegramメッセージの安全策（3,000文字未満）: .txtファイルが書き込まれている場合は、生のプロンプトの数千行を直接Telegramにダンプしないでください。タイムスタンプ付きの完全なボイスオーバースクリプトをクリーンな```textブロックで出力し、シーンタイトル/焦点を要約し、保存された.txtファイルパスを直接指し示します。これにより、マークダウン書式と1タップのコピーボタンが保持されます。

「The Pop-Up Ledger」（ペーパークラフト/3Dポップアップマクロ経済学と歴史）については、references/the_pop_up_ledger.mdを参照してください。ロングフォームのペーシングとマルチメディアワークフローについては、制作前にreferences/long-form-explainer.mdとreferences/directors-note-template.mdを読んでください。

モードルーティング — 最初にこれを決定する

ユーザーが明示的にフォーマットを要求した場合は、それに従います。
そうでない場合、60秒未満の動画はショートフォーム、8～12分を目標とする動画はロングフォームです。
Shorts専用の制限（6秒シーン、115～130ワードのナレーション、縦型フレーミング）をロングフォームの作業に適用しないでください。
埋め草を追加してショートフォームをロングフォームに引き伸ばさないでください。ロングフォームには、より深い問い、複数の説明ステップ、証拠、中間地点での再エンゲージメント、意味のある統合が必要です。
ユーザーがトピックなしでロングフォーム動画をリクエストした場合は、簡潔なトピックの質問を1つ行います。適切にデフォルト設定できる詳細を尋ねないでください。

絶対的な制作ルール

1. 主張の前に調査

信頼できる情報源を使用して、事実、日付、名前、数量、メカニズム、比較、因果関係の主張を検証します。適切な場合は、一次情報源と専門家の機関を優先します。
各主張、情報源のURL/タイトル、該当する場合は公開日またはアクセス日、信頼性、注意事項、そしてそれを正直に示すことができるビジュアルを記録したファクトレジャーを保持します。
確定した事実、推定、議論のある解釈、説明のための比喩を区別します。シネマティックなビジュアルが、証拠が裏付ける以上の確実性を暗示してはなりません。
情報源、統計、引用、映像の出所、正確なビジュアルデータを捏造しないでください。主張が検証できない場合は、制作パッケージにその旨を記載し、削除するか適切にラベル付けします。

2. ショットの前にストーリー

中心となる問い、中心となる答え/テーゼ、対象視聴者、意図する takeaways、そして視聴者が関心を持つべき理由を明示します。
まず因果関係の連鎖または物語の背骨を構築します。各チャプターとビジュアルビートは、特定の何かを説明、証明、比較、文脈化、または感情的に強化する必要があります。
主要なナレーションビートを主要なビジュアルアプローチにマッピングします。単にナレーションを飾るためだけにビジュアルを生成しないでください。

3. ロングフォームのデフォルトはハイブリッドビジュアル

ロングフォーム動画全体をAI生成にしないでください。 各アイデアを最もよく説明するメディアを選択します。AI動画はいくつかのツールのうちの1つであり、すべての行に対するデフォルトの答えではありません。
読みやすいラベル、矢印、カウンター、タイムライン、コールアウト、ダイアグラム、段階的なコンセプトの表示にはモーショングラフィックスを使用します。正確な数値、情報源にリンクされたチャート、マップ、技術ラベルには決定論的なグラフィックスを使用します。
雰囲気、説明のための再構築、視覚的な比喩、不可能なカメラワーク、または撮影に費用がかかる/不可能なシーンにはAI生成映像を使用します。説明のための再構築と本物の証拠を明確に区別します。
信頼性、証拠、UIの詳細、または現実世界の文脈が重要な場合は、実際のストック/アーカイブ映像、スクリーンショット、製品映像、スクリーンレコードを使用します。該当する場合は、ソース/ライセンス/クレジット情報を記録します。
キネティックタイポグラフィは、重要なフレーズ、コントラスト、チャプターの区切り、記憶に残る要約のために選択的に使用します。複雑なアイデアを説明する代わりとして使用しないでください。
重要な読み取り可能なテキスト、数式、UIコピー、チャートの値、正確な境界線、マップ、ラベル、ソースデータをレンダリングするために生成AIに依存しないでください。これらはポストプロダクションで合成します。
固定のビジュアルメディアの割合はありません。明瞭さ、信頼性、コスト、制作時間、ビジュアルの多様性のためにメディアを選択します。主要なショットやグラフィックが選択されたアセットタイプを使用する理由を述べます。

4. オーディオは別途計画する

AI動画生成プロンプト内にボイスオーバースクリプトを決して配置しないでください。
ユーザーが生成されたダイアログを明示的に要求しない限り、動画プロンプトはビジュアルアクション、カメラ、連続性、物語内の音（diegetic sound）/フォーリー/雰囲気のみを指定し、Sound effects: [特定の雰囲気/フォーリー]. No voice over, no talking, no intelligible dialogue.で終了する必要があります。
ボイスオーバー、音楽、効果音、グラフィックのタイミングは、仕様において別のフィールドとして、ディレクターズノート内で明示的に指定する必要があります。
AIクリップの生成されたオーディオが最終編集で使用されることを想定しないでください。編集者が意図的に選択しない限り、オプションの参照として扱います。

5. 連続性と真実性

ショットが一致する必要がある場合、繰り返し登場する被写体、素材、カメラの地理、照明、パレット、ビジュアル処理を固定します。
連続したシーンを分割する場合（Google Flow / Omni または参照フレームをサポートする別のツール）、ショットNの最後の使用可能なフレームをショットN+1の参照として使用し、継続するカメラベクトルとアクションを指定します。このルールはカットベースの編集ではオプションです。
正確なジオメトリが出典不明の場合は、ダイアグラム/マップを模式図としてラベル付けします。生成されたマップ、チャート、アーカイブ風の画像、または再構築を本物の証拠として提示しないでください。

6. 納品には編集者への引き継ぎを含める必要があります

すべてのAI動画プロンプトとビジュアル生成プロンプトを、シーン/アセットIDごとにグループ化し、コピー可能な状態にした1つのクリーンな<slug>_prompts.txtファイルに常にコンパイルします。
常に<slug>_directors_note.mdを作成します。これはスタンドアロンの編集引き継ぎ書であり、全体的なクリエイティブブリーフ、ストーリー/チャプターマップ、暫定または確定タイムライン、ナレーション同期キュー、モーショングラフィックスの構築手順、トランジションとサウンドデザイン、アセットリファレンス、連続性ルール、最終チェックを含みます。これは必須のアウトプットであり、オプションの要約ではありません。
構造化された真実の情報源として<slug>_production_spec.yaml、クリーンなナレーションコピーとして<slug>_voiceover.txtを含めます。プロジェクトが事実に基づく主張をする場合は<slug>_research_ledger.mdを含めます。ソース/ライセンスの追跡が役立つ場合はアセットマニフェストを含めます。
設定されたプロジェクト/ボールトの場所が実際に利用可能な場合はそれを使用します。それ以外の場合は、現在の書き込み可能なワークスペース内にプロジェクトフォルダを作成します（例：visual-explainer-output/<slug>/）。マシン固有のホームディレクトリが存在することを想定しないでください。実際に書き込まれ、検証されない限り、ファイルが保存されたと報告しないでください。

7. 実際のレンダリングの制限を尊重する

プロンプトを確定する前に、選択したAIモデルの利用可能な再生時間、アスペクト比、参照画像、オーディオコントロールを確認します。
モデルがサポートしていない場合、あたかもサポートしているかのように要求された再生時間をプロンプトに書き込まないでください。サポートされているセグメントを生成し、ポストプロダクションでのトリミング、延長、または合成を計画します。
計画された編集タイムラインは、最終的なボイスオーバー/オーディオの長さが決定されるまで暫定です。暫定的なタイミングは正直にマークします。そのアセットが利用可能になったら、オーディオを測定した後に最終タイムラインを更新します。

ショートフォームモード — 60秒未満

実行時間とシーンのルール

デフォルトの目標: 48～54秒、通常8～9のビジュアルビート。
推奨される生成シーンの単位: 選択したモデルがサポートしている場合は6秒。サポートしていない場合は、サポートされている再生時間を使用し、ポストプロダクションでのカット/トリミングを計画します。サポートされていない再生時間を誤って要求しないでください。
プラットフォーム/ユーザーの目標が異なる場合を除き、最終的な動画は60秒未満に保ちます。
48～54秒の初期ナレーション目標は、約130～145語/分で約115～130ワードです。ワードをカウントし、生成されたナレーションが利用可能な場合は、シーンのタイミングを確定する前に実際のオーディオを測定します。

ショートフォームのストーリーレシピ

0～2秒: ビジュアルフック。 パラドックス、衝撃的な事実、緊張感、スケールの対比、または不可能に見える証拠から始めます。一般的な挨拶は避けます。
2～8秒: 答えを約束する。 具体的な質問を明確にします。
中間: 1つの因果関係の連鎖を説明する。 各ショットは、明確なステップ、比較、結果、または証拠を追加する必要があります。
ペイオフ: 冒頭の質問を解決する。 漠然とした要約で終わらないでください。
クローズ: 自然に適合する場合にのみ、簡潔な視聴者へのプロンプトを使用します。CTAのために答えを犠牲にしないでください。

ショートフォームのビジュアル/オーディオチェック

ショットごとに1つの支配的なビジュアルアイデアと短いオンスクリーンテキストを維持します。
モバイル視聴のために、フック、キャプション、セーフエリアプレースメント、サウンドデザイン、最終的なペイオフを計画します。
正確なラベル/データは、AIレンダリングされたテキストではなく、ポストプロダクションのオーバーレイとして保持します。
マップや連続シーンの解説では、永続的なシーン/カメラパスを維持し、すべてのオーバーレイをナレーショントリガーに結び付けます。
ロングフォームから転用された抜粋の場合は、独立して機能するようにフックとペイオフを再構築します。ランダムな中間セクションをトリミングするだけではいけません。

ロングフォームモード — 8～12分

references/long-form-explainer.mdを全文読んでください。 ロングフォームモードは、シネマティックなビジュアル、ダイアグラム、キネティックタイポグラフィ、証拠ビジュアル、チャート/マップ、実際のアセット、そして抑制されたポーズを意図的に組み合わせたものです。

実行時間とナレーション計画

デフォルトの目標: 8～12分、通常16:9。異なる場合は、ユーザーが要求したプラットフォーム/アスペクト比を使用します。
初期ナレーション見積もり: 自然なドキュメンタリーペース（約130～145語/分）で、ポーズ、強調、ビジュアルのみの瞬間に応じて、約1,150～1,600ワード。これは計画の範囲であり、盲目的なルールではありません。選択した配信レートから実行時間を見積もり、編集を確定する前に実際のボイスオーバーの長さを使用します。
ワード数を達成するために引き伸ばさないでください。薄まった12分の動画よりも、強力な8分の動画の方が優れています。
ナレーションをチャプターと短い意味単位に分割します。パラグラフ/ビートIDをタイムラインにマッピングしながら、別のクリーンなナレーションファイルを保持します。

ロングフォームのストーリー構成

強いビジュアルクエスチョン、驚くべき結果、矛盾、謎、または重要な例で始めます。
長いチャンネルイントロなしに、動画がどの質問に答えるか、そしてそれがなぜ重要かを視聴者に伝えます。
あまりにも多くの用語を導入する前に、有用なメンタルモデルを確立します。
明確なチャプターを通じて構築します: コンテキスト、メカニズム/証拠、複雑化または反論、含意、統合。トピックに合わせて順序を調整します。
動画のほぼ中間点に、中間注意リセットを含めます。新しいスケール、ケーススタディ、予期しない比較、ダイアグラムの変換、または新たな発見などです。証拠が裏付けない場合は、捻じ曲げた展開を作り出さないでください。
冒頭の質問に答え、部分を結び付け、該当する場合は不確実性を明示し、1つの記憶に残るテイクアウェイを提供して締めくくります。
推奨される8～12分のチャプターマップについては、リファレンスガイドを参照してください。厳格なタイムスタンプの義務ではなく、足場として扱います。

ロングフォームのビジュアル計画

チャプターごとに、以下を指定します:

この瞬間の視聴者の質問。
ナレーションビート/主要な主張。
主要なビジュアルメディアと、それが最適な理由。
ビジュアルによる証拠、メカニズム、比較、または比喩。
編集アクション: ホールド、表示、ラベル付け、追跡、比較、ズーム、ポーズ、またはトランジション。
必要な正確なアセット/データとそのソースステータス。
ビジュアルが本物の映像、ソースのある映像、模式図、AI再構築、または比喩のいずれであるか。

柔軟なショット/グラフィックの長さを使用します。単純な説明用のインサートは短くてもかまいません。よく構成されたダイアグラムは、ナレーションに応じてレイヤーが構築される間、10～25秒間画面上に留まることがあります。単に強制的にカットを続けるためではなく、アイデアが変わったときにビジュアルを変更します。長く変化のない壁紙は避けますが、証拠と複雑なダイアグラムが理解されるのに十分な時間を与えます。

ロングフォームのディレクターズノートは必須

ディレクターズノートは、編集スキルの主要な運用ガイドです。意図された視聴体験と、動画全体をどのように組み立てるかを説明する必要があります。完全なプロンプトテキストを複製する代わりに、プロンプトID/アセットを参照する必要があります。すべてのタイムラインイベントは、ナレーション/ビートIDを指す必要があり、すべての生成/ソースされたアセットは、ショットまたはグラフィックにマッピングする必要があります。正確なタイミングが未生成のボイスオーバーに依存する場合は、PROVISIONAL — sync to final VOとマークします。

ビジュアルモード

主題に応じてビジュアルモードを選択します。説明を向上させるために、モードを意図的にブレンドします。

地質学 / 連続する地球: 連続軌道から地上への軌跡、プレート境界、断面図、地形ハイライト、ワールドスペースコールアウト。
ペーパークラフトストップモーション / 触覚的なポップアップジオラマ: 積み重ねられたカードストック、折り込み、スライディングタブ、開いた台帳、触覚的な影、微妙な段階的動き、物語内の紙/段ボールのフォーリー。
タイムライン / 歴史の転換点: タイムラインの状態、マップ、時代のオブジェクト、アーカイブ証拠、移動/交易路、明確にラベル付けされた再構築。
プロセス / 仕組み: 入力 → メカニズム → 出力。分解図、アニメーション化されたフローチャート、段階的な視覚的な内訳、因果ループ図。
比較 / コントラスト: 分割画面、スライダーオーバーレイ、注釈付きの並置、時間経過、ウィジェット前後。
地理 / 空間的: 拡大するマップ、トレースされたルート、アニメーション化されたヒートマップ、ランドマークと地理的特徴。
メカニズム / 科学モデル: 物理シミュレーション (可能な場合)、インタラクティブモデルの録画、分子/機械の分解、フィールド全体のフォース。
キネティックタイポグラフィ: 章の見出し、記憶に残るフレーズ、重要な数字、内部韻を踏んだシーケンス (選択的に)。
データ / 証拠: 棒グラフ、折れ線グラフ、円グラフ、スキャッタープロット、棒グラフレース、データテーブル、ソース付きの引用インサート。
ポーズ / 熟考: 広角の景色、観察の瞬間、簡潔な画面、聴覚的休息。能動的な説明を 続けながら。

プロンプト構造とクオリティゲート

統一プロンプトフォーマット (全シーン対象)

# シーン: [簡潔なID]
- **時間**: [開始タイムスタンプ–終了タイムスタンプ] (例: 00:00:12–00:00:19)
- **ナレーションビート**: [対応するナレーションのテキスト断片、もしあればビートID]
- **提供するアセット**: [アップロードされたファイルへのパス、使用することを意図している場合]
- **マスタープロンプト**:

[修正なしの完全な生成プロンプト。デフォルトの否定的指示を含むか、必要な限定的な否定的指示を含む。]

- **秒単位のタイムライン進行 (該当する場合)**:
- `0:12–0:14`: [特定のアクションまたはフレーム]
- `0:14–0:16`: [次のアクション]
- `0:16–0:19`: [最終フレーム/遷移]
- **カメラ**: [レンズ焦点距離、移動方向、フレーミング/構図、被写界深度]
- **照明**: [質感、色温度、方向、強度、光源コントラスト]
- **サウンド**: [雰囲気/フォーリーのみ。ナレーション、会話、了解可能な言語は含めないでください。]
- **否定的プロンプト**: [具体的な除外事項。デフォルトの否定的指示は変更しないでください。]
- **依存関係**: [連続性のための参照フレームID、もしあれば]

クオリティゲート — すべてのプロンプトを書き込む前に確認する

正確性: このプロンプトは、私が知っている真実のビジュアル、または注意深くラベル付けされた比喩を説明していますか？
不可欠性: このショットは、何か新しいことを説明、証明、比較、文脈化、または感情的に強化していますか？装飾的な埋め草になっていませんか？
具体性: このプロンプトは十分に具体的ですか、それともモデルにすべてを決めさせていますか？
混合メディア (ロングフォーム): この瞬間に最適なメディアは何ですか？それはAI生成、モーショングラフィックス、キネティックタイポグラフィ、データ視覚化、ストック/アーカイブ、あるいは実際のスクリーンレコードですか？なぜですか？
連続性: このショットは、前のショットから論理的に続いていますか？アクション、被写体、環境は一貫していますか？
倫理: このプロンプトは、何かを本物として誤って伝える可能性がありますか？比喩、模式図、または再構築としてラベル付けする必要がありますか？
法的事項: 著作権で保護されたキャラクター、ロゴ、ブランド資産、人物の肖像権、商標、または有名な建物の正確な複製を要求するプロンプトはありませんか？

アウトプットデリバラブル (全プロジェクト向け)

上記の規則に従って、以下を生成します:

ファイル	内容
`<slug>_prompts.txt`	すべてのAI/ビジュアル生成プロンプト、シーンIDごとにグループ化、コピー可能な状態
`<slug>_directors_note.md`	クリエイティブブリーフ、ストーリーマップ、タイムライン、同期キュー、グラフィック構築、トランジション、サウンド、アセットマニフェスト、連続性ルール。必須
`<slug>_production_spec.yaml`	真実の構造化情報源、マシンリーダブル
`<slug>_voiceover.txt`	最終/ロックされていないナレーションコピー、ビートとタイムスタンプ付き
`<slug>_research_ledger.md`	事実に基づく主張をするプロジェクト向け
`<slug>_asset_manifest.csv`	ソース/ライセンス追跡用（任意）

スラッグ/命名規則

スラッグは、URLに適した低リスクの識別子である必要があります。タイトルから派生させ、小文字にし、非英数字を単一のダッシュに置き換え、先頭/末尾のダッシュを削除します。

例: The Pop-Up Ledger — Trade Deficits Are Not a Scorecard → the-pop-up-ledger-trade-deficits-are-not-a-scorecard

ディレクトリパスは、設定されたプロジェクト/ボールトの場所が定義されている場合はそれに従い、そうでない場合はvisual-explainer-output/<slug>/を使用します。

モデル機能チェックリスト (プロンプト記述前に実行)

モデルは必要な再生時間をサポートしていますか？
モデルは必要なアスペクト比をサポートしていますか？
参照画像/フレーム制御は利用可能ですか？
オーディオ生成は利用可能ですか？
既知の制限または予期しない動作はありますか？
最良の結果を得るために、モデル推奨プロンプト構造はありますか？

クイックリファレンス: ショートフォーム用語解説

ショートフォーム: 通常60秒未満の動画で、明確な質問と解決策に焦点を当てています。
フック: 視聴者の注意を即座に引き付ける冒頭の瞬間。パラドックス、衝撃的な事実、または視覚的に魅力的なイメージ。
ペイオフ: 最後に、冒頭で提起された質問または緊張を解決します。
因果関係の連鎖: 原因と結果の論理的な進行。各ステップは、ストーリーを前進させる新しい情報を追加します。
キネティックタイポグラフィ: テキストの動き/アニメーション、重要なポイントを強調し、エンゲージメントを高めるためによく使用されます。
縦型 / 9:16: モバイルファーストのソーシャルメディアプラットフォーム (TikTok、Shorts、Reels) に最適化。

クイックリファレンス: ロングフォーム用語解説

ロングフォーム: 通常8～20分の詳細な解説動画。
チャプター: 物語の明確なセクションで、多くの場合、特定の側面または引数のステップに焦点を当てています。
中間注意リセット: 視聴者の興味を再活性化するために、中間点近くに導入される新しい視点または要素。
ハイブリッドビジュアル: 説明を最も効果的に提供するために、さまざまなメディア (AI、モーショングラフィックス、実際の映像) を混合します。
ディレクターズノート: 編集者向けの詳細な文書で、動画を組み立てる方法についての指示とガイダンスを提供します。
プロダクションスペック (spec): プロジェクトに関する構造化された技術情報 (ビデオファイル、参照など) を含むファイル。
ファクトレジャー (ledger): 事実に基づく主張とそのソースの記録。情報に基づいた責任あるコンテンツ制作のために不可欠です。

お気に入りのAIに質問する

ドキュメント

ビジュアル解説動画制作スタジオ — ショート＆ロングフォーム は何をしますか？

目的