垂直リール動画スタジオ（プロ版）は何をしますか？

エンドツーエンド: （初回: ユーザーのハンドル/ウォーターマーク/CTA/音声を尋ねる）→ トピック → リサーチ → 原稿 → 承認 → 音声合成 → タイミング → Remotionシーン → レンダリング → リール書き出し → QA → カバー + キャプション → 納品。これは vertical-reels-video-studio（基本版）のより充実したバージョンです。ブランド設定は brand.config.json（src/brand.ts で読み込まれ、コンポジションに brand プロップとして渡されます）に保存されます。

0a. 初回実行: ユーザーに設定を尋ねる（デフォルトは使用しない）

最初の動画の前に、brand.config.json が存在しない、"configured": false である、またはまだ @yourhandle が含まれている場合は、ユーザーに尋ねて（一度に一つの質問）回答を brand.config.json に保存します。

ソーシャルハンドル: Instagram、Threads、TikTok、X（使用しているもの）。
ウォーターマークテキスト（表示する正確なテキスト、例: @yourhandle や @ig / @x）と位置（bottom-center、bottom-left、top-left、top-right）。
CTA テキストとそれが言及するハンドル。
音声: ElevenLabsの音声ID + モデル + 言語、または「自分の声を録音します」。APIキーは ELEVENLABS_API_KEY シークレットとしてのみ要求されます。
言語とトーン、音声がユーザーの名前/ハンドルをどのように発音するか。

その後、"configured": true を設定します。ハンドルをでっち上げたり、他人のもの（このキットの作者を含む）を再利用したり、@yourhandle のままのウォーターマークをレンダリングしたりしないでください。

0b. ブランド設定（`brand.config.json`、ユーザーの回答から入力）

キー	プレースホルダー	備考
ハンドル	`{{IG_HANDLE}}`、`{{THREADS_HANDLE}}`、`{{TIKTOK_HANDLE}}`、`{{X_HANDLE}}`	`handles.*`、ユーザー自身のもの
ウォーターマーク	`{{WATERMARK}}` + 位置	`watermark.text` / `watermark.position`、ユーザーが指定した正確なテキスト、シーンにハードコードしない
言語/トーン	`{{LANGUAGE}}`、`{{TONE}}`	例: カジュアルなインドネシア語 gua/lu、絵文字は控えめ
発音される名前	`{{SPOKEN_NAME}}`	音声がハンドルをどう発音するか（例: `@janedoe_` に対して「Jane Doe」）。キャプションには実際のハンドルを表示
免責事項	`{{DISCLAIMER}}`	金融トピックの場合、例「教育目的であり、金融アドバイスではありません」
音声	`{{VOICE_ID}}`、`{{TTS_MODEL}}`、`{{LANGUAGE_CODE}}`	`voice.*`、ユーザーの選択（または自身の録音）
APIキー	環境変数 `ELEVENLABS_API_KEY`	印刷、ログ、コミットしない
CTA	`{{CTA}}`、`{{CTA_HANDLE}}`	`cta.text` / `cta.handle`、ユーザーに尋ねる（例「フォローは @{{CTA_HANDLE}}」、「「チュートリアル」とコメント」）
ハードルール	`{{HARD_RULES}}`	決してパロディしないブランド、ぼかす名前、決して言わない言葉
レンダリングデバイス	`{{RENDER_DEVICE}}`	GPUマシンまたはCPU。実際に使用されたものを常に報告

1. リサーチと原稿（音声なし、レンダリングなし）

一次情報源（公式ドキュメント/プレスリリース、作成者自身の投稿、レジストリ、日付入りスクリーンショット）ですべての主張をファクトチェックします。役員の投稿は公式声明として扱います。推定値（ESTIMATE · 非公式）と疑惑（ALLEGED）にはラベルを付けます。検証できないものは、表現を和らげるのではなく削除します。
動画ごとに一つのストーリー、日常的な言葉、ゆっくりしたペース。製品名が難しい場合は画面に表示し、ナレーションでは言いません。
2～4個のフックオプション（H1、H2…）を提供します: なぜ/どのようにという質問、または大胆な対比。ユーザーに選んでもらいます。
時間指定テーブル: 時間 | 画面表示 | ナレーション。目標45～65秒、最大90秒（修正が収まるよう88秒以下を目指す）。
factcheck.md（主張 → ソース → ステータス）と sources.md を書きます。
原稿を送信し、承認を待ちます。 ユーザーから「レンダリングしない」と言われた場合は、GOが出るまで最終決定とします。

2. 音声合成（ElevenLabs）

2つのスクリプト: script-display.txt（キャプション表示用）と script-tts.txt（音声用にスペル調整）。display↔TTSマップを保持します。
発音（docs/VOICEOVER.md参照）: A.I. はドットを入れて英語らしく発音。非英語VOではティッカーを一文字ずつ（ETH → E, T, H）。数字は単語として。英語の専門用語は通常の英語スペルで（ハイフンによる再スペルはしない）。母音の前の最後の /t/ の後にカンマ。ブランド名はテストで効果が確認できた場合のみ再スペル。
後処理 atempo 1.05（高速コンテンツは1.1）。ラウドネス −14 LUFS 統合、 ≤ −1 dBTP。
重複行なし。 フックや以前のビートを繰り返す行は、カットするか言い換えます。
最初に文字クォータを確認します。失敗した行のみ再音声合成（連続性のために previous_text を渡します）。

3. タイミング

TTSアライメントからの単語タイムスタンプ（テンポ係数で除算）またはfaster-whisper → timing.json {duration, phrases:[{s,e,words:[{w,s,e}]}], scenes:[{id,start}]}（scripts/build-timing.py）。
再スペルトークンを表示単語にマージ（A.I.→AI、E, T, H→ETH）。そうしないとキャプションの開始が遅れます。
シーンは発話単語にキーイング: wt(scene, word) → その単語が始まるフレーム。

4. モーションスタイル（Remotion、1080x1920、30 fps）

ルック: ベース #0A1016、クリーム #EFE6D2、アンバー #FFB000、レッド #E2553F、グリーン #7BD88F。@remotion/google-fonts 経由のフォント: Big Shoulders 800（見出し）、Plus Jakarta Sans（本文/キャプション）、JetBrains Mono（チップ/コード）。 レイアウト: 重要なコンテンツは y 200～1500。フッタークラスター: カラオケキャプション～y 1310～1353、ウォーターマーク（ユーザーが下部を選択した場合）～y 1427～1446、進行状況～y 1474、すべてx 960の左側（リールは右側にボタンを描画します）。 空フレーム禁止: フックはフレーム0で読み取り可能。開始と終了は中間と同じく（ヒーロー画像、プレゼンター、チップなど）充実させ、空白背景に一行だけを配置しない。

イージングヘルパー（src/motion/ease.ts）:

const clamp01=(x:number)=>Math.max(0,Math.min(1,x));
const P=(t:number,a:number,b:number)=>clamp01((t-a)/(b-a));
const eOut=(x:number)=>1-Math.pow(1-x,3);
const eIn=(x:number)=>x*x*x;
const backOut=(x:number,s=1.70158)=>1+(s+1)*Math.pow(x-1,3)+s*Math.pow(x-1,2);
const sec=(f:number,at:number)=>(f-at)/30;
const ap=(f:number,at:number,d=0.3)=>eOut(P(sec(f,at),0,d));
const pop=(f:number,at:number)=>Math.max(0,backOut(P(sec(f,at),0,0.35),2.2));
const punch=(f:number,at:number)=>{const t=sec(f,at);if(t<0)return 1;return 1+0.12*eOut(P(t,0,0.2))-0.06*eOut(P(t,0.2,2.5));};
const shake=(f:number,at:number)=>{const t=sec(f,at);return t<0||t>0.4?0:14*Math.exp(-t*10)*Math.sin(t*70);};

動き: キネティックタイポグラフィ（単語がVOのタイミングで着地、scale(0.6+0.4*pop)、±4°の0.25秒の整定、強調語は大きく+アンバー/レッド）、キー画像のズームパンチ、円マスクで表示、ズームスルートランジション（スケール1→4.2を約9フレーム、次のシーン1.3→1）、回転スタンプとモノクロチップ、スクリーンショットの赤ハイライトボックス、ステップカウンター、カラオケキャプション（現在の単語アンバー + 1.08倍）、CTAポップとシェイク、VOの下にウィッシュ/ポップ効果音。約1.5～3秒に1ビート。

ビデオクリップ: 各 <OffthreadVideo> を <Sequence from={at}> でラップし、startFrom をそれに相対的に設定。そうしないと最終フレームでクリップが固まって見えます。長いビートには短いクリップをループ。クリップは使用可能な最初のフレームから開始。

オーディオトランジション: 冒頭でナレーション前にライブオーディオ（曲、クリップ）を使用する場合、無音にフェードアウトし、最初のVOワードの前に約0.3～0.5秒（フラッシュ/ウィッシュトランジション）を残して、VOがマスクされないようにします。

オプション: リップシンク付きプレゼンター（マスコット）

すべての動画で一貫したキャラクターアイデンティティ。別々のレイヤー: ボディ（閉じた口は塗りつぶし）、コートの端の下の肩ピボット上のアーム、静的なショルダーキャップ、口スプライト closed/half/open/wide/round。
ループではなくVO wavから口を駆動: scripts/build-mouth-track.py → フレームごとの状態（無音時と終了ホールド時はclosed、最低2フレームホールド）。アームをリグの範囲内に固定。全体画像の上下動だけでは不十分。
プレゼンターは画面に表示されている間のみマウント。カバーは静止した閉じ口のボディを使用。

5. レンダリング

GPUマシンがあれば優先（Remotion --hardware-acceleration、encodingBufferSize/encodingMaxRate なしの設定、これらは必須のNVENCを壊します）。許可された場合のみCPUにフォールバック。常にどのデバイスでレンダリングしたかを報告。
生レンダリング: remotion.config.ts で yuv420p + bt709、その後リールパス。

6. リール安全書き出し（`scripts/reels-export.sh`、詳細は `docs/REELS_SAFE_EXPORT.md`）

1080x1920 SAR 1、H.264 High level 4.1、yuv420p TVレンジ、BT.709タグ、CFR 30、GOP 60クローズド、10 Mbps（最小8、最大12）、2パス loudnorm −14 LUFS / −1.5 dBTP、AAC 192k 48 kHz ステレオ、+faststart、< 90秒。40 MB未満の小プレビューも作成（scripts/make-preview.sh）。

7. QA（必須、納品前）

最終MP4をWhisperでチェック（scripts/whisper-check.py）: 誤った発音、吃音、不要な音、重複行、各シーンの最初の単語が聞き取れるか。
各シーン境界でコンタクトシート（scripts/contact-sheet.sh）: グリッチ、重なり、テキスト切れ、セーフゾーン、フリーズしたクリップ、空の開始/終了、ウォーターマークの有無、brand.config.json と一致し、正確にスペリングされているか。
scripts/qa-check.sh: コーデック/プロファイル/レベル、pix_fmt、レンジ、カラータグ、CFR、AAC 48k、moovがmdatの前、再生時間 < 90秒、−14 LUFS。
修正して再レンダリング。改訂時は以前のバージョンを保持。

8. 常に動画と一緒に納品するもの

IG用キャプション（フック、本文、CTA、控えめなハッシュタグ）、Threads用（短く、ハッシュタグなし）、TikTok用、および .srt。
4種類のカバーA～D: 1080x1920 + 1080x1350 グリッド、中央1080x1080内にキーテキスト。フック1つ、メイン写真1枚、最大2～3枚の数字カード。コンタクトシートを添えてユーザーに選んでもらう。
ソースクレジットとファクトチェックファイル。
videos-log.md に一行: タイトル、ファイル、再生時間、ラウドネス、デバイス、ソース、ステータス「未投稿」。

ルール

投稿、DM、アップロード、購入はしない。ファイルを納品する。
事実、スター、価格、結果を捏造しない。オープンソースの作者は画面上でクレジットする。
実際の写真、ロゴ、クリップのみ。実在の人物のAI生成顔は使用しない。モックアップは イラスト と明記する。
使用権のあるメディアのみを使用。音楽やクリップに著作権がある場合はユーザーに伝える（ミュート/クレームリスク）。
ファイルに秘密を含めない。質問は最後に、それぞれ別のメッセージで行う。

垂直リール動画スタジオ（プロ版）