Communitygithub.com

バイラルアニメーションショート制作パイプライン

Gemini Omni 1.2 FlashとFFmpegを用いた、9:16、30~55秒のバイラル2Dスティックマン・スタイライズド3Dアニメーションショートのエンドツーエンド制作パイプライン。ユーザーがYouTubeショート、リール、TikTok向けアニメーションの企画、絵コンテ、キャラクターシート生成、レンダリング、QA、2Dから3Dへのアップグレード、またはアセンブルを行いたい場合に使用します。

バイラルアニメーションショート制作パイプライン とは?

このスキルは、Gemini Omni 1.2 FlashとFFmpegをネイティブに活用することで、高品質なアニメーションショート(9:16、30~55秒)を有料のサードパーティラッパーやBlenderに依存せずに制作するための完全なパイプラインを提供します。2Dスティックマンとスタイライズド3Dの両方に対応し、3パネルターンアラウンドキャラクターシートの生成、マルチフレームVLMによるフォレンジックQA、そして決定論的なFFmpegアセンブリを特徴としています。ワークフローは6つのステージで構成され、スクリプト、スタイルバイブル、フックゲートから始まり、キャラクターシートの生成、360pでの安価なドラフトパス、徹底的なQAと修正、1080pでの最終レンダリング、そして字幕やオーディオの追加を含む最終的なビデオアセンブリへと進みます。このパイプラインは、コマンドラインツール(`gemini-api`、`ffmpeg`、`python3`)に依存し、`shot_plan.json`とQAルーブリックを使って一貫性と品質を確保し、各ショットへのリトライ回数を最大3回に制限してコストを管理します。

対応~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/nikeshthapa255/Video-creator-skills/tree/HEAD/viral-animated-shorts

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

バイラルアニメーションショート制作パイプライン は何をしますか?

9:16のアニメーションショート(2Dスティックマン・イン・3Dまたはスタイライズド3D)を、有料のサードパーティラッパーやBlenderを使わずに、GeminiメディアスタックとFFmpeg上でネイティブに制作します。

前提条件の確認

ライブ動画生成またはアセンブリを実行する前に、ローカルの依存関係を確認してください(whichだけでなく--versionでテストしてください。macOSの/usr/bin/python3は、インストールされていないXcode CLTスタブである可能性があるため)。

  • 動画/音声API: gemini-api whoami(推奨)またはGEMINI_API_KEYが設定されたPython google-genai SDK(gemini-omni-flash-apiおよびgemini-api-cliスキルを参照)。
  • キャラクターシート: gemini-api image(gemini-nano-banana-2.1)または組み込みのimage-generatorサブエージェント。
  • アセンブリとフレームサンプリング: ffmpeg -version、ffprobe -version、python3 --version(字幕変換用)。

gemini-apiまたはffmpegがない場合は、ステージ1~2をライブで完了し(シートにはimage-generatorを使用)、jobs.jsonと.ass字幕を生成し、残りのライブレンダリング/アセンブリ手順に必要な正確なインストールコマンドを報告します。

6ステージのワークフロー

すべてのプロジェクト成果物は、専用の<project_dir>/(例:shorts/<slug>/)内に保存します: shot_plan.json、sheets/、drafts_360p/、qa/、finals_1080p/、audio/、final_short.mp4。

ステージ1:スクリプト、スタイルバイブル、およびフックゲート

  1. タイトなスクリプトを作成します:コメディスケッチの場合は30~45秒(2~4シーン)、解説系の場合は130~150ワード(45~55秒)。イントロや挨拶は不要です。
  2. references/shot_plan_schema.jsonに準拠した<project_dir>/shot_plan.jsonをコンパイルします:
    • すべてのシーンプロンプトで再利用される、一字一句同じstyle_bible文字列を固定します。
    • すべてのキャラクターを、基本デザインに小道具を持たせずに定義します。
    • シーンを3~15秒のOmniクリップに分割し、[0-3s]のビートタイムコードと、平均ショット長1.5~2.5秒を設定します。
    • audio_modeをnative_omni(コメディダイアログ/効果音)またはtts_plus_bgm(ナレーション解説)に設定します。
    • 最後のラインが、ビート1に構文的にループするように記述します。
  3. フックゲート(レンダリング前に必須): ビート1(0-3s)をreferences/qa_rubric.md(フックゲートセクション)に対して検証します。ビート1にフレーム0での視覚的なコントラスト、即時の動き、および開放的な言葉による前提がない限り、動画を生成しないでください。

ステージ2:不変の3パネルターンアラウンドシート

  1. references/sheet_prompt_templates.mdのテンプレートを使用して、キャラクターごとに1つの16:9の3パネルターンアラウンドシート(正面 | 3/4横 | 背面)を作成します。
    • ニュートラルな明るい灰色の背景、フラットで均一な照明、ニュートラルな表情、そして小道具を持たせない(小道具はショット間で手の形状変化を引き起こします)ことを徹底します。
  2. gemini-api image "<prompt>" --aspect-ratio 16:9 --image-size 2K --out <project_dir>/sheets/<char>_2d.pngを使用して生成するか(またはimage-generatorに委任し、出力された.jpg/.pngを<project_dir>/sheets/にコピー/変換します)。
  3. read_fileですべてのシートを目視検査します。パネル間でプロポーション、衣装、線の太さに矛盾がある場合は、再生成します。
  4. gemini-apiを使用する場合は、承認されたシートを一度アップロードし(gemini-api files upload <sheet> --wait)、すべてのシーンでfiles/<id> URIを再利用できるようにします。

ステージ3:低コスト360pドラフトパス

  1. gemini-omni-1.2-flash(--aspect-ratio 9:16 --resolution 360p)を使用して、gemini-api videoまたはgenerate_video.py --batch jobs_360p.json経由で360pの9:16ドラフトを生成します。jobs_360p.jsonの各アイテムは次を使用します:
    {"prompt": "...", "image": ["sheets/char_2d.png"], "duration": 7, "aspect_ratio": "9:16", "resolution": "360p", "output": "drafts_360p/shot_01.mp4"}
    
  2. 不変のターンアラウンドシート(-i / --image、最大6画像)をすべてのショットに渡し、アップロード順に自然言語で各キャラクターをバインドします(<IMAGE_REF_N>タグは絶対に使用しないでください)。
  3. 一字一句同じstyle_bible、明示的な否定制約(画面上のテキスト、透かし、空白の標識は禁止)、およびシングルショットまたはタイムコードビートを含めます。
  4. 2キャラクターショットの場合は、キャラクターを空間的に分離する(左/右)か、ショット/リバースショットを使用して属性のブリードを防ぎます。
  5. 直接的な連続カットの場合は、シーンNの最後のクリーンなフレームをセカンダリアンカーとして抽出しますが、プライマリアンカーとしては標準のターンアラウンドシートを維持します。

ステージ4:コンテキストを考慮したフォレンジックVLM QA(最大2~3回のリトライ)

  1. 各ドラフトクリップからフレームをサンプリングし(開始、中間、アクションのピーク、終了)、前のショットの終了フレームも含めます:
    bash scripts/extract_qa_frames.sh <clip.mp4> <project_dir>/qa/<shot_id> [prev_clip.mp4]
    
  2. references/qa_rubric.mdを使用してgemini-api analyze(またはread_fileによる目視検査)を実行し、ターンアラウンドシート、前の終了フレーム、およびサンプリングされたフレームを渡します。
  3. 正確なフレームインデックスと障害コード(HOOK_WEAK、EXTRA_LIMB、STYLE_DRIFT、TEXT_WARP、AUDIO_DESYNC)によって障害を診断します。
  4. references/failure_fix_playbook.mdから該当する修正を適用します:
    • 小さな局所的なグリッチ:--previous-interaction-id <id>("<修正>。他のすべては同じに保つ。")を使用してその場で編集します。
    • 大きな解剖学的/構図上のエラー:アクション/カメラを簡略化して再試行します。
    • リトライはショットあたり最大3回に制限します。新たに発見された修正はreferences/failure_fix_playbook.mdに記録します。

ステージ5:1080p最終レンダリングとオプションの2D→3Dアップグレード

  1. 承認されたショットを1080pで再レンダリングします(--resolution 1080p)。
  2. オプションの2D→3Dアップグレード: references/sheet_prompt_templates.mdの3D変換テンプレートを使用して、承認された各2Dシートをスタイライズド3Dターンアラウンドシートに変換します(-i <char>_2d.png)。read_fileで検査し、style_bibleをスタイライズド3Dに更新し、実績のあるshot_plan.jsonを再実行します。

ステージ6:決定論的FFmpegアセンブリ

  1. ワードタイミング付きの.srtを生成するか(gemini-api transcribe -i <audio_or_clip> --format srt)、スクリプトのタイミングからエクスポートします。
  2. .srtをセーフゾーン.assカラオケ字幕に変換します(下部35%のショートUI危険ゾーンの上に配置):
    python3 scripts/srt_to_ass.py <input.srt> <project_dir>/audio/captions.ass
    
  3. プローブ→コンフォーム→連結→ダッキング→字幕焼き込み→2パス-14 LUFSのアセンブリスクリプトを実行します:
    bash scripts/assemble_short.sh <project_dir>/finals_1080p <project_dir>/audio/captions.ass <project_dir>/final_short.mp4 [voiceover.wav] [bgm.wav]
    
  4. 納品前に、final_short.mp4の寸法(1080x1920)、長さ、オーディオラウドネス(-14 LUFS)、および視覚的なフレームチェックを確認します。

関連スキル