Communitygithub.com

yt-video

YouTube動画をコードとして作成:ショート動画(9:16、1080×1920)と長尺動画(16:9、1080pまたは4K)の両方を、HTMLページをseek(t)でアニメーション化し、OmniVoice(MCP経由のローカルTTS+音声クローン)でナレーション、オプションのコード生成音楽、ffmpegでMP4にレンダリングし、スクリプトで検証します。

yt-video とは?

このスキルは、モーションデザイナーが行うような方法をコードで実現し、YouTube動画(ショート動画と長尺動画の両方)を完全にプログラムで作成するためのパイプラインです。HTMLページを使用して任意のフレームを時間値から描画し、OmniVoice(MCP経由のローカルTTS)でナレーションのタイミングを設定し、ffmpegでレンダリングして最終的なMP4ファイルを生成します。検証スクリプトがサイズ、アスペクト比、A/V同期、ラウドネスなどをチェックし、品質を保証します。3Blue1Brown風の数学、KodeKloud風のDevOps、Fireship風の開発ニュース、Kurzgesagt風のフラットサイエンス、Vox風のドキュメンタリー、ByteByteGo風の図解など、8つのスタイルプリセットが用意されており、ショート動画(最大180秒、9:16)と長尺動画(任意の長さ、16:9、1080pまたは4K)の両方をサポートします。ユーザーが「ショート動画」「リール」「縦型動画」「YouTube解説」「アニメーション動画」「モーショングラフィックス動画」などを依頼した場合や、スクリプトやトピックをナレーション付き動画にしたい場合に使用します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Shyamnath-Sankar/video-generation-skill/tree/HEAD/yt-video

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

コードからYouTube動画:ショート動画と長尺動画

動画を、モーションデザイナーが行うような方法で、しかしコードで作成します。HTMLページが時間値から任意のフレームを描画し、ナレーションがタイミングを設定し、スクリプトが結果をレンダリング、ミックスし、アップロード前に検証します。

script.json ──► OmniVoice (MCP) ──► voice/*.wav ──► timeline.py ──► timeline.js ─────────┐
   │ フォーマット: short | long | long-4k                                                     ▼
   └─ スタイルプリセット ─► style.css / style.js ─────────────────────► page(s).html (seek(t), フォーマットごとのK.layout)
                                                                     │ check_page ► stills ► render (キャッシュされたチャンク)
音楽(リクエストされた場合のみ) ─► make_music.py ─┐                            ▼
効果音 (CC0) ─────────────────────────────────────┴─► mix_audio.py ─► mix.wav ─► mux ─► final.mp4 ─► verify_video.py
                                          (長尺動画の場合: chapters.txt, captions.srt, thumbnail.jpg)

$SKILL はこのスキルのフォルダを意味します。すべての処理は1つのCLIコマンド python3 $SKILL/scripts/short.py <command> を通じて実行されます。

フォーマット

shortlonglong-4k
フレーム1080×1920 (9:16)1920×1080 (16:9)ページ 1920×1080、出力 3840×2160
長さ≤ 180 秒 (最適 < 60 秒)任意 (通常 5–15 分)任意
セーフゾーンx 60–940, y 288–1440 (ショート動画UI)x 96–1824, y 54–1026 (タイトルセーフ)long と同じ
キャプション焼き込み (スタイルに合わせる)captions.srt (YouTube用); 焼き込みはオプションlong と同じ
追加要素—チャプター、チャプターごとに1ページ、サムネイル 1280×720long と同じ

プロファイルは engine/formats.json にあります。ページは K.W/K.H と K.layout({short, long}) テーブルを使用するため、1つのプロジェクトを両方のフォーマットで作成できます。16:9 動画については reference/long-form.md を読んでください。

フォルダ内の構成

パス説明
scripts/short.pyパイプラインCLI: doctor, styles, init, style, kit, timeline, check, stills, thumb, music, mix, render, mux, verify, build
scripts/timeline.py音声の長さ → シーンのタイミング、単語のキュー、キャプション、効果音キュー、ビートスナップ、ページセグメント、チャプター、SRT
scripts/import_voice.pyOmniVoiceクリップを取り込む:変換、無音トリミング、不良TTSテイクを拒否
scripts/make_music.pyシンセサイズされたBGM(7つのムード)、ビートグリッド上、任意の長さ。ユーザーが音楽を要求した場合のみ
scripts/mix_audio.py音声 + 音楽(ダッキング)+ 効果音 → −14 LUFS、トゥルーピーク ≤ −1.5 dBTP
scripts/verify_video.py正確性のゲート:サイズ、アスペクト、コーデック、fps、フレーム数、A/V同期、ラウドネス、黒/フリーズフレーム、チャプター、セーフゾーンシート
engine/formats.jsonフォーマットプロファイル(サイズ、セーフゾーン、キャプションのデフォルト、制限)
engine/render.cjsPlaywrightキャプチャ → ffmpeg H.264(モーションブラー、フレーム範囲、4K用2倍キャプチャ)、コンタクトシート
engine/check_page.cjsレンダリング前チェック:ページコントラクト、フォント、決定性、セーフゾーン、キャプション、テキストサイズ、空フレーム
engine/kit.jsアニメーションツールキット(スプリング、キュー、キャプション、トランジション、フォーマットごとのレイアウト、Manim風描画/書き込み)
template/両方のフォーマットで作成可能な完全な作業用動画(エディトリアルスタイル)
styles/8つのスタイルプリセット: style.json + STYLE.md; 3b1b-math と kodekloud-devops には両方のフォーマットの完全なデモあり
assets/フォント(OFL/MIT)とCC0効果音
reference/該当する手順に達したときに読む(末尾の表を参照)

ワークフロー

0. セットアップ(初めてのマシンで)

bash $SKILL/scripts/setup.sh          # playwright + chromium を ~/.cache/yt-video に、numpy/scipy
python3 $SKILL/scripts/short.py doctor

1. ブリーフィング(1ラウンドの質問、その後作業)

1回のメッセージで質問します(可能な場合はAskUserQuestionを使用);ユーザーが既に言ったことはスキップします:

  1. フォーマット: ショート動画 (9:16) または長尺動画 (16:9, 1080p または 4K)。明白な場合(「ショート動画」「10分の動画」など)は推測します。
  2. トピックと視聴者が覚えるべきこと。スクリプト、記事、またはURLがあればそれも。
  3. スタイル: short.py styles。デフォルトは editorial。選択したら styles/<name>/STYLE.md を読んでください。
  4. 音声: クローン(参照クリップ + そのトランスクリプト)、デザイン(「女性、若年成人、低めの声、イギリス英語」)、またはデフォルト。reference/voice-omnivoice.md を参照。
  5. 音楽: 要求がない限りオフ。もしあれば:ムード(make_music.py --list)。要求されていない音楽を決して追加しないでください。
  6. 長さ: ショート動画は20〜45秒(最大180秒)。長尺動画:目標に応じて;チャプターを計画します。

2. スクリプトを書き、承認を得る

reference/shorts-design.md(ショート動画)または reference/long-form.md(16:9)を読んでください。script.json を書きます(スキーマは reference/page-contract.md):1シーンにつき1つのアイデア;すべてのシーンの visual は、各ビジュアル変更がどの話された単語に当たるかを指定します;長尺動画のシーンには chapter タイトルを、長い動画の場合はチャプターごとに page を指定します。ユーザーにシーンテーブル(id、セリフ、ビジュアル、キュー単語;長尺動画の場合はチャプター)を表示し、音声を生成する前に承認または編集を待ちます。事実、数値、引用、結果を決して捏造しないでください;UIモックアップ内の例の値は問題なく、例示としてリストされます。

3. プロジェクトを作成する

python3 $SKILL/scripts/short.py init videos/<slug> --style <style> --format short|long|long-4k

テンプレート(またはスタイルの demo/)、kit.js、フォント、スタイルトークンをコピーします。承認された script.json を所定の場所に配置します(その format は保持します)。

4. OmniVoice(MCP)によるナレーション → voice/<scene-id>.wav

reference/voice-omnivoice.md に従ってください:OmniVoice MCPツールを見つけ、同じ音声設定でシーンごとに1クリップを生成し、それぞれをインポートします:

python3 $SKILL/scripts/import_voice.py <clip> videos/<slug> <scene-id> --text "<セリフ>"

無音、クリップ、または非現実的に速い/遅いテイクでは失敗します — それらは再生成します。OmniVoiceに到達できない場合はその旨を伝えます;推定されたタイミングでビジュアルを作成し、後で音声を追加することもできます。

5. タイムライン

python3 $SKILL/scripts/short.py timeline videos/<slug>

timeline.js(シーンと単語の時間、セグメント、チャプター)に加えて out/captions.srt を書き出し、チャプターがある場合は out/chapters.txt も書き出します。ビジュアルは K.cue('scene', 'word') を通じて単語にヒットします。

6. ページを構築する

reference/page-contract.md、reference/kit-api.md、reference/scene-patterns.md、およびスタイルの STYLE.md を読んでください。動画が両方のフォーマットで存在する可能性がある場合は、すべてのレイアウトに K.layout({short, long}) エントリを指定します。すべてのビジュアル変更はキュー単語上に配置されます。

7. レンダリング前にチェックする(低コストでほとんどの問題をキャッチ)

python3 $SKILL/scripts/short.py check  videos/<slug>      # すべてのページが PASS しなければなりません
python3 $SKILL/scripts/short.py stills videos/<slug>      # out/stills*.png、セーフゾーンは赤で表示

スチルを自分で確認してください。 空、クリップ、重なり、読めない、スタイルから外れている、またはその単語と一致しないものがあれば修正します。フレーム0には既にフックが表示されている必要があります。

8. 音楽(要求された場合のみ)とミックス

python3 $SKILL/scripts/short.py music videos/<slug>       # 音楽がオフの場合は何もしません
python3 $SKILL/scripts/short.py mix   videos/<slug>

reference/music-and-sound.md を参照してください。

9. ドラフト → レビュー → 最終版

python3 $SKILL/scripts/short.py build videos/<slug> --draft   # 30 fps、モーションブラーなし、1080p:高速レビューコピー
python3 $SKILL/scripts/short.py build videos/<slug> --final   # モーションブラー、crf 16、long-4k の場合は4K

build はタイムライン → チェック → 音楽 → ミックス → レンダリング → mux → 検証を実行し、最初の失敗で停止します。レンダリングはチャンク化されキャッシュされるため、編集後の再ビルドでは変更された部分のみが再実行されます。最初にドラフトを送信し、最終版の所要時間を開始前に伝えてください(長尺動画の最終版は時間がかかることがあります;バックグラウンドで実行してください)。

10. 検証して納品する

verify_video.py は build の中で実行されます;MP4は VERIFY PASSED と表示されたときにのみ完了します。out/verify_sheet_<mode>.png(フレーム0 + シーンごとに1フレーム、UI/セーフゾーンが赤で表示)を開いて確認してください。reference/verification.md にすべてのチェックの説明があります。

長尺動画の場合は short.py thumb videos/<slug> も実行します(または専用の thumbnail.html をレンダリングします)。

納品物:MP4、プロジェクトフォルダ(index.html は実際のサウンドトラックでブラウザでプレビュー可能)、および短いメモ:シーンまたはチャプター、何が例示的か、音声設定、音楽のムード(または「音楽なし」)、検証サマリー(LUFS、トゥルーピーク、長さ);長尺動画の場合は chapters.txt、captions.srt とサムネイルも含めます。自分では聞けません:ユーザーに耳で確認するタイムスタンプを提供します(フック、最も忙しい効果音の瞬間、最も大きな音楽の瞬間、各チャプターの開始点)。

最も重要なルール

  • seek(t) は時間の純粋関数です。レンダリングパス内では Math.random、Date.now、CSSアニメーション/トランジション、タイマーを使用しないでください。チェッカーがこれを強制します。
  • テキストはフォーマットのセーフゾーン内に収まるようにします。1080/1920をハードコードしないでください:K.W、K.H、K.SAFE、K.layout を使用します。
  • フレーム0では意味のあるものが画面に表示され、何かが1〜2秒ごと(ショート動画)または数秒ごと(長尺動画)に動きます。
  • ビジュアルヒットは話された単語(K.cue)に合わせ、推測された時間には合わせません。
  • 音楽はリクエストがあった場合のみ。効果音はスタイルのデフォルトに従います(ユーザーがオフにできます)。
  • スタイルは指定されたクリエイターからインスピレーションを得ています;彼らのロゴ、マスコット、キャラクター、イントロ、または名前を画面に表示しないでください。
  • 音声が「良い」とは決して言わないでください — 測定された数値と確認するタイムスタンプを報告してください。

参照ファイル

読むタイミングファイル
ショート動画を作成するときreference/shorts-design.md
16:9 / 長尺動画全般reference/long-form.md
ページの構築、script.jsonのスキーマreference/page-contract.md
ツールキットの使用reference/kit-api.md
シーンのデザインreference/scene-patterns.md
スタイルの選択/作成styles/README.md, styles/<name>/STYLE.md
ナレーションの生成reference/voice-omnivoice.md
音楽と効果音reference/music-and-sound.md
チェックに失敗した場合reference/verification.md, reference/troubleshooting.md

関連スキル