Communitygithub.com

動画ポッドキャストメーカー

トピックを指定すると、自動で調査・スクリプト作成・TTS・Remotionレンダリングを行い、Bilibili / YouTube / 小红书 / 抖音 / WeChatチャンネル向けの4K解説動画・ポッドキャスト・知識要約動画を生成します。

動画ポッドキャストメーカー とは?

このスキルは、ユーザーが指定したトピックから、完全自動化された4Kナレーション付き知識解説動画(ポッドキャスタイル、動画解説、アニメーションインフォグラフィック形式)を生成するためのパイプラインです。エージェントがリサーチ、スクリプト作成、音声合成(TTS)、字幕生成、Remotionを使った動画合成、BGMミックスまでを一貫して実行します。対応プラットフォームはBilibili、YouTube、小红书(Xiaohongshu)、抖音(Douyin)、WeChatチャンネルで、出力は4K(3840×2160)のH.264動画です。 主な特徴として、既存動画の再生成・編集機能(スクリプト修正、ビジュアル変更、BGM差し替えなどに最小限の再実行で対応)、音声をマスタークロックとした完全な同期保証、Remotion Studioによる確認後レンダリングの安全なワークフローが挙げられます。また、参照動画や画像からデザインパターンを学習する「デザイン学習」機能も備えており、ユーザーの好みのビジュアルスタイルを保存・適用できます。 動作にはNode.js、Python 3、FFmpeg、Chrome(Remotion用)が必要で、TTSバックエンドはデフォルトのedge-tts(無料)またはAzure Speech SDKを選択可能です。すべての動画出力は `videos/{name}/` ディレクトリに集約され、プロジェクトは再利用されるため、初回の `npm install` 以降は高速に動作します。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Agents365-ai/video-podcast-maker/tree/HEAD/skills/video-podcast-maker

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

推奨: Remotionベストプラクティスの読み込み

このスキルは、完全なRemotionパターンライブラリのために remotion-best-practices(同梱されていません)を利用すると効果的です。これはオプションです — なければ以下の最小ルールに従ってください。

  • Pi: 利用可能なスキル一覧から remotion-best-practices を読み込んでください。
  • Claude Code: 先に remotion-best-practices スキル/ツールを呼び出してください。

インストールされていない場合: remotion-dev/skills から入手してください(ドキュメント: remotion.dev/docs/ai/skills)。

remotion-best-practices がインストールされていない場合の最小ルール: chromiumが利用可能であること、常に4Kコンテンツを <Scale4K> でラップすること、<TransitionSeries> を linearTiming と共に使用すること、音声をマスタークロックとして扱うこと。

動画ポッドキャストメーカー は何をしますか?

トピックから 4K Bilibili横長知識動画 を自動生成するパイプライン。コーディングエージェント + TTSバックエンド + Remotion + FFmpeg。

目次


ブートストラップ

SKILL_DIR をこの SKILL.md が置かれているディレクトリに解決します:

  • Pi: エージェントは読み込まれたスキル一覧からスキルパスを認識します — コマンド実行前に SKILL_DIR をそのディレクトリに設定してください。
  • Claude Code: ${CLAUDE_SKILL_DIR} が自動的に設定されます。
SKILL_DIR="${SKILL_DIR:-${CLAUDE_SKILL_DIR}}"

# 前提条件(CLI + バックエンド環境変数)
python3 "${SKILL_DIR}/scripts/check_prereqs.py"

アップデートはスキルCLI(npx skills update video-podcast-maker -g)を通じて行われます。git cloneでの直接インストールの場合はREADMEに従って git pull を使用してください。このスキルはアップデートチェックを行いません。

前提条件失敗 — セットアップについては README.md を参照してください。チェックはバックエンドを認識します(TTS_BACKEND 環境変数 → user_prefs.json global.tts.backend → edge デフォルトの順に解決)。そのため、アクティブなバックエンドに必要な環境変数のみが検証されます。

新しいプロジェクトの最初の動画ですか? node_modules/ が既にインストールされている既存のRemotionプロジェクトを再利用することを推奨します — 新しいプロジェクトを作成すると、約2.2 GBのnpmパッケージと90 MBのChromeヘッドレスシェルがダウンロードされます(プロジェクトごとに1回のみ)。ユーザーが以前の動画のプロジェクトを持っている場合はそれを使用してください。新しいプロジェクトが必要な場合は、ステップ1〜4(トピック調査とスクリプト作成)を実行しているバックグラウンドで npm install を実行してください。

すべてのレンダリングは videos/{name}/ に出力されます — すべての output.mp4、final_video.mp4、thumbnail_*.png は動画ごとのディレクトリに直接出力されます。out/ や dist/ ディレクトリにレンダリングしないでください。--public-dir videos/{name}/ の規則によりすべてが自己完結します。

TTSエンジン — 2つのローカルバックエンド、外部スキル不要:

  • edge(デフォルト)— 無料、キー不要、edge-tts経由。
  • azure — AZURE_SPEECH_KEY + AZURE_SPEECH_REGION(Microsoft Speech SDK)が必要。

各エンジンは社内で合成します(scripts/tts/backends/native.py)— 発音(表示 → 発話 → 字幕用に表示に戻す)と音素適用は組み込み済みです。check_prereqs.py はアクティブなバックエンドの環境変数を検証します。

マルチプラットフォームTTS? かつて9バックエンドマトリックスを提供していたttscnコンポーネントスキルは、このスキルの依存関係ではなくなりました。それらのプラットフォームが必要な場合は、Agents365-ai/ttsCN を個別にインストールして直接呼び出してください — このスキルは edge + azure のみを提供します。

デザイン学習のショートカット: ユーザーが参照動画/画像を提供したり、スタイルプロファイルの保存/一覧表示/削除を依頼した場合は、以下のワークフローを実行する代わりに references/design-learning.md を参照してください。


実行モード

ワークフロー開始時に自動モード(デフォルト)とインタラクティブモードを検出します — 自動モードのデフォルト決定表とリクエストごとのオーバーライドは references/workflow-script.md にあります。


既存動画の再生成

videos/{name}/ が 既に存在し、ユーザーが完成済みまたは進行中の動画を反復編集している場合は、そのディレクトリを再利用してください。新しいプロジェクトや新しい videos/{newname}/ を開始しないでください。

実際に変更された内容に応じて、最小限の再実行を選択してください:

変更内容再実行再利用(やり直さない)
ナレーションスクリプト(podcast.txt)ステップ7(TTS)→ ステップ8プレビュー → レンダリング+ミックストピック調査 + セクション設計
ビジュアルのみ(コンポーネント、レイアウト、色)ステップ8プレビュー → レンダリング+ミックス音声(podcast_audio.wav / timing.json)
BGMのみBGMの再ミックスoutput.mp4(再レンダリング不要)
字幕のみステップ10.1 最終化output.mp4 / video_with_bgm.mp4

視聴者が 見たり聞いたりするもの を変更する再実行は、ステップ8のゲートに再突入します: 変更を適用し、Studioをホットリロードさせ、新しい明示的な「4Kレンダリング」の確認を待ちます — 以前の確認は 引き継がれません。スクリプト の変更は下流のすべてのタイムスタンプをずらすため、常にTTSを通じて timing.json を再生成してください — 手動編集は絶対に行わないでください。再実行後は、再度検証してください:

python3 ${SKILL_DIR}/scripts/verify_output.py videos/{name}/

ワークフロー

完成済みの動画を反復編集していますか? videos/{name}/ が既に存在する場合は、上記の 既存動画の再生成 を参照して最小限の再実行を行ってください — ステップ1から開始しないでください。

ステップ1の開始時に、エージェントのトラッカーにステップごとに1つのタスクを作成してください。開始時に in_progress、完了時に completed をマークします。videos/{name}/ 内のファイルが永続的な記録です — 中断された場合は、ディレクトリを確認してどこから再開するかを判断してください。

#ステップ出力フェーズファイル
1トピックの方向性を定義topic_definition.mdworkflow-script.md
2トピックを調査topic_research.mdworkflow-script.md
35〜7セクションを設計(メモリ内)workflow-script.md
4ナレーションスクリプトを作成podcast.txtworkflow-script.md
4.5発音事前チェック(zh-CN)phonemes.jsonworkflow-script.md
5アセット計画と解決assets/manifest.jsonworkflow-assets.md
6サムネイル生成(16:9 + 4:3)thumbnail_*.pngworkflow-production.md
7TTS音声生成podcast_audio.wav、timing.jsonworkflow-production.md
8Remotion合成 + Studioプレビュー—workflow-production.md
94Kレンダリング + BGMミックスoutput.mp4、video_with_bgm.mp4workflow-production.md
10公開情報 + 出力検証publish_info.md、final_video.mp4workflow-publish.md
11縦型ショート動画生成(オプション)shorts/workflow-publish.md

必須停止ポイント(上の太字の行):

  • ステップ8 — Studioレビュー。 npx remotion studio を起動し、レンダリング前にユーザーのフィードバックを待つ必要があります。ユーザーが明示的に確認する(「4Kレンダリング」/「最終レンダリング」)まで、絶対に4Kレンダリングを行わないでください。調整リクエストを含む返信は 確認ではありません — 変更を適用し、Studioをホットリロードさせ、再度確認を求めてください。調整のラウンドごとに、ステップ9の前に独自の新しい確認が必要です。
  • ステップ10 — verify_output.py。 動画完了を宣言する前に合格する必要があります。終了コード0 = 合格。終了コード2 = 警告はあるが公開可能。よくある欠落を自動修正します(final_video.mp4 がない場合は作成)。公開情報(タイトル、説明、タグ、チャプター)をプラットフォームマトリックスに対して検証します — ステップ5.5と10.2で生成します。機械可読な出力の場合は --format json を追加してください。

レンダリング前監査(推奨) — ステップ8の前:

python3 ${SKILL_DIR}/scripts/audit_beat_sync.py <Video.tsx> <timing.json>

ナレーションから > 1.5秒ずれているビートをフラグします。

自動モード: ビジュアルセルフレビュー。 自動モード(ユーザーがStudioを監視していない)で実行する場合、レンダリング確認を求める前に3〜5枚のキーフレーム静止画をレンダリングしてください:

npx remotion still src/remotion/index.ts <CompositionId> videos/{name}/_review_001.png --public-dir videos/{name}/ --frame=<midpoint_frame>

フレームは以下から選択: ヒーロータイトル(開始から約10%)、密度の高いセクションの中間点、アウトロ。静止画を画像として読み込み、実際のレンダリング出力に対して references/design-guide.md と references/visual-taste.md のチェックリストを実行してください。4Kレンダリング前にオーバーフロー、コントラスト、レイアウトのリグレッションを検出します。レビュー後は _review_*.png を削除してください。

検証チェックポイント

ステップ後チェック内容
7(TTS)podcast_audio.wav が再生できる · timing.json が全セクションをカバーしている · SRTがUTF-8である
9(レンダリング)output.mp4 が3840×2160である · 音声と動画が同期している · 黒フレームがない
10(検証)verify_output.py が終了コード0(または警告確認済みの場合は2)で終了する

ハードルール

ルール要件
単一プロジェクトすべての動画はユーザーのRemotionプロジェクト内の videos/{name}/ に配置。動画ごとに新しいプロジェクトを作成しないでください。
4K出力3840×2160(または縦型の場合は2160×3840)、1920×1080のデザイン空間に対して scale(2) ラッパーを使用
音声同期音声(podcast_audio.wav + podcast_audio.srt)がマスタークロック。timing.json は実際のTTS出力から生成する必要があり、手動推定は禁止。レンダリング前に、最終動画の長さが音声と ±0.5秒以内で一致する必要があります。音声マスタークロックと同期 を参照。
サムネイル16:9(1920×1080)と4:3(1200×900)の両方を生成する必要があります — references/design-guide.md を参照
レンダリング前のStudio確認remotion studio を起動してレビューする必要があります。ユーザーが明示的に確認するまで4Kレンダリングを行わないでください。調整フィードバック ≠ 確認 — 適用、ホットリロード、再度確認を求めてください。
--public-dirすべてのRemotionコマンドで --public-dir videos/{name}/ を使用。すべての出力ファイル(output.mp4、final_video.mp4、サムネイル)は videos/{name}/ に直接出力 — out/ や dist/ ディレクトリには絶対に出力しないでください。

ビジュアルの最小要件(テキストサイズ、コンテンツ幅、セーフゾーン、アニメーションの安全性)は references/design-guide.md にあります。ステップ8の前に必ず読み込んでください。

音声マスタークロックと同期

黄金律

  1. 音声がマスタークロックです。 すべてのスライド開始、字幕、チャプター、アニメーションビートは podcast_audio.wav と podcast_audio.srt から導出されます。
  2. タイミングはテキスト推定ではなくTTSから生成します。 パイプライン: podcast.txt → generate_tts.py → podcast_audio.wav + podcast_audio.srt + timing.json → 合成 → レンダリング。
  3. 音声が存在する前に timing.json を手動で記述しないでください。 すでにキュレーションされたスライドがある場合は、align_timing_from_srt.py を実行して実際のSRTに固定してください。
  4. TransitionSeriesのオーバーラップを補正します。 TransitionSeries は sum(section.duration_frames) - (N-1) * transitionFrames フレームをレンダリングします。レンダリングされた長さが timing.total_frames と等しくなるように、すべてのセクションを比例拡大してください。すべてのオーバーラップフレームを最初のセクションに詰め込まないでください。修正パターンは templates/Video.tsx にあります。

必須同期チェックポイント

タイミングチェック内容
ステップ7(TTS)後timing.json.total_duration が podcast_audio.wav と ±0.5秒以内で一致する
レンダリング前Video.tsx がトランジションオーバーラップのためにすべてのセクションを拡大している
レンダリング後final_video.mp4 の長さが podcast_audio.wav と ±0.5秒以内で一致する
ステップ10(検証)verify_output.py が終了コード0で、音声/タイミングに関して合格を報告する

いずれかのチェックポイントが失敗した場合、停止してください。公開しないでください。

出力仕様

パラメータ横型(16:9)縦型(9:16)
解像度3840×2160(4K)2160×3840(4K)
フレームレート30 fps30 fps
エンコーディングH.264、16MbpsH.264、16Mbps
音声AAC、192kbpsAAC、192kbps
長さ1〜15分60〜90秒(ハイライト)

動画ごとのディレクトリ構造

project-root/                           # Remotionプロジェクトルート
├── src/remotion/                       # Remotionソース(Root.tsx、コンポジション、index.ts)
├── videos/{video-name}/                # 動画ごとのディレクトリ
│   ├── topic_definition.md             # ステップ1
│   ├── topic_research.md               # ステップ2
│   ├── podcast.txt                     # ステップ4: ナレーションスクリプト
│   ├── phonemes.json                   # ステップ4.5: 中国語発音オーバーライド
│   ├── assets/manifest.json            # ステップ5: セクションごとのアセットレジストリ
│   ├── publish_info.md                 # ステップ10: タイトル/説明/タグ
│   ├── podcast_audio.wav               # ステップ7: TTS音声
│   ├── podcast_audio.srt               # ステップ7: 字幕
│   ├── timing.json                     # ステップ7: タイムライン(アニメーション駆動)
│   ├── thumbnail_*.png                 # ステップ6
│   ├── output.mp4                      # ステップ9: 4Kレンダリング
│   ├── video_with_bgm.mp4              # ステップ9: BGMあり
│   ├── final_video.mp4                 # ステップ10: 最終出力
│   └── bgm.mp3                         # 背景音楽
└── remotion.config.ts

動画ごとの --public-dir

すべてのRemotionコマンドで --public-dir videos/{name}/ を使用します — 各動画のアセットは独自のディレクトリに保持され、並列レンダリングが可能になります:

npx remotion studio src/remotion/index.ts --public-dir videos/{name}/
npx remotion render ... videos/{name}/output.mp4 --public-dir videos/{name}/ --video-bitrate 16M

追加リソース

リソース読み込みタイミング
references/workflow-script.mdステップ1の開始時(実行モードと自動/インタラクティブフロー全体を定義)
references/workflow-assets.mdステップ5の開始時(アセット計画と解決)
references/workflow-production.mdステップ6の開始時(TTS、Remotion合成、レンダリング、BGMミックス)
references/workflow-publish.mdステップ10の開始時(公開情報、ショート動画)
references/design-guide.mdステップ8の前(ビジュアル最小要件、テキストサイズ、セーフゾーン)
references/visual-taste.mdステップ8の前(色、タイポグラフィ、アニメーションスタイルのガイドライン)
references/design-learning.mdユーザーが参照動画/画像またはスタイルプロファイル管理を要求した場合(通常のワークフローと置き換え)

ユーザー設定

設定は user_prefs.json に保存されます:

{
  "global": {
    "tts": {
      "backend": "edge",
      "voice": "zh-CN-XiaoxiaoNeural",
      "rate": 1.0
    },
    "platforms": ["bilibili", "youtube"],
    "language": "zh-CN"
  },
  "video": {
    "duration": 300,
    "resolution": "3840x2160",
    "frameRate": 30
  },
  "style": {
    "theme": "dark",
    "primaryColor": "#1890ff",
    "fontFamily": "sans-serif"
  }
}

トラブルシューティング

よくある問題

問題解決策
check_prereqs.py 失敗README.md のセットアップ手順に従う。node --version、python3 --version、ffmpeg -version がパスを通していることを確認。
TTSが遅い/失敗するネットワーク接続を確認。Azureバックエンドの場合は AZURE_SPEECH_KEY と AZURE_SPEECH_REGION が正しく設定されていることを確認。
Remotion Studioが起動しないnode_modules/ がインストールされていることを確認。npm install を実行して不足している依存関係を解決。
レンダリングが遅いCPU/GPUリソースを確認。4Kレンダリングには時間がかかる場合があります — 忍耐強く待つか、より強力なマシンを使用することを検討。
動画と音声が同期しない音声マスタークロックと同期 の手順に従って確認。timing.json が実際のTTS出力から生成されていることを確認。
BGMがミックスされないbgm.mp3 が videos/{name}/ に存在することを確認。存在しない場合は、スキップまたは代替ファイルを提供。

ロギング

すべての主要なステップは videos/{name}/pipeline.log にログを出力します:

tail -f videos/{name}/pipeline.log

このスキルは Agents365-ai/video-podcast-maker によって提供されています。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

関連スキル