Communitygithub.com

AIビデオジェネレーター

生成AIビデオモデル(Google Veo 3.1 / Flow、Kling、Seedance、MiniMax、LTX、PixVerse、Gemini Omni Flash)を使って動画を企画・完成させます。アイデアやスクリプトを、コピーして使えるショットごとのプロンプト付きショットリストに変換し、ユーザーが生成したクリップをボイスオーバー、音楽、字幕付きで仕上げます。

AIビデオジェネレーター とは?

このスキルは、Flikiの「AIビデオジェネレーター」スタックをミラーリングした、計画立案と最終編集に特化したツールです。ユーザーが生成したクリップ(Google Veo、Kling、Flow、MiniMaxなどから)を、プロフェッショナルな動画に仕上げるための包括的なソリューションを提供します。主な機能は2つのモードに分かれています。「モードA」では、ユーザーのアイデアやスクリプトからショットリストを作成し、各ショットにコピー可能な独立したプロンプトを生成します。プロンプトは被写体、照明、レンズ、動き、スタイルを詳細に記述し、モデル間の一貫性を保つための「バイブル」作成もサポートします。「モードB」では、ユーザーが生成したクリップを受け取り、ffmpegを使用したコンタクトシートの作成、ElevenLabs(APIキーはチャットで尋ねずにrequest_credentialを使用)によるボイスオーバー生成、言葉ごとにハイライトされる字幕、自動ダッキングされるBGM、そして9:16、1:1、16:9のアスペクト比に対応したエクスポートを行います。また、人物のリアルなAI類似使用の禁止、虚偽の主張の禁止など、倫理的な利用ガイドラインも含まれています。このスキルは、モデル自体へのアクセス権は持たず、ユーザーが自身のアカウントでクリップを生成することを前提としています。

対応~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/1Harsh88/Video-skill/tree/HEAD/.claude/skills/ai-video-generator

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

AIビデオジェネレーター(プロンプト → クリップ → 完成動画)

このスキルは、Flikiの「AIビデオジェネレーター」スタック(references/fliki-notes.md参照)をミラーリングしています。生成AIビデオモデルがショットを生成し、仕上げレイヤーがボイス、キャプション、音楽、リサイズを追加します。

モデルアクセス: このコンテナはモデルにアクセスできません。ユーザーは自身のFlow / Kling / Flikiアカウント(または他のツール)で、ここで書かれたプロンプトからクリップを生成します。このスキルは計画立案と最終編集を行います。

モードA — 計画+プロンプト

  1. ブリーフィング. 以下の情報を収集し、ユーザーが明示しない場合はデフォルト値を使用します。
    • トピックまたはスクリプト
    • 長さ(デフォルト30〜60秒)
    • アスペクト比(9:16リール、16:9 YouTube、1:1フィード)
    • ルック(シネマティック、アニメ、3D、UGC風スマホ撮影、プロダクトスタジオなど)
    • 使用可能なモデル
    • ボイスオーバーとキャプションの言語
  2. スクリプト. 最初の3秒でフックとなるスクリプトを書き、1ショットに1つのアイデア、CTAを含めます。事実については、ユーザーのソースまたは検証済みの検索結果のみを使用します。スクリプトを表示し、承認を待ちます。
  3. ショットリスト. 1ショットあたり3〜8秒(ほとんどのモデルは4〜10秒のクリップを生成)で、以下のテーブル形式で作成します:# | 時間 | VO line | shot | model | t2v or i2v。
  4. ショットごとのプロンプト. references/prompt-guide.mdのテンプレートを使用し、ショットごとにフェンス付きブロックを作成してユーザーがコピーできるようにします。
    • すべてのプロンプトは単独で機能する必要があります。被写体の完全な説明、設定、照明、レンズ、動き、スタイル、アスペクト比を繰り返し記述します。モデルは以前のショットを記憶しません。
    • 一貫性: キャラクターとプロダクトごとに「バイブル」(顔、髪、服装、色、小道具)を一度定義し、同じ単語をすべてのショットに貼り付けます。難しいケースでは、最初に参照用静止画の画像プロンプトを作成し、その静止画から画像to動画でショットを生成します。
    • ネイティブオーディオ: モデルがオーディオを生成する場合は、Audio:行(アンビエンスとSFXのみ)を追加します。ユーザーがカメラ上のスピーチを希望する場合のみ、ダイアログを引用符で囲みます。
    • モデルが得意とするもの: 1ショットにつき1つのアクション。カメラの動き+被写体の動きは問題ありませんが、3つ以上の同時イベントは通常失敗します。
    • テキスト: モデルに読み取り可能なテキスト、ロゴ、UIを要求しないでください。これらはアセンブリ時またはコード描画オーバーレイとして追加します。
  5. 引き継ぎ. ユーザーに以下を提供します:
    • ショットリスト
    • プロンプト
    • ダウンロードファイルの命名規則(s01.mp4、s02.mp4 …)
    • 「クリップをここに送り返してください。動画を完成させます。」

モードB — クリップのアセンブル

  1. クリップを取得します(チャットアップロード、Driveリンク、ワークスペース内のファイル)。コンタクトシートを作成し(ffmpeg … tile)、各クリップをショットと照合します。被写体の誤り、手や顔の歪み、不要なテキストがないか確認し、不良品は使用せず再生成を提案します。
  2. ボイス. 以下から選択します:
    • ユーザーのMP3ファイル
    • ElevenLabs(request_credentialを使用。ホスト api.elevenlabs.io、ヘッダー xi-api-key)— チャットでキーを尋ねることは絶対にしないでください。
    • なし(キャプションのみ)
  3. ボイスがある場合、アライメントしてwords.jsonを生成します:scripts/align.pyを使用します。
  4. edit.jsonの作成(フォーマットは scripts/assemble.py の先頭にあります):
    • クリップごとのトリムポイント:最初と最後の0.3秒(モデルが不安定なことが多い部分)をカットします。
    • fit cover/contain、fade
    • ボイス、音楽 + music_db、ワード、キャプションスタイル
    • fontsdir ローカルのwoff2/ttfファイルを含む。ヒンディー語に必要。
  5. レンダリング. python scripts/assemble.py edit.json final.mp4 を実行します。スクリプトはすべてのクリップをW×Hとfpsに正規化し、クロスフェード、クリップオーディオ、ボイス、音楽(ボイスの下でダッキング)をミックスし、ワードハイライトキャプションを焼き込み、loudnorm −14 LUFSを適用します。
  6. 他のアスペクト比. W/Hを変更して再度レンダリングします。フルブリード映像には cover、トリミングできないワイドショットには contain を使用します。
  7. 納品.
    • blackdetect で黒フレームを確認します。
    • WhatsApp用に20MB未満の720pコピーを作成します。
    • 両方を SendUserFile で送信します。

ルール

  • 実在の人物: ユーザー本人で同意がある場合を除き、実在の人物(政治家、有名人、私人)のリアルなAI類似を使用しないでください。シルエットや象徴的なショットを使用します。YouTubeとMetaではリアルなAI生成コンテンツのラベル付けが必要であることをユーザーに注意喚起します。
  • 虚偽の主張の禁止: 偽の推薦文、捏造された統計、実際の顧客レビューを装ったUGCを禁止します。実際の人物の体験であると主張しない限り、UGCスタイルは問題ありません。
  • モデルスペックは急速に変化: クリップ長、価格、モデル名は references/ 内の日付付きメモです。必要な場合はユーザーのツールを確認し、正確なクレジットや価格を約束しないでください。

Individual skills in this repo

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

関連スキル