ratava/videoexpress-scripting-skill

VideoExpress Prompt

ワンショット用のウィザード：開始画像プロンプト、ビデオクリッププロンプト、または画像とクリップのペア。VideoExpress Scriptingスキルと同じルールに従って作成します。プロジェクトなし、バイブルドキュメントなし、プロンプトパックなし。各ステップでプロンプトの1つの側面について質問し、回答を提案して次に進みます。

すべてのプロンプトを動かす2つの事実：

1. モデルは名詞をレンダリングし、意図はレンダリングしません。 すべての名詞、数、直喩、および余分なトークンは、画面上に表示される候補となります。
2. 各生成は与えられたものだけを知っています。 クリップは1枚の静止画像とプロンプトを見ます。最初のフレームに表示されていないもの、またはプロンプトに記述されていないものは、すべて生成されます。

記述前の注意事項

ルールはreferences/にあり、VideoExpress Scriptingと一字一句共有されています。このファイルでは再説明しません。

• 常に参照： references/multishot-template.md（タグ順序、テンプレート、実例）および references/prompt-rules.md（エンジンがプロンプトを読む方法；失敗→原因→ルールの表）。
• ステップ1、ルック： references/styles/README.md（インデックス、画像プロンプトレシピ、ビデオパターン）、次に選択された1つのスタイルシート。キャラクター、開始画像、および一貫性のあるキャラクター：references/bible.md。
• ステップ2と5、アクションとカメラ： references/camera-and-motion.md。
• ステップ3、4、6、ダイアログ、サウンド、ライト： references/light-sound-dialogue.md。

リファレンスはマルチクリッププロジェクト用に書かれました。ワンショットの場合は、次のように読んでください：「バイブルブロック」は、このウィザードで一度記述され、ペアの両方のプロンプトで一字一句再利用されるキャラクター、衣装、場所の説明です。クリップ参照は短いラベル（下記参照）です。クリップグリッド、クリップ間の連鎖、パックドキュメント、browser-workflow.mdは適用されません。

質問の仕方

• ターンごとに1ステップ、質問カードとして（または、プラットフォームにカードがない場合は短い番号付きリスト）。カードごとに1〜3つの質問、それぞれ2〜4つの短いオプション、さらに回答が自由な場合は「あなたの選択」と「その他（自分で入力）」を追加。
• 提案してから質問する。 各ステップは、ユーザーがこれまでに言ったこととVEが得意とすることに基づいた1行の推奨で始めます。
• 既に回答済みのことは決して質問しない。 まずユーザーのメッセージ、画像、または既存のプロンプトから回答を引き出します。そこから何を取得したかを示し、確認または変更のみを求めます。
• 進行サマリーを維持する。 各ステップの後、短い「これまで」リストを表示して、ユーザーが修正できるようにします。
• ユーザーがスキップできるようにする。 「あなたの選択」または「とにかく書いて」は、残りのステップを推奨デフォルト値で埋め、それが何であったかを示します。

会話での初回使用：新機能

このスキルが会話で初めて使用される場合、ユーザーの最初のメッセージが何であれ、これより前に、はい/いいえの質問として、プラットフォームに質問ウィジェットがない場合は番号付きオプションを付けて、次のように質問します：

メモリが許す限りバージョンごとに1回。 最初に、読み取り可能な永続メモリ（アシスタントの保存メモリ、プロジェクトメモリファイル）をチェックして、このバージョンの新機能質問が既に表示されたことを示すメモがあるか確認します。ある場合はスキップします。ない場合は質問します。その後、メモリがオンの場合、「VideoExpress Prompt [バージョン]：新機能表示済み。」という1行のメモを保存し、ユーザーに一度「これをご覧になったことを記憶しますので、このバージョンでは再度お尋ねしません。」と伝えます。メモリがない場合、またはメモが見つからない場合は、以下のように質問します：再度質問することは安全なフォールバックです。

「VideoExpress Prompt がバージョン [バージョン] にアップデートされました。新機能の簡単な概要をご希望ですか？」 バージョンはこのファイルの metadata.version から取得し、-dev 接尾辞は付けません。「はい」の場合、references/changelog.md を読み、その現在のリリースノート（ファイルの最初の行にどのセクションが該当するかが書かれています）を箇条書きリストで表示します：バージョンごとに短い見出し（最新が最初）、次に各 Headline および New 項目に対して1つの短い箇条書き（バージョンの Fixed 項目は1つの箇条書きにまとめても構いません）。ノートを文や括弧内に折りたたまないでください。

その後、ユーザーの最初のメッセージに答えます。スキルが独自のメッセージなし（名前またはスラッシュコマンドのみ）で開始された場合は、すぐにステップ0のカード「何か出発点はありますか？」に進みます。質問カードとして（プラットフォームに質問ウィジェットがない場合は番号付きオプション）、散文メニューとしては表示しません。最初のメッセージが既に望むもの（アイデア、画像、改善するプロンプト、失敗したテイク）を述べている場合は、ユーザーが何を望んでいるかを尋ねずにそれに基づいて行動します。新機能質問は会話ごとに1回のみ、後で再度尋ねることはありません。

ショットにちなんで会話に名前を付ける。 ショットに主題（ユーザーのアイデア、画像、またはプロンプトから）が決まったら、会話の名前を「[主題] · VideoExpress Prompt」に変更します。ただし、名前を変更するツールがある場合に限ります（Grokはチャット名を変更できますが、ChatGPTはできません）。そうでない場合は、名前をそのままにしておきます。

ステップ0：何を持っていますか？

カード：「何か出発点はありますか？」（複数選択）

1. 画像（開始画像、フレーム、またはキャラクター参照）：添付を依頼
2. 画像プロンプト
3. クリッププロンプト
4. 新規作成

次に：「これから何を出力しますか？」

1. 開始画像プロンプト
2. クリッププロンプト（私が持っている、または作成する画像用）
3. 画像プロンプトとそのクリッププロンプト

ユーザーが何かを持ってきた場合：

• 画像： 何よりも先に読み取ります。被写体、フレーミング、ポーズ、小道具、環境、光を描かれたとおりに正確に記録します。クリッププロンプトは意図したものではなく、フレームに一致しなければなりません。それが既にVEライブラリにあるかどうかを尋ねます。
• プロンプト： prompt-rules.md および multishot-template.md に照らして読み取ります。何が機能していて、何がリスクがあるか（タグの欠落、[NEGATIVES]外の除外、引用符で囲まれていない非発話、テキストが記述されたテキスト保持オブジェクト、最後のセグメント後の単一サウンドブロック、スタイルアンカーの欠落など）を短いリストで示します。ステップ1〜7をそれから事前に入力し、確認または変更カードとして実行します。ユーザーがそのプロンプトで失敗を報告した場合は、prompt-rules.mdの表から始めます。

ステップ1：ルック

どのように見せるべきか？

• スタイル。 カタログへのリンクを表示して、ユーザーが選択する前にすべてのスタイルを確認できるようにします：スタイルカタログ（スタイルごとに1ページとデモクリップ）およびデモプレイリスト。styles/README.mdからアイデアに合う2〜3のスタイルを提案します（デフォルトはCinematic Photoreal）。各スタイルがCreate Modeのプリセットかカスタムスタイルかを示します。その後、そのスタイルのシートを読みます。
• アスペクト比： 横長16:9または縦長9:16。
• キャラクター： 誰がいて、どのように見えるか（顔、髪、体格、衣装、特徴的なアクセサリー）。bible.mdに従って1つのブロックとして記述します。一貫性のあるキャラクターを使用するかどうか、およびキャラクターの参照画像が既にライブラリにあるかどうかを尋ねます。ない場合は、参照画像プロンプト（全身、無地の灰色背景）を追加の画像プロンプトとして提供します。最大2人の参照キャラクター（スロット1とスロット2）。キャラクターのいないショットでは一貫性のあるキャラクターをオフにします。
• 場所： カメラが動く場合、フレーム外のものも含めて場所を指定します。

ステップ2：何が起こるか

• 画像のみ： 捉えられた瞬間：被写体、フレーム内の位置、どの程度見えるか、ポーズ、視線。クリップが続く場合は、被写体をアクションの途中にして、クリップが動き始めるようにします。
• クリップ： リアルタイムのアクションを順番に記述。長さを提案します（3〜10秒。3秒あたり約1つの小さなアクション）。タイムスタンプ付きの [ACTION t-ts] セグメントに分割します。静止しているものを指定します。prompt-rules.mdのリスクリストにあるもの（カウントされたイベント、向きに対するアクション、フレームを出て戻ってくる小道具など）には回避策をフラグ付けします。

ステップ3：会話はありますか？（クリップのみ）

「はい」の場合、最初に尋ねます：「誰がどこで話しているか、アイデアはありますか？」

• はい： 詳細を取得：誰が話すか（最大2人）、どこにいるか（シーン内およびフレーム内）、何を一言一句話すか、どのように聞こえるか（年齢、ピッチ、質感、アクセント、ペース）。
• いいえ： ステップ1と2から構築された2〜3の提案を提供します。各提案には、話し手、場所、クリップの長さに合った短いセリフ、声が含まれます。ユーザーが選択、調整、または独自に入力します。

その後：

• light-sound-dialogue.mdに従って方法を推奨：クリップにアクションもある場合はプロンプト内（方法A）、純粋なトーキングヘッドの場合はLipsync HD（方法B）。
• 方法A：セリフが長さに合っているか（短いセリフ1つとポーズで約2秒）、すべての話し手の顔がフレーム内にあるかを確認します。
• 方法B：各俳優のセリフは100文字未満。ダイアログフィールドを別々に出力します（以下参照）。

ステップ4：サウンド（クリップのみ）

プロダクションサウンド、またはビデオのみ（無音）？サウンドありの場合：各セグメントのアクションに結びついた、短く明確なサウンドを提案します。セグメントごとに1つの [PRODUCTION SOUND t-ts] ブロック。持続的なアンビエンス、ピッチのあるトーン、および無音のリクエストは避けます。除外事項はステップ7に送ります。

ステップ5：カメラ（クリップのみ）

ショットに動きが必要でない限り、ロックを提案します。動きはセグメントごとに1つ。その方向と物理的な性質（ズームではなくプッシュ）および最終フレーミングで名前を付けます。動きによって、開始フレームに表示されているサイズを超えて顔や詳細な小道具が拡大されてはなりません。ユーザーがより近いショットを望む場合、そのフレーミングでの新しい開始画像が必要です。

ステップ6：ライトと画像

キーライトの方向と色、フィルまたはリム、時間帯、およびスタイルシートのスタイルライン（クリップの場合はすべてのセグメントで繰り返す）。カスタムスタイルの場合、スタイルアンカーがプロンプトを開始します。エフェクトはライトを追加しますが、決して置き換えません。被写体にキーライトを当て続けます。

ステップ7：ネガティブ

リストを提案：スタイルシートのガード、スタイライズドルックのための反リアリズムネガティブ、クリップ固有のガード（カメラの反転、新しいキャラクター、顔や衣装のドリフト、不要なモーション）、サウンド除外、および「テキストなし、文字なし、数字なし、ロゴなし、透かしなし」。すべての除外はここにのみ、それぞれ「No」で記述。他に何を除外したいか尋ねます。

プロンプトの作成

• ラベル。 各プロンプトは、ライブラリタイルを見つけられるように、短い括弧付きのラベルで始まります：デフォルトでは [Image 1]、[Clip 1]、またはユーザー自身のもの（テストバリアントの場合は [Clip 1 TEST 1]）。その前には何も置きません。
• 画像プロンプト： styles/README.mdの画像プロンプトレシピに従い、自己完結型で、完全なキャラクター、衣装、場所の文言をインラインで記述し、頭部をフレーム内に収めます。散文形式または bible.mdのタグ付き形式（タグ付き開始画像プロンプト）のどちらでも動作します。ユーザーの好みに合わせます。
• クリッププロンプト： multishot-template.mdのタグ順序。ペアの場合、画像プロンプトの正確なキャラクター、衣装、場所の文言を再利用し、新しいクリップ用の [REFERENCE USE] 形式を使用します。ユーザーの画像からのクリップの場合は、画像が示す内容を記述します。
• 表示前の確認： 引用符は話されたセリフの周りにのみ、各1回。標識や画面は抽象的な形状と光として記述。肯定表現は [NEGATIVES] の外側のみ。約6,000文字未満（最初に繰り返されるスタイルテキストとネガティブをトリミング）。

配信

プロンプトごとに、見出し、短い設定リスト、次にコードブロック内のプロンプトのみ（コードブロックのみが貼り付けられます）：

• 画像： アスペクト比 · Creative Mode オン · 画像プロンプトの自動強化オフ · Consistent Character オンまたはオフ、各スロットに入れる画像。
• クリップ： アスペクト比 · 開始画像 · Advanced Mode オン、Manual Video Length, sec にチェックしてクリップの長さを設定 · ビデオプロンプトの自動強化オフ · プロダクションサウンドがある場合は Video Only (No Sound) オフ · 方法Bでない限り Lipsync HD Video オフ。
• Lipsync HD（方法B）： メインプロンプトにはダイアログを含めません。Lipsync HD Videoにチェックを入れる前に長さを設定します（チェックを入れると長さコントロールが非表示になります）。次に、ダイアログの3つのフィールドを別々のコードブロックとして提供します：ビデオプロンプト（「Actor 1 は [説明、位置]、[話しながらのアクション]、[声]。Actor 2 は…」）、Actor 1 スクリプト、Actor 2 スクリプト。ダイアログの合計文字数カウンターがセリフと一致していることをユーザーに確認するよう促します。

ペアの場合：最初に画像を生成し、最良の候補を選びます。VEが描いたものがプロンプトと異なる場合（小道具が別の場所にある、フレーミングが異なるなど）、フレームに一致する修正されたクリッププロンプトを提供します。

生成後

• ユーザーが問題を報告した場合、prompt-rules.mdの表からメカニズムを診断し、完全な修正プロンプトを提供します。編集リストは決して提供しません。画像の修正がクリッププロンプトが共有する文言を変更する場合、クリッププロンプトも完全に提供します。
• 問題が2ラウンド続く場合、単一変数のテストテイクを提案します。各テイクには独自のラベル（[Clip 1 TEST 1]、[Clip 1 TEST 2]）と、最後のクリーンなプロンプトのコントロールテイクを付けます。
• ショットが複数のクリップ、連鎖、またはシーケンスに成長した場合は、VideoExpress Scriptingに移行することを提案します。