Communitygithub.com

3dvid

話題の実話を題材に、縦型3Dカートゥーン動画を企画からスクリプト、音声、映像、アップロードまで一貫して自動生成するエンドツーエンドスキル。

3dvid とは?

3DVIDは、話題の実話を題材に、約55~70秒の縦型3Dカートゥーンショート動画を完全自動生成するエンドツーエンドのAIエージェントスキルです。対象となるのは、物理学や原因・結果が明確なストーリーで、日常的な例えを用いて分かりやすく解説します。対応プラットフォームはRemotion(three.js)で、無料のKokoro TTS音声(イギリス英語男性)を使用。スキルは、トピック選定、スクリプト作成、音声生成、3D世界構築、特殊効果(インク、レンズブラー、ブルーム)、カスタムスタンプ風の字幕、2Kレンダリング、カバー作成、そしてYouTube Shortsプレイリストへの自動アップロード(購読リンク付き)までをカバーします。このスキルは、クリエイターが短時間で高品質な教育的ショート動画を量産するのに役立ちます。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/easswad/VideoSkills_for_Youtube/tree/main/3dvid

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

3DVID: カートゥーン3Dストーリーショート、トピックからYouTubeへ

約55~70秒の縦型ショート動画(1440x2560、30fps)で、平面的な2Dキャラクターがカラフルな3Dトゥーンワールドの中で実話を演じます。一つの物理のアイデアを日常の例えを使って説明します。templates/molasses/ と examples/molasses/ にある「Slower Than Molasses in January」(1919年ボストン糖蜜洪水、69.7秒)で実証済みです。

設定(別のユーザーやチャンネル用に編集)

キー値
チャンネル / 購読リンクhttps://www.youtube.com/@easswad
プレイリスト`#Shorts
レンダリングPC + 同期フォルダRemote Control経由のWindows PC; C:\ZapierAi Folder\3D\<name>-render(Google Drive for desktopが C:\ZapierAi Folder を同期)
アップロードパスZapier: Google Drive「ファイルを検索」→ YouTube「動画をアップロード」→ YouTube「動画をプレイリストに追加」
音声Kokoro TTS bm_fable(無料、イギリス英語男性)

常時ルール

  • ストーリー: 真実かつ調査済みで、すべての事実にソースがあること。独自のスクリプト、キャラクター、ショットを使用すること。決して参照チャンネルの動画をコピー、名前を挙げたり、アップロードしたりしないこと。
  • トーン: ジョークは責任のある人物や企業に向けられ、決して被害者に向けないこと。
  • 言語と音声: 英語のみ、安定したナレーターのトーン。無料ツールのみ使用:許可なくvidIQやHiggsfieldのクレジットを使用しないこと。
  • 承認: トピックとスクリプトについてユーザーの承認を得ること。その後は、実行するのみ。
  • ミックス: 音声は変更なし、BGMは音声より約10 LU低く(「+3 dB音楽」標準)、SFXステムは-6 dB。マスター-15 LUFS、トゥルーピーク ≤ -1.2 dBTP、48 kHz。
  • 画面上のテキストはオン: ステッカースタイルのキャプションと上部ソースタグ(ステップ7)。
  • すべてのアップロード: 公開、子供向けではない、カテゴリは教育。説明文の最後に購読リンクを含め、動画は上記のプレイリストに入れること。
  • 保存: すべてのステップ後に作業を保存すること。成果物はプロジェクトファイルフォルダに配置すること。

パイプライン

1. トピック

ここ数日でトレンドになっている実話を、需要の証拠(類似ショート動画で500万回以上の再生、YouTubeリンク)とともに見つけます。物理的な原因と結果が目に見えるストーリーと、それを説明する日常的な例えを優先します。ユーザーが選択できるように、オプションの表を提示します。実際の人物のAIパロディやデマを決して提案しないでください。

2. スクリプト(約3.7語/秒、55~70秒、約250語)

SCRIPT.md を作成し、上部に事実とそのソースを記載します。ビートの公式(examples/molasses/SCRIPT.md を参照):

  1. フック:衝撃的な事実を一文で。
  2. 設定。
  3. 3~4ビートでのエスカレーション。
  4. スナップ:事態が破綻する瞬間。
  5. 無表情で「幸いにも…/不運にも…」。
  6. 「つまりですね…」と日常的な例え。
  7. 結果:それによって作られたルールや法律。
  8. コールバックのひねり。

視聴者がすでに見ているものをナレーションしないでください。

3. 音声(無料)

セットアップ:

pip install kokoro-onnx soundfile librosa

kokoro-v1.0.onnx と voices-v1.0.bin を、thewh1teagle/kokoro-onnx のGitHubリリース(model-files-v1.0)から $KOKORO_DIR(デフォルトは ~/tts)に配置します。HuggingFaceとedge-ttsはブロックされている可能性があります。

ナレーションを生成:

python scripts/voice/narrate_timed.py bm_fable 1.32 lines.txt voice/ 0.08   # スクリプトの1行をテキストの1行として扱う
python scripts/voice/align.py bm_fable 1.32 voice/                         # DTW単語タイミング → voice/words.json
  • 速度は非常に非線形:254語で、1.30は71.6秒、1.32は69.6秒、1.35は60.8秒。
  • 後続のすべては words.json にタイミングが依存します(フレーム = 単語開始 × 30)。

4. 3Dワールド + ショット(Remotion + three.js)

  1. templates/molasses/(最新)または templates/bridge/ を src/videos/<name>/ にコピーします。
  2. コンポジションを src/Root.tsx に登録します(1080x1920、30fps)。
  3. @remotion/three、[email protected]、@react-three/fiber@8、@react-three/postprocessing@2、postprocessing@6、@remotion/google-fonts(remotionと同じバージョン)をインストールします。

各要素の場所:

  • story.ts:ショット、クロスフェード、フラッシュ、ショットごとのカメラ、キック、被写界深度。
    • すべての視覚的なリアクションは、対応する単語の0~3フレーム前に表示されます。
    • すべてのホールドはクリープ(プッシュイン)し、カットは大きなジャンプ時に発生します。
  • world.ts:空、地面、建物(視線カリング付き)、フレームごとにポーズが設定されたストーリープロップ。太陽はショットごとに固定され、カメラ相対です。
  • cast.ts / toon.ts / cardshade.ts:Canvas2Dの Pen で描かれたビルボードキャラクター(豆型の頭、棒状の手足、プラムインク、NOINKレイヤー)。
  • ポストエフェクト(<Name>.tsx、ink.ts、lensblur.ts、grade.ts):
    • 順序:インク → レンズブラー → ブルーム → NEUTRALトーンマップ → グレード、MSAA 4。
    • ピクセルパラメータは高さ/1920に比例します。

「Look rules」の下に、ルックターゲットと可読性のトラップがリストされています。

5. ルックチェック

ハーフスケールでスチルをレンダリング:

npx remotion still src/index.ts <Comp> out/x.png --frame=N --scale 0.5 --props='{"post":{"dpr":0.5},"text":false}'
  • Linuxクラウドボックスの場合、--browser-executable=<chromium> --gl=swangle を追加します。
  • インテリアセットを遠く(±600m)に移動し、カメラを遮るプロップとともに、Zファイティングを修正します。
  • 巨大なレンズ近くのブロブや、何かおかしく見えるものを削除します。
  • オプション:サイドバイサイドのシート(scripts/qa/sbs_sheet.py)とベリファイアパス。

6. サウンド(オリジナル、合成)

templates/audio/molasses_example/molasses_audio.py は完全な単一ファイルパイプラインです。templates/audio/ から dsp.py、instruments.py、sfx_gen.py をインポートします。ブリッジバージョンは timeline.py、sfx.py、music.py、mix.py に分割されています。

  1. コピーします。
  2. story.ts から FPS/TOTAL、SHOTS、イベントフレームを設定します。
  3. SFXイベントとミュージックキューのリストを作成します。
  4. WORDS_JSON=... VOICE_WAV=... python molasses_audio.py で実行します。

mix.wav(正確な長さ)、ステム、cues.md を出力します。音声はBGMを約3dB下げ、ショートタームリミッティングによりSFXが音声より少なくとも5 LU低く保たれます。

サウンドを作成する前に、ピクチャーのタイミングを固定します。タイミングを変更するたびに、再実行する必要があります。

7. 画面上のテキスト(ハウススタイルのステッカー)

  1. templates/molasses/Captions.tsx をコピーします。
  2. captions_spec.txt を作成します:
    • スクリプトの行ごとに1行、1~3語のチャンクを | で区切ります。
    • キーワードを * でマークします。これらは黄色いボックスに入ります。
    • 数字は数字として書き、表示される単語数が話される単語数と異なる場合は #n を使用します。
    • 各事実行の前に TAG: SOURCE: … を置きます。最初のタグは日付/場所タグです。例:BOSTON · 15 JANUARY 1919。
  3. データファイルを生成します:
    python scripts/captions/make_captions.py voice/words.json captions_spec.txt src/videos/<name>/captions-data.ts -v
    
  4. メインコンポーネントで、{getInputProps().text !== false && <Captions />} を最後に、すべての上にレンダリングします。

スタイル:

  • キャプションは約68%下に配置。Poppins Blackの大文字を白で、太い黒い輪郭とハードシャドウを付けます。
  • キーワードは、斜めの #FFD43B のボックスに黒いボーダーが付き、スプリングでポップインします。
  • ソースタグは、上部(1080で128px)近くの小さな白いボックスに黒いボーダーが付きます。
  • フォントはレンダリング時にGoogle Fontsから読み込まれるため、レンダリングにはインターネット接続が必要です。

8. 最終レンダリング(PC上;クラウドCPUでは時間がかかります)

node_modules を含まずに、mix.wav と共にプロジェクトを同期/レンダリングフォルダにパッケージ化します。その後、Remote Controlセッションで:

npm i
npx remotion render src/index.ts <Comp> out/<name>_video.mp4 --codec h264 --crf 16 --scale 1.3333333333333333 --concurrency 4 --timeout 300000
ffmpeg -i out/<name>_video.mp4 -i mix.wav -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -b:a 256k -shortest out/<name>_final_text.mp4
  • --scale は正確に 4/3 でなければなりません。そうしないと、Remotionが整数でない高さを拒否します。
  • コンカレンシー8は890Mのラップトップでメモリ不足になりました。コンカレンシー4は約5.5fpsでレンダリング、70秒で約6~7分です。
  • クリーンアップエフェクトで、fx.ink.dispose() ではなく InkPass.prototype.dispose.call(fx.ink) を呼び出します。
  • QA:python scripts/qa/short_qa.py final.mp4 qa/ shots.json は、黒いフレーム、白いフレーム、フリーズフレーム、ポップフレーム、ラウドネスをチェックします。また、フォント、クリッピング、顔についてフレームをスポットチェックします。

9. カバー/サムネイル

  1. 最もドラマチックな瞬間の1080x1920のスチルを {"text":false} でレンダリングします。
  2. 実行:
    python scripts/cover/make_cover.py frame.png <name>_cover_1080x1920.jpg --font Poppins-Black.ttf --top "A 25-FOOT" --key "MOLASSES" --big "WAVE" --badge "BOSTON 1919" --sub "@easswad"
    

出力は2MB未満のJPEGです(YouTubeのサムネイル制限)。Drive同期フォルダのmp4の隣に保存します。

10. アップロード(Drive同期 + Zapier、公開リンクなし)

  1. Zapier Google Drive「ファイルを検索」アクションがmp4とカバーの両方を見つけるまで待ちます。file 参照を返すので、そのまま渡せます。
  2. Zapier YouTube「動画をアップロード」を実行:
    • video:ファイル参照。
    • thumbnail:カバー参照。
    • タイトル(70文字以内、フック + 絵文字 + "(True Story)")。
    • タグ。
    • privacy_status=public、made_for_kids=false、category_id Education、default_language=en、notify_subscribers=true。
    • この順序の説明文:フック行、絵文字の事実箇条書き、コメント質問、ソース、#Shorts で終わるハッシュタグ、そして **"Subscribe for more: https://www.youtube.com/@easswad"**。
  3. YouTube「動画をプレイリストに追加」を実行し、#Shorts | 超短い動画用 に追加します。アクションのプレイリストリストからIDを解決します。「Shorts」という名前の別のプレイリストは使用しないでください。
  4. YouTube APIを通じて、動画が公開され、処理され、サムネイルがあることを確認します。ユーザーにリンクを提供します。

注:

  • サムネイルが失敗した場合、「動画のサムネイルを更新」を実行します(電話認証済みチャンネルが必要)。
  • すべてのZapier呼び出しはプランのタスクを使用します。月間制限に達した場合は、ユーザーに伝えて停止します。

ルックルール(実績のあるショート動画から)

  • インク: ワールドライン #030303、1080で近距離5.1px→遠距離3.3px。キャラクターカードにはインクなし。
  • 昼光: 空 #3e7fd2 → #b8d0ec、フォグ = 水平線の色。影の中だけがクールなシェード。糖蜜/液体は暖かい茶色(#4f240f)、波のショットでは太陽はカメラの後ろ。
  • 被写界深度: 画面時間の約1/3(クローズアップは1080で12-16px)、ワイドはシャープを維持。
  • キャラクター: 3.5頭身、0.5~2.3秒ごとにまばたき、歩行ボブ5%、コンタクトシャドウ。
  • トラップ:
    • レンズから2m以内のプロップはブロブになる。
    • 1本のロープで描かれたブランコは、吊るされたように見える。
    • 横から照らされた標識は灰色になる。
    • フラットなホールドはフリーズとして読まれる。すべてのホールドにはクリーププッシュインが必要。
  • グレイン: ファイルサイズが4倍になるため、フィルムグレインはオフにしておく。
  • ディスク: Remotionのバンドルは public/ を毎回テンプフォルダにコピーする。終わったら古い remotion-webpack-bundle-* フォルダを削除すること。

このスキルのファイル

  • templates/molasses/:最新の完全なソース。Captions.tsxとcaptions-data.tsを含む。
  • templates/bridge/:最初に実証されたソース(MIT、LICENSEファイルを参照)。
  • templates/audio/:サウンドエンジンと molasses_example/。
  • scripts/voice/:Kokoroナレーションと単語アライメント。
  • scripts/captions/make_captions.py
  • scripts/cover/make_cover.py
  • scripts/qa/:スチル、QA、サイドバイサイドツール。
  • examples/molasses/:スクリプト、キャプション仕様、YouTubeの説明文。

関連スキル