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):
- フック:衝撃的な事実を一文で。
- 設定。
- 3~4ビートでのエスカレーション。
- スナップ:事態が破綻する瞬間。
- 無表情で「幸いにも…/不運にも…」。
- 「つまりですね…」と日常的な例え。
- 結果:それによって作られたルールや法律。
- 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)
templates/molasses/(最新)またはtemplates/bridge/をsrc/videos/<name>/にコピーします。- コンポジションを
src/Root.tsxに登録します(1080x1920、30fps)。 @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。
- コピーします。
- story.ts から FPS/TOTAL、SHOTS、イベントフレームを設定します。
- 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。
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)
templates/molasses/Captions.tsxをコピーします。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。
- スクリプトの行ごとに1行、1~3語のチャンクを
- 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 - 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
- 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。 - 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)
- 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。 - 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_idEducation、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"**。
- 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。
- 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.pyscripts/cover/make_cover.pyscripts/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。