Communitygithub.com

生成メディアソーシング

実写映像が不足している場合やユーザーが生成ビジュアルを要求した際に、ビート同期編集向けのメディアアセット(AI動画・画像、プロシージャルGPUレンダリング)を生成または計画します。

生成メディアソーシング とは?

このスキルは、ビート同期モンタージュ編集において、実写映像の代わりに、または実写と組み合わせて、生成メディアアセットを活用するために設計されています。具体的には、Gemini/Veo/Flowを用いたAI動画生成、Codexの画像生成ツール、そしてPython+modernglによるプロシージャルなオーディオリアクティブGPUレンダリング(トンネル、ポータル、万華鏡、スターバースト、曼荼羅、タイトルピースなど)の3つの生成経路をカバーします。このスキルは、実写映像が入手不可能、弱すぎる、ライセンス上の問題がある、または特定の不可能なビジュアルが必要な場合に特に有用です。生成されたアセットは、単なる汎用的なフィラーではなく、カットマーカーやフレーズの変化、視覚的エスカレーションを確実にサポートするように、明確な品質基準(テキストやロゴの禁止、破綻した顔や手の拒否、ウォーターマークの禁止)に従います。ワークフローは、曲の分析とモンタージュ計画から始まり、各キューのアセットタイプを決定し、生成マニフェストを作成し、生成後は`ffprobe`で検証し、受け入れられたアセットをソースマニフェストに追加して、最終的に`beat-synced-montage-builder`に引き渡します。プロシージャルレンダリングは、決定論的でウォーターマークがなく、完全に所有可能であり、楽曲のオンセットエンベロープで直接駆動できるため、抽象的なビジュアルに推奨されます。

対応~Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/BusyBee3333/viral-video-edit-skills/tree/main/skills/generated-media-sourcing

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

生成メディアソーシング は何をしますか?

目的

ビート同期編集で、発見/ソース映像のみではなく、生成メディアが必要な場合にこのスキルを使用します。Smashスタイルのワークフローと同じ品質基準を維持します。生成アセットは、単なる汎用的なフィラーではなく、カットマーカー、フレーズの変化、被写体の変更、視覚的エスカレーションをサポートする必要があります。

ルーティング

  • 生成ビデオには、利用可能な場合はインストールされたGemini/Veoスキル(例:$gemini-video-generationやJakeの$gomez-cloud-veo-generation)を使用します。
  • Google Flowブラウザ生成には、ユーザーがFlow、ブラウザクレジット、Google Omni、ChromeのVeo、または可視のFlow UIを要求した場合、Gomez/Flowルートを使用します。
  • 生成された静止画像、プレート、モックアップ、切り抜き、テクスチャ、または参照フレームには、利用可能な場合はCodexの組み込み$imagegenスキル/ツールを使用します。
  • ビデオ・画像生成ツールのいずれも利用できない場合は、プロンプトマニフェストと編集計画を作成し、どの生成ステップがブロックされているかをユーザーに伝えます。

生成するタイミング

以下の場合にメディアを生成します:

  • ユーザーが明示的に生成ビデオまたは画像を要求した場合。
  • 実写映像が利用できない、弱すぎる、繰り返しが多い、またはライセンス/ソースアクセスによってブロックされている場合。
  • セクションに、ソースが不可能な特定のビジュアル、トランジションプレート、夢のイメージ、タイトルフリーの抽象画、製品セーフなカットアウェイ、またはビートヒットアクセントが必要な場合。
  • 編集が探索的であり、最終的なソース映像が見つかる前にタイミングをテストするために生成されたプレースホルダーが役立つ場合。

以下の場合は実写映像を優先します:

  • 最終版に本物のイベント、人物、ゲームプレイ、製品証拠、舞台裏、コンサートの観客の反応、またはドキュメンタリーの信頼性が必要な場合。
  • 生成メディアが具体性を低下させたり、編集をストック素材のように感じさせる場合。
  • 実際のソースを迅速かつ合法的に見つけられる場合。

ワークフロー

  1. 曲の分析とモンタージュ計画から始めます。ターゲットウィンドウ、アスペクト比、エネルギーの傾斜、マーカーの役割を把握する前にアセットを生成しないでください。
  2. キューごとにアセットタイプを決定します:
    • generated_video:フレーズの変化、トランジション、雰囲気、または不可能なシーン向けの短いモーションクリップ。
    • generated_still:パン、ズーム、パララックス、オーバーレイ、またはクイックフラッシュでアニメーション化するイメージプレート。
    • source_footage:実写映像は、根拠のあるアクションや最終的なプルーフカットに引き続き推奨されます。
  3. 要求されたアセットごとに1行/オブジェクトの生成マニフェストを作成します:
    • キューID
    • マーカー時間または時間範囲
    • アセットタイプ
    • アスペクト比
    • プロンプト
    • 回避リスト
    • タイムラインでの使用目的
    • 出力パス
  4. ユーザーが実際の生成を明確に要求しない限り、有料/APIビデオクレジットを使用する前に確認を取ります。
  5. 生成されたプロジェクトアセットは、media/generated/、work/generated-media/、またはoutputs/generated-media/などの無視されるローカルフォルダに保存します。生成されたMP4、生画像、APIキー、ダウンロード、またはプライベート参照をコミットしないでください。
  6. 生成されたクリップはffprobeで検証し、生成された画像はタイムラインで使用する前に開くか検査して検証します。
  7. 受け入れられた生成アセットを、source_kind=generated_videoまたはsource_kind=generated_stillとしてモンタージュソースマニフェストに追加します。
  8. まずクリーンな編集をレンダリングします。生成アセットはソース素材として扱い、タイムラインCSV、コンタクトシート、ブリーフ、または$edit-delivery-qaをスキップする理由にしないでください。

プロシージャルオーディオリアクティブレンダリング(抽象ビジュアルに推奨)

抽象/雰囲気要素(トンネル、ポータル、万華鏡の曼荼羅、スターバーストフィールド、事象の地平線、タイトルピース)には、AI生成よりもプロシージャルGPUレンダリングを優先します。決定論的で、ウォーターマークがなく、完全に所有可能であり、楽曲独自のオンセットエンベロープで駆動できるため、すべてのパルスが音楽に正確に一致します。

スケルトン:Python + modernglスタンドアロンコンテキスト、1つのフルスクリーントライアングル#version 330フラグメントシェーダー、フレームごとのユニフォーム(uTime、uPulse:librosaのオンセットエンベロープから95パーセンタイル正規化とexp(-1/(fps*0.22))ピークホールド減衰、ヒット時に急上昇する統合速度/ロールアキュムレータ)、FBOからフレームを読み取り、生RGBをffmpeg -f rawvideo -pix_fmt rgb24 -vf vflip -c:v libx264 -crf 18 -pix_fmt yuv420pに直接パイプします。標準CLI:--audio --start --dur --out --fps 30 --w 1080 --h 1920、さらにフルレンダリングにコミットする前にアートディレクションチェックを行うための--still --tモード。

実績のあるオーディオマッピング:オンセット→パンチズーム/ホワイトホットフラッシュ/ローテーションキック;ベース→コアブルーム/インナーリムヒート;統合エネルギー→移動速度。バンドは別々の正規化された信号として維持します。

アートディレクションの法則(二度学んだ):ニアブラックベース+エミッシブネオン。 高密度のプロシージャルフィールドは、フィールドの約50%が黒のモートでなければパステル調に洗い流されます。ノイズが光を彫り出し(I = profile * pow(streak, 1.5+) * gradient)、彩度が打ち出されます。フラットに見える場合は、深度分離を増やし、詳細を追加する前に周辺部を暗くします。仕上げ:ラインハード風トーンマップacc*1.35/(1+acc)、彩度リフト約1.3、ガンマ0.4545;主要作品のニアブラックグラデーションにはディザリングを追加します。

統合ルール: プロシージャルレンダリングを単独のセグメントとしてインターカットしてはいけません($beat-synced-montage-builderの統合エフェクトルールを参照)。ショットにコンポジットします——空にスクリーンブレンド(RGB/gbrp、YUVではマゼンタフラッドになるため避ける)、フェザーディスクアルファ、反射、エッジラップライトブリード、コーナーピンスクリーン——または、ベースカットを同じフラグメントシェーダーがサンプリングするテクスチャにデコードし、編集のカット時間をユニフォームとして渡すことでインシェーダーで融合し、カットがワープパンチとして着地するようにします。編集が使用する正確なウィンドウ(--start/--dur)で常にレンダリングします。

ビデオ生成ガイダンス

生成ビデオにはGemini/Veo/Flowを使用します。プロンプトは直接的で、視覚的で、編集を意識したものにします:

9:16 縦型ビデオ、8秒、読み取り可能なテキストやロゴなし。
シーン:<具体的なビジュアル>。
モーション:<ビートでカットできる1つの明確なアクション>。
カメラ:<シンプルなカメラワーク>。
スタイル:<ビジュアルスタイル>。
ライティング/ムード:<エネルギー>。
回避:テキスト、ウォーターマーク、ブランドロゴ、余分なキャラクター、不自然な手/顔。

ビート同期編集では、明確な開始、中間、使用可能なインパクトモーメントを持つ短いクリップを要求します。多くのビートにわたる正確な振り付けを必要とするプロンプトは避け、代わりにいくつかの単純なオプションを生成します。

Google Flowを使用する場合、ユーザーのコスト/品質要求に一致する可視のVeo/Omniモデルを選択します。完成したクリップはすぐにダウンロードし、安定した小文字の名前でプロジェクトローカルの無視されるメディアフォルダにコピーします。

画像生成ガイダンス

Codex画像生成を、静止プレート、カットアウェイ、参照フレーム、アルバム/ストーリービジュアル、またはローカルでアニメーション化できる不可能なシーンに使用します。編集に以下のものだけが必要な場合は、イメージプレートを優先します:

  • クイックフラッシュ
  • マッチカットフレーム
  • パララックス背景
  • 象徴的なインサート
  • サムネイル/コンタクトシートコンセプト
  • ビデオ生成が複雑になりすぎるプロンプト可能なビジュアル

静止画は意図された編集使用法を念頭に置いてプロンプトします:

アセットタイプ:ビート同期モンタージュイメージプレート
主な要求:<ビジュアル>
フォーマット:9:16 縦型または16:9 横型
構図:明確な被写体、ソーシャルフィードサイズで読み取り可能、クロップセーフな動きの余地あり
スタイル/媒体:<写真/イラスト/3D/など>
制約:読み取り可能なテキストなし、ロゴなし、ウォーターマークなし

プロジェクトが画像を消費する場合、選択した出力を作業スペースに移動/コピーします。参照アセットをCodexのデフォルトの生成画像キャッシュにのみ残さないでください。

品質ルール

  • 生成アセットは、特定のビート、フレーズ、またはストーリーモーメントに結び付けられている必要があります。
  • セクションが本当に抽象化を必要としない限り、「クールな抽象ビジュアル」のような汎用的なBロールプロンプトは避けてください。
  • モンタージュにバラエティが必要な場合は、1つの広範なプロンプトではなく、いくつかの狭いプロンプトを作成します。
  • 不適切なテキスト、破綻した顔/手、目に見えるウォーターマーク、弱いモーション、被写体の判読性の低さ、または明確なカットポイントがない生成アセットは拒否します。
  • 生成されたプレースホルダーは、後で実写映像と交換できるように、マニフェストに明確にマークします。

モンタージュビルダーへの引き渡し

生成または計画後、受け入れられたアセットを通常のソースとして$beat-synced-montage-builderに戻します。含める内容:

  • アセットパス
  • キューIDと意図されたマーカー時間
  • ソースの種類
  • 使用されたプロンプト
  • 最適なフレームまたは最適なモーションモーメントに関するメモ
  • 置き換え優先度:final_ok、replace_if_real_source_found、またはplaceholder_only

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

beat-synced-montage-builder

Build beat-synced social video montages from song-analysis outputs and source footage. Use when an agent needs to assemble, plan, or revise a music-timed edit; map footage to beats/onsets/cut markers; create vertical or landscape montage timelines; integrate audio-reactive FX into shots; mix gameplay, crowd, concert, nature, menu, or other accent footage; generate timeline CSVs, contact sheets, and edit briefs; or adapt the Conteto Machino / Smash Mash workflow for another song or footage library.

edit-delivery-qa

Verify final video edits before delivery. Use when an agent needs to inspect a rendered MP4/MOV/WebM, confirm duration/resolution/frame rate/audio, generate or review contact sheets, analyze timeline CSVs, check cut density/source mix, check FX integration and cohesion, verify text-to-beat sync, catch weak frames or accidental placeholders, and decide whether a beat-synced social edit is ready to show.

song-edit-analysis

Analyze songs and audio files for beat-synced video editing, clip timing, energy mapping, viral window selection, onset-locked cut grids, footage selection, and agent-readable edit briefs. Use when an agent needs to inspect an MP3/WAV/M4A/audio track, estimate tempo and beat grids, identify sections, produce cut markers, pick the best 15-30s window of a song for short-form video, or guide a human or another agent in choosing footage that matches musical energy.

viral-video-edits

End-to-end system for making S-tier beat-synced short-form music video edits — song analysis, viral window selection, footage sourcing with shot-level QA, hook writing, onset-locked cutting, integrated audio-reactive FX (person mattes, procedural GLSL renderers, cinematic grade), and delivery QA. Use this whenever the user asks to make a video edit, music video, reel, TikTok/Shorts/vertical video, beat-synced montage, lyric/hook video, audio-reactive visual, tunnel/portal/kaleidoscope render, or to promote a song with video content — even if they don

関連スキル