コンティニュアム・ウォークスルー

ベンチマークは examples/po-desk/walkthrough.html (PO Desk Walkthrough v4.1、10/10) です。Jason: 「アニメーションや効果音、そして連続性の仕組みが大好き」。新しい作品はすべてこれを超えなければなりません。ベンチマークを開き、何か新しいものを書く前にその動きをコピーしてください。

パイプライン（エージェント時間約3〜4時間、レンダリング時間約1時間：デタッチド実行）

#	ステップ	ツール	ゲート
1	インテークQA: `references/intake-qa.md` のすべての質問を質問ツールで行う（1回の呼び出しで4つまで、推奨オプションを先に）	AskUserQuestion	回答が揃うまでビルド禁止
2	ビートシート＋スクリプト: このオファー用に `references/beat-sheet.md` を埋める。ビートごとにVOライン1行、会話調	`script.json` を書き込む	ユーザーがビートシートを承認する
3	音声: 各行を2テイク	`scripts/vo_gen.mjs`	無料プランのクレジットが足りること（音声セクション参照）
4	確認＋ワードタイム	`scripts/vo_verify.sh` (whisper.cpp)	選択された各テイクが、ラインと単語単位で一致すること
5	映像: `engine/starter.html` をコピーし、シーンごとに構築。すべての `T.*` キーを、その単語を名付ける単語の onset に配置する	`engine/engine.js`	各ビートの静止画が両方のフォーマットで正しく見えること
6	サウンド: 可視イベントごとに1つのサウンドを含むキューシートを作成する（`references/sound-map.md` 参照）	`scripts/mix.py cues.json`	−14 LUFS、−1 dBFS、音声ラインが重ならないこと
7	ゲート	v と h に対して `scripts/ghost_audit.mjs` を実行	PASS。FAIL はレンダリングをブロックする
8	レンダリング（デタッチド）	`nohup zsh scripts/render.sh … & disown`	フレーム数 = LEN × 60（両方のフォーマット）
9	納品	4つのMP4：9×16 と 16×9、それぞれ Voice+Music と Voice+SFX	コンタクトシート（2秒ごとに1枚の静止画）を目視で確認
10	スコアリング: /10 を尋ね、記録し、すべてのノートをレッジャー行とゲートに変換する	`references/lessons.md`	—

セットアップ: node 20+、ffmpeg、python3（numpy 込み）、npm i playwright-core（または PW_DIR 設定）、Chrome（CHROME=… は任意）、whisper-cli ＋ ggml-small.en-q5_1.bin。

ストーリーの型（並び替え禁止）

フック（0〜5秒）: 送信者の実在感のある iMessage 風インターフェース上で、実際の顔写真と名前を使った個人的でカジュアルなオープニング。「ねえ、これランダムなんだけど…あなたのビジネスで何か気になるものを見つけたんだ。」ロゴやピッチはまだなし。
オブジェクト登場（5〜10秒）: 実在感のある通知の山。そのうちの1つ（実際のドキュメント）が、レターヘッド、PO番号、テーブル、合計、署名が入った完全なページに変形する。
ペインの提示（10〜18秒）: 「マリア」という名前の人物が、それをすべての送り先（ERP（実際のロゴ）、CRM（実際のロゴ）、フォルダ、メール）に手動で再入力する。時計が進み、キーがカチカチ鳴る。各送り先の名前はナレーションで発話される。
ペインの金額表示（18〜26秒）: レート × 時間 × 稼働日、カウンターが赤で年間コストまで回る。計算式は小さな文字で画面に残る。金額を発話する。
転換（26秒）: 「それがあなたのために処理されたとき、どう見えるかをお見せします。」同じオブジェクトが中央に戻ってくる。連続性が肝。
解決策（28〜42秒）: スキャナーが読み取り、フィールドがカードに飛び込み、チェックが入り、1つの例外がフラグされて説明され（「通常の10倍」）、1タップで修正、1タップで承認。
証明（42〜51秒）: 実際のロゴとチェックマークとともに4か所すべてにファイルされ、タイムスタンプ付きのレシートが表示される（「1分44秒、メールからファイル化まで」）。
CTA（51〜53秒）: ソフトでプレッシャーのない「ご興味があれば、返信してください。」
ロゴ単独表示（53.8〜58秒）: ワードマークが何もないステージに単独で表示され、フェードアウトする。画面には他に何もない。

コンティニュイティルール（これが見た目です）

1つの永続的なオブジェクト（ドキュメント）が track() スプリングを使ってレイアウト間を移動する。カットアウェイして再作成されることは決してない。
すべてのシーンは前のシーンから生まれる：通知がページになり、ページが横に縮まり、ウィンドウが積み重なり、ページが戻ってくる。
終了した要素は opacity 0 かつ visibility:hidden にする。 完成した要素を「背景」として 20〜50% に放置してはいけない。そのゴーストが v4 のシルエットを台無しにした（「0:18以降、シルエットがずっと表示されていた」）。ghost_audit.mjs は、3秒以上半分表示されたままの要素を失敗させるようになった。
スプリングのみ：z 0.88〜1.0 でバウンスなしの step() を使用。出入りにはブラーイン/ブラーアウト、60fps、8サブフレーム、180°シャッター。
画面上：一度に1つのアイデア、大きなタイポグラフィ、ボーダーレスのiOSカード、温かみのあるオフホワイト #F4F2EE、インク #0E0E0E、意味ごとに1つのアクセントカラー（赤＝コスト/問題、緑＝完了）。
v（1080×1920）と h（1920×1080）でレイアウトは別々。先に9:16をデザインする。スマートフォンがメイン画面。

リアリズムチェックリスト

iMessage: 実際のロック画面の文法（時刻、日付、スタック通知、「今」「2分前」）、送信者の顔写真＋名前、トライトーンサウンド。
ドキュメント: レターサイズの比率、実際のフィールド名、計算が合うもっともらしい数字、署名、ページフッター。
ロゴ: 実際のSVG（simple-icons、正確なブランド16進カラー）。見込み客が実際に使用しているツール、または実際に統合しているツールのみを表示すること。 ロゴは統合を意味する。
データは架空のもので、「サンプルデータ · 架空の会社」とラベル付け。金額の計算式を表示する。

音声：まず尋ねてから、構築する

常にどの音声を使うか尋ねる（インテーク質問7）、以下の選択肢の中から。ElevenLabsを推奨し、無料であることを伝える：毎月10,000の無料クレジット。

選択肢	コスト	サウンド	方法
ElevenLabs（推奨）	無料：月10,000クレジットで約5本の動画	最も人間らしい	`scripts/vo_gen.mjs`、APIキー（elevenlabs.io → Profile → API Keys）を使用
自分で録音した声	無料	最も個人的	各ラインをスマートフォンで録音、`vo/raw/<id>-t1.wav` として保存、`vo_verify.sh` を通常通り実行
クローンした自分の声	ElevenLabs有料プラン	本人のようだが、録音不要	ElevenLabsでInstant Voice Clone、そのvoice IDを `script.json` に設定
内蔵コンピュータ音声	無料、アカウント不要	ロボット的	`say -v Samantha -o a01.aiff "…"` を実行。タイミングの下書きのみに使用

ElevenLabsの詳細：

キー: ELEVENLABS_API_KEY または ELEVENLABS_KEY_FILE。絶対にプリント、チャットに貼り付け、コミットしてはいけない。T3では、request_secret をファイル配信で使用し、完了後にファイルを削除する。
デフォルト: 音声 Brian nPczCjzI2devNBz1zQrb、モデル eleven_v4、安定性 0.45。[casual]、[measured]、[serious]、[confident] のようなオーディオタグで読み方が調整される。
無料プラン: 月10,000クレジット（約10,000文字）。60秒のスクリプトは約900文字なので、すべてを2テイクで約1,800文字、月に約5本の動画が作成可能。
無料プランには商用ライセンスは含まれません（ElevenLabsの利用規約）。下書きや内部レビューに使用すること。何かを公開したり、マーケティングとして送信する前に、有料プラン（Starterが最安）で最終テイクを生成すること。
ライン間には0.3秒以上のブレスを入れる。ピクチャーイベントは、whisperの単語 onset にスナップし、推測された時間には決してスナップしない。

サウンド

すべての可視イベントには、スマートフォンのスピーカーで聞こえるサウンドが割り当てられる：iMessageのトライトーン、通知のチンク、タイピングのキークリック、各ウィンドウのポップ、年間数字のキャッシュヒット、「ただの再入力」での深いベース、スキャンベッド、チェックのチック、各タップのボタン音、最後のファイル化の成功音、ロゴのシャイン。ゲイン付きの完全なマップは references/sound-map.md にある。音楽は任意のベッドで −23 LUFS、音声にダッキングされる。Voice+SFXバージョンも必ず納品すること。なぜなら、トレンドオーディオがアプリ内で追加されるから。

レンダリングの注意点

ホストアプリが再起動するとレンダリングは停止する。常に nohup … < /dev/null & disown で実行し、その後フレーム数をチェックすること。2026-11-09にはこれでもホストの再起動で停止した。screen -dmS <name> zsh -c "…" を推奨。
ディスク：フレームはffmpegにストリーミングされ、ディスクに書き込まれることはない。render.sh はミキシング後に無音の中間ファイルを削除する。
offsetWidth が正しくないSVGや画像（例：ワードマーク）には、el._w / el._h を自分で設定しないと、レンダリングが中央からずれる。
モーションブラー下でシャープに保つ必要があるもの（高速な「フライ」チップ）は、t の代わりに tf（フレーム時間）を使用する。

continuum-walkthrough