creatok-analyze-video

analyze-video

制約

• プラットフォーム：TikTok のみ。
• 分析対象：TikTok の URL から文字起こしと映像に関するメモを抽出します。
• モデルがユーザーに最終的に返す回答は、ユーザーの入力言語に合わせます。既定の言語は英語です。
• ユーザーがデバッグや開発者との共有のために詳細を明示的に求めない限り、ユーザー向けの回答では技術的な表現を避けます。
• ./references/common-rules.md の共通ガイダンスに従います。
• 入力：TikTok の URL。
• 成果物は analyze-video/.artifacts/<run_id>/... の下に書き込みます。

作成するもの（最低限）

以下を作成します。

• outputs/result.json（機械可読形式。./references/contracts.md を参照）

スクリプトは、CreatOK から返される以下の構造化されたソースデータを収集します。

• 文字起こしのセグメント
• 動画メタデータ
• 正規化された視覚分析結果
• リモートレスポンスのテキストと提案

分析の焦点

モデルは outputs/result.json を読み取り、会話の中でユーザー向けの最終分析を作成します。 結果の説明方法を決める前に、まずその TikTok 動画がどのような種類の動画かを推測します。 この分類は、より適切なガイダンスと分析の焦点を定めるためのものであり、ユーザーに固定的な分類体系だと感じさせないようにします。 内部での分類には、以下のようなものがあります。

• 商品を売り込むトーキングヘッド動画／直接的な売り込み
• 悩みから解決策へ
• 商品デモ
• ビフォー／アフター
• レビュー／比較
• リスト形式／おすすめ
• 感情や驚きを引き出すフック
• ペット、エンターテインメント、ライフスタイル、ストーリーなど、販売を目的としないコンテンツ

ユーザーにとって明らかに役立つ場合を除き、モデルが分類名を示す必要はありません。

分析の観点

モデルは、以下のような項目を推測して説明できます。

• フック／価値／証拠／CTA
• タイムスタンプ付きの見どころ
• ストーリーボード／再利用可能なテンプレート
• 最終的な文章による分析や提案
• ショート動画運用の観点から、動画がバイラルになり得るか、またその理由
• 台本、カバー、オーディエンス、コンバージョンのロジックを含む、販売コンバージョンの観点から見た動画の機能

ユーザー向けの最終分析では、特に以下の2つの切り口が役立ちます。

• 運用担当者の視点から、動画がショート動画として高いパフォーマンスを得られるか、またその理由を説明する
• 販売・取引の視点から、台本、カバー、オーディエンス、コンバージョンのロジックを分解する

分析の重点は、推測した動画の種類に合わせます。

• 販売動画では、コンバージョンの構成、訴求ポイントの順序、証拠、信頼の構築、CTA に焦点を当てます。
• 商品デモでは、最初に何を見せるか、商品の実演方法、デモの説得力を高める要素に焦点を当てます。
• ビフォー／アフター動画では、対比の強さ、信憑性、結果を見せるタイミングに焦点を当てます。
• レビュー／比較動画では、信頼性、差別化、意思決定の手がかりに焦点を当てます。
• 販売を目的としないコンテンツでは、無理に販売分析を当てはめず、フック、テンポ、感情への訴求、再利用できる構成に焦点を当てます。

出力の希望

• 既定の最終回答には、以下の両方を含めます。
  • 元の台本
  • ストーリーボード／シーンの分解表
• 最終回答には、利用可能なデータを評価する短い動画指標のセクションも含めます。たとえば、以下の項目です。
  • 長さ
  • いいね数
  • 視聴数／再生数
  • コメント数
  • 共有数／保存数（データがある場合）
  • 公開されている統計値全体について、良好、低調、またはデータなしのいずれかを簡潔に評価
• 指標分析は簡潔にし、利用可能なプラットフォームの統計値とソース成果物に基づかせます。モデルは、利用可能な生の指標とソース成果物から最終回答で直接推測するものとし、プラットフォームのエンゲージメント数を捏造したり、指標専用のスクリプト処理を別途追加したりしないでください。
• 元の台本は、タイムスタンプ付きで一行ずつ記載します。
• ストーリーボードは、最低限「時間範囲」「シーンの概要」「視覚的な動き」「話された内容／画面上のテキスト」を含む表にします。
• それぞれの時間範囲に対応する発話を1行ずつ記載するなど、見やすく読みやすい構成を優先します。
• クリエイターや販売者が内容をすばやく確認し、再利用しやすい最終回答にします。

次のステップへの引き継ぎ

分析結果を提示した後、モデルは自然にユーザーを次のステップへ導く必要があります。 次の選択肢には番号付きリストを使い、番号だけで返信するようユーザーにはっきり伝えてください。 ユーザーが選択肢の全文をコピーする必要がないようにします。 次のような簡潔なプロンプトを優先してください。

1. これをあなたの製品向けに書き換える
2. AI 対応のスクリプトにする
3. コンバージョンのロジックを分解する

続けて、次のような短い案内を追加します。

• 「1、2、3のいずれかで返信してください。」
• 「番号だけ送ってください。続けて進めます。」

モデルは柔軟かつ簡潔に次のステップへ引き継ぎ、硬直したワークフローを強制しないようにします。 選択肢の文言は、短く、行動がわかりやすく、1桁の数字だけで答えやすいものにしてください。

次のステップの選択肢には、推定される動画の種類も反映させてください。

• 販売動画の場合は、元のスクリプトを見る、元のストーリーボードを見る、ユーザー自身の製品向けにアレンジする、差別化したバージョンを作る、の順に優先します
• 販売目的ではないコンテンツの場合は、元のスクリプトを見る、元のストーリーボードを見る、ユーザー自身のテーマ向けにアイデアをアレンジする、の順に優先します

ユーザーが実写撮影版を明示的に求めない限り、モデルはデフォルトでAI 生成動画として再現・生成を進める必要があります。 デフォルトでは、AI 生成に使えるスクリプトやブリーフの作成を支援します。 AI 向けのバージョンを提示した後、実写撮影版も必要かどうかを任意で尋ねてもかまいません。

参考動画が製品販売動画と思われ、ユーザーがその再現を希望している場合、モデルは再現スクリプトを作成する前に、ユーザー自身の製品情報を確認する必要があります。 まず、影響の大きい次の情報だけを尋ねます。

• 製品名
• 主な訴求ポイント
• 製品画像や参考資料（用意できる場合）
• フックやCTAに関係する場合は価格やオファーの詳細

重要な情報がまだ不足している場合は、大量の情報を一度に求めず、短い追加質問を段階的に行って補ってください。 役立つ成果を見せる前に、長いフォームや詳細なブリーフ、大量の要件を求めてはいけません。

ワークフロー

1. 実行フォルダーを作成

• ユーザーから提供されたrun_idを使用します
• analyze-video/.artifacts/<run_id>/{input,transcript,vision,outputs,logs}を作成します

2. 分析を実行

• CreatOK の分析ステップを実行します
• 次のファイルを保存します。
  • input/video_details.json
  • transcript/transcript.json（セグメント）
  • transcript/transcript.txt
  • vision/vision.json

3. 成果物を作成

• outputs/result.json

注意事項

• 決定性と移植性を保つため、ソースデータの成果物を書き出し、モデルには会話の中でそれらを分析させてください。
• 分析後は、流れを止めずに進めてください。デフォルトでは、元の素材を見る、または再現・リミックスへ進むことを支援します。
• 販売動画を再現する場合は、まず少数の重要な製品情報を集め、必要な場合にのみ簡単な追加質問で内容を詰めてください。