muapi-storyboard-to-cooking-video

ストーリーボードから料理動画へ

人物の写真1枚から、洗練された15秒のシネマティックな料理チュートリアルを作成します。このスキルではまず、人物の見た目、キッチンの環境、9パネルのアクションボードをまとめた、ハイエンドな制作リファレンスシートを生成します。その後、リファレンスから動画への連続レンダリングを実行し、すべてのフレームで人物の顔、服装、キッチンの一貫性を保ちます。

入力

名前	種類	必須	デフォルト	説明
person_image	image_url	はい	—	人物写真のURLです。リファレンスシートと最終動画の両方で、本人確認の基準として使用します。
dish	text	いいえ	fresh pasta	料理のテーマです（例：「生パスタ」「巻き寿司」「薪窯ピザ」「抹茶ラテ」）。9ステップのアクションボードに反映されます。
kitchen_style	text	いいえ	warm rustic-modern Italian	キッチンのスタイルです（例：「温かみのあるラスティックモダンなイタリア風」「東京風のミニマルなスタイル」「明るい北欧風」「ムーディーなインダストリアル風」）。
outfit	text	いいえ	white t-shirt, olive green apron, dark trousers	動画全体を通じて人物が着用する服装です。
duration_seconds	int	いいえ	15	最終動画の長さです。9ステップの全体構成には15を指定します。10の場合は約6つの場面に短縮されます。
aspect_ratio	text	いいえ	16:9	出力のアスペクト比です。縦向き／Reelsの場合は 9:16 を指定します。
resolution	text	いいえ	720p	動画の解像度です。選択肢：480p、720p。

手順

プランを2つの手順で順番に送信します。手順2は手順1の出力に依存します。

手順1 — リファレンスシート（複合ストーリーボード）

複合「制作リファレンスボード」画像を生成します。これは動画フレームではなく、人物シート、ロケーションリファレンス、9パネルのアクションボードをまとめた1枚の画像です。

エンドポイント： gpt-image-v2-edit CLI：

muapi image edit \
  --model gpt-image-v2-edit \
  --image "{{person_image}}" \
  --image-size "3840x2160" \
  --quality auto \
  --background auto \
  --moderation low \
  --output-format png \
  --prompt "Create one single composite reference sheet for a {{duration_seconds}}-second realistic {{dish}}-making tutorial video. The image should be a clean, high-end production reference board, not a poster with heavy text. Format: {{aspect_ratio}} wide reference sheet, elegant white margins, clean grid layout, realistic cinematic photography style. Concept: {{dish}} tutorial in a {{kitchen_style}} kitchen.

Top row: motion / choreography guide with 9 numbered cinematic action panels showing the {{dish}} process step-by-step from raw ingredients to final plated dish.

Middle-left: realistic character reference sheet of the uploaded person — preserve their exact face, hair color, hair texture, eye color, skin tone, and all facial features with 100% accuracy. Show the same person in: face close-up, full-body front view, side/action working pose, and back view. Dress them in {{outfit}}. Keep them grounded, approachable, skilled, and cinematic.

Middle-right / background: location reference sheet of an elegant {{kitchen_style}} kitchen with tactile surfaces, natural daylight from a large window, hanging cookware, herbs, and premium cooking atmosphere appropriate to the cuisine.

Style: realistic, cinematic, warm natural light, shallow depth of field, tactile food photography, premium cooking show aesthetic, rich surface textures.

Bottom strip: simple visual icons only for {{duration_seconds}} seconds, {{aspect_ratio}}, realistic, cinematic, tasty, natural camera. Minimal text, no dense paragraphs. Let the visuals do the heavy lifting."

生成の完了を待ち、出力URLを {{reference_sheet_url}} として取得します。手順2に進む前にユーザーに画像を見せ、人物の類似度とキッチンの雰囲気を確認します。手順2はコストのかかる呼び出しです。

手順2 — 料理動画（リファレンスから動画へ）

元の人物写真（本人確認の基準）とリファレンスシート（物語と環境のガイド）の両方を二重のリファレンスとして使い、シーケンス全体をアニメーション化します。

エンドポイント： bytedance-seedance-2-0-reference-to-video-fast CLI：

muapi video generate \
  --model bytedance-seedance-2-0-reference-to-video-fast \
  --image "{{person_image}}" \
  --image "{{reference_sheet_url}}" \
  --aspect-ratio "{{aspect_ratio}}" \
  --duration "{{duration_seconds}}" \
  --resolution "{{resolution}}" \
  --generate-audio true \
  --prompt "The person in @Image1 is the subject — preserve their exact face, hair, eye color, skin tone, and all facial features with 100% accuracy throughout the entire video.
Use @Image2 as the visual and narrative guide — follow the cooking steps, kitchen setting, outfit, and atmosphere shown in the reference sheet exactly.
A single continuous cinematic video of the person from @Image1 making {{dish}} in the {{kitchen_style}} kitchen shown in @Image2. They wear {{outfit}} throughout.

VIDEO STRUCTURE
Follow the exact 9-step sequence as shown in @Image2, beat by beat, from raw ingredients through preparation to a final plated close-up.

MOTION STYLE
- Slow, deliberate, satisfying transitions between each step
- Natural hand and body movement with clear culinary intent
- Continuous flow with no jump cuts
- Warm and immersive pacing

CAMERA & CINEMATOGRAPHY
- Close-up shots for hands during mixing, kneading, cutting, plating
- Medium shots showing the person working at the counter
- Pull back slightly for the final plating to reveal the full kitchen
- Shallow depth of field — focus on hands and food, soft background blur
- No abrupt cuts — smooth match cuts and fluid transitions

VISUAL STYLE
- Warm natural daylight from a large kitchen window
- Rich tactile textures matching @Image2's environment
- Full color, warm cinematic color grading

CONSISTENCY RULES
- Same character throughout — face of @Image1 in every frame
- Same outfit across entire video
- Same kitchen environment as shown in @Image2

AUDIO
- Soft kitchen ambience, gentle culinary SFX (chopping, sizzling, pouring), light cinematic underscore
- No dialogue, no narration

OUTPUT STYLE
- Duration: exactly {{duration_seconds}} seconds
- Polished, cinematic, premium cooking show quality
- Ends with a beautiful close-up of the finished plated {{dish}}"

生成後：

• 最終動画のURLをユーザーに提示します。
• 次の追加オプションを提案します：Reels用の縦向き9:16での再レンダリング、30秒の長尺版、または同じ人物写真を使って {{dish}} を別の料理に変更。

メモ

• 2枚の画像を使ったリファレンスが重要です。 @Image1 は本人の特徴を固定し、@Image2 は動作と環境を固定します。片方も省略しないでください。リファレンスが1枚だけの場合、顔かキッチンのどちらかの一貫性が失われます。
• 手順1のリファレンスシートは横長（3840x2160）にする必要があります。解像度が低いと9つのアクションパネルがぼやけ、動画モデルが読み取れなくなります。
• bytedance-seedance-2-0-reference-to-video-fast は generate_audio=true の場合、音声もネイティブに生成します。プロンプトには必ず音声の指示を含めてください。そうしないと、サウンドトラックがランダムになります。
• 人物写真がユーザー自身の被写体のもので、制限のあるi2vバリアントではなく、リファレンスから動画へのエンドポイントを使うため、ここでは実在する人物の顔に対応しています。
• ユーザーが料理以外のシーケンス（例：ラテアート、盛り付けのチュートリアル、ミクソロジー）を希望する場合も、2段階の構成はそのままにします。変更するのは {{dish}} と9ステップの説明だけです。
• 短い動画（<= 8s）では、手順1のアクションボードを5～6パネルに減らします。8秒に9つの動作を詰め込むと、動きの品質が低下します（シングルビートのルール）。

トリガーキーワード

cooking video、cooking tutorial、pasta video、recipe video、food video、chef video、cooking storyboard、kitchen tutorial、cooking reel、tutorial video from photo、storyboard to video

---

実行エージェント向けの注意事項

• このレシピは LLM がオーケストレーションします。各フェーズを読み、不足している入力があればユーザーから収集してから、muapi CLI コマンドを実行してください。MUAPI_API_KEY が設定されていない場合は、まず muapi auth configure を使用してください。
• まだ CLI エイリアスがないモデル ID の場合は、curl -X POST https://api.muapi.ai/api/v1/<endpoint> -H "x-api-key: $MUAPI_API_KEY" -H 'content-type: application/json' -d '{...}' を使って未加工のエンドポイントにフォールバックし、muapi predict wait <request_id> でポーリングしてください。
• 各呼び出しを実行する前に、{{input_name}} プレースホルダーをユーザーの実際の入力に置き換えてください。
• ステップ 2 を開始する前にステップ 1 を完了し、出力画像の URL を取得する必要があります。その URL を動画ステップの 2 つ目の --image として渡してください。