screenwriter

脚本家スキル

概要

このスキルは、創造的なコンセプトを、AI を活用した動画制作パイプラインに最適化されたプロフェッショナルな脚本ドキュメントへと変換します。構造化された視覚情報豊かな物語を業界標準の脚本形式で生成し、未加工のストーリーアイデアと制作にすぐ使える脚本のギャップを埋めます。

パイプライン内の位置: diverse-content-gen → screenwriter → imagine → arch-v

主な機能:

• 未加工のアイデアをシーンごとに構造化された物語に変換する
• 画像生成に最適化された、豊かな視覚描写を生成する
• プロフェッショナルな脚本の書式（シーン見出し、アクション行、台詞）を適用する
• 解析しやすい XML タグ付き Markdown を出力する
• 5～10 分の短編映画に合わせてペースを最適化する（通常は 8～15 シーン）

---

基本的なワークフロー

1. 入力されたコンセプトを分析する

• 未加工のアイデアから主要なストーリービートを抽出する
• 登場人物、場所、感情の推移を特定する
• 物語の構成（始まり、中盤、終わり）を決める

2. シーンの構成を作成する

• ストーリービートを個別のシーンに分ける
• シーン数を決める（5～10 分の映画では 8～15 シーンを目安にする）
• 各シーンの目的と感情の推移を定める

3. プロフェッショナルな脚本を書く

• 業界標準の書式を適用する
• 視覚情報豊かなアクション行を書く
• 物語上欠かせない場合は台詞を含める
• 登場人物の描写に一貫性を保つ

4. XML タグ付き Markdown を出力する

• 各シーンをメタデータ付き XML タグで囲む
• シーン番号、場所、主要なビジュアルを含める
• パイプラインで解析しやすい形式にする

---

脚本形式の標準

シーン構成（マスターシーン見出し）

シーン見出しの形式:

INT/EXT. LOCATION - TIME

構成要素:

• INT/EXT: 屋内か屋外か
• LOCATION: 具体的な場所（描写は具体的に、ただし簡潔に）
• TIME: DAY、NIGHT、DAWN、DUSK、CONTINUOUS

例:

EXT. WASTELAND - DAWN
INT. ABANDONED SUBWAY STATION - NIGHT
EXT. ROOFTOP GARDEN - GOLDEN HOUR

ガイドライン:

• シーン見出しは必ずすべて大文字で記述する
• 要素の区切りにはハイフンを使う
• 場所は具体的にする（ビジュアル生成に役立ちます）
• 時刻で照明やムードを表現する

アクション行（視覚描写）

目的: 観客に画面上で何が見えるかを描写します。画像生成にとって非常に重要です。

視覚情報豊かな文章を書く原則:

1. 語らずに見せる: 内面の思考ではなく、目に見えるものを書く
2. 感覚的な詳細: 照明、雰囲気、質感、色を含める
3. 現在形: 常に現在形で書く
4. 能動態: 力強い能動態の動詞を使う
5. 具体的な小道具: 視覚的に重要な物を明記する
6. 雰囲気: 環境の細部を通してムードを作り出す

例 - 改善前:

A robot walks through the city. It's sad.

例 - 改善後:

A BOXY ROBOT (Unit-7, weathered chrome with a single blue optical sensor) rolls through fog-shrouded streets. Neon signs flicker overhead, casting pink and cyan reflections on wet pavement. The robot's movements are slow, deliberate—almost hesitant.

ビジュアル強化チェックリスト:

• 照明を描写している（自然光／人工光、質、色）
• 雰囲気やムードを設定している（霧、雨、ほこり、澄んだ空気）
• 登場人物の外見を詳しく描写している（初登場時のみ）
• 小道具や物を具体的に示している（重要な視覚要素）
• 構図を示唆している（技術的なカメラ指示は使わない）
• 必要に応じて色や質感に触れている

登場人物の紹介

初登場時 - 詳細:

SARAH (28, sharp eyes, wearing a weathered leather jacket over faded jeans) enters the frame. Her dark hair is pulled back, revealing a small scar above her left eyebrow.

2 回目以降の登場時 - 簡潔に:

Sarah checks her watch.

ガイドライン:

• 登場人物の名前は初登場時のみすべて大文字で記述する
• 年齢（必要な場合）、主な身体的特徴、衣装を含める
• 一貫した画像生成に役立つ視覚的な識別要素に重点を置く
• 詳細を書きすぎず、視覚的一貫性を保てる程度にとどめる

台詞（必要最小限にする）

形式:

CHARACTER NAME
(parenthetical - optional)
Dialogue goes here.

短編映画のガイドライン:

• 物語に不可欠な場合にのみ台詞を使う
• 会話よりも映像によるストーリーテリングを優先する
• 台詞は簡潔にする（1 ブロックにつき最大 3～4 行）
• 括弧内の指示は、重要な口調や動作を示す場合にのみ使う
• 登場人物の名前は中央揃えで、すべて大文字にする

例:

UNIT-7 (robotic voice, soft)
Organic life form detected.
Probability of survival: low.

トランジション（最小限の使用）

一般的なトランジション：

• FADE IN: - 脚本の冒頭のみ
• CUT TO: - シーンの切り替え（通常は暗黙的に示されますが、強調したい場合に使用します）
• SMASH CUT TO: - 唐突で衝撃的な切り替え
• DISSOLVE TO: - 時間の経過
• FADE OUT. - 脚本の終わり

現代のベストプラクティス： トランジションの大半は暗黙的に示します。具体的な物語上の効果を狙う場合に限り、控えめに使用してください。

---

XML 出力形式

シーンタグの構造

各シーンは、パイプライン処理用のメタデータとともに XML で囲みます。

<scene number="1" duration="30-45s">
  <slugline>EXT. WASTELAND - DAWN</slugline>
  <location>Wasteland</location>
  <time>Dawn</time>
  <characters>Unit-7</characters>
  <mood>desolate, lonely</mood>
  <key_visuals>
    <visual>post-apocalyptic wasteland with ruined skyscrapers</visual>
    <visual>boxy robot with single blue optical sensor</visual>
    <visual>dust and smog atmosphere, weak pale sun</visual>
  </key_visuals>
  <action>
Gray dust covers everything. Skeletal remains of skyscrapers pierce the horizon. The sun, pale and weak, struggles through thick smog.

A ROBOT (Unit-7, boxy frame with single blue optical sensor) rolls across cracked asphalt. Its treads leave marks in the dust—the only sign of life.

The robot stops at a pile of rubble, extending a mechanical arm to sort through debris. Methodical. Purposeful. Lonely.
  </action>
</scene>

メタデータフィールド

• number: シーンの連番（1、2、3...）
• duration: 推定スクリーン時間（合計5～10分を想定）
• slugline: シーンの基本見出し
• location: 抽出された場所の名前
• time: 時刻
• characters: カンマ区切りの登場人物一覧
• mood: 感情のトーン／雰囲気
• key_visuals: 画像生成用の具体的な視覚要素の配列
• action: アクション／描写の全文
• dialogue（任意）: 登場人物のセリフがある場合、そのセリフ

---

短編映画の構成（5～10分）

シーン数の目安

• 5分： 6～10シーン
• 7分： 10～12シーン
• 10分： 12～15シーン

平均： 1シーンあたり約30～60秒

三幕構成（短縮版）

第1幕 - 導入（20～25％）： 2～3シーン

• 世界観、登場人物、状況を提示する
• 発端となる出来事

第2幕 - 対立（50～60％）： 4～8シーン

• 展開、障害、緊張の高まり
• 中盤のどんでん返し、または状況の悪化

第3幕 - 解決（20～25％）： 2～3シーン

• クライマックスと解決
• 感情的な満足感

ペーシングのヒント

• 力強く始める： 最初の10～15秒で観客の心をつかみます
• 映像に変化をつける： ロングとクローズ、アクションと静止を交互にします
• 感情の節目を作る： 各シーンで感情の状態を変化させます
• 緊張感を高める： シーンごとに賭け金を引き上げます
• 満足感のある結末にする： ほろ苦い結末であっても、明確な解決を示します

---

ベストプラクティス

パイプラインとの統合

• 一貫した命名： 登場人物の名前は全編を通して統一します
• 豊かな映像描写： 画像生成のため、各シーンに3～5個の key_visuals が必要です
• 解析可能な形式： 厳密な XML 構造を維持します
• 再生時間の見積もり： パイプラインで動画全体の長さを計画するのに役立ちます

高品質な出力のために

• 映像で物語を伝える： セリフではなく、アクションを通して感情を表現します
• 具体的な描写： 「古い金属」より「風雨にさらされたクロム」のほうが効果的です
• 雰囲気のある文章： 周囲の環境を通して雰囲気を作ります
• 簡潔な文章： すべての言葉が映像の表現に役立つようにします

避けるべきよくある落とし穴

• ❌ 曖昧な描写： 「人が歩く」→ ✅「風雨にさらされた50代の女性が、雪の中を重い足取りで進む」
• ❌ 感情を説明する： 「彼女は悲しい」→ ✅「ほこりをかぶった頬を涙が筋を引いて流れる」
• ❌ カメラの指示： 「CLOSE UP ON」→ ✅「ガラスのひびが広がる」
• ❌ セリフの多用： 短編映画では映像で物語を伝える必要があります
• ❌ 登場人物の名前が一貫しない： 登場人物ごとに名前を1つだけ使います

---

追加リソース

パイプライン統合ガイド

メタデータの基準、映像の最適化、imagine/arch-v との統合について詳しくは、以下を参照してください。

• references/pipeline-integration.md

高度なテクニック

高度な脚本技法、カメラワークのヒント、ペーシングの最適化については、以下を参照してください。

• references/advanced-techniques.md