short-form-edit

短尺動画の編集

入力：ソース動画のパスと、任意の参考リールのパス。

指定された形式と編集可能なプロジェクトを納品します。デフォルトは1080x1920です。依頼された場合は、独自の画角とテキスト配置で1920x1080も作成します。オープニングとCTAを含め、各アスペクト比を個別に確認します。編集では、映像、タイミング、サウンドを通じて話し手のストーリーを伝える必要があります。バイラルは目指すものですが、編集で保証できる結果ではありません。委任を依頼されない限り、ローカルで作業します。

優先事項

最初にクリアすべきクリエイティブ上の基準は、**「最初の3秒で、最後まで見る必要があると誰かに確信させられるか？」**です。具体的に見続ける理由を示し、動画内でその期待に応えます。エフェクト、素材の量、仕上がりの完成度は、この基準を満たした後に考えます。視聴者データが得られるまでは、その判断を編集上の裁量として扱います。

スタイルガイドとメモ

企画を立てる前にdocs/EDITING-PLAYBOOK.mdを読んでください。Nateのリールの計測されたスタイル（テンポ、レイアウト、キャプション、Bロールの順序、サウンドのパレット）、素材をそのまま使うリール、長尺動画からShortへの編集、ナレーション付き解説動画の各バリエーション、そして時間を要した作業から得た教訓がまとめられています。ユーザーからスタイルの指定がない場合は、これをデフォルトとして使用します。ユーザーの依頼内容がある場合は、そちらを優先します。

ドラフトへのコメントを受け取ったら編集を修正し、そのコメントをルール、チェック項目、スクリプトの変更として、関連するスキルまたはリファレンスに記録するかどうかを提案します。次回の編集に反映できるよう、コメントと、それに基づいて定めたルールをセットで記録します。

編集作業を始める

1. 構成作業に入る前に、対象範囲のワークスペースガイド、MOTION_PHILOSOPHY.md、HyperFrames と動画ストーリーテリングのスキルを読みます。美的な既定の判断より、ユーザーの指示を優先します。すべての成果物を video-projects/<slug>/ 内に保存します。
2. 提供された素材と参考資料の長さ、寸法、フレームレート、音声、既存トランスクリプトの本人確認を行います。オリジナルは保持します。学生が選んだプロバイダーで文字起こしを行います。Nate の既定の選択肢は ElevenLabs Scribe です。Whisper の代替手段、単語単位のタイムスタンプの正規化、認証情報、サービス料金については docs/TOOLS-AND-API-KEYS.md を読みます。古いテイクで代用してはいけません。
3. 参考資料が提供されている場合は、コンタクトシート、個別のフルサイズフレーム、代表的なトランジションの連続フレームストリップを使って、リール全体を確認します。音声を確認できる環境がある場合は、音声も確認します。タイムスタンプ付きの所見、推測される原則、明示的な制約を記載した REFERENCE-ANALYSIS.md を保存します。波形分析に基づいて音声を聞いたかのように示してはいけません。再利用できるワークシートと分析項目については、reference-analysis.md を読みます。ブランド独自の表現ではなく、編集手法を参考にします。
4. コンセプトを確定する前に、提供された映像素材、ブランドアセット、関連するソースデモを確認します。正確に使用できる区間、画面に映る動作、その結果、出典、想定するストーリー上の役割を記載したアセットの候補リストを保存します。印象的なソース映像がアイデアを形作るようにします。一目で伝わる要素を選び、よりタイトなクロップを検討する前に、動作とその結果をすべて収めます。何が起きているか視聴者に伝わらないなら、フレームが埋まっていても役に立ちません。
5. 話されたすべてのセリフを読みます。無音区間とミスを検出するツールを実行した後、トランスクリプト全体を手作業で確認します。候補がゼロというレポートでは、明らかな撮り直しを見落とすことがあります。使われなかったテイクは削除し、重要な但し書きと結論は残し、つなぎ目には自然な息継ぎを保ちます。確認済みのソースタイムに基づくカット理由を保存します。クリーンカットを一度レンダリングし、フレームに合わせた実際の EDL から単語のタイミングを導出します。ラフなアニマティックの後、洗練されたグラフィックを作る前にカットを確定します。その後にタイミングを変更した場合は、同じマップから関連するキャプション、グラフィック、サウンドをすべて再構築します。

ユーザーの承認は継続して有効です。完成動画の制作と反復を依頼された場合、通常のローカル編集とレンダリングは承認されています。Kie の B-roll を明示的に依頼された場合は、その生成も承認されています。現在の承認内容に基づいてレビューの承認段階を進め、承認が不足している場合に限って確認を求めます。ドラフトのたびに再確認してはいけません。明示的な承認なしにリールを投稿したり、誰かに連絡したりしてはいけません。

感情の流れを設計する

HTML を書く前に、DESIGN.md とビートプランを作成します。フック、未解決の問い、展開、根拠、報酬、CTA を特定します。すべてのショットに存在する理由を持たせます。

こちらをお読みください。 OPEN-LOOPS.json を作成し、視聴者が抱く正直な疑問、仕込んだオブジェクト、提示時刻、リマインダーまたは部分的な回答、解決時刻、そして解決に値する根拠となる発話を記録します。同時に開いておく未解決の問いは、基本的にメインを 1 つ、サブを最大 1 つにします。CTA の前に約束したレッスンを完結させます。コメントを求めるだけで、答えを示さない構成にしてはいけません。オブジェクトが繰り返し登場するだけでは、未解決の問いにはなりません。何が欠けているのか、何が未解決なのかを提示し、その状態が目に見えて変化するようにします。

同じ事実に基づく発話を使って、大きく異なるラフな冒頭を 3 つ作成します。トピックの明確さ、好奇心、ミュート時の理解度、続きを見てもらえるかという観点から、最初の 3 秒を比較します。最も派手な演出だけを理由に選ぶのではなく、選んだ理由を記録します。素材を磨き込む前に、音声とラフなサウンドを含む低解像度の動くアニマティックをレンダリングします。この段階で、先が読めてしまう展開、文脈不足、弱い報酬を修正します。既存の承認済み素材は再利用できますが、最終レンダリングに時間をかける前に、新しいシーケンスを必ず確認します。

シーケンスごとにリズムに変化をつけます。短い発見の連続、短い期待の高まり、その後に報酬を配置します。言葉のタイミングを保ちながら、アニメーションの速度とスケールを変化させます。1〜2 秒というイベントの目安は、メトロノームでも、無意味な映像を追加してよいという許可でもありません。話し手の表情が確信を伝える間を設けます。各ショットについて、視聴者が予想することと、そのショットがもたらす新情報または結果を記録します。

情報の重複を確認します。ナレーションとキャプションには正確な言葉を載せ、グラフィックには通常、例、関係性、根拠、または結果を示します。意図的に強調する価値がある場合を除き、見出しとしての 3 度目の言い換えは削除します。一般的なタイピング映像より、具体的な製品操作や情報源の詳細を優先します。報酬をより満足のいくものにするためだけに、製品の結果を作り出してはいけません。

最初の 3 秒は独立した編集として扱う

各オープニングについて、視聴者が得られるメリット、未解決の問い、3 秒までに見える根拠、そして報酬を示す正確なシーンを記録します。曖昧な引きや、この映像では果たせない約束は却下します。広告では、視聴者に詳しい情報を促す前に、具体例を解決したり、仕組みを説明したりできます。ただし、完全なチュートリアルを約束して、登録を促す CTA だけを届けてはいけません。

最初のフレームを、すぐに意味が伝わるものにします。意外な動き、矛盾、結果の一端、人の表情を明かす演出によって、緊張感を生み出せます。その考えを際立たせる場合に限って、インパクトやトランジションを選びます。派手なモンタージュより、静かでありながら不可能に見える結果のほうが効果的なこともあります。必須のスタンプ、フラッシュ、0.3 秒のエフェクトは避けます。

利用可能な場合は、提供されたサウンドリファレンスを使用します。録音のリードインを取り除き、効果音の聞こえるインパクトと映像の着地が 2 フレーム以内に合うように調整し、最初の発話に合わせて音量と余韻を整えます。話し声を明瞭に保ちながらインパクトを感じられるようにし、必要なら音楽を一時的に下げます。音量だけをフックにしてはいけません。

オープニングはミュートでも成立する必要があります。トピックまたは緊張感をすぐに提示し、最初の 3 秒以内に、もう 1 つ意味のある状態を見せます。無関係なロゴのバンパー、追加の無音、繰り返しのフラッシュ、議論を遅らせるエフェクトは避けます。選んだ素材のスタイルに合わせます。リールごとに演出を変え、すべての動画に自動的に「STOP」のスタンプを押さないようにします。

最初の 3 秒のショット／サウンドプランを保存し、エンコードしたオープニングを最初のフレーム、インパクト、明かされる内容、メイン編集への復帰まで、フレーム単位で確認します。インパクトのミックス後も、最初の発話が聞こえることを確認します。これを検証レポートで、独立したオープニングフックの判定項目として記録します。

ビジュアルの世界観を構築する

• テーマ、視聴者、素材、ブランドブリーフをもとに、ビジュアルの方向性を選びます。このストーリーに合う理由を記録します。ドキュメンタリー映像、視覚的なコメディ、製品デモ、デザインされたオブジェクトなどは選択肢であり、必須のノルマではありません。すべてのリールに紙の質感を押し付けることなく、色、書体、トランジションに一貫性を持たせます。
• その時点で注目を集めたい対象に応じて、話者全体、分割画面、または補足映像全体のいずれかを選びます。指定された各アスペクト比で、表情、ジェスチャー、根拠となる要素が保たれるようにします。
• シーケンスごとにリズムを計画します。畳みかけ、期待感、見せ場、そして間を組み合わせます。1〜2秒という長さはペース配分を診断する目安であり、編集スケジュールではありません。展開中の動作やパフォーマンスに見合う場合は、長めに映し続け、その理由を記録します。トランジションは編集上の目的に応じて割り当て、ショット番号順にローテーションさせてはいけません。
• 盛り上げてから、緩めます。確信や見せ場を印象づけるには、比較的静かな短い瞬間を使います。短いリールに、長尺動画向けの4〜6秒のアウトロを強制しないでください。
• オブジェクトを再登場させます。冒頭で登場させた未完成の模型は、見せ場で完成させます。タイトルカードを次々と見せるだけでなく、関係性や変化を描きます。音声をミュートして見ている視聴者にも、中心となるアイデアが伝わるようにします。
• テキストはスマートフォンで安全に表示できる範囲に収めます。1080x1920の場合は、まずx=90..930、y=200..1600を基準とし、右端と下部はSNSのUI用に空けておきます。各レイアウトで、実際の顔の位置に合わせて字幕を調整します。短いフレーズのまとまりを使い、単語の表示開始タイミングを正確にします。キーワードを強調する場合も、話者の言葉をそのまま保ちます。

ミニマルでApple風のブリーフについては、 premium-motion-and-footage.mdをご覧ください。 控えめな書体、余白、実物の奥行き、指向性のある光、柔らかな接地影を使います。ミニマルな構図でも、豊かで意図のある動きや音を表現できます。何もないスライドに小さなオブジェクトを置いただけのものを、プレミアムなデザインと取り違えないでください。

レイヤーと動きでリールを魅力的にする

視線を明確な注目ポイントに導きます。奥行き、オクルージョン、光、カメラワークは、動きを追いやすくする場合に活用します。文字は読みやすく保ち、選んだ素材の世界観に合う場合にのみ立体的な表現を使います。紙のブリーフでは、出力にエンコードされた繊維、端、折り目、接触影、遠近感を確認します。これらは条件に応じた制作上の確認事項であり、普遍的なスタイルルールではありません。

尺の長いグラフィックの展開には、結果を伴う動きを持たせます。たとえば、キーが差し込まれてプロジェクトが始まる、基準がチェック項目に変わる、カードが開いて結果が現れる、積み重なった要素がシステムを形作る、といった動きです。「良いものを定義する」と書かれたカードは、基準が明らかになるにつれて回転または傾け、端と動く接触影が見えるようにできます。落ち着いて静止するだけのタイトルカードは避けます。控えめな二次的な動きはメインの動きを支えますが、すべてのオブジェクトに同じアイドル時の揺れを加えても、ストーリーにはなりません。

提供された人手で編集されたリファレンスを使って、視線の動きを調べます。広い文脈、切り取ったディテール、インタラクション、目に見える結果、そして話者へ戻る流れです。納品前に、プロらしく見えること以外に、各シーケンスを魅力的にする要素は何かを考えます。新しい見出しやキャプションを加えるだけでは答えになりません。

絵コンテを作る前に、トランスクリプトに登場する人物、製品、場所を確認します。実在の人物を認識させることが重要な場合は、名前をテキストで表示するだけで済ませず、本人確認済みのポートレートを使います。本人のサイトや出典を明記できる情報源を優先し、出典情報を保存して、実際の画像を確認します。適切な場合は、意味のある再登場を取り入れながら、写真を物理的なオブジェクトとして動かします。似顔絵を生成し、本物の写真として提示してはいけません。動くポートレートは写真レイヤーであり、動くBロールには数えません。

隣接するショットを、見出しを隠してシルエットと動きで確認します。それでも同じカードの開示に見える場合は、弱いほうの展開を作り直します。仕組みに変化をつけます。破って見せる、広げてスケールを示す、押して作る、つないで機能させる、処理して結果を生み出す、といった方法です。世界観の一貫性と、理解しやすい因果関係を保ちます。最も重要な発言には、最も力強い動きを使います。ユーザーのエンゲージメントスコアは改善のためのフィードバックであり、バリデーターが証明できる指標ではありません。

製品を扱うストーリーでは、公開されている製品ページ、公式ドキュメント、本物の画面録画、公式ロゴなど、実際の素材を探します。有用な場合は、実際のスクロール、選択、画面上で確認できる操作を記録します。実際のロゴは立体的な面に表示し、近似したマークを描き直したり、推奨を示唆したりしないようにします。出典URLを保持し、本物の製品映像と説明用のインターフェース、生成されたBロールを区別します。撮影したUIに実際の認証情報を表示してはいけません。アニメーション化した元のスクリーンショットは、説明用のコンポジションのレイヤーの一つとして使えますが、ブリーフで動画が求められている場合に、動くBロールの代わりにしてはいけません。

ブランドアセットを確認してから描画する

既存ブランドのロゴを創作、近似、記憶に頼ってトレース、または生成してはいけません。放射状の星形はClaudeのマークの代わりにはなりません。まずユーザー提供の正確なアセットを使い、それがない場合はブランドの公式サイトまたはメディアキットから入手します。検索エンジンは出典を見つける助けにはなりますが、真正性を証明するものではありません。出典URLまたは提供されたパス、元ファイル、チェックサムを保存します。使用前にアートワークを確認し、その形状と比率を保ったうえで、本物のアセットまたはそれを載せた面を動かします。奥行きを出すためにロゴの形状を変えてはいけません。完成したエンコード済みリール内のすべてのロゴが、出典アセットと一致するか確認します。小さなマークや繰り返し登場するモチーフも対象です。確認済みのアセットがない場合は、マークを捏造せず、ブランド名を通常のテキストで表示します。

映像素材とのバランスを取る

ストーリーと利用できる証拠に基づいて構成を決めます。グラフィックと B ロールの比率に既定値はありません。本物の映像、生成イラスト、デザインされたグラフィック、話者のみが映る時間について、尺の台帳を作成します。分母と内訳の数え方を説明し、分割パネルは 1 回だけ数えます。映像に字幕を重ねても、映像として扱います。カメラワークを加えた静止画は、動く B ロールではなく写真レイヤーです。

各リールで、異なる B ロールのシーンは 1 回だけ使用します。別のトリミング、ファイル名、再生速度、逆再生、色調補正にしても、新しいシーンにはなりません。指定された 2 つのアスペクト比で同じ選定シーンを再利用することは想定されています。assets/footage-ledger.json にソースシーンの識別情報、ファイルハッシュ、選定区間を記録し、以下の映像バリデーターを実行します。グラフィックで元のアイデアを再登場させる場合は、新たな状態と構図へ発展させます。映像を再生し直すことは認められません。

タイトなトリミングで文脈が見えなくなる場合は、ソースフレーム全体が収まる構図を基本にします。選定区間の全体を通して、被写体、動作、その結果が見えるようにし、字幕はその動作を隠さない位置に配置します。各アスペクト比で、スマートフォンの画面サイズを想定して冒頭、中盤、終盤を確認します。一瞬しか映らない挿入映像は、密度の高いデモテキストを読まなくても理解できるようにします。意味のある動作を切り出すか、表示時間を長くしてください。縦型の画角に合わせるために、背景動画を複製してぼかす方法を安易に使わないでください。

結果が分かりやすい具体的な動作を優先します。見出しを隠して隣り合うショットを比較してください。同じ視覚的な仕掛けが繰り返されていたり、どんな AI 広告にも当てはまりそうだったりする場合は、最も弱い挿入映像を差し替えます。生成した比喩は意外性を加えられますが、実際に撮影した証拠の代わりにはなりません。ストーリーを支える場合は、本物の人物の反応を優先します。

生成と組み立て

1. Kie.ai は、生成する動画インサートや画像のための Nate の任意のプロバイダーです。学生が選んだプロバイダーまたは提供された素材を使用し、生成する前にアカウント、クレジット、連携を確認してください。docs/TOOLS-AND-API-KEYS.md を参照してください。 最新の公式 API スキーマを確認してください。モデル、プロンプト、タスク ID、選択した出力、生成状態を保存し、成功したジョブは、むやみに再送信せず再利用してください。 実際の動画ファイルをダウンロードして確認し、選択した区間全体にわたってフルサイズの四隅も点検し、生成された文字、ロゴ、形状が崩れたオブジェクトがないか確認してください。不具合があればリフレームまたは再生成し、エンコード後の結果を確認してください。B ロールには、ズームを加えただけの静止画ではなく、実際の動きが必要です。静的な図は、最終的なアニメーションで意味のある変化を加える場合に限り、元素材として使用できます。偽の証拠を生成したり、合成した人物を実在する特定の人物だと思わせたりしないでください。
2. タイミングを調整した言葉に合わせてグラフィックをアニメーション化します。各ショットのアンカーフレーズと時刻を保存してください。 サブ要素の表示は、任意の index * 0.4 間隔ではなく、それぞれが表す名詞の発話に合わせてください。キャプションとインパクトイベントは単語の開始から 2 フレーム以内を目標とし、意図的な視覚的先行は最大 0.15 秒にしてください。
3. HyperFrames のタイムライン仕様に従ってください。各コンポジションにつき登録済みの一時停止タイムラインを 1 つ用意し、全長をカバーさせ、ローカルのアセットを使用し、動画をミュートして音声を分離してください。フッテージのラッパーをアニメーション化します。決定論的なキャンバスまたは CSS 3D で問題ありません。メタファーに必要な場合は、実際にレンダリングした 3D を使用してください。フレームワークはツールであり、美的表現そのものではありません。編集可能なソースを保持してください。
4. ナレーションのための明瞭な余白を確保したインストゥルメンタルのベッドを、既存の素材から取得するか生成してください。その出所を保存してください。ミックス前に声をノーマライズし、まずベッドを声よりおよそ 14～20 dB 低く設定してから、実際のトラックに合わせて調整してください。音声に合わせて音量を下げ、自然にフェードさせ、最終ミックスを測定してください。およそ -16 LUFS、かつ <= -1 dBTP を目標にし、音源のダイナミクスを潰すのではなく、それに合わせて調整してください。 ユーザーが音楽の音量が大きすぎると言った場合は、確認済みのバージョンと比べて音楽のゲインを下げ、測定した変更を保存してください。最終的なノーマライズ後に、ベッドと声の比率が低くなっていることを確認してください。マスター音量を下げるだけでは解決になりません。
5. 視覚イベントマップを基に SFX を作成してください。紙が当たる音はオブジェクトの接触に合わせ、スワイプ音は動きを補助し、控えめな成功音はチェックを支えます。先頭に無音がある音声ファイルの冒頭ではなく、聞こえる音の開始またはインパクトのピークを合わせてください。効果音の密度と音量に変化をつけてください。声を常に主役にします。予告、接触、解放をそれぞれ別に採点してください。短いベッドの音量低下で、次の接触の音量を上げずに、より際立たせることができます。すべてのカットにウーシュ音を入れず、音を入れないカットも設けてください。対応している場合は、キューの目的を記録し、切り替わりを試聴してください。 SFX を増やす要望には、イベントに合わせた、より豊かな音の構成で応えてください。紙の動き、オブジェクトの接触、ドッキング、接続、予告、表示には、それぞれ異なる音を割り当てられます。意味のある接触を聞き取れるようにし、音色と密度に変化をつけ、静かな確信を伝える場面も残してください。音楽を大きくしたり、すべてのカットにウーシュ音を入れたりして代用しないでください。各キューを設定する前に、アニメーションが実際に着地するタイミングを確認してください。
6. レンダリング前に lint を実行し、ライブプレビューを確認してください。ブラウザー自動化はヘッドレスで実行し、すべてのコンテキストで Pointer Lock とポインターキャプチャを無効にします。ユーザーが自律的な反復を許可している場合は、ローカルでの自動レビューが可能です。ドラフトをレンダリングして確認し、修正した後、最終品質でレンダリングしてください。 フレームワークのキャプチャが停止する場合は、決定論的なグラフィックのエクスポートと FFmpeg による組み立てで代替できます。キャンバスをキャプチャする前に、ローカルフォントの読み込みを待ってください。オーバーレイ前に、すべての動画入力のフレームタイムベースを同じにノーマライズし、エンコード後のすべてのカットについて 1 フレームのずれがないか確認してください。最終的な顔のクロップは、ダウンスケールした編集用プロキシではなく、ネイティブ解像度のソースから作成してください。

納品前のゲート

quality-gates.md を使用してください。プランバリデーターは構造上の欠陥を検出しますが、センス、モーション、音声の聴取チェックは保証できません。

node .agents/skills/short-form-edit/scripts/validate-plan.mjs video-projects/<slug>
node .agents/skills/short-form-edit/scripts/validate-footage.mjs video-projects/<slug>

assets/plan.json、assets/transcript.json、assets/edit-decisions.json を読み込みます。plan-schema.md を参照してください。別の実装を使用する場合は、そのスキーマをエクスポートするか、バリデーターを明示的に適合させてください。スキーマが異なるという理由で、チェックを黙って省略してはいけません。

すべてのショットについて、エンコード済みのヒーローフレームを原寸とスマートフォンサイズで確認してください。すべてのカットとトランジションについて、連続したストリップと、対応している場合はモーション全体を確認してください。セリフのつなぎ目、最終音声から新たに実行した ASR、音声とベッド音のバランス、SFX のタイミング、クリッピング、最後の音節をチェックしてください。聴取と信号解析は区別してください。利用できなかったレビューのモダリティは、正直に記録してください。

リアルタイムでの動画レビューに対応している場合は、アニマティックと最終版を中断せずに視聴する、独立したエンターテインメントレビューを実施してください。注意が途切れるタイムスタンプ、予測可能な展開、未解決の約束、読解の過負荷を ENTERTAINMENT-REVIEW.md に記録してください。最も弱いシーケンスを修正し、文脈の中で再確認してください。自動再生の完了やコンタクトシートは技術的・視覚的な証拠であり、知覚的に中断なく視聴したという根拠にはなりません。そのモダリティが利用できない場合は、時系列のシーケンスストリップと明示的なループ状態チェックを使用し、その制約を開示してください。リテンションスコアを捏造したり、内部でのフック比較をオーディエンス A/B テストと呼んだりしてはいけません。

問題点を修正し、旧バージョンをアーカイブして、各変更の影響を受けるチェックを繰り返してください。実際の出力ハッシュ、測定結果、確認したアーティファクト、改訂内容、未解決の制約を VERIFY.md に記載してください。コードの確認、ファイルの存在、またはバリデーターの結果が空であることを根拠に、チェックに合格したと主張してはいけません。

納品

再生可能な最終版 MP4、その絶対パス、スキルのパスを返してください。コンポジション、アセット、ソースおよびタイミング調整済みトランスクリプト、EDL、ショット／イベントプラン、オーディオステム、参照分析、QA エビデンスをプロジェクトに保管してください。最終版を明確に示してください。ドラフトを最終版と表示したり、確実にバイラルになると主張したりしてはいけません。