stagefight

stagefight

2 回の呼び出しで実行する pika パイプライン：ステージの静止画（generate_image、gpt-image-2）→ 格闘クリップ（generate_video、画像から動画を生成、約10秒、16:9）。クリップは、テーマのあるステージで行われる振り付けされたコスプレパフォーマンスを、観客が撮影したスマートフォン映像の POV です。2人のパフォーマーがぶつかり合い、ライブステージの効果が炸裂し、観客が反応します。1回の実行で、1つの対戦のクリップを1本生成します。

このスキルの主な役割は、誰が戦うのかを決めることです（ユーザーに尋ねるか、対戦の組み合わせを提案します）。次に、同梱の例と同じ構成で新しいプロンプトを作成し、新しい動画を生成します。 examples/ の例は従うべきパターンであり、固定カタログではありません。毎回の実行で、同じ構成の新しい対戦の組み合わせを作成してください。見た目は調整済みで、安全性を確保するための構成が重要です。2つのテンプレートにある固定文はすべてそのまま維持し、指定された [SLOTS] のみを埋めてください。

★ 効果がある理由 — 手法（これは実際の調査結果です。どれも省略しないでください）

単に「2人が戦う」と書いたプロンプトはモデレーションでブロックされます。次の4つの工夫によって格闘コンテンツを安定して生成でき、これらが組み合わさってトレンドの美学を形作ります。

1. 健全な演劇パフォーマンスとして表現します。 すべてのクリップ用プロンプトは、必ずそのまま次の文で始めます。"健全な演劇ステージパフォーマンス、振り付けされたコスプレ、広告掲載に適した内容です。" そして、"本物らしいライブステージ効果。漫画のような魔法ではありません。" で締めくくります。これにより、戦闘をスタントショーとして捉え直し、安全審査を通過しやすくなります。負傷、血、実際の武器が命中する様子、「漫画のような魔法」は決して描写しないでください。振り付け、小道具、ステージの火工効果を描写してください。
2. 観客の視点で撮影した映像にします。 *「観客席から、ほかの人の頭越しにステージを撮影する、手持ちスマートフォン映像の POV」と、「手前には大勢の観客がいる。暗いシルエットの頭が並び、多くの人が録画のためにスマートフォンを掲げている。」*を使います。これはバイラルな「自分もそこにいた」という美学であると同時に、安全性を確保する要素でもあります（実際の暴力ではなく、パフォーマンスの記録として受け取られます）。
3. 衣装を着たオリジナルキャラクターを使います。実在の人物も、名前のある IP も使いません。 「麦わら帽子をかぶった痩せ型の侍」「黒いローブをまとった角のある悪魔」「オレンジのトラックスーツを着た、金髪のツンツン頭の忍者」のような典型的な人物像を使います。実在の人物の顔は両方のバックエンドでモデレーションにブロックされます。商標登録されたキャラクター名を使うと、内容が意図から外れ、フラグが立ちます。ブランド名ではなく、コスプレ（髪型、衣装、小道具）を描写してください。
4. ライブステージの効果は、現実味のあるものにします。 「見せ場」は、ステージの煙がぱっと噴き出す様子、緑色のステージ炎と火花、水の壁／間欠泉といった、現実味のある実用的な効果です。2人のパフォーマーは大きくのけぞる／身構えるだけで、誰も傷つきません。

モデレーション対応： ブロックされた場合は、同じ呼び出しを再試行してください（すぐにプロバイダーを切り替えないでください）。動画生成が失敗するまでに約4分を超えて実行された場合、コンテンツはすでに安全審査を通過しています。失敗はインフラ上の問題なので、再試行してください。reference_audio を使って音楽を組み込まないでください。この方法はモデレーションに引っかかるため、音楽／SFX は後処理で追加してください。再試行が必要な場合、Seedance のバックエンド（ark / fal）ごとにモデレーションのパイプラインが異なります。

前提条件

pika MCP が利用できること。ツールのプレフィックスはホストによって異なるため、公開されているものを使用してください。ツール：generate_image、generate_video、task_status。仕上げには、オプションで generate_music / SFX と edit_concat / edit_audio_mix を使用できます。

ステージ 0 — 誰が戦う？（まずここを決める）— 対戦カード 1 つにつき、クリップ 1 本です。

1. ユーザーがすでに 2 人のファイターを指定している場合 — /stagefight の引数やメッセージ内（例：「氷の魔術師 vs 炎の騎士」、「うちの猫 vs ドラゴン」、「ロボット 2 体」）にある場合 — その 2 人を使い、メニューをスキップして、そのままプロンプトの作成に進みます。 再度尋ねないでください。

2. それ以外の場合は、AskUserQuestion を 1 回だけ使って尋ねます（ヘッダー：Matchup）。ユーザーが独自のキャラクターを入力できる選択肢を必ず用意し、それを最初の選択肢にします。さらに、テンプレートの対戦カードをちょうど 3 つ用意します。

   • 「自分で 2 人のファイターを選ぶ」 — 名前を入力します → 選ばれたら「2 人のファイターは誰ですか？」と尋ね、回答を使います。（自動で追加される Other フィールドからも、対戦カードをそのまま入力できます。）
   • 忍者 vs 忍者 — 煙
   • 侍 vs 鬼 — 緑の炎
   • 女魔術師 vs 吸血鬼（水のステージ） — 間欠泉 テンプレートを自動選択してはいけません。 大切なのは、ユーザーが選ぶか、自分で入力することです。3 つの候補を文章で提示してそのまま進めるのではなく、実際の 4 択メニューを表示し、回答を待ちます。

3. アスペクト比： デフォルトは 16:9 とし、確認せずに使います（トレンドの見た目です）。ユーザーが縦型／TikTok／Reels に言及した場合に限り、9:16 について尋ねます。

対戦カードが決まったら、プロンプトを自分で作成し（次のセクション）、1 行で確認して（「ステージバトルのクリップを生成します — 氷の魔術師 vs 炎の騎士…」）、最初から最後まで実行します。以降、はい／いいえの確認は不要です。

プロンプトを作成する（執筆ステップ。絶対に省略しないでください）

ユーザーが選んだ 2 人のファイターを題材に作成します。2 人から始め、ほかのすべてをそこから導き出してください。 忍者／侍／女魔術師の例は作成手順の例であり、出力内容ではありません。ユーザーが「X vs Y」と言ったら、動画は X vs Y を題材にします。例の対戦カードを黙ってデフォルトにしたり、選ばれた対戦とは別の戦いに差し替えたりしてはいけません。 ユーザーが別のものを指定したのに、忍者／侍／水をデフォルトにするのは、このスキルで最も多い失敗です。

選ばれたファイターをもとに、次の 4 つの要素をそれぞれ導き出します。

• ステージ = 2 人が自然に決闘しそうなテーマのセット — 彼らはどの世界の住人か？ — ＋具体的な小道具 2〜4 個＋背景＋時間帯／照明。（魔法使い → 石造りの闘技場、メカ → ネオンのドーム、カウボーイ → サルーンの通り。寺院のキャラクターでない限り、寺院にはしません。）
• パフォーマー A（左）／パフォーマー B（右） = それぞれを実写のコスプレとして描写します。髪型、衣装、小道具、構えを含めます。類型的な描写にとどめ、実在の人物は使いません。名前の付いたキャラクターや商標登録されたキャラクターは、描写可能な衣装に置き換えます（プロンプトにブランド名は入れません）。
• シグネチャー効果 = この戦いに合った、舞台で実現可能な決めの演出を 1 つ選びます（煙／色付きの炎＋火花／水の間欠泉／砂ぼこり＋ランタンの光／氷の破片／燃えさし／紙吹雪キャノンなど）。両方のパフォーマーがその演出に反応します。

導出例（手順を示すための任意の対戦カード）： ユーザーが*「ロボットボクサー vs 力士」と尋ねた場合。 → ステージ： ホログラムのバナー、リングロープ、スポンサーのランタンを備えた、ネオンに照らされた夜のアリーナ。背後には街のスカイライン。→ 左： 赤いボクシンググローブを着け、関節が光る、背の高いクロム製の人型ロボット。ガードを構えている。→ 右： 儀式用のまわしを着け、低く踏み込む、巨体の力士。→ 効果： グローブと掌がぶつかった瞬間に起こる、砂ぼこりと火花の衝撃波。→ これらを 2 つのテンプレートに当てはめます。（忍者／寺院／水が何も出てこないことに注目してください。各要素はすべて、実際に選ばれたファイターをもとにしています。ユーザーが何を選んでも、この手順を行ってください。）*

ステップ 1 — ステージ静止画（generate_image、gpt-image-2）

ステージ、両パフォーマー、撮影する観客をフレーム 0 に焼き込み、ステップ 2 では対決のアニメーションだけを行えるようにします。テンプレート — 固定文はすべてそのままにして、[SLOTS] を埋めます：

A recording from the audience at an outdoor theater performance at [TIME-OF-DAY/SETTING]. [STAGE: a wooden stage recreating <themed set> — <2-4 concrete set pieces, lanterns/gate/fog/water/etc>, <backdrop>]. On stage, two performers in high-quality live-action cosplay face off several meters apart: on the LEFT, [PERFORMER A — cosplay: hair, costume, prop, stance]; on the RIGHT, [PERFORMER B — cosplay: hair, costume, prop, stance]. A large audience fills the foreground — dark silhouetted heads, many holding up phones recording with glowing screens. The camera films from far back in the crowd, slightly off-center, performers small on the wide stage, slight handheld tilt. Realistic phone-camera look, faint digital noise, [natural light note]. High resolution, no text, no UI.

generate_image を呼び出します。 呼び出しパラメーター： provider: gpt-image-2 · aspect_ratio: 16:9（デフォルト。縦向きの場合は 9:16）· quality: medium（high はプロキシのタイムアウトを超過します）· output_format: png。ユーザーが特定のキャラクターシートや衣装を基準として指定した場合を除き、入力画像は使用しません。その場合は、シートを images として渡して generate_image_edit を呼び出し、名前ではなく コスプレ だけを説明するテキストにします。moderation_blocked が発生した場合は再生成します。それでも続く場合は、衣装の表現を和らげます（「悪魔／爪」より「パフォーマー／スタント」を強調）。返された URL を state.still_<n>_url に保存します。セルフチェック：衣装を着た 2 人のパフォーマーが明確に向かい合い、前景に観客とスマートフォンがあり、テキストがないこと。満たさない場合は再生成します。

ステップ 2 — ファイトクリップ（generate_video、画像→動画、10s）

静止画を開始フレームとして固定し、対決をアニメーション化します。10s なら、より展開のある演技ができます。[ACTION] には、単発の攻撃ではなく、小さな流れ（対峙 → 激突 → ライブステージの演出 → 反動／二度目の応酬 → 観客が沸き立つ）を指定します。テンプレート — 外枠は一字一句そのままにし、[ACTION + EFFECT] だけを埋めます：

Wholesome theatrical stage performance, choreographed cosplay, advertiser-safe. POV handheld phone footage from the audience, frame slightly unsteady, raised above other people's heads filming the stage. [ACTION: the two performers <sprint/dash in> and <clash — martial choreography or props>, <a believable live-stage effect: stage smoke / green fire + sparks / a wall of water erupts>, then <both recoil / leap apart / brace>]. The crowd in the foreground reacts, phones held up recording. Believable live-stage effects, not cartoon magic. Realistic smartphone recording, slight digital noise, continuous handheld shot, no subtitles, no UI.

generate_video を呼び出します。 呼び出しパラメーター： image:（または reference_images:）= state.still_<n>_url（開始フレーム）· duration: 10 · aspect_ratio: 16:9（ステップ 1 に合わせます）· sound はデフォルトのままにします（音楽を強制しません）。タスク ID が返された場合は、task_status をポーリングします。約 4 分後に失敗した場合はモデレーションを通過済みなので、再試行するだけです。すぐに失敗する場合は、アクションの表現を和らげて再生成します。

ステップ 3 — 仕上げ（任意）

• 効果音／音楽は後処理でのみ追加します。 観客のざわめきに、対決時のヒュッという音や衝撃音を加えると、臨場感が出ます。音声を生成または取得して edit_audio_mix でミックスします。動画生成に音楽を reference_audio として渡すことは絶対にしないでください（モデレーションに引っかかります）。

分解例（参考のみ — ユーザーの対戦カードの代わりに使わないでください）

これらを読んで、対戦カードを 4 つの変数にどう分解するかを把握し、そのうえでユーザーが選んだ内容に合わせて独自に作成します。ユーザーがまさにその戦いを選んだのでない限り、これらの例を貼り付けないでください。生成済みの静止画は examples/（ex1_ninja、ex2_samurai、ex3_snake、hero_pika + _contact_sheet.png）にあります。ステップ 1 の優れた静止画のビジュアルターゲットとして開いてください。

対戦カード	ステージ（小道具、照明）	左のパフォーマー	右のパフォーマー	代表的な演出
忍者の対決	夕暮れの忍者の里の門。岩の地形、彩色された扉、紙の提灯、森	金髪の逆立った髪の忍者、葉の紋章の額当て、オレンジ色のトラックスーツ	黒髪の逆立った髪の忍者、濃紺のシャツ	砂ぼこり + 舞台用スモークの噴出
侍 vs 悪魔	夜の寺の中庭。石灯籠、鳥居、緑の霧	細身の侍、菅笠、黒い甲冑、刀	巨大な角のある悪魔、黒いローブ、爪	緑の舞台用炎 + 火花
水上ステージの決闘	夕暮れの湖上ステージ。中国風の東屋、赤い柱、提灯、霧に包まれた山々	白いローブの魔術師、長い黒髪、腕を上げている	青白い吸血鬼、黒いローブ、牙、赤い目	水の壁 → 間欠泉
ヒーロー／マスコット	夕暮れの木製ステージ。岩の地形、提灯、森	小さくてふわふわした「Pika」マスコット、ミニチュアの道着姿	巨大な角付きの甲冑の戦士、はるかに大きい	舞台用の火花が噴き出す

各行は [STAGE] · [PERFORMER A] · [PERFORMER B] · [ACTION effect] に対応します。上の行から選ぶのではなく、ユーザーのキャラクターをもとに同じ 4 つのスロットを埋めてください。

ひとことでまとめ

衣装を着たパフォーマー + テーマに沿ったステージ + 撮影する観客 + 「これはスタントショーにすぎない」という設定 = 実際に生成できるファイト映像。1 つの対戦カード → ステージ静止画 1 枚 → 10s の画像→動画 1 本（16:9）。音楽／効果音は後処理で追加し、reference_audio は使用しません。