storytelling

genmedia を使ったストーリーテリング

単一の素材ではなく、一連のシーケンスが必要な場合は、このスキルを使用してください。必要に応じて、以下のリファレンスを読み込みます。

• references/shot-planning.md
• references/workflows.md
• references/examples.md

デフォルトのエンドポイントを選択するには、このスキルと併せて model-routing を読み込みます。

目標は、明確なストーリービートと実行可能な genmedia の実行内容を作成することです。ありきたりなインスピレーション文、作り物のセリフ、エムダッシュは避けてください。

収集する入力情報

実行に影響する情報が不足している場合にのみ、質問してください。

• 形式：広告、短編映画、ミュージックビデオ、ドキュメンタリー、チュートリアル、ソーシャルストーリー。
• 長さとアスペクト比。
• ショット数または許容範囲。
• 主な被写体、キャラクター、製品、または場所。
• 継続性の基準：キャラクター、製品、衣装、環境、色。
• ソースメディア：最初のフレーム、参照画像、製品画像、音声トラック。
• 音声の要件：ナレーション、音楽、サウンドデザイン、文字起こし、音声なし。
• 品質、コスト、速度、音声、マルチショットのトレードオフをユーザー自身が決めたい場合は、希望するモデルまたはモデルファミリー。

Genmedia ワークフロー

1. ルーティング済みのエンドポイント ID から始めます。

   genmedia models --endpoint_id bytedance/seedance-2.0/text-to-video --json
   genmedia models --endpoint_id bytedance/seedance-2.0/image-to-video --json
   genmedia models --endpoint_id bytedance/seedance-2.0/reference-to-video --json
   genmedia models --endpoint_id fal-ai/kling-video/v3/pro/text-to-video --json
   genmedia models --endpoint_id alibaba/happy-horse/text-to-video --json
   genmedia models --endpoint_id veed/fabric-1.0 --json
   

   未対応のシーケンス制御を見つける場合に限り、テキスト検索を代替手段として使用します。

   genmedia models "first frame last frame video generation" --json
   genmedia docs "multi shot video generation" --json
   

2. 正確なペイロードを計画する前に、スキーマを確認します。

   genmedia schema <endpoint_id> --json
   genmedia pricing <endpoint_id> --json
   

3. 参照素材をアップロードします。

   genmedia upload ./first-frame.png --json
   genmedia upload ./character.png --json
   genmedia upload ./product.png --json
   genmedia upload ./voiceover.wav --json
   

4. シーケンスのルートを選択します。

   • 最高品質の動画：model-routing の Seedance 2.0 エンドポイントから始めます。
   • ネイティブのマルチプロンプト：スキーマにショット配列、プロンプトリスト、またはタイムラインフィールドがある場合に使用します。
   • 最初／最後のフレーム：キーフレーム間の遷移を制御する場合に使用します。
   • ショットごとの画像から動画への生成：承認済みの静止画から継続性を最大限に保つ場合に使用します。
   • ショットごとの手動生成：モデルが単一のプロンプトしかサポートしない場合に使用します。
   • 音声優先：音声を生成またはアップロードしてから、映像のショットの長さを計画します。
   • リップシンクまたはトーキングアバター：model-routing の Fabric 1.0 または Creatify Aurora を使用します。

5. 長時間のジョブは非同期で実行し、一意のテンプレートを使ってすべての結果をダウンロードします。

   genmedia run <endpoint_id> \
     --prompt "<shot or sequence prompt>" \
     --async \
     --json
   
   genmedia status <endpoint_id> <request_id> \
     --download "./outputs/story/{request_id}_{index}.{ext}" \
     --json
   

6. エンドポイント、リクエスト ID、プロンプトの概要、ローカルパス、継続性に関する問題を含むショット表を返します。Genmedia はクリップをダウンロードします。選択したモデルが編集済みの動画全体を返す場合を除き、タイムライン編集ツールの代わりにはなりません。

ショットの計画

まず、すべてのシーケンスをビートとして計画します。

1. フック：視聴を続ける理由となる、即座に目を引く映像。
2. セットアップ：誰が、何を、どこで、なぜ重要なのか。
3. 展開：動き、発見、証明、またはエスカレーション。
4. 転換：発見、変化、結果、または感情の変化。
5. クロージング：最後の映像、製品の印象、CTA に対応できるフレーム、または余韻の残るムード。

各ショットについて、以下を記述します。

• ショット番号と長さ。
• ストーリー上の目的。
• 映像プロンプト。
• 継続性の基準。
• 入力参照素材（ある場合）。
• Genmedia エンドポイント。
• 想定される出力パス。

プロンプトの組み立て順

各ショットでは、次の構成を使用します。

SHOT [number], [duration]:
[story purpose]. [subject and action]. [location and time]. [camera framing].
[camera movement]. [lighting and color]. [continuity anchor]. [transition or
relationship to previous shot].

選択したモデルがマルチショットまたはタイムラインプロンプトに対応している場合を除き、1 つのショットには明確な動作を 1 つだけ指定します。

モデルのルーティング

• 最高品質の動画：bytedance/seedance-2.0/text-to-video、bytedance/seedance-2.0/image-to-video、または bytedance/seedance-2.0/reference-to-video。
• 高速または低コストの動画：xai/grok-imagine-video/text-to-video または xai/grok-imagine-video/image-to-video。
• マルチショットシーケンス：まず Seedance 2.0、次に fal-ai/kling-video/v3/pro/text-to-video、続いて fal-ai/kling-video/v3/pro/image-to-video、その後 alibaba/happy-horse/text-to-video または alibaba/happy-horse/image-to-video。
• テキストを多く含むキーフレーム、絵コンテ、UI フレーム、ポスター、またはインフォグラフィック：quality=high を指定して openai/gpt-image-2。
• トーキングアバター、ネイティブ音声、またはリップシンク：veed/fabric-1.0、veed/fabric-1.0/text、または fal-ai/creatify/aurora。

品質基準

返す前に、次の点を確認してください。

• ショットの順序に明確な物語上の役割があります。
• 最初のショットは、プラットフォームにふさわしい印象的なものです。
• 連続性を保つための要素を繰り返し入れつつ、すべてのプロンプトが冗長になっていません。
• カメラワークに変化があり、無作為ではありません。
• 各ショットの長さの合計が、指定された再生時間と一致しています。
• 非同期リクエスト ID とダウンロードしたファイルが記録されています。
• 最終コマンドは、想定ではなくモデルの実際のスキーマに基づいています。