video-formats

動画フォーマット

このスキルはルーターです。11 種類のフォーマット文法は references/formats/ にあります。このスキルでは、フォーマットとは何か、どのフォーマットを選べばよいか、11 種類目をどう作るかを説明します。

フォーマットとは

フォーマットとはシーンの文法です。動画のシーン数、各シーンの目的や内容、制作前に確認すべき質問を定めた、繰り返し使える構成です。記入するテンプレートでも、スタイルのプリセットでもありません。同じフォーマットの動画は、見た目がまったく異なっていても、同じ構成になり得ます。

すべてのフォーマットファイルは、次の 5 つのセクションで構成されています。

• Composition — アスペクト比、フレームレート、シーン数と長さ、字幕の有無。
• Interview — 計画を立てる前に確認する質問。ラウンドには番号と見出しがあります。フォーマットによっては順序が必須です（Cinematic では、すべてのカットが音楽に合わせて形づくられるため、まず音声を確認します）。
• Slots — フォーマットに必要な名前付きアセット。hero、beat-N、endcard、host、popup-N などです。スロットは必要な素材の一覧です。
• Grammar — シーンごとの構成ルール。ここが要となるセクションです。どのビートで始めるか、各ビートの長さ、一度に画面に表示する内容、そしてフォーマットで避けることを定めます。
• Render notes — 実際に制作して失敗する中で学んだ、現場での注意点。

フォーマットを選ぶ

各フォーマットを見分ける質問は 1 つです。おおむね次の順に質問し、最初に「はい」と答えたところで決めます。

フォーマット	選ぶための質問
PointerPopups	誰かが何かを指している映像を、すでに持っていますか？
TitledVideo	投稿できる状態にするため、タイトルを付けるだけでよい完成済みのクリップがありますか？
TalkingHead	最初から最後まで、1 人がカメラに向かって話しますか？
PipStory	ホストは登場しますが、見せる価値のあるものを引き合いに出しながら物語が進みますか？
DailyRecap	台本もストーリー展開もなく、1 日や旅の映像を集めたものですか？
Cinematic	主眼は主張ではなく感情ですか？音楽に合わせてカットし、言葉は少なめですか？
Explainer	説明する概念があり、それを説明するためにカメラの前に立つ人はいませんか？
ProductLaunch	製品があり、3 つの機能を紹介して、名前を印象づける必要がありますか？
BrandOrigin	実在のブランドについて、ある状態から別の状態への変化を描く、約 30 秒のストーリーですか？
TimelineExplainer	主眼はリストですか？視聴者が数えながら見られる、番号付きのビートですか？
Boil	題材をまったく撮影できませんか？

混同しやすい組み合わせが 3 つあります。

• BrandOrigin と TimelineExplainer — BrandOrigin は、繰り返し登場するモチーフを通じて 1 つの変化を描く、約 30 秒のフォーマットです。TimelineExplainer は、数えられる 6～10 個の番号付きビートからなる、より長いフォーマットです。視聴者が数えながら見るなら、TimelineExplainer です。
• DailyRecap と Cinematic — どちらも音楽に合わせてカットし、台本も必要ありません。Cinematic はクライマックスへ向けて盛り上げ、その後に最も長いショットを置きます。DailyRecap は一定のテンポで進み、どの 2 つのビートを入れ替えても成り立ちます。中盤の順序を変えると崩れるなら、Cinematic です。
• TalkingHead と PipStory — 同じホストが登場しますが、PipStory ではナレーションに具体的なものが出てくるたび、ホストが画面の隅に縮小されます。ビートの 25～50％で、数字、物、場所が挙げられるなら、PipStory です。

**Boil は例外です。**写真も映像も使わず、画面にライセンス素材を一切表示しない唯一のフォーマットです。題材が未公開、抽象的、サービスの場合や、ストック素材を使うと借り物のように見える場合に選びます。

フォーマットファイルを読む

このスキル自体のディレクトリから references/formats/{name}.md を読み込みます。ファイル名は上の表にある名前をケバブケースにしたものです。例：pip-story.md、daily-recap.md、boil.md など。

各フォーマットファイルには、本文の前にフロントマターがあり、本文のどこに記載されていても同じ情報が含まれています。aspect、alsoWorks、scenes、sceneSeconds、captions、narration、music、needs（フォーマットで2つのプログラムが必要な場合があるため、カンマ区切りのリスト）です。フォーマットに記載のないキーは推測せず、省略します。本文が引き続き正式な情報源です。video-studio formats --list --aspect 9:16 で適合するフォーマットに絞り込めます。video-studio formats --show explainer --style bold-neon は、フォーマット（形）とスタイルプリセット（見た目）を組み合わせてテンプレートを作成し、不明または重複したキー、コロンが失われた行、実際のフレームではないアスペクト比、存在しないプログラムを指定する needs:、およびスタイルプリセット自体で報告される問題を報告します。見た目をストーリーボードに反映する処理は、引き続き video-studio styles --apply です。

各ファイルは、コンパイル先となるストーリーボード構造に由来する共通の用語を使います。シーンには narration と複数のレイヤーが含まれます。レイヤーは source（映像、静止画、生成クリップ）、card（動的なタイポグラフィ）、または effect です。次の用語が登場します。

• card — 合成時にレンダリングされる実際のタイポグラフィです。正確な単語、数字、名前、年、URL はすべてカードにします。文字を生成するよう生成器に指示してはいけません。文字の形を勝手に作ってしまうためです。
• ken — 静止画にゆっくりとしたケン・バーンズ効果を加え、フリーズしたフレームではなく映像のように見せます。連続するシーン間でズーム方向とパンを交互に変えないと、すべてのカットが同じ動きになります。
• rect — フレームに対するレイヤーの位置を [x, y, w, h] で表した値です。フレームの隅に小さく重ねる場合は、おおよそ [0.58, 0.58, 0.42, 0.42] です。atMs / untilMs / pop — シーン内での表示時間を指定し、任意でポップインを加えます。
• broll / host / insert / main — 慣例的なレイヤー ID であり、特別な型ではありません。名前によって、フォーマットと制作担当者の間で意図が伝わります。
• plannedSeconds — 推定値です。実際の尺は、計測したナレーションの長さで決まります。

アンチパターン

• 1つのシーンに2つのアイデアを入れる。 どの文法もそれぞれの言葉でこれを述べています。1つのビートに2文必要なら、それは2つのビートです。
• カードとナレーションで同じ言葉を使う。 カードには短い形を載せ、音声では文章を伝えます。重複するとデザインではなく字幕のように見えます。
• 動画の途中でフォーマットを混ぜる。 途中からトーキングヘッドがモンタージュに変わる構成には、一貫した文法がなく、2つの半分があるだけです。
• 見た目でフォーマットを選ぶ。 フォーマットは素材が何であるかによって選びます。見た目はまったく別のレイヤーです。同じフォーマットでも、さまざまな装いにできます。

11番目のフォーマットを追加する

references/formats/ に新しい Markdown ファイルを追加します。必須セクションは次の順番です。# 名前 — 1行の説明、## Composition、## Interview、## Slots、## Grammar、## Render notes。それ以外を変更する必要はありません。フォーマット一覧はディレクトリの内容から作成されます。

守るべきルールが2つあります。

1. フォーマットとして成立するのは、繰り返し使われるものです。 BrandOrigin は、同じ形が1つの参考ギャラリーに4回登場した後に切り出されました。独立した用途が3〜4件あればフォーマットですが、1件だけなら動画です。
2. Grammar セクションでは、禁止事項を明確に示せる必要があります。 動画に含められるものを説明するだけでは、文法とは言えません。10種類のフォーマットはいずれも具体的な禁止事項を設けています。画面上のマークを2つにしない、編集記事に CTA を入れない、話者の重要なセリフにインサートを重ねない、といった内容です。新しいフォーマットに禁止事項が何もないなら、それはムードボードです。

ツールチェーンに関する前提

これらの文法は本番パイプラインから抽出されたもので、Render に関するいくつかの注記には、使用するプログラム（gen_boil、track_pointing、measure、styles）とクリップごとのコストが今も記載されています。これらは現在、audio-acquisition に同梱されている measure を除き、video-studio-engine pip パッケージに含まれています。手続き型ジェネレーターは 1 つではなく、2 つあります。gen_boil は揺れる輪郭を描き、gen_chalk はストロークを段階的に表示することで、図形が現れるのではなく手で書いているように見せます。gen_sneaker_origin_art は、有料の画像生成がクォータ制限でブロックされた場合に、ブランドの起源を紹介する静止画を SVG としてレンダリングします（PNG の生成には ImageMagick が必要ですが、SVG はいずれにしても書き出されます）。Boil と PointerPopups の 2 つは、実際にジェネレーターとハンドトラッカーに依存します。pip install 'video-studio-engine[generate,vision] @ https://github.com/scrollmark/social-skills/archive/refs/heads/master.tar.gz' を実行しない場合、実行手順ではなくスタイルの説明として読んでください。残りの 8 つは純粋に構成を記述しているため、動画をどのように制作する場合でも、すべての Composition、Interview、Slots、Grammar セクションはそれぞれ単独で成り立ちます。