Turn any context (blog URL, pasted article, PR diff, meeting notes, release notes, raw prompt) into a narrated explainer mp4 with slides, subtitles, and optionally a talking-head avatar. Uses a free local stack (Pillow + edge-tts + ffmpeg) with optional SadTalker for the avatar. Use when the user says "動画化", "explainer video", "解説動画作って", "ブログを動画に", "記事を動画化", "PRを動画で説明", "議事録を動画化", "context to video", or wants an mp4 from arbitrary text/source. Output is mp4 + srt under the user's chosen project workspace.
インストール方法を見るインストールする前に、エージェントに与えられる指示の中身を確認できます。
任意の入力コンテキストを、ナレーション+スライド+字幕+(任意で)アバター付きの mp4 に変換する。
動画化, 解説動画作って, ブログを動画に, 記事を動画化, explainer video, context to video| 入力 | 取り方 |
|---|---|
| ブログ/記事 URL | web_fetch で本文取得 |
| 貼り付けテキスト | そのまま要約 |
| PR / commit diff | gh pr view + gh pr diff |
| 議事録・設計メモ | ファイル読み込み |
| リリースノート | URL or Markdown |
| 自由プロンプト | LLM に直接構成依頼 |
→ ソース取得後の処理は共通(LLM が notes/script.json を書く)。
| 役割 | ツール |
|---|---|
| 台本生成 | LLM (このスキル呼び出し元) |
| スライド | Pillow (BIZ UDGothic 等) |
| ナレーション | edge-tts (Edge の Neural 音声・無料・非公式) |
| 動画合成 | ffmpeg (imageio-ffmpeg 同梱バイナリ可) |
| 字幕 | .srt 自動生成 |
| アバター (任意) | SadTalker (GPU推奨) + ffmpeg 楕円マスク |
pip install edge-tts imageio-ffmpeg pillow
# 1. 入力からscript.json生成 (LLM)
# 2. 動画生成
python scripts\build_video.py --project <project-dir>
# → output\final.mp4 + final.srt
詳細: references/script-schema.md / references/setup.md
GPU(VRAM 8GB+)があるなら、SadTalkerで右下にアバターを足せる。 初回セットアップは別 venv (Python 3.10) で 30〜40分、以降は 1動画あたり +20〜30分。
# 既存動画 + 8音声 → アバター合成
python scripts\add_avatar.py --project <project-dir> --face <face.jpg>
# 楕円マスク版を作る
python scripts\ellipse_overlay.py --project <project-dir>
# → output\final_with_avatar.mp4 と final_with_avatar_ellipse.mp4
セットアップ・落とし穴・キャラ選び: references/avatar.md
<project>/
├── notes/script.json 台本 (LLM が書く)
├── slides/slide_XX.png 1920x1080
├── audio/audio_XX.mp3 スライドごとのナレ
├── avatar/ (任意)
│ ├── input/face.jpg アバター元写真
│ ├── SadTalker/ repo + checkpoints
│ ├── venv/ Python 3.10 + torch cu121
│ └── clips/audio_XX.mp4 各ナレぶんアバター動画
└── output/
├── final.mp4 無印 (スライド+ナレ)
├── final.srt 字幕
├── final_with_avatar.mp4 (任意) アバター矩形
└── final_with_avatar_ellipse.mp4 (任意) アバター円形ワイプ
ja-JP-NanamiNeural (女性・落ち着き)。男性なら ja-JP-KeitaNeural声・配色・フォント・アスペクト比変更: references/customization.md
無料 edge-tts は 非公式・SLA なし・商用グレー。顧客配布や常時運用には:
詳細: references/production-upgrade.md
W,H = 1080, 1920、ナレを 60 秒に圧縮subtitles=final.srt フィルタで動画に焼く (ffmpeg-advanced-filters.md)voice 切替 + script を翻訳<out>/output/final.mp4 (またはアバター版) が再生でき、音声と映像がズレないfinal.srt がナレーションと同期まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Design, review, and debug agent workflows, and decide when a request should use a prompt, instruction, skill, agent, or hook before escalating to multi-agent design. Use for .agent.md / .instructions.md / .prompt.md / AGENTS.md work, workflow architecture, orchestration planning, scheduled automation model allocation, or when agent workflows may be overkill. Triggers on 'agent workflow', 'create agent', 'automation models', 'ワークフロー設計', 'orchestrator'.
Design, run, and review fair performance, token, and cost comparisons across GitHub Copilot CLI, Codex CLI, and direct model APIs. Use for AI CLI benchmark, Copilot vs Codex, prompt-cache diagnosis, cache read/write analysis, fresh-process latency measurement, token-cost comparison, or when a benchmark must separate provider caching from local CLI caches.
日本語の概要は準備中です。原文の説明を表示しています。
Analyze historical VS Code GitHub Copilot Chat sessions by model, reasoning effort, AIU, time, reliability, workflow behavior, and external quality evidence, or safely prune workspace-scoped local chat history by age. Use for session analysis, repeated-task retrospectives, model evaluation, cost/performance analysis, and old session cleanup.
日本語の概要は準備中です。原文の説明を表示しています。
Create reproducible animated infographic GIFs from structured data or measured results, with audience-language labels, explicit timing semantics, representative-frame QA, and a static fallback. Use when asked for GIF生成, animated infographic, 動的インフォグラフィック, 結果が流れる図, animated benchmark, or a blog/SNS animation whose displayed metrics must remain traceable to source data.
Create polished, validated architecture, workflow, sequence, data-flow, and lifecycle/state diagrams as explorable standalone HTML with inline SVG, dark/light themes, optional trace motion, and PNG/JPEG/WebP/SVG/WebM export. Accept plain-language requirements or pasted Mermaid flowchart, sequenceDiagram, and stateDiagram input; inspect repository evidence when the diagram must reflect real code. Use when the user asks to visualize system architecture, infrastructure, cloud/security/network topology, technical workflows, API call sequences, request lifecycles, data pipelines, ETL/ELT, data lineage, state machines, or to convert/beautify Mermaid. Also use for Archify, interactive or animated HTML diagrams, インタラクティブ図, 動く構成図. When an editable .drawio file is required, use the draw.io workflow instead and treat Archify HTML only as a supplement.
Generate ASCII-art text banners for terminals, READMEs, and CLI startup messages. Use when a user asks for an ASCII banner, text art, バナー, アスキーアート, or a decorative header for a script/README.