Endless1936/book-video

解決する課題

このプロジェクトは、自然言語コマンドを使用して書籍のプロモーション用ショート動画を作成するための自動化ワークフローを提供します。書籍の選定、コピーライティング、ビジュアル生成、音声同期のプロセスを効率化し、最終的な動画製品を生成します。

仕組み

ユーザーは自然言語を通じて AI エージェント (Codex) と対話し、動画制作プロセスをガイドします。ワークフローは以下のステップに従います：

1. 書籍の選定: エージェントが書籍を推奨するか、特定のタイトルを確認します。
2. コピーライティング: エージェントが CapCut (剪映) で使用したり、ローカルに保存したりできるナレーションスクリプトを生成します。
3. ビジュアル: スクリプトが承認されると、エージェントが雰囲気のある画像や動画フレームを生成します。
4. 音声: エージェントは音声クローン (サポートされている場合) を使用するか、CapCut から MP3 ファイルをインポートします。
5. 字幕: FFmpeg を使用して字幕のタイミングリファレンスを生成し、スクリプトをテキストの信頼できるソースとして使用します。Whisper は TTS コンテンツのチェックにのみ使用されます。
6. 反復的な改善: ユーザーはテキスト、画像、音声の変更をリクエストでき、エージェントが特定のパーツを再生成します。

システムは状態ファイル (workflow-state.json) を保持して各エピソードの進捗と依存関係を追跡し、エラーが発生した場合でもプロセスの復旧と修復を可能にします。

対象ユーザー

コードを書いたり、複雑な編集ソフトを手動で操作したりすることなく、高品質なショート動画を制作したいコンテンツクリエイターや書籍プロモーター。

ハイライト

• 自然言語インターフェース: 会話型 AI を通じて完全に制御可能。
• 堅牢なエラーハンドリング: 診断システム (BOOK_VIDEO_DIAGNOSTIC) を含み、不適切な出力が有効な動画を上書きするのを防ぎます。
• 状態管理: 書籍ごとの制作状況を追跡し、アセットの再構築や修復を容易にします。
• 統合ツール: 画像生成、TTS、FFmpeg、Whisper を組み合わせた完全な制作パイプライン。