alchaincyf/huashu-motion

huashu-motion – AI 駆動のビデオプロモ生成ツール

機能概要

• 短い自然言語リクエスト（例：「私の製品の 30 秒プロモを作って、ウェブサイトは …」）を、完全な商業グレードの製品ビデオに変換します。
• エージェントはまず製品を読み取り、3 つのストーリーボード案を提案し、リズム/ビートシートを作成し、楽曲を作曲し、最後にブラウザ内エディタを開きます。そこで任意のフレームを ポイントアンドクリック して正確な編集をリクエストできます。
• 全サイクルのワークフローをサポート：ストーリーボード → コード生成アニメーション（GSAP/Canvas/Three.js/SVG）→ サンプリング楽器音楽 → オプションのナレーション → MP4、MOV（アルファ付き）、WebM、GIF、または共有可能な HTML ページへのレンダリング/エクスポート。

仕組み

1. スキルアーキテクチャ – リポジトリは Agent Skill として提供されます（Claude Code、Codex、WorkBuddy、Grok Bot、Muse、Dots などと互換性あり）。スキルをインストール（npx skills add alchaincyf/huashu-motion）すると、bin/om CLI がエージェントのスキルディレクトリに配置されます。
2. プロンプトからコードへのパイプライン – LLM エージェントがアニメーションを定義する HTML/JS を作成します。すべての視覚要素はコード（GSAP、Canvas、Three.js、SVG）で生成されます。外部のビデオ生成モデルは不要です。
3. 音楽生成 – コンポーザーモード では、エージェントが ABC 記譜法のスコアを作成します。CLI は実楽器サンプル（サンプルがビルドされていない場合は合成音）でレンダリングします。12 の製品タイプ音楽テンプレートのライブラリがフォールバックトラックを提供します。
4. ナレーションとアライメント – システム TTS またはユーザー提供のオーディオファイルを、whisper.cpp を使用してタイムラインに単語単位でアライメントできます。
5. インタラクティブ編集 – ブラウザエディタで C を押し、フレームをクリックし、コメントを入力します。コメント（タイムスタンプ、シーン、要素、ソース行を含む）は om inbox を介してエージェントに送信されます。エージェントは影響を受けるコードブロックのみを更新し、人間が読める要約で応答します。
6. レンダリング – Chrome/Chromium インスタンスがフレームを並列レンダリングします（デフォルトで最大 8）。FFmpeg がフレームを結合し、生成されたオーディオをミックスします。14 コア Mac では、30 秒クリップが約 12〜15 秒でレンダリングされます。

主要コンポーネント

• cli/om – コマンドラインインターフェース（プロジェクト作成、スタジオエディタ、インボックス処理、サウンドユーティリティ、品質チェック、レンダリング、エクスポート）。
• studio/ – ライブプレビュー、タイムラインバー、編集可能なプロパティパネルを表示するブラウザ内エディタ。
• templates/ – 10 のスターターテンプレート（製品ローンチ、データ駆動エクスプレーナー、ホワイトボード、3Blue1Brown スタイルなど）。
• references/library/ – 21 の実際のローンチビデオの定量分析に基づく、さまざまな製品カテゴリの視覚スタイルを説明する 20 の厳選された「モーション言語」。
• fonts/ – 即時使用のためにバンドルされた 27 のオープンソースフォント（中国語太字、セリフ、ディスプレイ）。
• runtime/ – 生成された HTML がアニメーションと同期を駆動するために使用する軽量ランタイムヘルパー（OM.*）。

インストールと要件

• Node 22+、Chrome/Chromium/Edge、FFmpeg。
• オプション：実楽器サンプルパック（om samples build 約 55 MB）、中国語 TTS モデル（Kokoro、約 325 MB）、アライメント用の whisper-cli。
• 現在 macOS でテスト済み。他の OS でも軽微な調整で動作する可能性があります。

典型的なワークフロー

ユーザー："私の製品の 30 秒プロモを作って、ウェブサイトは xyz.com"
→ エージェントがサイトを読み取り、3 つのストーリーボードオプションを提案
→ エージェントがリズムシート、ABC スコア、完全な HTML/JS アニメーションを作成
→ `om studio` が編集可能なプレビューを開く
ユーザー：フレームをクリックし、"オープニングエフェクトをよりスムーズに、タイピングに焦点を当てて"と入力
→ `om inbox` がコメントを配信、エージェントはそのコードブロックのみをパッチ
→ プレビューが更新、ユーザーは元に戻す（⌘Z）か数値フィールドを直接編集可能
→ `om render` → MP4/WEBM エクスポート

制限事項

• ビジュアルはコード生成です。フォトリアリスティックな映像や 3D モデルは自動生成されません。
• 音楽とスタイルの品質は基盤となる LLM（Claude Code、DeepSeek Flash など）に依存します。
• Chrome と FFmpeg を実行できるローカル環境が必要です。純粋なクラウドサービスではありません。

ライセンス – コードとドキュメントは MIT ライセンス。サードパーティのアセットは元のライセンスを保持します（GSAP Standard、SIL OFL フォント、CC0/CC-BY サンプル）。

対象ユーザー

• デザインエージェンシーを雇わずに、高速でカスタマイズ可能なプロモビデオを求める製品マーケターやインディー開発者。
• LLM プロンプト、コード生成、メディアレンダリングを橋渡しする Agent Skill の具体的な例を探している AI エージェント開発者。

---

上記のすべての情報は、リポジトリの README から直接取得されています。