cclank/lanshu-create-ai-presenter-video

Provider-neutral Codex Skill for producing verified AI presenter videos from a script and an authorized presenter image.

lanshu-create-ai-presenter-video

概要 – コーディングアシスタント（Claude、Codex、Cursorなど）が短いトピックやスクリプトから完全な説明動画を生成できるようにするAgent Skillです。このスキルは2つの経路を選択できます：

ルート	結果	提供するもの
プレゼンター	デジタルヒューマンがカメラに登場し、ライブキャプションとキーワードグラフィックス付き	トピックまたはスクリプト + 所有している肖像画像（任意で音声サンプル）
スタイル説明	12のプリセット視覚/ナレーションスタイルのいずれかを使用したアニメーションスタイル動画（プレゼンターなし）	トピックまたはスクリプト（または自分のナレーション）

エージェントはリポジトリのスクリプトを実行し、ジョブフォルダを作成し、各ステージに進む前にディスクに証跡を記録するゲート付きワークフローを段階的に実行します。すべてのプロバイダー呼び出し（音声合成、プレゼンタービデオ、リップシンク、音声認識など）はモデル/パラメータIDとともにログに記録され、コストガードレールにより、有料リクエストの前に課金明細が表示されることが保証されます。

主な特長

ハーネスおよびプロバイダーに依存しない – 任意のAgent-Skillsクライアントおよびコマンドラインから呼び出せる任意のクラウドまたはローカルモデルと連携します。
12の既製説明スタイル – 9つのビジュアルスタイル（エディトリアル、HUD、ノート、ポップアップ、コミック、3Dワンテイク、ドラフティングシート、チョークボード、クレイタウン）と3つのナレーションスタイル（導出、ファイル事件、サイトコム）で構成されるキットで、各キットにはスターターアセットが含まれます。
オーディオロックされたタイムライン – 最終ナレーションがマスタークロックであり、キャプション、プレゼンターの動き、カット、グラフィックスはすべてこれに合わせて調整されます。
証跡ゲート付きパイプライン – 8つの制作状態（intake→verified）はアーティファクトの存在から自動的に計算され、誤った進行を防ぎます。
コスト安全性 – パイロットファースト生成、明示的な課金プレビュー、リトライ上限、タスクIDの再利用による重複課金の防止。
検証済み配信 – マスターおよびシェアエンコードは、ファイルが公開される前にデコードおよびラウドネスチェックされます。

動作の仕組み（ハイレベル）

初期化 – init_job.py は自己完結型のジョブディレクトリを作成し、入力を記録します。
事前フライト – preflight.py はスクリプト、肖像権、その他の承認を検証します。
ナレーション – 音声トラックを生成または受け入れます。単語レベルのタイムスタンプが取得されます（スタイル付きルートはMiniMaxを使用）。
プレゼンター生成（プレゼンタールート）– ビデオ生成サービスを呼び出してデジタルヒューマンクリップを作成し、ナレーションにリップシンクします。
オーディオドリブン編集 – キャプション、キーワードグラフィックス、オープニング/クロージングショットをナレーションタイムラインに配置します。
品質チェック – qa.py / check_state.py はデコード可能性、ラウドネス（-16 LUFS ±0.5）、および視覚的一貫性を検証します。
レンダリングと配信 – finalize_delivery.sh はマスターおよびシェアコピー、コンタクトシート、配信レポートを生成します。

スタイル付きルートは同様のフローに従いますが、プレゼンター生成をスキップします。代わりに、スクリプトの各行は選択したスタイルキットを使用して短いアニメーションシーンに変換されます。

要件

Agent-Skillsハーネス（またはファイルを読み取り、シェルコマンドを実行できる任意のエージェント）
Python 3.9+、FFmpeg（ffprobe付き）、Bash、jq、awk、sed
プレゼンタールート – 音声合成API、プレゼンタービデオ生成API、リップシンクツール（クラウドCLI、API、またはローカルモデル）へのアクセス。オプション：キャプション/グラフィックス合成用のHyperFrames。
スタイル付きルート – Node.js（HyperFrames用）、rsync、Python numpy、および音声タイムスタンプ用のMiniMax APIキー（または独自の録音ナレーション）。

インストールとクイックスタート

# ハーネスのスキルディレクトリにクローン（例：Claude Code）
git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \
  ~/.claude/skills/lanshu-create-ai-presenter-video

クローン後、ハーネスに自動選択させるか、以下のように説明してビデオを生成します。

このスクリプトと肖像写真を30秒の9:16プレゼンタービデオに変換して、ライブキャプション付きで。

または明示的に呼び出します：

SKILL_DIR=~/.claude/skills/lanshu-create-ai-presenter-video
python3 "$SKILL_DIR/scripts/init_job.py" \
  --job-dir ~/Videos/my-presenter \
  --presenter-image ~/Pictures/presenter.png \
  --topic "Context engineering in one minute" \
  --duration 60 \
  --aspect 9:16 \
  --rights-confirmed \
  --adult-presenter-confirmed
python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter/job.json
python3 "$SKILL_DIR/scripts/check_state.py" ~/Videos/my-presenter/job.json --write

スタイル付き説明動画の場合、--route styled を指定し、スタイル（例：v8-chalkboard）を選択します。リポジトリにはヘルパースクリプト（story.py、new_film.sh、qa.py、render.sh）が含まれており、エージェントが自動的に実行します。

テスト

2つのスモークテストスクリプトが提供されています：

bash tests/smoke.sh               # プレゼンターパイプライン（リモート呼び出しなし）
bash tests/explainer_smoke.sh     # スタイル付きパイプライン（Node.jsが必要）

CIはプッシュごとにこれらを実行します。

ライセンス

MIT – 自由に使用、変更、再配布できます。

結論 – lanshu-create-ai-presenter-video は、LLM駆動のコーディングエージェントが簡単なアイデアを洗練された説明動画に変換できるようにする、すぐにプラグイン可能なスキルです。ワークフローには強力な安全性、コスト、品質管理が組み込まれています。