narration-script.md — ナレーション台本

案件: 株式会社アイウエオ（架空）/ テーマ「AI社員を1人雇うと、なぜ作業が消えて売上が残るのか」
口調: ですます調・短文・落ち着いたトーン。画面の文字とは重複させず、画面=キーワード、音声=説明。
表記: AIツール名・固有名詞は読みを確定（字幕の固有名詞分断を防ぐため）。

0. 前提

• ナレーションは1文を短く。1呼吸で言い切れる長さに揃える（字幕16字×2行に収まる）。
• 数字（2分・3つ）は口頭でも言うが、画面文字とは言い回しを変える。
• フィラー（えー/あの/なんか）は台本に書かない。収録で混ざっても engine の detect_cuts が除去する。

1. 台本（章 → ナレーション）

第1章 フック（0:00-0:06）

• 「AI社員を1人雇うと、なぜ作業が消えて売上が残るのか。」
• 「今日はその仕組みをお話しします。」

第2章 結論先出し（0:06-0:14）

• 「まず結論からお伝えします。」
• 「AI社員は、2分で動き出します。」

第3章 課題の言語化（0:14-0:22）

• 「多くの会社では、毎日同じ作業に時間を奪われています。」

第4章 核心メッセージ（0:22-0:30）

• 「ここで大事なのは、作業を消すことです。」
• 「作業を消すと、売上だけが残ります。」

第5章 やり方（0:30-0:48）

• 「では、どうやってAI社員に仕事を任せるのか。」
• 「ポイントは3つです。」
• 「1つ目は、手順をメモにすること。」
• 「2つ目は、判断基準を決めること。」
• 「3つ目は、承認だけ人間が持つこと。」

第6章 失敗回避（0:48-0:56）

• 「これは、本当に簡単です。」
• 「失敗するのは、全部を一気に任せたときです。」

第7章 CTA（0:56-1:05）

• 「最後に、無料診断を予約してください。」
• 「詳しくはサイトをご覧ください。」

2. 読み・表記メモ（字幕用）

• 「AI社員」=表記ゆれさせない（エーアイ社員 等にしない）。
• 数字は半角（2分・3つ）。字幕では「2分」「3つ」をそのまま強調スタイルへ。
• CTA の「無料診断」は固有のサービス語として1単位扱い。
• 句読点は字幕では除去される（engine が半角スペース化）。台本側では読みやすさのため残す。

3. ナレーションと画面の分担（重複回避）

章	画面（キーワード）	音声（説明）
2	「2分で動く」	「AI社員は2分で動き出します」
4	「作業を消す＝売上が残る」	「作業を消すと売上だけが残ります」
5	「①手順 ②基準 ③承認」	各ポイントを1文ずつ補足
7	「無料診断を予約」	「最後に無料診断を予約してください」

4. 判断理由

• 1文を短く割ったのは、字幕16字×2行に収め、word単位で音声と同期させるため。
• 結論を第2章で先出しするのは、離脱前に価値を提示し予約動機を作るため。
• フィラーを台本から外しつつ engine 側でも除去する二重防御にした。

4.5 合成ナレーション音声（2026-06-15・検証用）

• 実収録が無いため、本台本（=字幕15本）を macOS say -v Kyoko -r 185 で音声合成し、0.3秒間隔で連結＋末尾1.5秒の余白を付けて output/narration.mp3（約48.8秒）を生成した。
• OpenAI/外部TTSの課金APIは使わず、OSローカルの say のみ使用。
• 字幕の表示タイミングは合成音声の実発話長から再計算したため、音声と字幕が完全に一致する。
• 本番では実登壇者の収録音声へ差し替え、Whisper文字起こし→engine（detect_cuts→build_subs）で同パイプラインに流す。

5. 未確認事項 / 次アクション

• 未確認: 実際の登壇者の口調・一人称、ブランド表記ルール。
• 次アクション: 収録 → 文字起こし → detect_cuts で実フィラー除去 → 本台本と突合して校正。合成音声は実音声で差し替え。

6. 品質チェック

• [x] ナレーションが短い（全文1文単位）
• [x] 画面と音声を分けた（重複回避表あり）
• [x] 固有名詞・数字の読みを確定
• [x] CTA は末尾に1回だけ

scene-map.md — シーン表（タイムコード付き）

各シーン: 目的 / 尺 / 画面（出す情報・演出） / 話す内容。
タイムコードは engine 出力（output/subs.json / output/storyboard.json）と整合。編集後（カット適用後）の相対時刻。
※ engine の自動セクション機能は内部の手順動画向け語彙（サンプルエージェント等）が既定のため、本案件の章ラベルは本表で人手指定する（scene-map.md を正とする）。

0. 実装スライド（6枚・2026-06-16 gpt-image高品質スライド版）

下の14シーン（演出粒度の細かい設計）を、実装では 見せ場ごとに6枚のスライドへ束ねて output/narration.mp4 を生成した。
スライドは gpt-image-2 で生成した高品質スライド（images/slide-01-title.png〜slide-06-cta.png・1536x1024）。ffmpeg で 1920x1080 にレターボックス無しでフィット（scale＋白pad・中央）。表示時間は合成ナレーション音声の実発話長ベース。

スライド	ファイル	役割	表示時間	対応シーン
slide-1	slide-01-title	タイトル/フック	0.00–7.41s	S1-S2
slide-2	slide-02-problem	悩み	7.41–17.35s	S3-S4
slide-3	slide-03-concept	AI社員とは（消す→残る）	17.35–23.70s	S5-S6
slide-4	slide-04-steps	3ステップ	23.70–38.11s	S7-S10
slide-5	slide-05-result	効果と注意	38.11–44.29s	S11-S12
slide-6	slide-06-cta	CTA（無料診断・example.com）	44.29–48.84s	S13-S14

字幕は全15本を白文字ブランド紫縁（ASS・outline #6a5acd）で焼き込み、ナレーション音声と同期。

S#	開始-終了	目的	画面（情報＋演出）	話す内容（要旨）	テロップ/SE
S1	0:00-0:05	フックで引き込む	大見出し「作業が消えて売上が残る？」／中央ズームイン	問いを投げる	黒紫グラデ（疑問）/ BlurIn・オープニングSE
S2	0:05-0:07	結論を先出し	「まず結論」テロップ	結論からお伝えします	デフォルト（ブランドグラデ縁）
S3	0:07-0:09	数字でインパクト	「2分で動く」を大きく／数字ハイライト	AI社員は2分で動き出す	緑グラデ金シャドウ（数字）/ 強調SE・BlurIn
S4	0:09-0:13	課題の共感	「毎日同じ作業に時間を奪われる」／作業ループの図	多くの会社の現状	デフォルト
S5	0:13-0:19	核心へ橋渡し	「作業を消す → 売上が残る」比較矢印図	作業を消すと売上だけ残る	デフォルト
S6	0:19-0:23	問い直し	「どうやって任せる？」	任せ方の問い	黒紫グラデ（疑問）/ 疑問SE
S7	0:23-0:25	構造提示	「ポイントは3つ」	3つあります	緑グラデ金シャドウ（数字）/ 強調SE
S8	0:25-0:31	手順①	「①手順をメモに」チェックリスト1	手順をメモにする	デフォルト
S9	0:31-0:35	手順②	「②判断基準を決める」チェックリスト2	判断基準を決める	デフォルト
S10	0:35-0:39	手順③	「③承認だけ人間」チェックリスト3／人アイコン強調	承認だけ人間が持つ	デフォルト
S11	0:39-0:41	安心訴求	「本当に簡単」	簡単です	黄色シャドウ（ポジ）/ 強調SE
S12	0:41-0:45	失敗回避	「一気に任せるとNG」警告マーク	全部一気は失敗	白文字赤シャドウ（警告）/ ヒュンSE
S13	0:45-0:47	行動喚起	「無料診断を予約」ボタン強調	無料診断を予約	デフォルト
S14	0:47-0:48	誘導	サイトURL（https://example.com/aiueo-ai-marketing）	サイトをご覧ください	デフォルト

演出指定（重要箇所）

• ズーム: S1（問い）, S3（2分）, S5（比較図）。
• ハイライト/マーカー: S3・S7 の数字、S5 の「消す→残る」矢印、S13 のCTAボタン。
• 比較図: S5「作業を消す」と「売上が残る」を左右対比。
• 画面文字は各シーン1メッセージのみ。詳細はナレーションへ逃がす。

カット根拠（engine 出力と対応）

output/cuts.json が実際に除去した区間（元音声の絶対時刻）:

• フィラー: 「えー」「あの」「なんか」
• 言い直し: 「AI社員は2分で…」完全重複1回 / 「作業を消すと」前方一致
• 長尺無音: 1.50s（課題→核心の間）ほか 0.40〜0.60s 複数
• 指定パターン: 「詳しくはサイト」二重発話の1つ
• whisper幻覚: 末尾「ご視聴ありがとうございました」連続2回

→ 元 48.95s から 11.15s をカットし、編集後 37.5s 相当のダイジェストに。

未確認 / 次アクション

• 未確認: 実スライドの各ページ画像（画面要素を実ページへ差し替え）。
• 次アクション: source.mp4 を入れて apply_cuts → cut_edited で実カット動画を生成し、本表の相対時刻と一致するか目視確認。

品質チェック

• [x] 各シーンに目的・尺・画面・話す内容がある
• [x] タイムコードが engine 出力と整合
• [x] 重要箇所に演出指定がある
• [x] カット理由が明示されている

subtitle-plan.md — 字幕設計（engine 実出力ベース）

このファイルは engine（build_subs）が実際に生成した output/subs.json を人が読める形にした字幕設計書です。
ルール: 1行16字厳守 / 最大2行 / 句読点なし（半角スペース化）/ 固有名詞・カタカナ語は分断禁止 / 表示1.0〜7.0秒。
validate_subs で「✅ 全ルール OK」を確認済み（実行ログは RUN_NOTE.md）。

2026-06-15 更新: 実 mp4（output/narration.mp4）への焼き込みでは、字幕テキスト・行分割・スタイル割当はそのまま、表示時刻のみ合成ナレーション音声（say -v Kyoko）の実発話長から再計算した（音声・字幕・スライド切替を完全同期させるため）。焼き込みは ASS（output/subs.ass）= 白文字 W7・PrimaryColour 白・OutlineColour ブランド紫 #6a5acd（ASS &H00CD5A6A）・Outline 7px・下中央・PlayRes 1920x1080。下表の時刻は engine 元出力（37.54s版）で、実装版の時刻は output/audio_segments/_new_timeline.json を正とする（全15本・約47.3sで発話、末尾余白込み48.84s）。

字幕一覧（編集後の相対時刻・15チャンク）

#	時刻(s)	スタイル	エフェクト	最長行字数	字幕（/ は改行）
1	0.00-3.42	黒紫グラデ（疑問）	BlurIn	13	今日はAI社員を1人雇うと / なぜ作業が消えて売上
2	3.42-5.35	黒紫グラデ（疑問）	-	13	が残るのかという話をします
3	5.43-7.23	白文字ブランドグラデ縁（既定）	-	12	まず結論からお伝えします
4	7.33-9.33	緑グラデ金シャドウ（数字）	BlurIn	14	AI社員は2分で動き出します
5	9.41-13.11	既定	-	14	多くの会社では毎日同じ作業に / 時間を奪われています
6	13.27-15.92	既定	-	9	ここで重要なのは / 作業を消すことです
7	15.97-19.22	既定	-	9	作業を消すと / 売上だけが残ります
8	19.38-22.38	黒紫グラデ（疑問）	SlideUp	12	ではどうやって / AI社員に仕事を任せるのか
9	22.43-23.83	緑グラデ金シャドウ（数字）	SlideUp	9	ポイントは3つです
10	23.88-25.88	既定	-	14	1つ目は手順をメモにすること
11	25.93-27.93	既定	-	14	2つ目は判断基準を決めること
12	27.98-30.18	緑グラデ金シャドウ（数字）	BlurIn	15	3つ目は承認だけ人間が持つこと
13	30.34-31.74	黄色シャドウ（ポジ）	BlurIn	10	これは本当に簡単です
14	31.79-34.84	白文字赤シャドウ（警告）	SlideUp	13	失敗するのは / 全部を一気に任せたときです
15	34.89-37.54	既定	-	16	最後に無料診断を予約してください

スタイル発火の根拠（自動分類）

• 数字（2分・3つ）→ 緑グラデ金シャドウ（#4, #9, #12）
• 疑問（なぜ・どうやって）→ 黒紫グラデ（#1, #2, #8）
• ポジ（簡単）→ 黄色シャドウ（#13）
• 警告（失敗）→ 白文字赤シャドウ（#14）
• それ以外 → 既定（白文字ブランドグラデ縁）
• エフェクトは各文脈の先頭サブのみ（チカチカ防止）。SlideUp/BlurIn の2種のみ。

SE 設計（output/se.json・7イベント）

• スタイル切替の瞬間に該当SE（数字=強調、疑問=ぷよん系、ポジ=キラン、警告=ヒュン）。
• 既定テロップでは鳴らさない（理解補助に限定、過剰演出回避）。
• 近接0.4s未満は間引き。BGM volume 0.025 / SE volume 0.45（storyboard.json）。

検出した改善点（実出力からの発見・修正済み）

1. #7 の言い直し重複を除去済み。 「作業を消すと作業を消すと売上だけが残ります」→「作業を消すと売上だけが残ります」に正規化（output/subs.json / output/storyboard.json 双方反映）。detect_cuts の前方一致閾値（共通先頭≥8字）に対し重複句が6字で未検出だったため、出力側で手当て。本番では校正辞書 or --restate-max-overlap-chars 引き下げで自動化予定。
2. 自動セクションラベルを内容準拠に置換済み。 「サンプルエージェントの準備」→「AI社員で作業を消して売上を残す」（output/subs.json / output/storyboard.json 双方）。SECTION_RULES が内部手順動画向け語彙のため、本案件は内容に即したラベルへ差し替え（engine 側のテーマ非依存化は別途改善提案）。
3. 固有名詞分断・助詞行頭を解消済み。 #6「ここで重要なの／は…」→「ここで重要なのは／作業を消すことです」、#8「ではどうやってAI／社員に…」→「ではどうやって／AI社員に仕事を任せるのか」（AI社員を1単位に）、#14「失敗するのは全部／を…」→「失敗するのは／全部を一気に任せたときです」。

字幕の16字/句読点/分断/表示時間ルールは ✅ 全件パス。

未確認 / 次アクション

• 未確認: ブランドテロップ（ブランド系→アイウエオ社配色への差し替え可否）。
• 次アクション: 修正済み subs.json で Remotion 焼き込み → 目視QA → 人間承認後に公開。

品質チェック

• [x] 1行16字以内（最長16字＝#15、超過なし）
• [x] 句読点なし
• [x] 固有名詞・カタカナ語の分断なし（validate_subs パス）
• [x] 表示時間 1.0〜7.0秒
• [x] スタイル/エフェクト/SE が根拠付きで割当

video-outline.md — スライド解説動画 構成案

案件: 株式会社アイウエオ（架空）/ AIO Marketing OS 告知用 解説動画
テーマ: 「AI社員を1人雇うと、なぜ作業が消えて売上が残るのか」
用途分類: 営業動画（90分セミナーの要点を 3〜4分のダイジェスト動画へ凝縮）

0. 前提

• 目的: AIO Marketing OS の「無料診断」予約につなげる導入動画を作る。
• 対象者: AIで集客・営業・制作を仕組み化したい中小企業・個人事業主。
• 使った素材: 架空セミナーアーカイブの音声文字起こし（input/transcript.json、本検証で自作）。スライドは未提供のため「画面に出す要素」をブリーフで指定。
• 仮定（一次情報ではない）:
• スライドは未提供 → 各シーンの画面要素は文章で指示（実素材が来たら差し替え）。
• 尺は3〜4分を仮置き（編集後の実尺は engine 出力で 37.5 秒のダイジェスト相当＝今回は検証用の短尺サンプル。本番はセミナー全体を同パイプラインに流す）。
• ナレーション口調: ですます調・短文・落ち着いたトーン。

1. ねらい（1文）

「作業を消すと売上だけが残る」を1本の動画で腹落ちさせ、無料診断の予約に進ませる。

2. 動画の骨格（章立て）

#	章	ねらい	想定尺
1	フック（問い）	「なぜ作業が消えて売上が残るのか」を提示し、続きを見たくする	0:00-0:06
2	結論先出し	AI社員は2分で動き出す／作業が消える、を先に言い切る	0:06-0:14
3	課題の言語化	毎日同じ作業に時間を奪われている現状を映す	0:14-0:22
4	核心メッセージ	「作業を消す」＝「売上だけが残る」へ橋渡し	0:22-0:30
5	やり方（3つ）	手順メモ化／判断基準／承認だけ人間、の3点	0:30-0:48
6	失敗回避	全部を一気に任せると失敗、を注意喚起	0:48-0:56
7	CTA	無料診断を予約・サイト誘導	0:56-1:05

並べ替えの意図: 文字起こしの登場順ではなく「問い→結論→課題→核心→手順→注意→行動」の意思決定が進む順に再配列した（資料朗読の回避）。

3. 1シーン1メッセージ原則

• 各章は画面に1メッセージだけ残す。ナレーションと画面文字は重複させない（画面=キーワード、音声=説明）。
• 数字（2分・3つ）は画面で強調、口頭でも言うが言い回しを変える。

4. 演出の方針

• 重要箇所（結論・数字・核心）はズーム or ハイライト指定（scene-map.md）。
• 字幕は engine（build_subs）で自動整形：1行16字・2行まで・句読点なし・固有名詞分断なし。
• SE は字幕スタイルが切り替わる瞬間だけ（理解補助、過剰演出しない）。BGM は volume 0.025 で薄く。

5. 判断理由 / 固定 / 可変

• なぜこの構成か: 営業導入動画は「結論先出し→腹落ち→1アクション」が予約率に効くため。
• 固定化する点: 章順テンプレ（問い→結論→課題→核心→手順→注意→CTA）、字幕16字ルール、CTAは末尾1回だけ。
• 案件ごとに変える点: テーマ語彙・数字・スライド画面要素・尺。

6. 未確認事項

• 実スライドの有無とページ構成（あれば画面要素を実ページに紐付け）。
• 実際の収録尺と、ダイジェストにするか全編にするか。
• ブランドカラー/ロゴの使用可否（現状は engine 既定の ブランド 系テロップ＝検証用。アイウエオ社のブランドに合わせて差し替え要）。

6.5 実装したスライド解説動画（2026-06-16 更新・gpt-image高品質スライド版）

本更新で gpt-image-2 生成の高品質スライド6枚に差し替えて再構築（旧 HTML+headless Chrome 版より品質が高い）。
スライドは images/slide-01-title.png〜slide-06-cta.png（gpt-image-2 生成・1536x1024）。各シーン尺へ割り当て、ffmpeg で 1536x1024→1920x1080 にレターボックス無しでフィット（scale＋白pad・中央配置）し、字幕焼き込み＋ナレーション音声を合成。

• スライド設計: gpt-image-2 による高品質スライド（ブランドグラデ見出し / 角丸カード / アイコン）= YouTube解説スライド品質。
• 6枚の役割: ①title（タイトル） ②problem（悩み） ③concept（AI社員とは・作業を消す→売上が残る） ④steps（3ステップ） ⑤result（効果と注意） ⑥cta（無料診断CTA）。
• 画像: images/slide-01-title〜06-cta.png（gpt-image-2・1536x1024）。旧 slides_html/・slides_png/ は参考として残置。
• ナレーション音声: 実素材が無いため macOS say -v Kyoko で字幕テキスト15本を合成→output/narration.mp3（約48.8s）。
• 動画: output/narration.mp4（1920x1080 / H.264 / 48.84s / 約3.5MB）。gpt-imageスライドが時間で切り替わり、白文字ブランド紫縁の字幕（ASS・15本）を焼き込み、ナレーション音声付き。
• 字幕タイミングは合成音声の実発話長から算出（音声と字幕が同期）。

スライド→時間マッピング（実音声尺ベース）

スライド	役割	表示時間
slide-1	タイトル/フック	0.00–7.41s
slide-2	悩み（時間を奪われる）	7.41–17.35s
slide-3	AI社員とは（消す→残る）	17.35–23.70s
slide-4	3ステップ（手順/基準/承認）	23.70–38.11s
slide-5	効果と注意（簡単/一気はNG）	38.11–44.29s
slide-6	CTA（無料診断・example.com）	44.29–48.84s

7. 次アクション

1. （実装済み）gpt-image高品質スライド6枚（images/）→ ffmpeg で output/narration.mp4 を生成。本番では実スライド/収録動画に差し替え。
2. 本番音声を Whisper で文字起こし（transcribe.sh）→ transcript.json 差し替え。
3. detect_cuts → build_subs → build_se → build_storyboard を再実行。
4. Remotion で焼き込み（render_narration.sh）または本HTML→PNG→ffmpeg パイプラインで再生成 → 目視QA → 人間承認後に公開。

8. 品質チェック

• [x] 資料朗読になっていない（登場順を意思決定順へ再配列）
• [x] シーン表がある（scene-map.md）
• [x] ナレーションが短い（1文ずつ・narration-script.md）
• [x] 画面指示がある（各シーンに画面要素・演出）
• [x] 字幕化しやすい（engine で16字整形・実出力 output/subs.json）
• [x] 実 mp4 を生成（gpt-image高品質スライド6枚→ffmpeg・output/narration.mp4）
• [x] gpt-imageスライドが時間で切り替わり字幕＋ナレーション音声が同期