# 実行指示：コーディングAIで短編動画を作る

更新日：2026-10-22。この文書は動画内容の要約ではなく、制作を進めるAIへの指示です。
正本：https://madogiwa.work/episodes/coding-ai-wan-video-workflow/workflow.md
動画の記録・当時の設定：https://madogiwa.work/episodes/coding-ai-wan-video-workflow/guide.md

## 目的と開始時の確認

ユーザーのあらすじ・人物資料から、生成映像と必要な音声・字幕を組み合わせた完成動画を制作してください。既に指定された内容・尺・縦横比・用途・予算を使い、不足する事項だけ確認します。目的や登場人物を勝手に追加しないでください。

最初に「工程／利用するツール／利用できる根拠／不足」を示します。画像・動画の閲覧、ファイル保存、動画生成、必要な音声生成、編集・レンダーが実際にできるか確認してください。ローカルGPUや言語モデルの利用だけで動画生成まで可能と判断しないでください。実行機能がないチャットでは、制作済みとせず必要な実行環境を案内します。APIキーは会話へ貼らせず、ユーザーの環境で設定してください。

## 必須の機能と代替条件

- 必須は、指定された人物・演技を映像化できる生成機能と、完成動画を編集・書き出し・確認できる環境です。動画生成が使えなければ、その工程で停止して設定や素材提供による再開方法を示します。静止画スライドや簡易な図形アニメを、生成映像の代わりに独断で納品しないでください。台本や参照の整理は進められます。
- 動画で紹介したWanは実例です。モデルの指定がない場合、参照画像、必要な尺・解像度、演技、音声・リップシンク、費用に対応する別サービスやローカル動画モデルを選べます。使える機能を実際の環境と公式資料で確認し、選定理由を示してください。ユーザーがWan等の特定モデルでの再現を指定した場合はそれを必須とし、利用不可なら勝手に置換しません。
- Irodoriは音声修復の一例です。音声に問題がなければ修復不要です。同じ声の維持が必要なら、参照音声を扱える利用可能な手段を使います。対応できなければ別人の声で穴埋めせず相談します。
- Remotionは再現可能な字幕・編集の実例です。ユーザーが特定していなければ、正確な文字、同期、再編集可能な設定を保持できる編集手段を選べます。元の顔や演技の失敗を字幕で修正できた扱いにしません。

## 読む資料と用途

必要な資料を次の順に読んでください。リンクを読めなければ不足する本文を求め、推測したAPIを実行しません。これらはMMUの制作実例です。キャラクター、声、内部パス、契約、既定の単一タスク制約を他の環境へ丸ごと適用しないでください。

1. [人物と参照画像の準備](https://github.com/K9i-0/madogiwa-multimedia-universe/blob/main/.claude/skills/wan-video/references/identity-and-reference-workflow.md)：顔・体格・衣装の参照を分ける考え方を読む。人物はユーザーの資料を正本にする。
2. [プロンプトの構成](https://github.com/K9i-0/madogiwa-multimedia-universe/blob/main/.claude/skills/wan-video/references/prompt-pattern.md)：人物、動作、時間、音声の対応を設計する。Wan固有の構文は他モデルへそのまま渡さない。
3. Wanを使う場合だけ、[API設定形式](https://github.com/K9i-0/madogiwa-multimedia-universe/blob/main/.claude/skills/wan-video/references/config-format.md)と[実行スクリプト](https://github.com/K9i-0/madogiwa-multimedia-universe/blob/main/.claude/skills/wan-video/scripts/qwen_wan3_generate.py)を読む。引数、環境変数、依存関係、入力検査、task再開を確認する。他サービスにはその公式の実行方法を使う。
4. 音声修復が必要なら[部分差し替えの実例](https://github.com/K9i-0/madogiwa-multimedia-universe/blob/main/.claude/skills/wan-video/references/video-voice-patch.md)、完成編集では[書き出し解像度の方針](https://github.com/K9i-0/madogiwa-multimedia-universe/blob/main/.claude/skills/remotion-video/references/export-resolution.md)を読む。

GitHub画面が読めない場合は、同じパスを https://raw.githubusercontent.com/K9i-0/madogiwa-multimedia-universe/main/ に続けて本文を取得できます。相対リンクは元ファイルの場所から解決してください。参照ファイルだけを取得し、大きな素材を無条件で複製しないでください。

## 制作の手順と品質確認

1. **台本と参照。** シーンごとに人物・行動・セリフ・カメラ・時間を整理し、人物を識別できる画像を確認します。鮮明な顔写真と体格・衣装の資料を区別します。声質参照と今回読む文を混同しません。既に承認された台本は不要に再承認を求めず進めます。
2. **入力と費用。** 採用するモデルの公式仕様で尺、参照画像・動画・音声、解像度、入力上限、現行料金を確認し、設定と見積りを記録します。ローカルの場合も必要メモリ、実行方法、音声対応を確認します。動画内の料金・割引を現在の見積りとして転記しません。未承認の課金・追加購入は確認します。
3. **生成。** モデルの制約と連続性に合わせてタスクを設計し、勝手に人物や話を省略しません。通常の短編は480p生成を出発点にし、ユーザー指定や必要条件を優先します。入力・実送信プロンプト・設定・task ID・取得物を保存します。タイムアウト時は既存taskの状態を調べ、同じ有料生成を重複送信しません。
4. **生成物の監査。** 全編を再生し、顔・身体・人数・小道具・演技・場面連続性・発話者・発音・言葉抜けを確認します。重大な人物や演技の失敗はこの工程で修正します。映像が採用でき、問題が音声の一部だけなら局所修復を検討します。
5. **音声修復。** 差し替える語句と前後の間を実測し、同じ声質の参照から生成します。短語が不自然なら一文で生成して必要範囲を切り出します。元音声と比較し、声質・音量・尺・口とのずれを確認します。声の置換だけで口の動きも直ったとしません。同期が成立しなければ再生成等の必要を示します。
6. **完成編集。** 正確な日本語字幕・ロゴは編集で描画します。顔・口元を隠さず、映像と音声の時間を保ちます。標準の完成出力は横1280×720／縦720×1280。480p生成と720p納品を区別し、拡大は元素材から一度だけ行います。AI超解像や高解像度の再生成は自動で追加しません。
7. **納品確認。** 完成ファイルを再生し、字幕の誤字・切れ・同期、全発話、音量、先頭と末尾、解像度・fps・尺を確認します。レンダー成功だけで映像・音声を合格としません。確認できない項目は明記します。

完成動画、編集コードまたは再編集可能な設定、台本、生成設定、修正内容、未解決事項を渡してください。動画の完成と投稿・公開は区別し、依頼の範囲を超えて投稿しないでください。