# 技術情報

この記録は、横長HOWTO全体ではなく、HOWTO冒頭で上映される127.77秒・23ショットの「ゴーヤ収穫とシカ対策」メイン動画についてのものです。モデル名は制作時点の記録であり、現在の推奨モデルを示すものではありません。

## 完成仕様

- 完成版: v009
- 長さ: 127.77秒（設計値127.75秒）
- ショット数: 23
- 映像: 1280×720、24fps、H.264
- 音声: AAC、あり
- 話速変更: 全20台詞1.0倍

## 工程別の技術

| 工程 | API・モデル／ツール | この作品での用途 |
|---|---|---|
| 要件整理・演出設計 | OpenAI Codex | 初回原文、追加素材、前作との接続、23ショットの因果、尺度、オチ、修正履歴を整理 |
| 映像・Excelの確認 | Codexのマルチモーダル確認 | 元動画の時間方向、添付画面、Excel絵コンテ、人物尺度、フェンス線、最終フレームを確認 |
| Excel絵コンテ | Python、openpyxl、Pillow | 23ショット、代表画像、台詞、字幕、動作、音、修正欄を管理 |
| 不足する基準画像 | OpenAI Image Generation | タコの収穫レポート、シカの跳躍、オリジナル巨大人型などを設計。モデルIDは記録されていないため推測しない |
| AI動画 | Google `gemini-omni-flash-preview` | S002の収穫レポート、S008のシカ跳躍、S023の巨大人型の接近を生成 |
| タコの最終音声 | Chatterbox TTS 0.1.7 / `ChatterboxMultilingualTTS` | 約20秒の本人参照音声から、全20台詞を「表情あり」でゼロショット音声合成 |
| 音声後処理 | Python、SoundFile、NumPy | 音量正規化、ピーク制御、WAV検査。発話速度は変更しない |
| 実写整形 | FFmpeg | 縦横比保持、左右のぼかし動画、24fps統一、区間抽出、音声尺に合わせたリタイム |
| 合成・字幕・効果音 | FFmpeg、libx264、AAC、ASS | タコ、フェンス表示、数値、字幕、環境音、効果音、最終連結を決定的に合成 |
| 画像処理 | Pillow、OpenCV | 透過素材、尺度固定、レビュー画像、フレーム検査 |
| 検査 | FFmpeg、ffprobe、OpenCV、openpyxl、人の確認 | 全編デコード、尺、fps、音声、無音、Excel、23ショットの中間フレーム、重要動作を確認 |

## 縦の実写を16:9へ収めた方法

元の縦動画を横へ引き伸ばしていません。中央へ元画素の動画を置き、左右へ同じ動画を拡大・ぼかして配置しました。Excel絵コンテは代表フレームを見せますが、完成動画では元MOV／MP4の連続した動き、カメラ揺れ、草木、環境音を使っています。

## 実景とタコの尺度を合わせた方法

- タコ: 笠を含む全高約160cm
- 内フェンス: 140cm
- 金色テープ: 地上約2m

タコを比較対象と同じ地面・同じ奥行きへ置き、画面上のピクセル高で確認しました。生成だけでは位置と大きさが揺れるため、S017、S022、S023では同じ透過素材、座標、縮尺をローカル合成で固定しました。巨大人型の場面は背景と巨大人型の動きだけを生成し、タコを直前のショットから固定して残しています。

## 人物・文字・線を生成へ任せすぎない

フェンスの色線、140cmと約2mの数値、字幕、三分割のまとめ表はローカル編集で固定しました。生成モデルには、実際の支柱列、正しい文字、人物の実寸を同時に守らせていません。動きや不足画は生成し、個数、文字、寸法、座標、表示時刻は決定的な編集へ分けました。

## 本人の声を使った合成音声

初期版では別のTTSを使いましたが、最終版はChatterbox TTS 0.1.7へ置き換えました。「控えめ」「自然」「表情あり」を比較し、本人が選んだ「表情あり」を採用しています。

先に通常速度の音声を作り、次の規則で映像尺を決めました。

`ショット尺 = max(3秒, 音声尺 + 0.55秒)`

その後、0.25秒単位へ切り上げています。話速は1.0倍のままです。誤読を直すときは全台詞を再生成せず、該当する5台詞だけ読み上げ用文字を分けて差し替えました。本人の参照音声はローカルだけで扱い、公開物へ含めていません。

## AIが整理・提案し、人が確認したこと

- 140cmを越えられたため約2mへテープを追加した因果を、視聴者向けの説明へ整理
- 内側、外側、入口を三つの対策として最後に一覧化
- タコを生成キャラクターの現場リポーターとして配置
- 実際の映像、数値、フェンス位置と矛盾しないかを人が確認
- 話を散らす`シカ再び.mp4`は今回から外す
- 最後は同じタコを残したまま、オリジナル巨大人型が二歩近づいて暗転する演出へ確定

## 最終検査

| 検査 | 結果 |
|---|---|
| 完全デコード | 最後までエラーなし |
| 尺 | 実測127.77秒、設計127.75秒 |
| 解像度・fps | 1280×720、24fps |
| 音声 | AACトラックあり |
| 話速 | 全20台詞1.0倍 |
| 全ショット | 23ショットの中間フレーム一覧で確認 |
| 重要動作 | シカの跳躍、人物尺度、フェンス線、巨大人型の二歩、暗転を確認 |
| Excel | 読み込み成功、全24シート |