用意するもの: 商品情報、対象者、確認済みの訴求、配信先とアスペクト比、出演者写真一枚または希望する外見の説明。受け取るもの: 出演トークの縦型商品動画、BGM、台本・投稿文案。マルチショット形式では異なる冒頭版も作れます。
二つの形式
顔が出ない使用場面広告・開封動画は「商品動画Studio」を使います。
ツールと分担
-
本文の絵コンテ設計: マーケティング構造に従って台本・絵コンテを作ります。ワンショットではトーク原稿に使用します。
-
Flova(必須): 出演者、出演ショット、商品実演、音声、BGM。
-
FFmpeg(必須): 編集、ミックスと各版の書き出し。
-
字幕(必要時): ユーザーが必要とする場合に、HyperFrames、Remotion、FFmpegなどの後処理方法を案内します。
-
ホストの読取機能(必要時): 提供された商品ページから特徴・仕様・購入者評価を読みます。
詳細な手順の索引
- :五つの形式、構造、フック、台本、出演方法、自然さ、音声、冒頭違い。マルチショットで読みます。
- :生成・検査とショットでの使い方。マルチショットで読みます。
- :写実表現、共通キーフレーム、文分割、音声、動画プロンプト、編集・検査。同形式で読みます。
守る境界
- 商品は資料どおり: 形・比率・色・材質・構造・Logo・文字・新品/使用状態を全ショットで維持します。商品写真を参照にし、似た別商品を新たに生成しません。足りない角度は追加撮影を求めます。
- 根拠ある訴求: 機能・仕様・効能・数値は資料のまま使います。比較効果には実証が必要で、根拠のない効果を映像化しません。美容・健康・減量は特に慎重に扱います。
- 実ユーザーを装わない: AI出演者は紹介・実演を行い、体験談・評価・販売数・再購入を捏造しません。「使ってみた」等は利用者提供の実体験・実測、出典を示した実購入者評価、本人出演の実写がある場合だけ使います。それ以外は紹介・実演の口調にします。
- 肖像・声: 実在者写真は利用権と本人同意を確認します。著名人・インフルエンサーの外見や声を模倣しません。声のクローンは本人の声と同意のみです。
- AI表示: AI出演者・音声はプラットフォーム規則に従う表示を促します。配信前に現地広告規則に照らし訴求表現を確認します。
- 媒体仕様: 比率・長さ・安全領域は現在の配信先要件を確認し、記憶で固定しません。
作業手順
商品・対象者・出演者・形式確認 → 出演者確認 → 台本確認 → 絵コンテ/文別計画確認 → 生成確認 → 編集 → 冒頭違い(選択)→ 納品
1. 商品・対象者・出演者・形式(確認)
多方向の商品写真、情報と確認済み訴求、誰がどの場面で必要とするか、配信先・比率を確認します。標準はAI出演者で、権利と同意のある写真一枚または年齢感・雰囲気・服装・環境の説明を求めます。マルチショットは手と画外音のみ、既存の実写クリエイターも可能です。 を参照します。
声はFlova音声、同意のある本人声、本人録音から選びます。体験レビュー口調には実体験・実測・実評価を求めます。マルチショット標準は30秒・9:16、最大45秒と冒頭違いの希望を確認。ワンショットは30–60秒・9:16、一場面(自宅・ジム・書店・オフィス等)と商品の見せ方(手持ち・着用・胸前)を選びます。事実・訴求・証拠を docs/brief.md に書き、確認後に進みます。
2. 出演者(確認)
マルチショットは を作って確認し、全編唯一の出演者参照にします。手と画外音だけなら省略します。ワンショットは三面図でなく、清潔な商品紹介向け参照一枚を用意します。 に従います。
3. 台本(確認)
マルチショットは対象者・訴求・証拠から、課題解決・手順実演・前後比較・おすすめ一覧・レビューを選びます。体験がなければレビューを選びません。 に沿い最初の文をフックにし、短い話し言葉で一、二の訴求に絞り、CTAで閉じ、各文にビートと概算時間を付けます。
ワンショットは本文の絵コンテ設計のマーケティング構造で原稿を書き、 に従い完全な文で区切ります。利用者確認後に進みます。
4. 絵コンテまたは文別計画(確認)
マルチショットは出演と実演を交互にし、各ショットにビート、長さ、種類、動作、カメラ、参照と台詞を記録します。実演は訴求を裏付けます。ワンショットは各文の原文、長さ、小さな手動作を計画し、確認してから生成します。
5. 生成(確認)
Flova Skillでモード・モデルを選びます。通常はFFmpegへ渡す素材のためQuick生成です。
マルチショットの出演には毎回三面図を付け、人物説明を一字一句共通にします。同時に台詞を生成できる動画モデルか、音声+リップシンクを使います。実演は商品写真が参照です。出演一つ・実演一つを先に試し、正しければ一括制作。人物・商品・口形・意図しない字幕を各クリップで検査し、クリップ内のBGMは生成しません。
ワンショットは で共通キーフレーム、原稿全体の音声、文別リップシンクを作ります。不良ショットだけ作り直します。モデルに拒否されたら説明を直して再試行し、続けて失敗する場合はモデル変更を利用者に伝えます。
6. 編集
マルチショットは絵コンテ順の直切りで出演と実演を交互にします。台詞・音声を最も明瞭にし、商品音を次、音楽を最小にします。ワンショットは を使います。
MP4を最後まで視聴し、3秒内のフック、資料と訴求の一致、明確なCTA、口形と音声の同期を確認します。
7. 冒頭違い(マルチショット、選択)
に従い、別種のフックを二つ追加します。前3–5秒の映像・台詞のみを作り直し、中盤・締めは完全に再利用します。フック種類で命名し個別に出力します。
8. 納品
MP4と冒頭各版、台本、絵コンテまたは文別計画、docs/brief.md、投稿文案を渡し、AI表示を案内します。人物、映像、音声、組み立てスクリプトを保ち、一文やフックの変更は該当部分だけ再制作します。
工程フォルダー
ugc-<产品名>/
├── source/ 产品图、商品资料、真实体验素材、创作者素材
├── docs/ brief.md、脚本、分镜或分句计划、发布文案
├── presenter/ 出镜人照片、三视图或参考图、描述
├── shots/ 出镜段落、演示镜头、口播镜头
├── audio/ 配音、分句音频、背景音乐
└── output/ 完成動画、冒頭各版、組み立てスクリプト
写真一枚から三面図
マルチショットで同じ人物を維持するため、正面写真だけでなく正面・側面・背面・全身比率を決める三面図を先に作ります。回転・移動・画角変更での変化を抑えます。
入力
正面で均一な光、鮮明な顔、できれば半身か全身の写真一枚を使い、実在者の同意を確認します。写真がなければ説明から正面像を作って確認します。服装は写真のものか用途に合う日常着を使い、形と色を指定して同じ一着を維持します。
生成
参照画像対応モデルで役割を reference とし、同一人物の正面・側面・背面全身を浅灰色の無地背景に並べ、自然な立ち姿・均等な柔光にします。顔クローズアップを足しても構いません。全体は16:9。比率2.5以内しか受け付けない動画モデルもあるので極端な横長を避け、必要なら三枚に分けます。
「参照写真の人物の顔・肌色・髪型・体型を完全に維持し、同一性を変えない」という固定文を毎回そのまま再利用します。
検査(確認)
三方向の顔型・生え際・髪・肌・体型が同一か、側面・背面が合理的で架空模様がないか、原写真に似るか、手足に変形がないか確認し、利用者承認後に使用します。二度直しても似なければより鮮明な写真を求めます。
ショットでの使用
人物が出る各ショットに三面図を渡し、「第一参照は人物三面図で、顔・髪・体型・服装のみを制御」と指定します。年齢感・髪型・服装・雰囲気の固定説明を全ショットで逐字再利用します。話すときは台詞原文を渡せる動画モデル、またはキーフレーム first_frame と音声 driving_audio を使うリップシンクモデルを選びます。
ワンショットトーク
Flova Skillの生成要求形式を基礎にし、以下のトーク固有規則を優先します。実際の対応パラメーターはモデル照会に従います。
一人のデジタル出演者、一場面、一カメラ、共通キーフレーム一枚で商品を説明します。スマートフォン前面カメラの写実感を目指し、映画的照明・色調・劇的構図は使いません。プロンプトは利用者の言語、台詞は完成動画の言語に合わせます。
主要要素
- 人物参照: 写真がある場合は顔の特徴と印象を維持した清潔な商品紹介用一枚を作ります。なければ年齢感・体型・特徴・髪・服装を指定します。写実写真、自然な肌色と肌理を使い、強い美顔加工や典型的なインフルエンサー顔にしません。
- 商品: 本人の商品写真を使い似た別商品を生成しません。画像・角度不足は追加撮影を求めます。
- 場面: 人物・商品に合う一場面のみ。全て確認してから進みます。
共通キーフレーム合成
人物・商品・場面を参照し、リップシンクと紹介の両方を満たす一枚を全編で使います。
- ミディアムクローズまたは胸像で、顔を大きく鮮明にします。広角・全身で顔を小さくしません。
- 商品は手持ち・着用で顔と同じ前景に置き、ラベル・形を読める大きさにします。小さければ構図を詰めるか手と商品をカメラへ寄せます。
- 一つの構図、持ち方、光で固定し、人物と前景商品の位置関係を書きます。別角度や特写への切替を要求しません。
- 標準9:16、自然光/室内光、軽い手持ち感にします。
原稿と文分割
マーケティング構造で、冒頭は痛点または結果、本文は訴求を順に、締めは購入理由とCTAを話し言葉で書きます。完全な文で分割し、ショット数は文とリップシンクモデルの音声上限のみで決めます。テンポのために増やさず、長ければ文末で分け、時刻で機械的に切りません。商品の持ち上げ・細部を指す等の小さな動きと話の内容で訴求を変えます。各文に番号・原文・概算長・手動作を記録します。
音声
本人録音があれば使います。なければFlovaに声の特徴・速度・感情を指定します。標準は原稿全体を一度に生成し、文間の間で各ショット用音声へ切り分け、声質・語調を通します。文別に作る場合は声質と音量を照合します。
動画プロンプト
キーフレームに既に静止画面があるので変化と動きだけを書きます。各ショットに共通キーフレームとその文の音声を入れ、音声駆動リップシンクモデルを使います。
単純で直接的な短文で、自然な説明・熱心な説明・笑いながら話す等を指定します。推奨順はカメラ移動+感情+話し方+具体的身体動作+必要な背景変化です。例:「ほぼ固定、軽い手持ち感。女性が笑顔で親しみやすく明瞭に商品を説明する。二文目で保温ボトルを胸元へ上げ、ラベルをカメラへ向けて回し、小さくうなずく。背景は静かに保つ。」
手動作は小さく訴求に合わせ、商品を画面外へ出しません。no music、no subtitles を指定し、ツールがテキスト照合に対応すればその文の台詞原文も渡します。
編集
音声タイムラインを基準に順番に連結し、文の境界で切ります。生成動画の音声を削除して用意した音声を使い、速度変更や音声フェードアウトはしません。BGMは別トラックで、話声が明瞭になる音量にします。
検査
- 音声:承認原稿どおり、文が完全で途中切れなし、言語・声質・語調が正しく、入出点と文別計画が一致。
- キーフレーム:十分な顔サイズと鮮明さ、読める商品、自然な人物・商品の関係、一場面のみ。
- 動画:当該音声と口形が一致し、人物・商品が一貫、商品が変形・消失せず、一カメラで常に見え、余分な音楽がない。
- 全編:9:16または確認した仕様、色・光・顔・商品の一貫性、音画同期。
不良ショットのみ作り直します。選択モデルの拒否・会員権限不足・障害なら別リップシンクモデルへ変え、同じキーフレーム・音声を使い、変更したモデルを知らせます。
UGC広告の台本とショット
UGCはブランド撮影広告よりも、一般クリエイターが自分で撮り編集したおすすめ動画に見せます。冒頭で注意を引き、自然に話し、実際の使用を示すことが中心です。
形式選択
実体験資料のないレビューは選ばず別形式にします。
構造(30–45秒)
約5秒ごとに新情報を出し、CTAなしで終えません。
フック
自己紹介から始めず、最初の文をフックにします。痛点(まだ困っている?)、極端な前後の第一フレーム、期待(信じなかったが…/最後まで)、数字(三つの理由、9と90の違い)、最初の一秒で最高の使用瞬間を見せる直接実演等を使います。
全て根拠あることのみを述べます。売切れ・三回リピート等は実データまたは実体験がある場合だけです。
台本
一人へ「あなた」と話す友人の口調で、放送原稿にしません。一文約10語の自然な短文にします。一動画一テーマ、重要な訴求一つか二つに絞り、訴求と数字は商品資料から写します。フック文→各ビートの台詞→CTA、各文の概算時刻を付けて渡します。
出演方式
AI人物は を確認して各出演ショットの参照にします。年齢感・髪・服装・表情・環境の固定文を逐字再利用します。台詞同時生成モデルへ原文を渡すか、先に音声を作りキーフレーム+音声でリップシンクします。前者は自然さ、後者は台詞と口形の制御に向きます。AI人物は紹介・実演であって体験談ではありません。
ショットと自然さ
9:16、主役を中央または上三分の一に置き、下・右のプラットフォームボタン領域を避けます。出演はスマートフォン前面カメラ、自然光、寝室・台所・車内・浴室等の生活環境と軽い手持ち感。実演は手・商品・動作を同じフレームに入れ、商品を明瞭にしSKILL.mdの事実維持を守ります。
完璧な照明、無地シームレス背景、ドリー/ジンバルの滑らかな移動は避けます。直切り主体、出演と実演を交互、単ショット1–3秒。実演は動作全体を保つため長くしても構いません。
音声
台詞・音声を最も明瞭にし、商品・環境音を次、BGMを最小にします。クリップ内では音楽を生成せず、編集時に一曲を通して加えます。
冒頭違い
同じ広告の中盤・締めは変えず、どのフックが視聴を保つか試します。通常三版、痛点・反差・直接実演など種類を離します。前3–5秒の映像・台詞だけ変え、残りは完全同一。ad-hook-pain.mp4、ad-hook-contrast.mp4 等で命名し配信結果を比較可能にします。
絵コンテと素材の引き継ぎ
新しい絵コンテが必要な場合は、ホストが本手順で直接設計します。明確な既存ショット表や編集指示は再利用します。S01ごとに対応原稿、画面と情報の目的、時間、被写体と動作、カメラ/要素の動き、正確な文字と音、つなぎ、制作方法を記録します。E01で対象要素・ユーザー素材・実在リソースを関連付け、原典のREF-E01と分けます。未取得素材は未制作とし、IDを捏造しません。外見・空間・動作・音の連続性を確認し、実際の音声取得後に時間を調整します。マーケティングでは実際に必要なhook/turn/proof/ctaと各ビートの役割を示し、事実に基づく実演や詳細を使います。解説や物語は本手順固有の構成に従います。表現に迷う場合は実在する参考の出典と借用・置換箇所を記録します。別名のSkillやファイルをユーザーに探してもらう必要はありません。
