AIチュートリアル

heditorでトーキングヘッド動画を縦型リールに変換する方法

heditorのインストール方法と使い方を解説します。heditorは、講義、ポッドキャスト、ライブ配信などのトーキングヘッド動画を、字幕の同期、モーショングラフィックス、効果音、音楽、自動品質チェックを備えた1080×1920の縦型動画に変換するオープンなAgent Skillです。

2026年10月14日約15分で読了

heditorとは？

heditorは、トーキングヘッド映像を縦型のReels、Shorts、TikToksに変換する、オープンなSKILL.mdベースのAgent Skillです。Claude Code、Codex、OpenCode、Cursor、Hermesなどのエージェントで動作します。

すべての編集を手作業で組み立てる代わりに、エージェントへ動画と編集方針を渡します。heditorは録画を分析し、話者を特定し、音声を単語単位のタイミング付きで文字起こしし、約30〜70秒のまとまったセクションを選択して、縦型1080×1920の映像を作成します。

ワークフローはローカルで実行され、フレーム単位で正確なカット、音声処理、同期キャプション、モーショングラフィックス、効果音、音楽、自動チェックを組み合わせます。ビジュアル構成はHTMLとGSAPで構築し、HyperFramesでレンダリングします。

主な機能

Reels、Shorts、TikToks向けの縦型1080×1920出力。
単語単位で同期するキャプションと、音声を考慮した編集。
カメラ映像と音声をフレーム単位で正確にカットし、不要な無音を短縮。
音声の意味に合わせて設計されたモーショングラフィックスとシーン転換。
音声を優先したミキシング。音楽と効果音は背景に抑え、目標値を−14 LUFSに設定。
リンティング、テスト、プレビュー、安全マージン、ラウドネス、トゥルーピーク、最終音声の文字起こし、40フレームのコンタクトシートを対象とした自動品質チェック。
11種類の名前付きスタイル：cinema、ruptura、impacto、game、thriller、ide、aeroporto、chat、documentario、podcast、missao。

編集モードを選択

固定スタイル

固定スタイルでは、確立されたビジュアル言語を適用しながら、対象動画に合わせてシーンを再構築します。たとえば、aeroportoスタイルでクリップを編集するようエージェントに指示できます。完成映像では、管制塔のコンセプト、レーダー要素、出発案内板のタイポグラフィ、無線のようなキャプションを使用しますが、スタイルを固定テンプレートとして扱うことはありません。

クリエイティブモード

クリエイティブモードでは、エージェントが動画を調査し、6〜8個のフォーマット案を作成し、参考資料を調べ、音声に合う中で最も意外性のあるコンセプトを選び、独自のビジュアル世界を構築します。ワークフローでは、約1.5〜2秒ごとに頻繁な映像変化を加え、画面上のアクションを効果音で補強することを目指します。

参考資料を使うクリエイティブモード

ゲーム、アニメのオープニング、ニュース放送、自然ドキュメンタリーなどの参考資料を指定できます。たとえば、GTA 6のスタイルでクリエイティブモードを使うよう依頼できます。heditorは参考資料の配色、タイポグラフィ、インターフェース要素、動き、サウンド表現を調査し、保護されたロゴ、キャラクター、ブランド、音楽を使用せず、ライセンス上安全なオマージュを作成します。

参考資料はクリエイティブの方向性として使い、保護されたアセットのコピーを依頼するものではありません。

インストールとセットアップ

推奨インストーラー

インストーラーは対応するエージェントを検出し、それぞれにスキルをリンクし、ローカル環境を準備して診断コマンドを実行します。

curl -fsSL https://raw.githubusercontent.com/pycodebr/heditor/main/install.sh | bash

セットアップ中、heditorは対応するパッケージマネージャーを通じて、FFmpeg、Node.js 18以降、Python 3.10〜3.13、Git、curlなどの不足しているツールをインストールできます。また、~/.heditor/venvにPython環境を作成し、HyperFramesとChromeを準備し、必要なモデルとアセットをダウンロードし、~/.heditor/env.shを作成して、heditorコマンドをインストールします。

インストーラーは、エージェントの選択、リンクの代わりのコピー、音声アセットのスキップ、セットアップのスキップなどのオプションに対応しています。

bash install.sh --agent claude
bash install.sh --agent all
bash install.sh --copy
bash install.sh --no-audio
bash install.sh --no-setup

Skills CLIでインストール

Vercel Skills CLIでスキルをインストールしてから、セットアップスクリプトを実行することもできます。

npx skills add pycodebr/heditor -g
bash ~/.agents/skills/heditor/scripts/setup.sh

手動インストール

git clone https://github.com/pycodebr/heditor.git
cd heditor
bash install.sh --agent claude

または、skills/heditorディレクトリをエージェントが使用するスキルの場所にコピーします。

ブランドを設定

heditorは~/.heditor/brand.jsonからブランド設定を読み込みます。このファイルで、編集に使用する名前、ハンドルネーム、ロゴ、言語、行動喚起テキスト、ビジュアルカラーを定義します。

{
  "name": "Your Brand",
  "handle": "@yourprofile",
  "logo": "/path/to/logo.png",
  "lang": "en",
  "follow": "Follow",
  "following": "Following",
  "comment": "Tell us in the comments",
  "colors": {
    "bg": "#050a14",
    "bg2": "#081626",
    "accent": "#edc580",
    "accent2": "#7dd3fc",
    "alert": "#ff3d57",
    "ok": "#7dffb0"
  }
}

コンテンツの対象者に合わせて、言語と行動喚起のフィールドを設定してください。ロゴのパスは、ローカルマシン上で利用できる画像を指定する必要があります。

エージェントでheditorを使う

インストール後、元動画と希望する編集方針を自然言語で説明します。例：

/videos/class-03.mp4をdocumentarioスタイルで編集してください。私がキャリアチェンジについて話しているセクションを使ってください。

クリエイティブモード：このポッドキャストの12分目をReelにして、驚かせてください。

今週のニュースについてのこの動画に、ニュース放送を参考資料としてクリエイティブモードを使ってください。

この動画から、それぞれ異なるフォーマットで3つのカットを作成してください。

選択したモードに従って、エージェントが分析、文字起こし、編集プラン、構成、レンダリング、音声ミックス、品質チェックを処理します。

CLIを直接使う

処理ステージを明示的に実行することもできます。まず環境を読み込みます。

. ~/.heditor/env.sh

ソースを分析して文字起こしする

probeを使って話者を見つけるためのフレームを生成し、transcribeを使って単語単位のタイミング付き文字起こしを作成します。

heditor probe lesson.mp4 5 60 300
heditor transcribe lesson.mp4 0 3600 qa/asr.json

カットを作成して準備する

新しいカットディレクトリを作成し、音声とカメラの編集を準備します。

heditor new cuts/c01 lesson.mp4
heditor prepare cuts/c01

新しいカットには、prepare.py、build.py、DESIGN.mdなどの作業ファイルが含まれます。準備ステージでは不要な間を削除し、組み立て済みの音声素材とカメラ素材を作成します。

間と単語を確認する

heditor gaps cuts/c01
heditor words cuts/c01

gapsコマンドを使うと、組み立て済みの音声に0.45秒を超える間が残っていないことを確認できます。wordsコマンドは、準備済みのカットに関連付けられた単語を表示します。

生成、検証、レンダリングを行う

構成とミックスを生成し、最終ファイルをレンダリングする前に品質チェックを実行します。

heditor produce cuts/c01 music:955 30
heditor lint cuts/c01
heditor preview cuts/c01 0.1,2,5,9,14,20
heditor test cuts/c01
heditor render cuts/c01
heditor finalize cuts/c01 c01-1080x1920.mp4
heditor asr-check cuts/c01

previewコマンドは、指定したタイムスタンプの映像をサンプリングして目視確認します。最後のASRチェックでは、レンダリングした音声を文字起こしし、最終ミックスが意図した発話と一致していることを確認できます。

組み込みスタイルを理解する

cinemaは、発話セクションごとに視覚的なメタファーを使い、映画的なキャプションを表示し、論点が切り替わるたびに世界観を変化させます。
rupturaは最も強いフレーズで始まり、カメラをメタファーに変え、タイポグラフィで締めくくります。
impactoは、重要なフレーズに合わせてタイポグラフィ、サウンド、ズームを連動させます。
gameは、HUD、ダイアログボックス型キャプション、インベントリ、コンティニュー画面を備えたレトロRPGとして動画を表現します。
thrillerは、RECインジケーター、心拍要素、ディストーション、ブラックアウト、再起動エフェクトを用いた監視カメラ風の表現です。
ideは、ウェブカメラのバブル、入力中のコメント風キャプション、ターミナルの行動喚起を備えたコードエディターの画面録画として表現します。
aeroportoは、レーダー、出発案内板、無線通信風キャプションを使った管制塔のコンセプトです。
chatは、発話をライトなメッセージアプリ内のメッセージに変換し、カメラにはビデオ通話のフレームを使います。
documentarioは、フィルムグレイン、映画的な黒帯、セリフ体の章タイトル、エンドクレジットを使います。
podcastは、ON AIRサイン、反応する波形、大きなカラオケ字幕を備えた彩度の高いトークショー環境を作ります。
missaoは、ネオンの夕暮れ、ミッションカード、GPSルート、能力画面、完了画面、モバイル向けの行動喚起を備えたオープンワールドゲーム風の表現です。

詳しいスタイル定義はスタイルリファレンスディレクトリで確認できます。

高度なヒント

発話をデザインの軸にする

heditorは、新しい録音の意味を中心にシーンを再構成するよう設計されています。固定スタイルを使う場合は、強調したいトピックやセクションを指定してください。そうすることで、エージェントは任意の抜粋ではなく、一貫した論旨のまとまりを選択できます。

うまくいったクリエイティブなコンセプトを保存する

クリエイティブモードの結果が特にうまくいった場合は、スキルに名前付きスタイルとして保存するよう依頼してください。手順はadding-styles.mdに記載されています。

品質ゲートを確認する

本番動画では、lint、プレビュー、テスト、ラウドネス、安全マージン、最終文字起こしの各ステージを省略しないでください。このワークフローは、映像レイアウトの問題、音声の問題、キャプションの不一致、縦長フレーム上部付近での危険な配置を検出するよう設計されています。

ローカルリソースを計画する

LinuxとmacOSに対応しており、WindowsではWSL2を利用できます。推奨マシンはCPU 4コア、RAM 8 GBです。セットアップには約1.5 GBのディスク容量が必要で、60秒の動画のレンダリングには一般的なCPUで5〜15分かかる場合があります。

アセットのライセンスを確認する

コードとドキュメントはMITライセンスで公開されています。プロジェクトでは、HyperFrames、GSAP、faster-whisper、MediaPipe、Google Fonts、Lucide、Mixkitのアセットを、それぞれのライセンスに従って使用しています。音楽と効果音はセットアップ時にMixkitからダウンロードされ、リポジトリには再配布されません。商用利用の作品を公開する前に、プロジェクトのライセンスリファレンスを確認してください。

まとめ

heditorは、一般的なトークヘッド録画を洗練された縦型動画に変換するための、構造化されたワークフローをAIコーディングエージェントに提供します。スキルをインストールし、ブランドを設定し、名前付きスタイルまたはクリエイティブモードを選び、ソース映像を説明したうえで、レンダリング前にCLIのチェックで結果を確認してください。パイプラインはローカルで実行され、各発話セグメントに合わせて映像世界を変化させるため、すべての動画を同じテンプレートに押し込むことなく、繰り返し制作できます。