AI短編劇の本当に難しいのは、“AIに物語を書かせる”ことではないかもしれません。
難しいのは、物語が数十の短編になったとき、キャラクターは一貫性があるか、プロットは継続的に進められるか、シーンや小道具は再利用できるか、脚本は時間に落ちるか、スペクタクルは生成プロセスに直接入るか。。
これもそうです shuohhao-skills GitHubリポジトリ 注目に値する場所。
AIを単なる“ライティング·アシスタント”としてパッケージ化するのではなく、小説をAI短編にするプロセス全体を、エージェントが実行、検証、接続できる複数のスキルに分割しようとしています。アウトライン、キャラクター、アート、脚本、スペクタクル、さらにはカメラの語彙を提供します。現在の倉庫は比較的完全な生産パイプラインを形成している。(Github（GitHub）)
“生産”ではなく、“生産”を解決します。
多くのAIクリエイティブツールのアイデアは：
ストーリーを教えてください。コンテンツを作成します。
Shuohao-Skillsの考え方はより近いです。
ストーリーを教えてくれればそれを構造化された資産に分解して生産し続けることができます
この2つのアイデアは少ししか見えませんが、実際には全く異なります。
従来のAI対話型オーサリングは、しばしばループごとに生成されます。
小説→脚本→キャラクター →シーン→絵コンテ
問題は、各ステップが前のものを再理解する可能性があることです。
出現しやすい：
- 第1話の登場人物は第10話とは異なる。
- 同じシーンが異なるエピソードで全く異なる視覚的設定で表示される。
- 小説には脇役が多すぎて、短編劇に移行して製作費が制御不能になった。
- 脚本は素晴らしいですが、実際には時間がかかりません。
- スペクタクルは“見栄え”のためにプロット決定を再行い、脚本との断絶につながった。
シュオハオスキルの中心的な考え方は、これらの問題をできるだけ身近にすることです。レベルおよびルールレベル最後にビデオが生成されるまで待つのではなく、解決されます。
倉庫は現在、プロセスを明確に分割する。 novel-outline、novel-characters、novel-art、novel-script、novel-storyboard 5つの主要なリンクと追加提供 shot-recipes レンズの語彙。(Github（GitHub）)
これは実際には、従来の映画制作における“プリデベロップメント-アセットプロダクション-脚本-スペクタクル”のプロセスに非常に近いですが、エグゼクティブは人間の制作チームの一員からAIエージェントになります。
最初のステップは脚本を書くことではなく、“アウトラインを変える”ことです。
システム全体の始まりは novel-outline。
小説を短編劇に変換するために必要な構造を担当しており、以下を含む。
- 注釈の適応;
- 人の表。
- テンポ/テンポテーブル;
- 詳細はこちら。
- 資産のリスト;
- シーンや物語の小道具などの制作情報。
さらに重要なのは、“意識的な品質維持”モデルに完全に依存していないことです。
リポジトリでは、キャラクター数の上限、ビート間隔、最初のセットフック、メインビートの位置、ダイバーシティ必須フィールド、シーンの再利用、参照整合性など、多くの決定論的品質チェックが設計されています。(Github（GitHub）)
ここに非常に価値のあるアイデアがある：
モデルに“私は正しく書けない”と判断させるのではなく、できるだけプログラムに判断させるべきです。
例えば、あるモデルはこう言う。
“このバージョンのキャラクター数は合理的です。
プログラムは直接確認できます：
主人公は定員以上ですか？
支線人物は上限を超えていますか？
定義されたが使われなかったキャラクターは？
定義されていないシーンはありますか？
重要なビートがない連続数セット？
前者は“言語判断”，後者は“工学的検証”である.
これはAIワークフローにとって非常に重要な違いです。
第三に、キャラクターは記述ではなく、生産資産である。
2つ目のスキルは novel-characters。
その目的は、単にキャラクターの性格を要約することではなく、キャラクターをその後の生成プロセスで使用できるようにすることです。ロール資産。
人が得られるもの：
- 個人情報と基本情報;
- 外観;
- 性格は、
- 動機づけ;
- 人物のアーク
- 人との関係
- 画像生成のヒント;
- 否定的な提案;
- スタイルのラベル;
- サウンドデザインのヒント;
- キャラクター設定図。
視覚的な一貫性のためのロールモデルテーブルとともに、ロールダイアグラムも含まれています。(Github（GitHub）)
これは、“ロール”がテキスト内の名前から、その後のプロセスで使用できるデータオブジェクトになることを意味します。
例えば：
林晩のこと
もはや単なること：
ヒロインは賢くて強い。
さらに以下になります
林晩→キャラクター ID →容姿設定→ 服装 →体型→ 表情 →声→ 人物関係→登場回数→参考図を生成
そうすることで、背後にあるアート、脚本、絵コンテは共通の“アンカーポイント”を持つことになります。
これはAI動画では特に重要です。
ビデオの最大の問題の1つは、一貫性のある。
実際に使用可能な本番システムは、毎回やり直すべきではありません。
“この役はどんな感じ？”
システムに知らせる必要がある：
“これはロールID C-003です。すでに特定されたロールアセットに従って生成してください。”
シーンや小道具も資産化する必要があります。
novel-art 見落とされがちなもう一つの問題があります。
シナリオは背景図ではなく、生産資産です。
シーンや物語の小道具を扱い、強調します。
- 一貫性のあるアンカー;
- 照明の変化
- 状態の変化;
- スケールの参照;
- ·手无し·白地の
同時に、前のアウトラインで生成された資産リストを読み取ることができるため、要件の再整理作業が削減されます。(Github（GitHub）)
これは映画業界の基本的な考え方です。
同じスタジオでも、異なるショットを撮っても5つの異なる場所にはなりません。
AIはこの間違いを犯しやすい。
統一されたシーンアセットがない場合、モデルは生成ごとに再利用されます。
1つ目はモダンなオフィス、2つ目は高級ホテル、3つ目は会議室でした。
1枚の写真は素晴らしいかもしれませんが、同じ短編では、観客はすぐに世界観が不安定になります。
ですから、AIショートショーの核心的な問題の一つは、“十分に美しく生成されている”ことではなく、
結果は同じ世界に属することができます。
V.脚本は“エンジニアリング”に入り始めた
到着しました novel-script創造的な生産から実行段階へと移行します。
このスキルは、モデルが“すべてのエピソードを書く”ことを要求するのではなく、スクリプトをエピソードとビートストリームに分割し、時間を決定論的に変換します。
非常に興味深いデザインの1つは、最初の数ショットのコールドスタートとフックキャッシュをチェックしながら、速度に応じてダイバーシティ時間を計算することです。セリフブックはキャラクターに合わせて集約することもでき、TTSにさらに接続するためのトーンヒントが付属しています。(Github（GitHub）)
これは非常に現実的な問題を解決します
AIは“長く見える”ものを書くのは得意ですが、“撮影できる”ものを書くのは必ずしも得意ではありません。
例えば、リクエスト：
90 秒でこのエピソード
モデルは2500語の素晴らしい物語を書くことができます。
文学的な観点からは問題ありません。
生産的な観点からは失敗している。
したがって、“速度→台詞の長さ→合計長さ”という決定論的計算を加えると、脚本は文学的なテキストからプロダクション文書に変換される。
これは、AIオーサリングツールが“デモ”から“プロダクション”に移行するための大きな一歩です。
スペクタクルの鍵：プロットを再発明させないでください。
最後の主要リンクは、 novel-storyboard。
デザインは特に工学的思考を反映している。
内容を分割します。
セグメント→分割鏡→分割鏡図
また、個々の生成セグメントの長さ、ショットの長さ、メイングラフとサブグラフの接点などを制限し、ショットのヒントと特定の時間点を照合します。(Github（GitHub）)
より重要な文は、倉庫がパイプライン全体を定義することです。
アウトライン収束構造を適応させ、スクリプト、シーン、キャラクターを同期して反復し、スペクタクルは新しい決定を行わない出力のみを行います。(Github（GitHub）)
これは、システム全体の最も重要な設計の1つです。
多くのAIワークフローの問題点は、各エージェントが“再作成”する力を持っていることです。
したがって
エージェントを変更します。
エージェントの変更;
脚本エージェントが再び変更された。
エージェントエージェントを再度変更します。
最後に得たのは、もはや原作ではない。
シュオハオ·スキルはそれを構築しようとする。一方向拘束関係：
上流が決め、下流がそれを実現します。
これは、ソフトウェア工学におけるインタフェース、データ構造、コンパイルパイプラインによく似ています。
7、本当に気になるのは“品質ゲート”です。
機能リストだけを見ると、リポジトリは以下のようになります。
“AIがショートプレイをするのを助ける一連のPrompt”。
しかし、その実装を深く見ると、著者がより懸念している別の問題がある。
AIワークフローを検証できるようにする方法。
例えば、スキルごとに明確な品質ゲートがあります。
novel-outline複数の構造検査がありますnovel-art美術資産の完全性のチェック;novel-scriptスクリプトの構造と長さを確認する。novel-storyboardさらに、分割リズム、カットポイント、手がかりなどをチェックします。(Github（GitHub）)
倉庫はすべてのスキルを必要とします。 scripts/selftest.mjsまた、自己テストはモデルを呼び出すことができず、決定論的ロジックをカバーするための量を消費しない。(Github（GitHub）)
これは“プログラマー”のように見えますが、実際にはAIエージェントの製品化の鍵になるかもしれません。
モデル自体は不安定です。
今日は正しく理解し、明日は表現を変えるかもしれません。
システム全体の正しさがモデルのみに依存している場合、モデルのアップグレードごとにワークフローが静かに劣化する可能性があります。
しかし、特定できるルールをコードに渡すと：
モデルは作成し、コードは受け入れます。
システムは安定しています。
それが本当に示しているのは、新しい種類の“AI 制作チーム”です。
この観点から見ると、シュオハオスキルは単なるスキルの集まりではありません。
バーチャルプロダクションチームのようなものです。
適応計画の変更小説→短編の構造を担当。
キャラクターデザイナー（キャラクターデザイナー）役割資産の責任;
アートディレクション：Art Directed舞台や小道具の責任者
ライターたち脚本を担当。
スペクタクルカメラを担当。
レンズの語彙ライブラリ標準化された視覚言語を提供する。
Claude Code / Codexは、これらのジョブを接続するエージェント実行環境として機能します。
だからこそ、巨大なPromptではなくスキルを選んだのです。
大きなPromptの問題は：
すべてが混ざっています。
スキルの利点は以下の通りです。
各フェーズには明確なインプット、アウトプット、責任があります。
これにより、プロセス全体がソフトウェアエンジニアリングのモジュール設計に近づきます。
9.オープンソースのアプローチも参考にする価値がある
エンジニアリング実現の観点から、倉庫は比較的明確な自己完結型構造を採用しています。
それぞれのスキルがあります。 SKILL.md、README、スクリプト、リファレンス、サンプル、および独立した自己テストスクリプトが必要です。インストールスクリプトはClaude CodeまたはCodexを自動的に検出し、ソフトリンクを介してSkillをインストールするため、リポジトリの更新後にインストールを繰り返す必要はありません。(Github（GitHub）)
現在はApache 2.0ライセンスを使用している。(Github（GitHub）)
つまり、著者自身のコンピュータでのみ使用できるPromptのコレクションではなく、複製、テスト、拡張が可能なエージェントスキルエンジニアリング仕様を構築しようとしています。
AIエージェントワークフローを自分で構築したい人にとって、これは寸劇そのものよりも研究する価値があります。
学ぶ価値のある最も重要なことは、プロンプトではなく、この方法論です。
shuohao-skillsを1層抽象化すると、AIエージェントワークフローモデルとして有用なものが得られます。
1.複雑なタスクをフェーズに分割する
エージェントに最初からやらせないでください。
2.各段階で構造化資産を生み出す
Markdownだけではない。
キャラクターにはキャラクターデータ、シーンにはシーンデータ、脚本には構造化情報が必要です。
3.資産に固有のアイデンティティを確立する
キャラクター、シーン、小道具、ショットはすべて後続のステージで参照できる必要があります。
4.決定論的ルールをコードに渡す
数量、ID、参照関係、時間、フィールドの完全性などの問題は、モデル機能を無駄にしてはいけません。
5.上流と下流の境界を明確にする
上流が決定し、下流が実行します。
6.テストによるワークフロー
モデルは変更できますが、決定論的ルールは継続的に検証可能です。
この方法はAI短編に限りません。
同様に適用される：
- ゲームの制作。
- アニメーション制作。
- 広告のクリエイティブ制作
- 長編小説の翻案
- 漫画家である。
- バーチャルコンテンツの制作
- 製品プロモーションビデオ;
- 企業研修動画。
結論：AIコンテンツ制作は“チャット”から“パイプライン”へと移行しつつある
以前はAIの創造について話していました
どのモデルが最適ですか？
どのモデルが最もよく描かれるか。
どのビデオモデルが最適ですか？
しかし、AIが実際に量産に入ると、問題は徐々に次のようになります。
これらのモデルは組織化できるか？
シューハオスキルの価値は、“全能のスーパープロンプト”を作ろうとするのではなく、寸劇を実行可能で検証可能で再利用可能な複数のプロダクションに分割することにあります。
概要からアウトラインまで、アウトラインからキャラクターやアートアセットまで、スクリプトからスペクタクル、最終的な生成パイプラインまで、構築しようとしているのはセットです。 AIネイティブコンテンツ業界プロセス。
これは、AIエージェントの将来の最も興味深い方向性の1つかもしれません。
モデルはますます“労働者”のようになり、生産性を本当に決定するのはワークフローです。
Promptがスキルになり、スキルがパイプラインになり、パイプラインがテスト可能で再利用可能なプロダクションシステムになると、AIコンテンツの作成は本当に“生成可能”から“生成可能”へと移行し始めます。