Release Script

バージョン $ARGUMENTS のリリースノート動画用 MulmoScript を生成する。

前提条件

• docs/release_notes/v$ARGUMENTS/release_notes_v$ARGUMENTS.md が作成済みであること
• docs/release_notes/v$ARGUMENTS/xpost_v$ARGUMENTS_draft.md が作成済みであること
• docs/release_notes/v$ARGUMENTS/images/ にスクリーンショットが保存されていること

手順

Step 1: 入力ファイルの読み込み

以下を読み込む:

1. docs/release_notes/v<version>/release_notes_v<version>.md — 機能の詳細
2. docs/release_notes/v<version>/xpost_v<version>_draft.md — 構成と画像参照
3. docs/release_notes/v<version>/images/ — スクリーンショット一覧

Step 2: 既存スクリプトの参照

過去のスクリプトをテンプレートとして参照する:

ls docs/release_notes/v*/release_v*_script.json

最新のスクリプトを読み込み、パラメータ部分（$mulmocast 〜 audioParams）をテンプレートとして使用する。

Step 3: Beats の構成

xpost draft の構成に沿って beats を作成する:

3a. タイトルスライド（2ビート構成）

バージョン番号にドットが含まれるため、textSplit の . 区切りで v1.0.11 が分割されてしまう。これを回避するため、タイトルスライドは2ビートに分ける:

ビート1: バージョン番号を含む挨拶（caption分割を無効化）

{
  "speaker": "Presenter",
  "text": "マルモキャスト バージョン<version読み>をリリースしました！",
  "captionParams": {
    "captionSplit": "none",
    "textSplit": { "type": "none" }
  },
  "id": "title-slide",
  "image": {
    "type": "markdown",
    "markdown": [
      "<div style='display: flex; flex-direction: column; justify-content: center; align-items: center; height: 100vh; text-align: center;'>",
      "",
      "# 🎉 MulmoCast v<version> Released!",
      "## <日付>",
      "",
      "</div>"
    ]
  }
}

ビート2: サマリー（デフォルトのcaptionParamsを使用、タイトルスライドの画像を参照）

単なる機能列挙ではなく、リリースの背景・価値・ユーザーへの影響を1〜2文で伝える。動画では視聴者に文脈を与え、mulmo markdown で生成する記事の冒頭も充実する。

避けるパターン: 「このバージョンでは、○○、△△などの更新があります。」（機能名の羅列） 良いパターン: 変更の背景や、ユーザーにとっての意味を伝える文にする

{
  "speaker": "Presenter",
  "text": "<リリースの背景・価値を伝えるサマリー>",
  "id": "title-overview",
  "image": {
    "type": "beat",
    "id": "title-slide"
  }
}

3b. 機能紹介ビート

xpost draft の各ポスト（メインポスト + 連投ポスト）から:

1. 画像: images/ 内のスクリーンショットを kind: path で参照
2. ナレーション: release notes の詳細を元に日本語で作成
3. 構成: 1機能につき1〜複数ビート（スクショの数に応じて）

画像マッピングルール: 画像ファイル名のプレフィックス {ポスト番号}-{画像番号}_ でビートに自動対応:

• 01-* → メインポストのビート
• 02-* → 連投1のビート
• 03-* → 連投2のビート（以降同様）
• 1ポストに複数画像がある場合、画像ごとに別ビートを作成

プレフィックスがない旧形式の画像は、xpost draft の添付メディア記述から対応を判断する。

{
  "speaker": "Presenter",
  "text": "<日本語ナレーション>",
  "id": "<機能を表すID>",
  "image": {
    "type": "image",
    "source": {
      "kind": "path",
      "path": "images/<filename>.png"
    }
  }
}

mp4（動画）を参照する場合:

動画ファイルを使うビートは "type": "movie" を使う。"type": "image" では動画は再生されない:

{
  "speaker": "Presenter",
  "text": "<日本語ナレーション>",
  "id": "<機能を表すID>",
  "image": {
    "type": "movie",
    "source": {
      "kind": "path",
      "path": "images/<filename>.mp4"
    }
  }
}

重要: type: movie ビートではナレーションの TTS 長さが mp4 の duration を超えないようテキストを調整する。超えると次ビートに音声がはみ出して、映像・字幕・次ビートの開始タイミングがズレる。mp4 が短い場合はナレーションを 1 文程度に絞るか、補足説明を後続ビートに分ける。

デリミタ文字を含むテキストの分割ルール:

ナレーション中にバージョン番号（0.25、4.0）、モデル名（gemini-3.1-flash-image-preview）など、textSplit のデリミタ（.、,）を含む文字列がある場合、その部分でキャプションが意図せず分割される。これを回避するため、デリミタを含む部分を独立ビートに分離する:

// ビート1: 導入文（デフォルトの captionParams）
{
  "speaker": "Presenter",
  "text": "1：TTS読み上げ速度オプションを追加しました",
  "id": "tts-speed",
  "image": { "type": "image", "source": { "kind": "path", "path": "images/01-01_speed.png" } }
}

// ビート2: 数値を含む部分（caption分割を無効化、同じ画像を参照）
{
  "speaker": "Presenter",
  "text": "OpenAI TTSでは0.25倍速から4.0倍速まで設定できます",
  "captionParams": { "captionSplit": "none", "textSplit": { "type": "none" } },
  "id": "tts-speed-detail",
  "image": { "type": "beat", "id": "tts-speed" }
}

// ビート3: 続きの文（デフォルトの captionParams、同じ画像を参照）
{
  "speaker": "Presenter",
  "text": "読み上げ速度は設定画面から変更できます",
  "id": "tts-speed-usage",
  "image": { "type": "beat", "id": "tts-speed" }
}

ポイント:

• デリミタを含むビートのみ captionParams で captionSplit: "none" + textSplit: { type: "none" } を設定
• 前後のビートは image: { type: "beat", id: "..." } で同じ画像を参照
• 1機能が2〜3ビートに分かれるのは正常

3c. クロージングスライド（2ビート構成）

タイトルスライドと同様に、バージョン番号を含む文を分離する。

ビート1: その他の改善・案内

{
  "speaker": "Presenter",
  "text": "その他、軽微な改善を行いました。\n起動中のアプリに更新通知が届きます。\nダウンロードは公式サイトから行えます。",
  "id": "thank-you-slide",
  "image": {
    "type": "markdown",
    "markdown": [
      "<div style='display: flex; flex-direction: column; justify-content: center; align-items: center; height: 100vh; text-align: center;'>",
      "",
      "# Thank You!",
      "",
      "## MulmoCast v<version>",
      "",
      "### Happy Creating!",
      "</div>"
    ]
  }
}

ビート2: バージョン番号を含む締め（caption分割を無効化、Thank Youスライドの画像を参照）

{
  "speaker": "Presenter",
  "text": "マルモキャスト バージョン<version読み>をお楽しみください！",
  "captionParams": {
    "captionSplit": "none",
    "textSplit": { "type": "none" }
  },
  "id": "thank-you-closing",
  "image": {
    "type": "beat",
    "id": "thank-you-slide"
  }
}

3d. Markdown スライドの設計原則

機能紹介・告知用 Markdown スライドを設計する際の指針。

• スタイル統一: 同じ役割のスライド（機能紹介系・変更告知系など）はレイアウト・揃え方・見出しレベルを揃える。タイトル / クロージング等の「ブックエンド系」と本編系で雰囲気を分ける程度に留め、本編内で混在させない（揃っていないと「なぜ違うのか」という認知ノイズになる）
• 抽象まとめより具体列挙: 「N 件追加」のような数や抽象表現だけで終わらせず、主要な要素名（モデル名・機能名等）を bullet で列挙する。ユーザーは「いくつ」ではなく「何が」を見たい
• テキストとスライドの役割分担: ナレーションテキスト（TTS）はスライドの読み上げではなく、内容の補足・文脈付けに使う

Step 4: ナレーションテキストのルール

• 言語: 日本語
• 読み方: バージョン番号は「バージョン1.0.11」→「バージョン いってん ぜろ てん いちいち」のように自然な読みに
• トーン: ニュースキャスターのような明瞭でプロフェッショナルな読み上げ
• 長さ: 1ビートあたり1〜2文（長すぎない）
• 番号付け: 機能ごとに「1：」「2：」と番号を振る（「。」は textSplit の区切り文字のため使わない）
• 字幕改行: \n で字幕の表示行を制御する。1行あたり約25〜30文字を目安に、意味の切れ目で \n を入れる。\n は textSplit の区切り文字なので字幕分割ポイントになる
• 内容: release notes の詳細情報を元に、要約しつつわかりやすく

Step 5: テンプレートパラメータ

以下は固定値（テンプレート）:

{
  "$mulmocast": { "version": "1.1", "credit": "closing" },
  "canvasSize": { "width": 1280, "height": 720 },
  "speechParams": {
    "speakers": {
      "Presenter": {
        "displayName": { "ja": "ナレーター" },
        "voiceId": "shimmer",
        "speechOptions": {
          "instruction": "Speak clearly and professionally like a news announcer reading release notes. Use a neutral, informative tone with clear enunciation."
        },
        "provider": "openai"
      }
    }
  },
  "imageParams": { "provider": "openai", "images": {} },
  "movieParams": { "provider": "mock", "model": "", "transition": { "type": "fade", "duration": 1 } },
  "soundEffectParams": { "provider": "replicate" },
  "textSlideParams": { "cssStyles": ["h3 {margin-left: 20px; margin-top: 20px}"] },
  "captionParams": {
    "lang": "ja",
    "captionSplit": "estimate",
    "textSplit": {
      "type": "delimiters",
      "delimiters": ["。", "．", ".", "！", "!", "？", "?", "；", ";", "、", ",", "\n"]
    }
  },
  "audioParams": {
    "padding": 0.3,
    "introPadding": 1,
    "closingPadding": 0.8,
    "outroPadding": 1,
    "bgm": { "kind": "path", "path": "../bgm/20251217031931-8c55b232.mp3" },
    "bgmVolume": 0.1,
    "audioVolume": 1,
    "suppressSpeech": false
  }
}

Step 6: JSON の組み立てと保存

テンプレートパラメータ + title + description + lang + beats を組み立て、以下に保存:

docs/release_notes/v<version>/release_v<version>_script.json

ファイル名ルール: バージョンのドットをアンダースコアに変換（例: 1.0.11 → release_v1_0_11_script.json）

Step 7: PDF ハンドアウトの生成

MulmoScript から PDF ハンドアウトを生成する。出力ディレクトリは -o オプションで指定すれば mulmo が自動作成するため、mkdir は不要。

npm install -g mulmocast@latest
mulmo pdf --pdf_mode handout docs/release_notes/v<version>/release_v<version>_script.json -o docs/release_notes/v<version>/output

ファイル名ルール: スクリプトのファイル名に合わせる（例: release_v1_0_11_script.json）

Step 8: PDF の確認後、日本語版動画の生成

PDF ハンドアウトの生成結果をユーザーに報告し、PDF が OK であれば動画を生成する。

mulmo movie docs/release_notes/v<version>/release_v<version>_script.json -o docs/release_notes/v<version>/output -l ja -c ja

生成後、JA タイムスタンプを抽出する（Step 11 で使用）:

npx tsx .claude/skills/release-script/extract-timestamps.ts docs/release_notes/v<version>/output/release_v<version>_script_studio.json

Step 9: 英語版動画の生成

日本語版が OK であれば、英語版も生成する（MulmoCast の翻訳機能で自動翻訳される）。

mulmo movie docs/release_notes/v<version>/release_v<version>_script.json -o docs/release_notes/v<version>/output -l en -c en

注意: _studio.json は mulmo movie 実行ごとに上書きされる。そのため JA 生成後に JA タイムスタンプを読み取ってから EN を生成すること。

Step 10: 翻訳テキストの確認

英語版動画生成後、output/release_v<version>_script_lang.json を確認する。

MulmoCast の翻訳機能は「マルモキャスト」を誤訳することがある（例: 「MarmoCast」「MarmCast」）。以下を実行:

1. _lang.json を読み込む
2. 「MulmoCast」以外の表記（MarmoCast、MarmCast、MarumoCast 等）を検索
3. すべて「MulmoCast」に置換する
4. 置換した場合は英語版動画を再生成する
5. 確定した EN 動画の _studio.json から EN タイムスタンプを抽出する（再生成した場合はタイムスタンプが変わるため、必ず最終版から抽出すること）:

npx tsx .claude/skills/release-script/extract-timestamps.ts docs/release_notes/v<version>/output/release_v<version>_script_studio.json

Step 11: タイムスタンプの作成（ビート単位）

Step 8 で抽出した JA タイムスタンプと Step 10 で抽出した EN タイムスタンプを、まずビート単位で書き出す。

タイムスタンプ抽出ルール:

1. _studio.json の beats 配列から各ビートの startAt（秒）を取得
2. ビートのインデックスはスクリプトの beats 配列と1対1対応
3. タイトルスライド（2ビート構成）とクロージングスライド（2ビート構成）は最初のビートの startAt を使用して1項目にまとめる
4. 秒を M:SS 形式に変換（例: 69.192s → 1:09）
5. 各ビートに言語に応じたラベルを付ける（JA: 日本語、EN: 英語）

この段階では各ビートが 1 項目として残っている状態（粒度が細かい）。

Step 12: X 投稿構成に合わせた機能単位の集約

ビート単位のタイムスタンプを、X 投稿の構成（メインポスト + 各連投ポスト）に合わせて機能単位で集約する。docs/release_notes/v<version>/xpost_v<version>_draft.md を参照して、X 投稿の 1 ポスト = タイムスタンプ 1 項目になるように統合する。

集約ルール:

• X 投稿の 1 ポスト内で複数ビートに分かれている機能（例: モデル一覧が OpenAI/Replicate Image/Replicate Video の 3 ビートに分かれている場合）は、最初のビートの startAt を使用して 1 項目にまとめる
• 機能名は X 投稿のセクションタイトルに合わせる（例: 「Now available / 新しいAIモデル」→ JA: 「新しいAIモデル」 / EN: 「New AI models」）
• 細かい補足ビート（生成サンプル、プロジェクト上書き等）は親機能の項目に吸収する
• 結果として X 投稿のポスト数とほぼ同数のタイムスタンプ行になる

集約後の最終結果を docs/release_notes/v<version>/timestamps_v<version>.md に保存する。

フォーマット例（X 投稿が 4 ポスト構成のリリースの場合）:

## JA Timestamps

0:00 はじめに
0:16 Azure OpenAIサービス対応
0:42 Vertex AI 設定
1:08 おわりに

## EN Timestamps

0:00 Introduction
0:14 Azure OpenAI Service
0:38 Vertex AI Settings
1:02 Thank you

このファイルは /release-youtube スキルが参照する。

Step 13: 完了報告

生成した MulmoScript のファイルパス、ビート数、PDF・動画（日本語版・英語版）の出力先を報告する。

重要なルール

• 画像は kind: path で参照 — ローカルスクリーンショットを使用（X の URL は使わない）
• ナレーションは日本語 — TTS 用のテキストとして自然な日本語で記述
• テンプレートパラメータは原則固定 — 変更が必要な場合はユーザーに確認
• BGM パスが動作しない場合は調整 — MulmoCast のパス解決に依存するため
• ユーザー確認は不要 — アプリ上でブラッシュアップする前提のため、生成後そのまま保存する
• ビート構成の変更時は全体を通して確認 — 部分修正の積み重ねは image / text / id の不整合を生みやすい。構成変更が入ったら beats 配列全体を読み直し、画像参照・ナレーション内容・id の整合性を一括で確認すること