北熊本展示場｜粗編集

JIDAI 熊本2展示場（北熊本・合志）／案件オンボード資料

要確認事項（ユーザー確認待ち）

5-1. 最終尺をどうするか（最優先）

語りが6分36秒ある。 9月9日のブリーフィングでは最終尺5〜8分という見立てだったが、本企画は「無言の画で持たせる」設計なので、語り6分36秒だと映像は9〜11分規模になる。

9月5日の構成叩きは11分・語り3分20秒で設計されていた。現場で語りが厚く取れたため想定を超えている。
Bロールは191本46分19秒あり、1カット4〜5秒で100カット以上取れるので映像側は10分でも足りる。
短縮する場合の順序と影響は 除外区間ログ.md の「尺短縮候補」に6段階で書いた（6段階すべてで4分38秒）。
こちらの推奨は「尺を8〜10分に伸ばす」。削ると設計思想の筋か「場面」のどちらかが落ちる。

→ 尺の方針を決めていただきたい。 決まれば採用レンジの増減はCSVの編集だけで済む。

5-2. 名乗り（S-04）と敷地（S-05）に顔出し映像がない

名乗り「古庄澪奈です」は収録Aの114.4秒に確かに入っているが、インタビュー映像が回り始めるのは

10:37:04（収録A 257秒）なので、この発話の映像は存在しない。

S-05の敷地の説明は収録B（11:56:44〜）で、この時間帯はもうBロール撮影に移っており顔出し映像がない。
対応の選択肢：(a) 声だけを外観カットに当てる (b) タイトルカードに当てる (c) 名乗りは使わず

画面の文字（古庄澪奈｜二級建築士）だけにする。構成叩きのS-04は顔出し前提なので判断が必要。

5-3. 採用レンジ監査で残った4件（いずれも説明可能・確認だけお願いしたい）

指摘	判断
演者外の声が残存「こ」（`_03` 03:59）	「こだわって」の語頭。無声子音で測定レベルが落ちただけで古庄様の発話
演者外の声が残存「ふと」＋レンジ内の無音2.7s（`_03` 08:12）	Whisperの単語時刻が壊れている箇所（「と」に2.4秒割り当て）。再推論で実音声が492.92–496.38にあることを確認済みの誤検出
話者判定が割れた「着目しました」（`_01` 30:07）	古庄様の発話。判定境界の断片
話者判定が割れた「しまったで、」（`_03` 07:46）	同上

5-4. 音声でも判読が割れる語（本人・現場に確認したい）

文字起こし確認レポート.md の2・3・9-4に一覧がある。本編の採用レンジに入っているものは次の3つ。

収録A秒	テロップ	機械文字起こし	備考
1029	建物と外壁の外側の隙間に	「隙の間に」（2回の再推論とも同じ）	ダブルスキンの説明の中核。本人の言い回しが「隙の間」なら戻す
1050	緩衝空間になる	「干渉空間」／再推論で「鑑賞空間」	建築用語として緩衝空間と判断
3258	お家作りはこうあるべきだっていう	「壊るべきだ」（2回の再推論とも同じ）	前後の文脈から「こうあるべきだ」と判断

5-5. 極短尺のBロール3本

P7GH1925.MOV・P7GH1956.MOV・P7GH1966.MOV が尺1.0秒（各88MB）。録画ボタンの誤操作と思われる。 インサート素材_構成.xml には含めてあるので、不要なら削除して構わない。

案件概要

ヤマダホームズのブランド「JIDAI」の熊本2展示場（北熊本展示場・合志展示場）を紹介する YouTube動画。北熊本展示場の1周年にあたり社内から降りてきた企画で、建物の完成度と設計士（古庄様）の人柄・顔出し出演が得られたため本格的に制作している。今回の出来次第で JIDAIをメニュー化する可能性がある。

北熊本（この案件）：思想・設計士の思いが軸。見えているものを撮りつつ、古庄様の言葉を引き出すのが主眼
合志（9/11撮影）：デザイン・機能が軸。スラブを使った画づくりと定点マルチシーンが主眼。古庄様は声のみ
動画の背骨は「ダブルスキン → 内と外のあいだの曖昧な空間 → 縁側」の一本の線
背景の問い：「コロナ禍で家にこもる家づくりが増えたが、家は家族のためだけのものなのか」
方針：説明の道具として画面に言葉を置かない（問いの1行・設計者の原文・余白の短い語のみ）。

無言の画で持たせる設計のため、発話テロップは最終的に載らない可能性が高い

隣接する他社展示場・ヤマダデッキの映り込みはモザイクをかけず、映り込んだカットを使わない方針
最終尺の見立て：5〜8分（2026-09-09ブリーフィング時点）。ただし現場で語りが厚く取れたため要再判断

生成物一覧

`編集者用/`（Premiereへ読み込む最終ファイル）

ファイル	内容
`粗編集_構成.xml`	本編の粗編集シーケンス。FHD 1920x1080 / 29.97fps。V1=インタビュー映像38カット（4K素材はScale 50%）、A1/A2=カメラ内蔵音声、A3/A4=ピンマイクの語り音声（本編で使う音声はこちら）。尺 6分04秒
`不採用_構成.xml`	インタビュー映像7本から採用レンジを引いた補集合 30区間・43分23秒。何をカットしたかを映像で見返すためのもの
`インサート素材_構成.xml`	Bロール191本を撮影順に全尺で並べたシーケンス。46分19秒。ここからインサートを選ぶ
`テロップ.srt`	本編の発話テロップ 138件。粗編集シーケンスのタイムライン基準
`テロップ_映像なし語り.srt`	下記「映像なしの語り」用のテロップ 13件
`確認用_stable.mp4`	確認用。1280x720。音声はピンマイクの語り。尺 363.920秒（想定363.897秒／差+23ms＝0.69フレーム）
`確認用_映像なし語り.mp4`	顔出し映像が存在しない語り（名乗り・敷地の説明）を黒画面で書き出したもの。31.9秒

`作業ファイル/`（判断の根拠・中間生成物）

ファイル	内容
`素材分類メモ.md`	199本＋音声4本の分類、収録のタイムライン（実測）、現場指示として分離した区間
`案件辞書.md`	出演者・用語・誤認識注意語・テロップの文体レベル（2026-09-11にレベル2へ更新）
`文字起こし確認レポート.md`	誤認識・要確認・現場指示・文脈整合性チェック。末尾の「9. 粗編集工程で判明・解決した事項」が今回の追記
`採用レンジ監査レポート.md`	`audit_ranges.py` による機械チェック結果
`除外区間ログ.md`	次点候補19件（14.8分）、テイク選定の記録、尺短縮候補
`レンジ/採用レンジ.csv`	採用レンジ（映像クリップ内時刻）38本
`レンジ/採用レンジ_語り.csv`	同じレンジをピンマイクWAV側の時刻で表したもの 43本
`レンジ/採用レンジ_映像なし.csv`	顔出し映像が無い語り 5本
`レンジ/不採用レンジ.csv` `レンジ/インサート素材レンジ.csv`	上記XMLの元データ
`話者判定/_units.csv` `_words.csv`	話者判定の実測値（相対レベル・F0・単語単位の判定）
`テロップ素案/` `テロップ校正/` `テロップ適用レポート/` `テロップ検証/`	テロップの素案→校正→適用→検証の各段
`確認用/`	確認用MP4の中間ファイル（カメラ音声版・ピンマイク音声WAV）
`classify_speaker_mono.py` 他	今回作った処理スクリプト（モノラル話者判定、レンジ生成、XMLへのピンマイク付与など）

SRT/（粗編集フォルダ直下）は前工程の全長・下地SRT（文体レベル1）。編集には使わない。 本編に使うテロップは 編集者用/テロップ.srt。

主な編集判断（要点）

構成は撮影ガイドのS-01〜S-17に沿わせた

ヤマダホームズ_熊本2展示場_語りとテロップの流れ叩き_20260905.md の並びで採用レンジを組んだ。

順	シーン	内容	尺
1	S-04	名乗り「古庄澪奈です」（映像なし）	2.4s
2	S-04	Q02 コロナ禍＝家族のための家 → コロナ明け＝人を招く・見せる家へ	42.0s
3	S-05	敷地の描写と2階LDKの理由（映像なし・収録B）	29.5s
4	S-07	Q03 古民家の基本＝おもてなしの精神に着目した	19.7s
5	S-07	祖父母の家の縁側の記憶 ← 構成で「欠落」と指摘されていた「場面」	22.6s
6	S-08	もてなす精神がアフターコロナに巡って戻ってきている	22.2s
7	S-08	外と内がつながる空間＝縁側の概念を取り入れた	15.5s
8	S-09	通りがかりの人が不意に入ってきて接客が始まる ← 最も強い「場面」	28.1s
9	S-09	いつの間にか入ってた＝曖昧な空間を表現できた	13.8s
10	S-11	Q05 2階＝光と風／視線カット／プライバシーの両立	39.9s
11	S-12	Q04前半ダブルスキンの手法と中間領域	24.0s
12	S-12	視線をカットしつつ間の外の空間が見える＝緩衝空間	11.4s
13	Q06挿入	リビングにテレビを置かない	8.6s
14	Q06挿入	それぞれ没頭しながらお互いの存在を感じるリビング	20.1s
15	S-13	Q07 造作家具のデザイン／白いオブジェ	24.1s
16	S-14	Q04後半嫌な視線はカットしながら招き入れる間の空間で両立	19.1s
17	S-14	お客様の「思ったより明るい」という言葉 ← 「場面」	12.3s
18	S-16	Q08 お家づくりの固定概念を払拭して	23.8s
19	S-16	Q08 自分たちに合う暮らし方を考えるきっかけに	16.9s

合計 6分36秒（うち顔出し映像があるもの 6分04秒、映像なし 32秒）。

撮影前の構成で「足りない」とされていた要素が現場で埋まった

9月5日の構成叩きでは「回答が全部『〜と考えた』で、場面・迷い・数字が一つもない」と評価されていた。現場で森山さんが掘ったことで、次の「場面」が取れている。いずれも採用レンジに入れた。

祖父母の家の縁側で近所の人が立ち話をしていた記憶（壁打ち#2への回答）
通りがかりの人が覗いているうちに不意に入ってきて「こんにちは」から接客が始まる（曖昧な空間が実際に働いている場面）
外から見ると閉じているが「思ったより明るい」とお客様によく言われる（お客様の言葉）

一方、壁打ち#3（壁の高さ・隙間の幅を何センチにしたか、何を迷ったか）への回答は取れている （収録A 1346–1408秒「入口はくぐれる高さで斜めにカット／表の道路側はのれんの形をイメージして三角に大きくくり抜いた」）が、尺の都合で今回の採用レンジには入れていない。除外区間ログ.md の次点候補に記録した。

テイク選定

同じ質問を現場で何度も録り直している。どのテイクを採ったかは 除外区間ログ.md に一覧化した。 Q02は5テイク、Q03は3テイク、Q08は3テイクあり、いずれも言い切りが最もきれいなテイクを選んだ。言い淀んで途中で止まった前半が採用区間に紛れ込んでいないことを、タイムライン順の通し読みで確認済み。

音声はピンマイクをA3/A4に載せた

本編の音声はカメラ内蔵マイクではなくピンマイクの別録りWAV。build_rough_cut_xml.py の2カメ同期機能は Bカム側に映像ストリームを要求するため音声のみの素材を渡せない。V1の各クリップのタイムライン位置に合わせてピンマイクのモノラルclipitemをA3(L)/A4(R)へ後付けした（同じモノラル音源を左右に置いてセンター再生にする）。 確認用MP4の音声もピンマイク側にしてある。

話者判定をモノラル用に作り直した

スキル標準の話者判定はL/R 2本のピンマイクの音量差を使うが、本案件は1本・モノラル収録のため使えない。相対レベルのみで判定するモノラル版（classify_speaker_mono.py）を作って全4本に実行した。実測の分離は古庄様 -2〜+1.5dB／森山さん -21〜-37dB で十分。F0は使っていない（両名とも女声のため無効）。