05 連携フロー — 4スキルの組み合わせ
4つの専門スキルをどう繋ぐか。実例（yoen-night）と代表的なパイプラインパターン。
なぜ連携か
1つのAIで「作曲も分析も映像も」やると、どれも中途半端になる。得意なことだけを担当させる専門スキルを繋ぐことで、各工程の品質が上がり、再現性も安定する。
代表的パターン
パターンA: ゼロから新曲を作って映像化まで
make-song（作曲+歌詞）
↓ 音源
video-prompt-spec（映像プロンプト）
↓
画像AI/動画AI でMV完成
パターンB: 既存曲を再現・学んで新曲へ
既存曲 → reverse-engineer-song（定性プロンプト）
→ analyze-song（定量データ）
↓ 知見
make-song（「この型で」作曲）
パターンC: 自作曲を自己分析して改善
make-song（作曲）
↓
analyze-song（定量分析・phrase_repetition 検出）
↓ 「Aメロ=サビ使い回し」等を検出
make-song（修正再生成）
実例: yoen-night
本パイプラインで実際に制作・検証した楽曲。
- make-song で「yoen-night」を作曲（MiniMax music-2.6・85BPM指定）
- analyze-song で定量分析 → 手動実証で「Aメロ/サビ 12音中10音一致」を検出（サビ使い回し発見）
- 楽譜化（MuseScore）でAメロ vs サビ 2段組五線譜を生成
⚠ この実証が analyze-song Phase 1a の先駆け。phrase_repetition 自動検出は Phase 1b で精度向上予定。
定性×定量の二重分析
既存曲を深く理解したい時は、両方を走らせる:
- reverse-engineer-song: 「再現するためのプロンプト」（主観・言語）
- analyze-song: 「客観的な数値データ」（BPM/キー/コード）
言語と数値の両面から曲を捉えることで、make-song へ還元する知見が立体的になる。