動画編集
自然言語による指示で動画を編集します。トリミング、無音除去（ジャンプカット）、複数のスタイルに対応したキャプション、テキストオーバーレイ、速度変更に対応。すべてffmpegとWhisperを利用して実現しています。
使い方
動画ファイルのパスと希望する編集内容を指定します。
~/video.mp4 の動画を編集して。無音を除去して、Hormoziスタイルのキャプションを追加して、1.25倍速にして
~/interview.mp4 を 00:02:00 から 00:15:00 までトリミングして、標準キャプションを追加して
~/video.mp4 の1分の位置に「チャンネル登録よろしく！」というテキストオーバーレイを追加して
機能
トリミング
指定した開始・終了タイムスタンプまたは時間で動画をカットします。
scripts/trim.sh video.mp4 --start 00:01:30 --end 00:05:00
ジャンプカット（無音除去）
無音部分を自動検出して除去します。閾値、最小無音時間、パディングを設定可能。
scripts/jumpcut.sh video.mp4 --threshold -30 --duration 0.5 --padding 0.1
キャプション
Whisperで音声を書き起こし、字幕を動画に焼き付けます。3つのキャプションスタイル。
| スタイル | 説明 |
|---|---|
| hormozi | 太字、中央揃え、大文字 — Alex Hormoziスタイルの単語単位のインパクトスタイル |
| standard | 従来の下部字幕、半透明背景 |
| minimal | 小さい下部3分の1キャプション、すっきり控えめ |
scripts/transcribe.sh video.mp4 --model base --language en
scripts/caption.sh video.mp4 video.srt --style hormozi
テキストオーバーレイ
指定した位置とタイムスタンプにテキストを追加します。7つの位置に対応：中央、上部、下部、左上、右上、左下、右下。
scripts/overlay-text.sh video.mp4 --text "Subscribe!" --start 00:01:00 --end 00:01:05 --position bottom-right
速度変更
再生速度を調整します（音声のピッチはatempoで補正）。
# edit.shオーケストレーターを使用
scripts/edit.sh video.mp4 --speed 1.5
フルパイプライン（オーケストレーター）
複数の操作を1つのコマンドで連鎖実行：
scripts/edit.sh video.mp4 \
--trim-start 00:00:10 --trim-end 00:10:00 \
--jumpcut \
--caption --caption-style hormozi \
--speed 1.25 \
--overlay-text "Like & Subscribe" --overlay-start 00:01:00 \
--output final.mp4
パイプラインの順序：トリミング → ジャンプカット → 速度変更 → キャプション → オーバーレイ
必要条件
- ffmpeg — 動画処理（インストール必須）
- whisper — キャプション用音声書き起こし（openai-whisper CLI）
スクリプトリファレンス
| スクリプト | 目的 |
|---|---|
scripts/edit.sh | メインオーケストレーター — 全操作を連鎖処理 |
scripts/transcribe.sh | Whisperによる書き起こし → SRTファイル生成 |
scripts/caption.sh | SRTキャプションをスタイル付きで動画に焼き付け |
scripts/trim.sh | タイムスタンプによるトリミング |
scripts/jumpcut.sh | silencedetectによる無音自動除去 |
scripts/overlay-text.sh | 位置指定テキストオーバーレイ追加 |
エージェント向け指示
ユーザーが動画編集を依頼した場合：
- リクエストを解析 — 必要な操作（トリミング、ジャンプカット、キャプション、オーバーレイ、速度変更）を特定する
- 複数操作の編集にはedit.shを使用 — 正しい順序で操作を連鎖実行できる
- 単一操作には個別のスクリプトを使用 — より高速でシンプル
- キャプションについて：既存のSRTファイルがある場合は
--caption-srtを使用し、なければ自動で書き起こしを実行 - デフォルトのキャプションスタイル：ユーザーがスタイルを指定しない限り「standard」を使用
- デフォルトのWhisperモデル：速度重視で「base」を使用。長い動画やノイズの多い動画では精度向上のため「medium」または「large」を提案
- 出力：常にユーザーに出力ファイルのパスと長さを伝える