snip — 動画カット&並べ替え
動画をセグメントにカットし、順序を並べ替え、指定したフレームレートでエクスポートします。ハイライトリールの作成、シーンの再構成、またはビデオのペーシング変更に便利です。
スキルディレクトリ(この SKILL.md があるディレクトリ)を以下 $SKILL_DIR と表記します。
使用するタイミング
以下のような場合にこのスキルを使用してください:
- 動画を特定のセグメントにカットする
- 動画セグメントを異なる順序で並べ替える
- 動画から不要な部分を削除する
- 出力フレームレート(1秒あたりのカット数)を変更する
- 発話セグメントを自動検出して自然なカットを行う(優先)
- シーン変化を自動検出してフォールバックする
セットアップ(初回のみ)
cd "$SKILL_DIR" && uv sync
エージェントのワークフロー
1. ユーザーに質問する
動画をカットする前に、以下の情報が必要です:
📹 ソース動画
動画ファイルとその場所をリストアップしてください
✂️ カットするセグメント
各セグメントについて以下を指定:
- source: ファイル名
- start: 開始時間(秒)(例:0.0, 5.5)
- end: 終了時間(秒)(例:2.0, 10.0)
セグメントの例:
[
{"source": "video.mp4", "start": 0.0, "end": 1.0},
{"source": "video.mp4", "start": 3.0, "end": 4.5},
{"source": "video.mp4", "start": 1.5, "end": 2.5}
]
🎬 出力FPS(オプション)
デフォルト:30 fps
一般的なオプション:24, 30, 60
📁 入力/出力ディレクトリ(デフォルト:./input および ./output)
ユーザーの応答を待ってから続行します。
2. カット戦略を決定する
優先順位:
- 明示的なセグメント — ユーザーが開始/終了時間を指定した場合は、それを使用
- 音声文字起こし —
transcription.enabled: true(デフォルト)の場合、文字起こしを探すか生成し、発話セグメントの境界でカット - アダプティブシーン検出 — 文字起こしが利用できないか失敗した場合のフォールバック
音声文字起こし(優先方式)
このスキルはまず、動画からタイムスタンプ付きの発話セグメントを取得するために、音声文字起こしを使用しようとします。これにより、話し言葉の内容に沿った、より自然なカットが生成されます。
🤖 音声文字起こしモード(優先)
カッターは以下の処理を行います:
1. 出力ディレクトリに既存の文字起こし JSON(例:video_transcription.json)があるか確認
2. 見つからない場合、自動的に音声文字起こしを実行
3. 発話セグメントの境界で動画をカット
⚙️ 設定:
- transcription.enabled: true(デフォルト)
- fallback_to_adaptive: true(デフォルト)— 文字起こしが失敗した場合にシーン検出を使用
- min_segment_duration: セグメントの最小秒数(デフォルト:1.0)
- max_segment_duration: セグメントの最大秒数(デフォルト:30.0)
設定例:
{
"segments": [{"source": "video.mp4", "start": 0, "end": 60}],
"transcription": {
"enabled": true,
"fallback_to_adaptive": true,
"min_segment_duration": 1.0,
"max_segment_duration": 30.0
}
}
アダプティブシーン検出(フォールバック)
文字起こしが無効か失敗した場合、スキルは視覚的なシーン検出にフォールバックします:
🎬 アダプティブシーン検出(フォールバック)
動画内のシーン変化を自動検出してカットを作成します。
これにより、自然なトランジションでカットすることで、退屈で反復的なコンテンツを避けられます。
⚙️ 検出モード:
- adaptive — 照明の変化や緩やかな変化に最適 [デフォルト]
- content — 高速で明確なシーンカットに最適
- threshold — フェードイン/アウト検出に最適
📏 シーン時間フィルター:
- min_scene_duration: シーンの最小秒数(デフォルト:1.0)
- max_scene_duration: シーンの最大秒数(デフォルト:10.0)
🎛️ 詳細設定(オプション):
- threshold: contentモードのピクセル差分の閾値(デフォルト:27.0)
- adaptive_threshold: adaptiveモードの比率の閾値(デフォルト:3.0)
- window_width: 平均化するフレーム数(デフォルト:2)
- min_scene_len: カット前の最小フレーム数(デフォルト:15)
- min_content_val: 最小コンテンツ変化(デフォルト:15.0)
自動検出フォールバックを使用した設定例:
{
"segments": [{"source": "video.mp4", "start": 0, "end": 60}],
"transcription": {
"enabled": false
},
"auto_detect": {
"enabled": true,
"mode": "adaptive",
"min_scene_duration": 1.0,
"max_scene_duration": 10.0
}
}
3. config.json を編集する
ユーザーの選択に基づいて $SKILL_DIR/config.json を作成または更新します。
4. 実行
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json
5. 結果を報告する
出力ファイルのパス、長さ、FPS をユーザーに伝えます。使用された方式(文字起こしベースかシーン検出か)も記載します。
設定リファレンス
| キー | 値 | デフォルト | 説明 |
|---|---|---|---|
input_dir | パス | ./input | 入力動画が格納されているフォルダ |
output_dir | パス | ./output | 出力先フォルダ |
segments | 配列 | (必須) | セグメント定義のリスト |
output_fps | 整数 | 30 | 出力フレームレート |
セグメント定義
| キー | 型 | 説明 |
|---|---|---|
source | 文字列 | input_dir 内のファイル名 |
start | 浮動小数点数 | 開始時間(秒) |
end | 浮動小数点数 | 終了時間(秒) |
文字起こし(優先方式)
| キー | 値 | デフォルト | 説明 |
|---|---|---|---|
enabled | ブール値 | true | 文字起こしベースのカットを有効にする |
fallback_to_adaptive | ブール値 | true | 文字起こしが失敗した場合にシーン検出を使用する |
min_segment_duration | 浮動小数点数 | 1.0 | これより短いセグメントをスキップ(秒) |
max_segment_duration | 浮動小数点数 | 30.0 | これより長いセグメントをスキップ(秒) |
自動検出(フォールバック)
| キー | 値 | デフォルト | 説明 |
|---|---|---|---|
enabled | ブール値 | false | 自動シーン検出を有効にする(フォールバックのみ) |
mode | adaptive, content, threshold | adaptive | 検出アルゴリズム |
min_scene_duration | 浮動小数点数 | 1.0 | これより短いシーンをスキップ(秒) |
max_scene_duration | 浮動小数点数 | 10.0 | これより長いシーンをスキップ(秒) |
threshold | 浮動小数点数 | 27.0 | content/threshold モードのピクセル差分の閾値 |
adaptive_threshold | 浮動小数点数 | 3.0 | adaptive モードの比率の閾値 |
window_width | 整数 | 2 | 前後のフレームを平均化する数 |
min_scene_len | 整数 | 15 | カット前の最小フレーム数 |
min_content_val | 浮動小数点数 | 15.0 | 最小コンテンツ変化 |
検出モード(フォールバック)
- adaptive(デフォルト):照明の変化や緩やかなトランジションがある動画に最適
- content:シャープで明確なシーンカットがある動画に最適
- threshold:フェードイン/アウトのトランジション検出に最適
一般的な呼び出し方
# デフォルト設定(可能な場合は文字起こしを使用し、フォールバックでアダプティブを使用)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json
# アダプティブシーン検出を強制(文字起こしをスキップ)
cd "$SKILL_DIR" && uv run python scripts/cutter.py --config config.json --no-transcription
# カスタムディレクトリ
cd "$SKILL_DIR" && uv run python scripts/cutter.py \
--input /path/to/videos --output /path/to/output
出力
各設定により、output_dir 内に連結されたセグメントを含む1つの output.mp4 が生成されます。
音声は元の動画セグメントから保持されます。
エラーハンドリング
- セグメントが定義されていない → エラーメッセージを表示して終了
- セグメント時間が無効 → 期待される形式を明示したエラー
- ソース動画が見つからない → ファイルが見つからないというエラー
- 文字起こしが失敗 → 有効な場合はアダプティブにフォールバック、そうでなければエラー
- 個別のセグメントエラー → ログに記録され、他のセグメントは続行