Communitygithub.com

aktsmm/Agent-Skills

動画URLまたはローカル動画ファイルからキャプション、サンプリングフレーム、コンタクトシート、プロンプトパケットを抽出し、GitHub Copilotでの分析用に準備します。Copilotに動画の視聴、検査、要約、診断を依頼する際に使用します。

Agent-Skills とは?

このスキルは、GitHub Copilotが動画コンテンツを分析できるように、必要なアーティファクト(キャプション、フレームコンタクトシート、フレームインデックス、マニフェスト、プロンプトパケット)を生成します。YouTube、Loom、TikTok、X、VimeoなどのURLや、ローカルの.mp4/.mov/.mkv/.webmファイルを入力として受け付けます。yt-dlpを使用して動画をダウンロードし、FFmpegでフレームを抽出、OpenAI WhisperまたはAzure Speechなどのバックエンドで文字起こしを行います。ユーザーの質問に応じて、トランスクリプトのみ、効率的なビジュアルパス、バランスモード、詳細なビジュアルパス(トークンバーナー)など、複数の詳細モードを提供します。生成されたアーティファクトを順次読み込み、それに基づいて回答を生成します。プライベートメディアや認証が必要なメディアに対しては、クッキーやトークンを渡さず、トランスクリプトファイルを指定する方法を推奨しています。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aktsmm/Agent-Skills/tree/HEAD/video-watch

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Video Watch

GitHub Copilotが検査できる動画アーティファクト(キャプション、フレームコンタクトシート、フレームインデックス、マニフェスト、プロンプトパケット)を準備します。

このスキルはbradautomates/claude-videoに着想を得ていますが、GitHub Copilotワークフローを対象としています。Claude CodeのRead並列処理は想定しないでください。まずファイルを生成し、その後ユーザーの質問に必要なアーティファクトのみを検査します。

使用するタイミング

  • ユーザーが動画の視聴、検査、要約、比較、または診断を依頼した場合。
  • 入力がyt-dlpでサポートされている動画URL、またはローカルの.mp4、.mov、.mkv、.webmファイルである場合。
  • タスクが、画面に表示される内容と音声の両方に依存する場合(バグの再現、製品デモ、ローンチ動画、チュートリアル、ウェビナー、広告、画面録画など)。

適さないケース

  • DRM、ペイウォール、認証、サイト利用規約を回避しないでください。
  • クッキー、ベアラートークン、署名付きURL、プライベートメディアの認証情報を要求または保存しないでください。
  • 公式APIや既存のトランスクリプトでタスクが解決できる場合は、動画処理よりもその軽量な方法を優先してください。

コアワークフロー

  1. 依存関係が不明な場合はプリフライトを実行します: python .github/skills/video-watch/scripts/preflight.py URL入力の場合はpython .github/skills/video-watch/scripts/preflight.py --url-modeを使用します。
  2. アーティファクトを生成します: python .github/skills/video-watch/scripts/video_watch.py <url-or-path> --question "<what to answer>" 別のツール、Azure Speech、またはSpeech Translator Desktop Plusが既にトランスクリプトを生成している場合は、--transcript-file <path>を使用します。 プライベートまたは認証が必要なメディアの場合は、--detail transcript --metadata-only --transcript-file <path>を推奨し、クッキー、ベアラートークン、署名付きURL認証情報を渡さないでください。
  3. アーティファクトを次の順序で読み取ります: manifest.json → prompt.md → transcript.md → frame-index.md → contact-sheet.jpg → 必要に応じてframes/内の選択されたファイル。 manifest.jsonは、ローカルソースのバイト、またはダウンロードが発生した場合のURL動画バイトのSHA-256を記録します。メタデータのみのURL実行では、メディアを取得せずにハッシュをnullのままにします。
  4. アーティファクトから回答します。回答がトランスクリプトのみ、フレームのみ、またはまばらなサンプリングに制限されている場合は、その旨を明記します。
  5. 特定の瞬間については、--start / --endを使用して再実行し、フレーム予算を集中させます。

詳細モード

モード用途
transcriptキャプションまたはサイドカートランスクリプトのみ。最速。
efficient迅速なトリアージのための小さなビジュアルパス。
balancedほとんどの画面録画やデモに適したデフォルトのコンタクトシート。
token-burnerユーザーが広範なビジュアルカバレッジを明示的に必要とする場合の大きなビジュアルパス。

ラバーダックチェックポイント

  • このスキルのワークフローを変更する前に、プリミティブの選択、隠れた依存関係、セーフティバウンダリ、Copilotアーティファクトの順序について計画をレビューします。
  • 編集後、SKILL.md、スクリプト、および参照が自己完結型の動作、トリガーの品質、行数、実行可能な検証についてレビューします。
  • 批評家を読み取り専用として扱います。プロデューサーが変更を適用し、検証を再実行します。

参照

必要なもの参照
詳細ワークフローreferences/workflow.md
依存関係とセットアップreferences/dependencies.md
フレーム予算とコンタクトシートreferences/frame-budget.md
オプションのScout/Whisper/Azure Speechバックエンドreferences/backends.md

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

関連スキル