Communitygithub.com

ever-just/agentskills

YouTube、Vimeo、企業ウェブサイトの動画コンテンツから実用的なインテリジェンスを抽出します。動画は、テキストソースでは得られない施設規模、チーム構成、製品デモ、看板、イベント参加者、業務の実態を明らかにします。

agentskills とは?

このスキルは、YouTube、Vimeo、企業ウェブサイト上の動画コンテンツから、メタデータとキャプションの抽出を中心に、実用的なインテリジェンスを取得するための包括的なフレームワークを提供します。デフォルトでは動画ファイルをダウンロードせずにメタデータとキャプションのみを抽出するため、高速で無料、ストレージコストがかかりません。視覚分析が必要な場合にのみ動画ファイルをダウンロードします。`yt-dlp` と Python を主要なツールとして使用し、発見、取得、VTT解析、Whisperによる文字起こし、インテリジェンス抽出の5つのフェーズで構成されています。アンチパターンやエッジケース、意思決定ツリーも含まれており、`deep-research` や `intelligence-dossier` などの他のスキルと連携して、より深い調査やレポート作成に動画インテリジェンスを活用できます。

対応~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ever-just/agentskills/tree/HEAD/skills/video-intelligence

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

動画インテリジェンス抽出

概要

YouTube、Vimeo、企業ウェブサイトの動画コンテンツから実用的なインテリジェンスを抽出します。動画は、テキストソースでは得られない施設規模、チーム構成、製品デモ、看板、イベント参加者、業務の実態を明らかにします。

このスキルは、メタデータ + キャプション抽出(高速、無料、ストレージ不要)に焦点を当て、視覚分析が必要な場合にのみ実際の動画ファイルをダウンロードします。


使用すべきタイミング

  • ターゲット企業がYouTubeチャンネルを持っている場合(小規模でも可 — Shortsも対象)
  • 創業者や経営陣がポッドキャスト/インタビュー動画に出演している場合
  • 製品デモやウォークスルーが何らかのプラットフォームに存在する場合
  • イベントの録画が企業のブース、プレゼンテーション、参加状況を示している場合
  • 主張(施設規模、従業員数、製品範囲)を視覚的証拠で検証する必要がある場合
  • 企業ウェブサイトに埋め込み動画コンテンツがある場合

前提条件

ツールインストール方法目的
yt-dlppip install yt-dlp または brew install yt-dlp動画メタデータ/キャプションのダウンロード
Python 3.10+システムVTT解析、自動化
Whisper (オプション)pip install openai-whisperキャプションがない場合の文字起こし
ffmpeg (オプション)brew install ffmpegWhisper用の音声抽出

フェーズ 1: 発見

YouTubeチャンネル列挙

# チャンネルの全動画を一覧表示(動画ID + タイトルを返し、ダウンロードなし)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"

# タイムライン分析のためのアップロード日を含める
yt-dlp --flat-playlist --print "%(upload_date)s %(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"

YouTube検索

# YouTube検索(上位10件)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch10:COMPANY_NAME"

# より広範な検索(上位30件)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch30:COMPANY_NAME founder interview"

その他の発見方法

ソース方法
Google動画検索site:youtube.com "企業名"
企業ウェブサイトソースを検査し <iframe src="youtube.com/embed/..."> を探す
Vimeoyt-dlp --flat-playlist "https://vimeo.com/USER"
LinkedIn手動ブラウズ — 動画をプログラムで列挙することは不可能
イベントプラットフォームSched/Emamoのセッションページで埋め込み動画リンクを確認

発見チェックリスト

  • ターゲット企業の公式YouTubeチャンネル
  • 創業者/CEOの個人チャンネルまたはゲスト出演
  • ターゲットがインタビューされた業界ポッドキャストチャンネル
  • ターゲットのプレゼンテーションがあるイベント/カンファレンスチャンネル
  • ターゲットに言及しているパートナー/サプライヤーチャンネル
  • ターゲットを取材した地元ニュース/メディアチャンネル

フェーズ 2: 取得

メタデータ + キャプション(デフォルト — 動画ダウンロードなし)

# チャンネル全体 — メタデータ + 自動キャプション、動画ファイルなし
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  --sleep-interval 2 "https://www.youtube.com/@CHANNEL"

# 単一動画
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  "https://www.youtube.com/watch?v=VIDEO_ID"

# リスト内の複数の特定動画
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
  --sleep-interval 2 -a video_urls.txt

主要なyt-dlpフラグ

フラグ目的
--write-info-json完全なメタデータを保存(タイトル、日付、再生時間、説明、タグ、視聴回数)
--write-auto-sub自動生成されたキャプションをダウンロード
--sub-lang en英語キャプションのみ
--skip-download動画/音声ファイルなし — メタデータのみ
--sleep-interval 2レート制限(30本以上の動画があるチャンネルで重要)
--flat-playlistリストモード — 何もダウンロードせずに列挙
-f "bestvideo[height<=720]+bestaudio"適切な品質で動画をダウンロード
-x --audio-format mp3音声のみ抽出(Whisper用)

動画ファイルのダウンロード(視覚分析が必要な場合)

# 最大720p(品質とファイルサイズのバランスが良い)
yt-dlp -f "bestvideo[height<=720]+bestaudio" --merge-output-format mp4 VIDEO_URL

# Whisper文字起こし用の音声のみ
yt-dlp -x --audio-format mp3 VIDEO_URL

出力ファイル構造

project/
├── raw/video/
│   ├── 動画タイトル [VIDEO_ID].info.json    # メタデータ
│   ├── 動画タイトル [VIDEO_ID].en.vtt       # 自動キャプション(VTT形式)
│   └── 動画タイトル [VIDEO_ID].mp4          # 動画ファイル(ダウンロードした場合のみ)
├── transcripts/
│   ├── VIDEO_ID_transcript.txt                # 解析済みプレーンテキスト
│   └── VIDEO_ID_transcript.txt
└── analysis/
    └── video_intelligence_summary.md

フェーズ 3: VTT解析

VTTキャプションをプレーンテキストに変換

import re
import glob

def vtt_to_text(vtt_path):
    """VTT字幕ファイルをクリーンなプレーンテキストに解析します。"""
    with open(vtt_path) as f:
        content = f.read()
    # WEBVTTヘッダーとメタデータを削除
    content = re.sub(r'WEBVTT.*?\n', '', content, flags=re.DOTALL)
    # タイムスタンプ行を削除
    content = re.sub(r'\d{2}:\d{2}:\d{2}\.\d+ --> .*', '', content)
    # HTML形式の書式タグを削除
    content = re.sub(r'<[^>]+>', '', content)
    # 連続する重複行を削除し結合
    lines = []
    for l in content.split('\n'):
        l = l.strip()
        if l and not l.isdigit() and (not lines or l != lines[-1]):
            lines.append(l)
    return ' '.join(lines)


def batch_parse_vtts(vtt_dir, output_dir):
    """ディレクトリ内のすべてのVTTファイルをプレーンテキストに解析します。"""
    import os
    os.makedirs(output_dir, exist_ok=True)
    for vtt_file in glob.glob(f"{vtt_dir}/*.vtt"):
        text = vtt_to_text(vtt_file)
        # ファイル名パターン "タイトル [VIDEO_ID].en.vtt" から動画IDを抽出
        video_id = re.search(r'\[([^\]]+)\]', vtt_file)
        if video_id:
            out_name = f"{video_id.group(1)}_transcript.txt"
        else:
            out_name = os.path.basename(vtt_file).replace('.en.vtt', '_transcript.txt')
        with open(os.path.join(output_dir, out_name), 'w') as f:
            f.write(text)
        print(f"解析完了: {out_name} ({len(text.split())} 単語)")

フェーズ 4: Whisperフォールバック(キャプションがない場合)

自動キャプションが存在しない場合(Shorts、古い動画、非英語コンテンツで一般的):

# 音声のみダウンロード
yt-dlp -x --audio-format mp3 -o "%(id)s.%(ext)s" VIDEO_URL

# Whisperで文字起こし
whisper VIDEO_ID.mp3 --model base --language en --output_format txt

# 固有名詞の精度を上げる場合(3〜5倍遅い):
whisper VIDEO_ID.mp3 --model medium --language en --output_format txt

キャプションが通常存在しない場合

  • YouTube Shorts(60秒未満)
  • 2015年以前にアップロードされた動画(自動キャプション以前の時代)
  • 限定公開/非公開の動画
  • 発話が最小限の音楽中心のコンテンツ
  • 言語が指定されていない非英語コンテンツ

フェーズ 5: インテリジェンス抽出

メタデータインテリジェンス(info.jsonから)

すべての .info.json ファイルには以下が含まれます:

フィールドインテリジェンス価値
upload_date企業活動とコンテンツ戦略のタイムライン
duration短い = プロモーション、長い = 実質的なインタビュー
descriptionリンク、名前、タイムスタンプ、パートナーへの言及が含まれていることが多い
tagsSEO戦略、自己識別カテゴリ
view_countどのコンテンツが視聴者に響いているか
like_countエンゲージメント品質のシグナル
channel誰が公開したか(自社チャンネル vs ゲスト出演)

トランスクリプトインテリジェンスチェックリスト

  • 名前の挙がった人物(従業員、パートナー、顧客)
  • インタビューで何気なく言及された収益/成長数値
  • 議論された将来計画や戦略
  • 認められた問題点や課題
  • 競合他社への言及(ポジティブまたはネガティブ)
  • 採用計画やチーム規模への言及
  • 製品ロードマップや機能発表
  • 口頭で言及された顧客名やケーススタディ

視覚インテリジェンスチェックリスト(動画ダウンロードが必要)

  • 施設/倉庫の規模と状態
  • 見える従業員の数(チーム規模のプロキシ)
  • 棚にある製品やデモ(在庫の幅)
  • 設備や機械(設備投資のシグナル)
  • 看板、ブランディング、ロゴの使用
  • イベントブースの規模とデザインの質
  • 車両(配送能力)
  • カメラに捉えられた顧客とのやり取り
  • 背景にある地理的/場所の識別子

エッジケースと注意点

  1. YouTubeのレート制限 — ダウンロード間隔に --sleep-interval 2 を使用。30件以上の高速リクエスト後にDNSエラーが発生します。大規模チャンネルの場合は、20件ずつのバッチに分割してください。

  2. チャンネルダウンロードのファイル名 — yt-dlpはチャンネルからダウンロードする際、ファイル名を「タイトル [VIDEO_ID].拡張子」とします。タイトル内のスペースや特殊文字はシェルスクリプトで問題を引き起こします。クリーンなファイル名を得るには -o "%(id)s.%(ext)s" を使用してください。

  3. 重複アップロード — 同じインタビューが異なるチャンネルやタイトルでアップロードされる場合があります。分析に時間をかける前に、再生時間とアップロード日を相互参照して重複を特定してください。

  4. LinkedInネイティブ動画 — プログラムでダウンロードすることはできません。LinkedInのCDN URLは認証されており、数時間で期限切れになります。手動タスクとしてフラグを立ててください:「完全なWebページとして保存」をブラウザで実行するか、キーフレームをスクリーンショットしてください。

  5. Shorts vs 通常の動画 — ShortsのURL形式は youtube.com/shorts/ID ですが、yt-dlpは両方の形式を透過的に処理します。Shortsをスキップしないでください — 製品、施設、チーム文化が映っていることがよくあります。

  6. 限定公開動画 — チャンネル一覧には表示されませんが、直接URLからアクセスできます。検索エンジンがインデックスしている可能性があります。かつて公開リンクされていた限定公開URLについては、GoogleキャッシュとWayback Machineを確認してください。

  7. 自動キャプションの品質 — 句読点がなく、固有名詞が誤っていることがあります(Celina → Selena、BROGAV → ProGraph)。標準的な英語の音声では95%以上の単語精度です。企業名や人名は、信頼できる情報源と照らし合わせて常に検証してください。

  8. アップロード日 vs コンテンツの日付 — 動画は撮影から数週間から数ヶ月後にアップロードされる場合があります。実際の撮影日については、説明文と音声の手がかりを確認してください。特にイベント動画は遅れがちです。

  9. info.jsonは貴重 — 常に --write-info-json で取得してください。説明フィールドには、動画自体にはないタイムスタンプ、ゲスト名、リソースへのリンク、パートナーへの言及が含まれていることがよくあります。

  10. VTTタイムスタンプは貴重 — プレーンテキスト変換では時間情報が失われます。元のVTTファイルを信頼できる情報源として保持してください。タイムスタンプを使用すると、視覚的検証のために特定の瞬間を見つけることができます。


アンチパターン

してはいけないこと代わりに行うこと
Shortsが短いからといって無視する視覚情報(製品、施設、チーム)のためにShortsを確認する
すべての動画にキャプションがあると想定する確認し、キャプションがないコンテンツにはWhisperにフォールバックする
デフォルトで動画ファイルをダウンロードする--skip-download から開始し、視覚分析にのみ動画を取得する
LinkedInの動画ダウンロードを自動化しようとする手動タスクとしてフラグを立てる。CDNのURLは認証されている
アップロード日をコンテンツの日付として信頼する説明文、音声の手がかり、イベント日と相互参照する
レート制限なしでチャンネル全体を一度にダウンロードする--sleep-interval 2 を使用し、20件ずつのグループに分割する
トランスクリプトのみを解析し、info.jsonを無視するメタデータには音声に含まれない名前、リンク、タグが含まれている
動画をテキストソースより劣っていると見なす動画は物理的な現実(施設、チーム、製品)を独自に確認できる

判断ツリー

コンテンツはYouTube上にあるか?
├── はい → yt-dlp --write-info-json --write-auto-sub --skip-download
│   ├── キャプションはあるか?→ VTTをテキストに解析 → インテリジェンス抽出
│   └── キャプションがない?
│       ├── 動画 > 60秒で発話がある?→ yt-dlp -x → Whisper → 分析
│       └── Shorts/視覚のみ?→ 動画をダウンロード → 視覚分析
└── いいえ →
    ├── Vimeo → yt-dlp が対応(YouTubeと同じワークフロー)
    ├── LinkedIn動画 → 手動で「完全なWebページとして保存」(手動タスクとしてフラグ)
    ├── 企業ウェブサイトの埋め込み → iframe URLを抽出 → 通常はYouTube/Vimeo
    └── その他のプラットフォーム → yt-dlpの対応サイトリストを確認

実績(BROGAVケーススタディ)

指標値
発見された総動画数45(9本の長編、36本のShorts)
取得されたVTTキャプションファイル10
テキストに解析されたトランスクリプト10
分析された実質的なインタビュー2(各5,000語以上)
RSS/Whisperフォールバック経由のポッドキャスト1(6,489語)
検出された重複動画1(同じインタビュー、2つのチャンネル)
抽出された独自のインテリジェンス創業者の来歴、収益シグナル、成長計画、サプライヤー関係、施設詳細、チーム文化
Shortsからの視覚インテリジェンス製品範囲、倉庫レイアウト、ブランドキャビネットライン、季節在庫

他のスキルとの連携

スキル連携ポイント
deep-researchウェブ検索と並んで動画はフェーズ3/4のソースとなる
intelligence-dossier動画トランスクリプトは「人」「製品」「財務シグナル」セクションに情報を提供する
client-discovery-osint顧客の推薦動画はクライアントを直接指名する
supplier-verification製品デモ動画はサプライヤーのロゴやブランド製品を示す
era-validated-linkedin-analysis動画のアップロード日はLinkedInのアクティビティタイムラインと相互参照できる
contact-sheet-image-analysis動画のスクリーンショットはサムネイルグリッド経由でバッチ分析できる

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

ever-just/agentskills

> Declarative animations for React. Springs, gestures, layout animations, and page transitions. GPU-accelerated, production-ready.

ever-just/agentskills

> Create animated logos, icons, and micro-interactions as lightweight Lottie JSON files. No After Effects needed — build animations entirely in code.

ever-just/agentskills

> A TypeScript library using generators to program animations with a real-time editor. Ideal for explainer videos, code walkthroughs, and educational content.

ever-just/agentskills

> Add animated subtitles and captions to Remotion videos from .SRT files. TikTok-style word-by-word highlights, karaoke effects, and more.

ever-just/agentskills

> Create videos programmatically using React components. The most mature framework for code-driven video production.

ever-just/agentskills

> Copy-paste video components for Remotion. Intros, text effects, transitions, and full scene templates. Like shadcn/ui but for video.

ever-just/agentskills

Optimize and embed an existing video as a fast, crisp, autoplaying hero/background/loop on a website. Use when adding or replacing a video on a marketing site and it is too heavy, will not autoplay (especially on mobile/Safari), shows a codec error, or looks soft — to transcode it to web-safe H.264 with the right pixel format, faststart, retina-aware sizing, and a poster frame, then embed and verify it actually plays. This is optimization + embedding of footage you already have, not creating/animating a video (for that use remotion/moviepy/motion-canvas). Use when the user says "add this video to the site", "the hero video is too big / won't play / isn't crisp", "replace the homepage video", or "make this loop on the landing page".

ever-just/agentskills

Full conversion audit for any homepage or landing page. Use when someone asks to "review my homepage," "audit my landing page," "why isn't my page converting," "check my website," or wants feedback on their marketing page. Requires URL or screenshot before proceeding.

ever-just/agentskills

Automatically fetch YouTube video transcripts, generate structured summaries, and send full transcripts to messaging platforms. Detects YouTube URLs and provides metadata, key insights, and downloadable transcripts.

関連スキル