VideoDB スキル
ビデオ、ライブストリーム、デスクトップセッションのための認識+メモリ+アクション。
このスキルは次のような場合に使用します。
使用時
- ファイル、URL、デスクトップセッション、ライブストリームからのビデオ/オーディオ認識、インデックス作成、検索、タイムライン編集が必要な場合。
- タイムスタンプ、検索可能な証拠、字幕、クリップ、オーバーレイ、リアルタイム監視アラートを含むタスク。
- 取り込み、理解、検索、メディアアクションを組み合わせた単一のワークフローが必要な場合。
1) デスクトップ認識
- デスクトップセッションを開始/停止し、画面、マイク、システムオーディオをキャプチャ
- ライブコンテキストをストリーミングし、エピソードセッションメモリを保存
- 話されている内容や画面の内容に基づいてリアルタイムアラート/トリガーを実行
- セッションサマリー、検索可能なタイムライン、再生可能な証拠リンクを生成
2) ビデオ取り込み+ストリーム
- ファイルまたはURLを取り込み、再生可能なWebストリームリンクを返す
- トランスコード/正規化: コーデック、ビットレート、FPS、解像度、アスペクト比
3) インデックス+検索(タイムスタンプ+証拠)
- 視覚的、音声的、キーワードインデックスを構築
- 正確な瞬間をタイムスタンプと再生可能な証拠で検索して返す
- 検索結果から自動的にクリップを作成
4) タイムライン編集+生成
- 字幕: 生成、翻訳、焼き込み
- オーバーレイ: テキスト/画像/ブランド表示、モーションキャプション
- オーディオ: BGM、ナレーション、吹き替え
- タイムライン操作によるプログラムによる合成とエクスポート
5) ライブストリーム(RTSP)+監視
- RTSP/ライブフィードに接続
- リアルタイムの視覚的および音声的理解を実行し、監視ワークフローのためにイベント/アラートを出力
一般的な入力
- ローカルファイルパス、公開URL、またはRTSP URL
- デスクトップキャプチャリクエスト: 開始 / 停止 / セッション要約
- 必要な操作: 理解のためのコンテキスト取得、トランスコード仕様、インデックス仕様、検索クエリ、クリップ範囲、タイムライン編集、アラートルール
一般的な出力
- ストリームURL
- タイムスタンプと証拠リンク付きの検索結果
- 生成されたアセット: 字幕、オーディオ、画像、クリップ
- ライブストリームのイベント/アラートペイロード
- デスクトップセッションサマリーとメモリエントリ
正規プロンプト(例)
- "デスクトップキャプチャを開始し、パスワードフィールドが表示されたらアラートを出して。"
- "セッションを録画し、終了時に実用的なサマリーを生成して。"
- "このファイルを取り込み、再生可能なストリームリンクを返して。"
- "このフォルダをインデックスし、人がいるすべてのシーンを見つけてタイムスタンプを返して。"
- "字幕を生成し、焼き込んで、軽いBGMを追加して。"
- "このRTSP URLに接続し、人がゾーンに入ったらアラートを出して。"
Pythonコードの実行
VideoDBコードを実行する前に、プロジェクトディレクトリに移動し、環境変数をロードしてください:
from dotenv import load_dotenv
load_dotenv(".env")
import videodb
conn = videodb.connect()
これにより、VIDEO_DB_API_KEYが以下の場所から読み込まれます:
- 環境変数(すでにエクスポートされている場合)
- カレントディレクトリのプロジェクト
.envファイル
キーがない場合、videodb.connect()は自動的にAuthenticationErrorを発生させます。
短いインラインコマンドで済む場合は、スクリプトファイルを作成しないでください。
インラインPython(python -c "...")を記述する場合は、常に適切にフォーマットされたコードを使用してください。ステートメントを区切るためにセミコロンを使用し、読みやすくしてください。約3ステートメントより長い場合は、代わりにヒアドキュメントを使用してください:
python << 'EOF'
from dotenv import load_dotenv
load_dotenv(".env")
import videodb
conn = videodb.connect()
coll = conn.get_collection()
print(f"Videos: {len(coll.get_videos())}")
EOF
セットアップ
ユーザーが"videodbをセットアップ"などと依頼した場合:
1. SDKのインストール
pip install "videodb[capture]" python-dotenv
Linuxでvideodb[capture]が失敗した場合は、capture拡張なしでインストールしてください:
pip install videodb python-dotenv
2. APIキーの設定
ユーザーは以下のいずれかの方法でVIDEO_DB_API_KEYを設定する必要があります:
- ターミナルでエクスポート(Claudeを起動する前):
export VIDEO_DB_API_KEY=your-key - プロジェクトの
.envファイル:VIDEO_DB_API_KEY=your-keyをプロジェクトの.envファイルに保存
https://console.videodb.io で無料のAPIキーを取得してください(50回の無料アップロード、クレジットカード不要)。
自分でAPIキーを読み取り、書き込み、または処理しないでください。 常にユーザーに設定させてください。
クイックリファレンス
メディアのアップロード
# URL
video = coll.upload(url="https://example.com/video.mp4")
# YouTube
video = coll.upload(url="https://www.youtube.com/watch?v=VIDEO_ID")
# ローカルファイル
video = coll.upload(file_path="/path/to/video.mp4")
トランスクリプト+字幕
# force=True は、ビデオがすでにインデックスされている場合のエラーをスキップします
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()
ビデオ内の検索
from videodb.exceptions import InvalidRequestError
video.index_spoken_words(force=True)
# search() は結果が見つからない場合に InvalidRequestError を発生させます。
# 常に try/except でラップし、「結果が見つかりません」を空として扱ってください。
try:
results = video.search("product demo")
shots = results.get_shots()
stream_url = results.compile()
except InvalidRequestError as e:
if "No results found" in str(e):
shots = []
else:
raise
シーン検索
import re
from videodb import SearchType, IndexType, SceneExtractionType
from videodb.exceptions import InvalidRequestError
# index_scenes() には force パラメータがありません — シーンインデックスが
# すでに存在する場合、エラーが発生します。エラーから既存のインデックスIDを抽出してください。
try:
scene_index_id = video.index_scenes(
extraction_type=SceneExtractionType.shot_based,
prompt="このシーンの視覚的な内容を説明してください。",
)
except Exception as e:
match = re.search(r"id\s+([a-f0-9]+)", str(e))
if match:
scene_index_id = match.group(1)
else:
raise
# score_threshold を使用して関連性の低いノイズをフィルタリングします(推奨: 0.3以上)
try:
results = video.search(
query="ホワイトボードに書いている人",
search_type=SearchType.semantic,
index_type=IndexType.scene,
scene_index_id=scene_index_id,
score_threshold=0.3,
)
shots = results.get_shots()
stream_url = results.compile()
except InvalidRequestError as e:
if "No results found" in str(e):
shots = []
else:
raise
タイムライン編集
重要: タイムラインを構築する前に、常にタイムスタンプを検証してください:
startは 0 以上である必要があります(負の値は黙って受け入れられますが、壊れた出力を生成します)startはendより小さい必要がありますendはvideo.length以下である必要があります
from videodb.timeline import Timeline
from videodb.asset import VideoAsset, TextAsset, TextStyle
timeline = Timeline(conn)
timeline.add_inline(VideoAsset(asset_id=video.id, start=10, end=30))
timeline.add_overlay(0, TextAsset(text="The End", duration=3, style=TextStyle(fontsize=36)))
stream_url = timeline.generate_stream()
ビデオのトランスコード(解像度/品質変更)
from videodb import TranscodeMode, VideoConfig, AudioConfig
# 解像度、品質、またはアスペクト比をサーバーサイドで変更
job_id = conn.transcode(
source="https://example.com/video.mp4",
callback_url="https://example.com/webhook",
mode=TranscodeMode.economy,
video_config=VideoConfig(resolution=720, quality=23, aspect_ratio="16:9"),
audio_config=AudioConfig(mute=False),
)
アスペクト比のリフレーム(ソーシャルプラットフォーム向け)
警告: reframe() は遅いサーバーサイド操作です。長いビデオの場合、数分かかり、タイムアウトする可能性があります。ベストプラクティス:
- 可能な場合は常に
start/endを使用して短いセグメントに制限する - 全長ビデオの場合は、
callback_urlを非同期処理に使用する - 最初に
Timelineでビデオをトリミングし、その後短い結果をリフレームする
from videodb import ReframeMode
# 常に短いセグメントのリフレームを優先:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)
# 全長ビデオの非同期リフレーム(None を返し、結果は webhook 経由):
video.reframe(target="vertical", callback_url="https://example.com/webhook")
# プリセット: "vertical" (9:16), "square" (1:1), "landscape" (16:9)
reframed = video.reframe(start=0, end=60, target="square")
# カスタム寸法
reframed = video.reframe(start=0, end=60, target={"width": 1280, "height": 720})
生成メディア
image = coll.generate_image(
prompt="山の上の夕日",
aspect_ratio="16:9",
)
エラーハンドリング
from videodb.exceptions import AuthenticationError, InvalidRequestError
try:
conn = videodb.connect()
except AuthenticationError:
print("VIDEO_DB_API_KEY を確認してください")
try:
video = coll.upload(url="https://example.com/video.mp4")
except InvalidRequestError as e:
print(f"アップロード失敗: {e}")
よくある落とし穴
| シナリオ | エラーメッセージ | 解決策 |
|---|---|---|
| すでにインデックスされているビデオのインデックス化 | Spoken word index for video already exists | video.index_spoken_words(force=True) を使用してスキップ |
| シーンインデックスがすでに存在する | Scene index with id XXXX already exists | re.search(r"id\s+([a-f0-9]+)", str(e)) でエラーから既存の scene_index_id を抽出 |
| 検索で一致なし | InvalidRequestError: No results found | 例外をキャッチし、空の結果として扱う (shots = []) |
| リフレームのタイムアウト | 長いビデオで無期限にブロック | start/end でセグメントを制限するか、非同期処理に callback_url を渡す |
| タイムラインでの負のタイムスタンプ | 黙って壊れたストリームを生成 | VideoAsset を作成する前に常に start >= 0 を検証 |
generate_video() / create_collection() が失敗 | Operation not allowed または maximum limit | プラン制限のある機能 — ユーザーにプラン制限について通知 |
追加ドキュメント
リファレンスドキュメントは、この SKILL.md ファイルと同じディレクトリの reference/ ディレクトリにあります。必要に応じて Glob ツールを使用して見つけてください。
- reference/api-reference.md - VideoDB Python SDK 完全APIリファレンス
- reference/search.md - ビデオ検索の詳細ガイド(音声およびシーンベース)
- reference/editor.md - タイムライン編集、アセット、および合成
- reference/streaming.md - HLSストリーミングとインスタント再生
- reference/generative.md - AI搭載メディア生成(画像、ビデオ、オーディオ)
- reference/rtstream.md - ライブストリーム取り込みワークフロー(RTSP/RTMP)
- reference/rtstream-reference.md - RTStream SDK メソッドとAIパイプライン
- reference/capture.md - デスクトップキャプチャワークフロー
- reference/capture-reference.md - Capture SDK とWebSocketイベント
- reference/use-cases.md - 一般的なビデオ処理パターンと例
画面録画(デスクトップキャプチャ)
録画セッション中にWebSocketイベントをキャプチャするには ws_listener.py を使用します。デスクトップキャプチャは macOS のみ サポートしています。
クイックスタート
- リスナーを起動:
python scripts/ws_listener.py & - WebSocket ID を取得:
cat /tmp/videodb_ws_id - キャプチャコードを実行(完全なワークフローについては reference/capture.md を参照)
- イベントの書き込み先:
/tmp/videodb_events.jsonl
イベントのクエリ
import json
events = [json.loads(l) for l in open("/tmp/videodb_events.jsonl")]
# すべてのトランスクリプトを取得
transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
# 過去5分間の視覚的な説明を取得
import time
cutoff = time.time() - 300
recent_visual = [e for e in events
if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff]
ユーティリティスクリプト
- scripts/ws_listener.py - WebSocket イベントリスナー(JSONL にダンプ)
完全なキャプチャワークフローについては、reference/capture.md を参照してください。
VideoDB が操作をサポートしている場合、ffmpeg、moviepy、またはローカルエンコーディングツールを使用しないでください。 以下はすべて VideoDB によってサーバーサイドで処理されます — トリミング、クリップの結合、オーディオまたは音楽のオーバーレイ、字幕の追加、テキスト/画像オーバーレイ、トランスコーディング、解像度変更、アスペクト比変換、プラットフォーム要件に合わせたリサイズ、文字起こし、メディア生成。reference/editor.md の制限事項(トランジション、速度変更、クロップ/ズーム、カラーグレーディング、音量ミキシング)にリストされている操作についてのみ、ローカルツールにフォールバックしてください。
何をいつ使用するか
| 問題 | VideoDB ソリューション |
|---|---|
| プラットフォームがビデオのアスペクト比または解像度を拒否する | video.reframe() または VideoConfig を使用した conn.transcode() |
| Twitter/Instagram/TikTok 用にビデオのサイズを変更する必要がある | video.reframe(target="vertical") または target="square" |
| 解像度を変更する必要がある(例: 1080p → 720p) | VideoConfig(resolution=720) を使用した conn.transcode() |
| ビデオにオーディオ/音楽をオーバーレイする必要がある | Timeline 上の AudioAsset |
| 字幕を追加する必要がある | video.add_subtitle() または CaptionAsset |
| クリップを結合/トリミングする必要がある | Timeline 上の VideoAsset |
| ナレーション、音楽、または効果音を生成する必要がある | coll.generate_voice(), generate_music(), generate_sound_effect() |
リポジトリ
https://github.com/video-db/skills
メンテナンス元: VideoDB
制限事項
- このスキルは、タスクが上記の範囲に明確に一致する場合にのみ使用してください。
- 出力を、環境固有の検証、テスト、または専門家によるレビューの代わりとして扱わないでください。
- 必要な入力、権限、安全境界、または成功基準が不足している場合は、停止して明確化を求めてください。