Communitygithub.com

ASoudy/AGS

ビデオ、オーディオの認識、インデックス作成、編集。ファイル/URL/ライブストリームを取り込み、視覚/音声インデックスを構築し、タイムスタンプ付きで検索、タイムライン編集、オーバーレイ/字幕追加、メディア生成、リアルタイムアラートを作成します。

AGS とは?

このスキルは、VideoDBプラットフォームを介してビデオ、オーディオ、およびライブストリームの包括的な認識、インデックス作成、検索、および編集機能を提供します。主にClaude CodeのようなAIエージェント向けに設計されており、デスクトップセッションキャプチャ(macOS)、ファイル/URL/ライブストリームの取り込み、視覚的・音声的・キーワードベースのインデックス作成、正確なタイムスタンプと再生可能な証拠リンク付きの検索、タイムライン編集(字幕、オーバーレイ、BGM、ナレーション)、およびリアルタイム監視アラートなどの機能をサポートします。このスキルは、ビデオ処理をPython SDK経由でサーバーサイドで処理するため、ffmpegなどのローカルツールの必要性を減らし、複雑なワークフローを簡素化します。開発者は、キャプチャ開始、ファイル取り込み、インデックス作成、検索、編集、ライブストリーム監視など、自然言語クエリを通じてこれらの機能を呼び出すことができます。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/AGAS/plugins/antigravity-awesome-skills-claude/skills/videodb

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

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:

  1. 環境変数(すでにエクスポートされている場合)
  2. 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 existsvideo.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 existsre.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。

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

  1. リスナーを起動: python scripts/ws_listener.py &
  2. WebSocket ID を取得: cat /tmp/videodb_ws_id
  3. 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)
  4. 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

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。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Pull a YouTube video transcript into a queryable markdown vault with yt-dlp subtitle discovery, VTT cleanup, metadata frontmatter, and capture-seed stubs.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

関連スキル