AutoPulse Captions は何をしますか？

パイプライン: video → Whisper (単語タイムスタンプ) → Mini-ML補正 (EN/ID) → マイクロチャンク .ass (アクティブワード強調) → オプションのプレビューエディタ → FFmpeg焼き付け。

PROJECT_DIR（generate_captions.py と gpu_check.py を含むフォルダ）を特定する:

generate_captions.py がこの SKILL.md と同じディレクトリにある場合、PROJECT_DIR はこのディレクトリです。
この SKILL.md が .agents/skills/autopulse-captions/ 内にある場合、PROJECT_DIR はリポジトリルート (../../..) です。
それ以外の場合、デフォルトは C:\Users\Evan\.gemini\antigravity\scratch\autopulse-captions です。

以下のコマンドはすべて PROJECT_DIR から実行します。 Python実行ファイル (PY): PROJECT_DIR/.venv/Scripts/python.exe (Windows) または PROJECT_DIR/.venv/bin/python (macOS/Linux)。

0. 初回セットアップ (`.venv/` または `hardware_profile.json` がない場合のみ)

まずハードウェアを確認します（インストール不要、ネットワーク不要）: python gpu_check.py — どのWhisperモデルが適合するかを表示します（例: RTX 3060 → large-v3、 GTX 1650 Ti 4 GB → large-v3-turbo、GPUなし → CPU large-v3-turbo/small）。
Python 3.10～3.12 でvenvを作成します（3.13 最大; 3.14 ではCTranslate2のホイールがありません）: py -3.11 -m venv .venv (Windows) / python3.11 -m venv .venv。
ハードウェアに合わせた依存関係をインストールします（ネットワークが必要）: PY install.py --download-model (WindowsでFFmpegがない場合は --install-ffmpeg を追加)。 NVIDIA GPUが見つかった場合のみCUDA 12ランタイムライブラリをインストールし、GPUのスモークテストを行い、 hardware_profile.json を書き込みます。
確認: インストーラーは SELESAI -> Whisper: <model> / <device> / <compute> で終了します。

1. 実行前の確認（必須）

新しい動画を文字起こしする前に、必ず最初にユーザーに確認してください（ask_question を使用するか、プロンプトで指定されていない場合はプレーンテキストで）— 推測しないでください:

キャプションの言語:
1. 英語 (--lang en)
2. インドネシア語 (--lang id)
3. インドネシア語音声 → 英語字幕 (--lang id --translate)
4. 自動検出 (--lang auto)
不明な場合のみ: 動画に焼き付けるか (--burn)、.ass のみ生成するか。

エージェントがスクリプトを実行するときは、必ず明示的に --lang を指定してください（スクリプト自身のインタラクティブプロンプトは、実際のインタラクティブターミナルでのみ表示されます）。

2. キャプションを生成する

PY generate_captions.py "<video>" --lang en --burn --output-video "<out>.mp4"

モデル/デバイス/計算はデフォルトで auto になります（gpu_check.py から取得）。メモリ不足やCUDAエラー時には自動フォールバックします（例: large-v3 → large-v3-turbo → CPU）。ユーザーが要求しない限り --model を上書きしないでください。
向き（縦/横/正方形）は ffprobe で検出され、フォントサイズ、マージン、行の長さが自動的に調整されます。
モデルの初回実行時はHugging Faceからダウンロードします（ネットワークが必要）。
出力は入力ファイルの隣に生成されます: <name>.ass、<name>_raw_words.json、 <name>_captioned.mp4; さらに last_run.json と更新された preview_player.html。

検証: 終了コード 0、ログ行 model dipakai: ...、出力動画が存在すること。使用されたモデルと、スクリプトが出力する疑わしい単語のリストをユーザーに報告してください。

3. レビューと修正（疑わしい単語がある場合、またはユーザーが変更を希望する場合）

ブラウザで PROJECT_DIR/preview_player.html を開きます（--open-preview で自動的に開きます）。ユーザーは単語/タイムスタンプを編集し、見逃した単語を挿入し（➕ Kata）、次に 💾 Simpan words.json をクリックします（words_revised.json をダウンロード）。
修正されたJSONから再レンダリングします — これにより、最後の生のWhisper出力との差分を取ることで Mini-MLが学習します（learned_memory.json、言語ごとに en/id のプロファイルを分離）:
```
PY generate_captions.py "<パス>/words_revised.json" --burn --output-video "<out>.mp4"
```
ソース動画は last_run.json から取得されます（--video で上書き可能）。

4. 動画生成後のチェーン処理

別のステップで動画（例: draft.mp4）が生成された場合、言語の質問をしてから、そのファイルに対して手順2を --output-video final.mp4 付きで実行します。

トラブルシューティング

症状	対処法
`No module named faster_whisper`	`.venv` から `PY` を使用するか、手順0を実行してください
すべてのGPUオプションが失敗し、CPUにフォールバックする	NVIDIAドライバーを更新し、`PY install.py` を再実行してください
CPUで処理が遅い	予想通り（約1倍速）。ドラフト作成には `--model small` を推奨します
`ffmpeg tidak ditemukan`	`winget install Gyan.FFmpeg` / `brew install ffmpeg` / `apt install ffmpeg` を実行してください
誤った単語/スラング/固有名詞	エディタ（手順3）を使用してMini-MLに学習させるか、`--hotwords "名前1 名前2"` を使用してください
翻訳の品質が低い	`--translate` はターボモデルを使用しません（ターボは翻訳用に訓練されていません）。`large-v3` には約3.6GB以上の空きVRAMが必要です

完全なフラグリファレンス: references/cli.md · Mini-MLの仕組み: references/mini-ml.md

AutoPulse Captions