Maikozort/claude-skills

ショート動画、リール、TikTok、長尺動画を分析し、映像内容、音声内容、フックに最適な瞬間、サムネイル候補、チャプター、公開前の問題点を抽出します。ffmpegとWhisperを使ってローカルでフレーム抽出と文字起こしを行います。

claude-skills とは？

このスキルは、AIエージェント（Claude Codeなど）が直接動画ファイルを閲覧できない問題を解決します。提供された動画パスに対して、ffmpegで静止画フレームを抽出し、Whisper（faster-whisper）で音声を文字起こしすることで、エージェントが動画の内容を「見て」「聞いて」分析できるようにします。対応プラットフォームはローカル環境（Windows/macOS/Linux）で、ffmpegとPython（faster-whisper）が動作すれば利用可能です。ユーザーが動画のレビュー、要約、公開準備を依頼した際や、公開スキルの前処理ステップとして使用します。分析結果は、フレーム画像・文字起こしテキスト・メタデータ（info.json）として出力され、エージェントはこれらを基に、フック位置、サムネイル候補、チャプター分割、Content IDリスク、品質問題などを含む詳細なレポートを生成します。重要なのは、このスキールがユーザーのローカルマシン上で完結するため、動画ファイル自体が外部に送信されることはありません。

対応✓Claude Code~Codex CLI~Cursor

npx skills add https://github.com/Maikozort/claude-skills/tree/HEAD/analizar-video

ドキュメント

動画の分析

あなたは動画を直接見ることができません。このスクリプトは、動画をあなたが確認できるもの、すなわちフレーム画像（正確な秒数付きの画像）とタイムスタンプ付きの文字起こしに変換します。すべての処理はユーザーのコンピュータ上で行われます。

1. スクリプトの実行

このスキルのフォルダから以下のコマンドを実行します：

python scripts/analizar_video.py "RUTA/AL/VIDEO.mp4" --salida "analisis-<nombre>"

便利なオプション：

--idioma es: 言語がわかっている場合に指定します（自動検出より高速かつ正確）。
--modelo base: 動作の遅いマシン向け。--modelo medium: 音声が聞き取りにくい場合。
--max-fotogramas 40: 長い動画の場合。
--sin-transcripcion: 映像のみが必要な場合。

失敗した場合：

ffmpeg が見つからない → インストール（https://ffmpeg.org/download.html）を促すか、ユーザーの要約で対応します。
文字起こしエンジンがない → スクリプトが info.json にその旨を出力します。フレームだけで続行し、ユーザーに内容の要約を求めるか、pip install faster-whisper を提案します。
文字起こしに時間がかかる（初回はモデルをダウンロードします） → 環境が許せばバックグラウンドで実行します。

2. 出力結果の確認

info.json: 長さ、解像度、向き、音声の有無、フレーム一覧、文字起こしの状態。
fotogramas/*.jpg: すべてを順番に確認します。ファイル名に時間が含まれています（f03_00-12.jpg なら12秒）。
transcripcion.txt: 発言内容と時間。transcripcion.srt: 字幕としてアップロード可能。

重要な部分にフレームがない場合（2つのフレーム間で急な変化がある場合）、追加でフレームを抽出します：

ffmpeg -v error -ss 00:00:15 -i "VIDEO.mp4" -frames:v 1 extra_00-15.jpg

3. レポート

以下のレポートを簡潔に出力します：

## 動画分析

**技術仕様:** 0:42 · 縦 1080x1920 · 60 fps · 音声あり · 言語: スペイン語

**内容概要:** <2-3行>

**映像の流れ（区間ごと）**
- 00:00-00:05: …
- 00:05-00:18: …

**音声の内容:** <要約；重要なフレーズの短い引用>

**検出されたテーマ/ゲーム:** <名前>（確定 / 推定 / 未特定; 理由）

**フックに最適な瞬間:** <秒数とその理由>。動画はその瞬間から始まっていますか？ そうでない場合は、カットを提案します。

**サムネイル推奨フレーム:** <ファイル名と秒数>

**推奨チャプター**（長い動画のみ、最低3つ、各10秒以上）:
00:00 …

**検出キーワード:** <音声または画面に表示されたもの>

**警告**
- 商用音楽または第三者の音声 → Content ID またはミュートのリスク
- 可視のブランドや製品 → スポンサーシップの有無
- センシティブな内容（過激な暴力、強い言葉） → 年齢制限
- AIで加工されたと思われる人物やシーン → AI生成ラベル
- インターフェースで隠れる重要なテキストや要素（縦動画：上、下、右側）
- 動画に既に焼き込まれた字幕 → 自動字幕の重複を避ける（Facebook）
- 動画が約束する内容と異なる画面上のテロップやテキスト
- カット、黒画面、キャプチャロスト
- 品質：音声が小さい・歪んでいる、画像がぼやけている、開始が遅い

**視聴者にとって不明瞭な点:** <不足している文脈；コピーで補足すべきこと>

**推奨事項:** <2-4の具体的なアクション>

ルール

あなたが見聞きした内容を説明し、推測は避けてください。不確かな場合は「～のようです」と述べてください。
ユーザーが要約を提供した場合は、あなたが見つけた内容と比較してください。矛盾があれば質問してください。
Whisperは固有名詞（クラス名、キャラクター名、スラング）を誤って書き写すことがあります。画面で確認して修正し、誤ったままコピーに使用しないでください。
ゲームの特定：インターフェース（HUD）、メニュー、ロゴ、画面上の名前を確認してください。確信が持てない場合は質問してください。
実在の人物を顔で特定しないでください。画面、音声、またはユーザーから提供された名前のみを使用してください。
分析フォルダはユーザーのマシンに残ります。終了時にその場所を伝え、削除可能であることを知らせてください。