clip-anything

clip-anything は何をしますか？

目的

長時間の録画（単一ファイル、複数ファイル、またはセッションを含むフォルダ）から、トップNの縦型ハイライトクリップを、無料のローカルCLI clip-anything を使って生成します。このスキルはツールを駆動し、実際にカットする前にその内容をプレビュー表示し、レポートを読み込むことで、各瞬間がなぜ選ばれたのかをユーザーが理解できるようにします。アップロード、投稿、または映像の送信は一切行いません。CLI自体も、オプションで一度だけ行われるWhisperモデルのダウンロードを除き、ネットワーク通信を行いません（そのダウンロードも事前に確認します）。

前提条件

• uvx（uvに付属）または pipx がPATHに通っていること。CLIはPythonパッケージです。uvx clip-anything でインストールなしで実行できます。
• ffmpeg と ffprobe がPATHに通っていること。これらがない場合、CLIは終了コード3とインストール方法を表示して終了します。
• ユーザーが指定できる録画ファイル: .mp4 .mkv .mov .m4v .ts .m2ts .mts .webm .avi .flv、またはそれらを含むフォルダ。

手順

ユーザーのカレントディレクトリから作業します。ユーザーが指定した正確なパスを使用し、引用符で囲んでください。映像ファイルの移動、名前変更、削除は行わないでください。以下の手順で推奨事項として表示されるもの以外は、何もインストールしないでください。

ワークフロー

（手順は順番に実行してください。完了できない手順があれば、スキップせずに報告します。）

1. ツールの確認。 command -v uvx || command -v pipx および command -v ffmpeg && command -v ffprobe を実行してください。uvx と pipx の両方がない場合は、以下を表示して停止します。 curl -LsSf https://astral.sh/uv/install.sh | sh (macOS/Linux) または winget install astral-sh.uv (Windows)。 ffmpeg がない場合は、以下を表示して停止します: brew install ffmpeg / sudo apt install ffmpeg / winget install Gyan.FFmpeg。 pipx しか存在しない場合は、このファイルで uvx clip-anything と書かれている箇所は pipx run clip-anything を使用してください。
2. 入力の解決。 ユーザーがファイルまたはフォルダを指定した場合は、それを使用します。「録画」などとパスなしで言った場合は、カレントディレクトリ内の動画ファイルを検索します（上記の拡張子を対象に、新しいものから順に）。複数の候補がある場合や候補がない場合のみ確認してください。それ以外の場合は、使用したパスを伝えて処理を進めます。フォルダはそのまま渡します。CLIはそれを1つのセッションとして扱います。
3. 常に最初にドライランを実行。 uvx clip-anything "<input>" --dry-run --json 2>/dev/null を実行してください（ユーザーが数を指定した場合は --count N を追加）。stdoutからJSONをパースします。順位、start から end（mm:ss形式）、duration_s、score、title（存在する場合）、そして components の最上位コンポーネントを示す短いテーブルを表示します。clips が空の場合は、その旨を明確に伝え、warnings（below_floor 警告はアクションバーをクリアするものがなかったことを意味します）を読み、--min-score 0 またはより低い値を提案する前に確認します。
4. レンダリング。 ユーザーがプレビューのみを要求した場合を除き、uvx clip-anything "<input>" を同じオプションで、ただし --dry-run と --json は付けずに実行し、進行状況UIを表示します。ユーザーがキャプションを希望し、一度だけのモデルダウンロードに同意している場合にのみ --yes を追加します。それ以外の場合はCLIに確認させます。出力フォルダを報告します（デフォルトは ./clips、--out で指定可能）。
5. ピックの説明。 clips/report.json を読みます（ファイルを直接読むか、python3 -I -c で読み取ります）。各 ok クリップについて、時間範囲、スコア、およびそれを支えたシグナル（components: ベースラインからのラウドネス、オーディオオンセット、モーション、オーディオ/モーション一致、静的カードペナルティ、発話ボーナス（存在する場合））を1行で示します。layout が facecam の場合、および captions が true の場合にそれらを記載します。warnings のすべてのエントリを平易な言葉でリストアップします。ツールは明示的に品質低下を伝えますので、ユーザーはそれを認識する必要があります。
6. 調整オプションを提案。 各オプションを1行で、ユーザーが見た内容に適合するものだけを提案します。
   • --count N: クリップ数を増減（最大値。静かなセッションでは少なくなります）
   • --min-score 0.3: アクションバーを下げる。--min-score 0 はファイルをそれ自体と比較してランク付け
   • --min 20 --max 60: クリップ長の制限（秒）
   • --crop center: 動きを追跡せず、静的な中央クロップ
   • --no-captions: キャプションを焼き付けない。--facecam off: ウェブカムスタックなし
   • --vision: ローカルのOllamaによる再ランク付けとタイトル生成（実験的。127.0.0.1:11434 とのみ通信）
   • --force: 前回の実行からのクリップを上書き。--no-cache: キャッシュされた分析を無視 異なるオプションでの再実行は、分析がビデオの横にキャッシュされているため、数秒で完了します。
7. 開示。 キャプションまたはタイトルが存在する場合、次のことを一度だけ伝えます: キャプションは機械による文字起こし（faster-whisper、ローカル）であり、タイトルはローカルのビジョンモデルから生成されます。どちらも誤っている可能性があり、投稿する前に確認する必要があります。

例

• 「昨夜のストリームからショート動画を5本作って。~/Videos/obs/ にあるよ」→ ステップ1、フォルダを渡し、--count 5 でドライラン、テーブル表示、レンダリング、説明。
• 「なぜロード画面をピックしたの？」→ report.json を開き、そのクリップの components を表示（高い card 値は静的カードペナルティが発動したが、ラウドなオンセットが依然として勝ったことを示します）。--min-score 0.6 または --config TOML内でより高い w_card を提案。
• 「カットするものだけ見せて、レンダリングはしないで」→ ステップ1から3のみ実行。

制限事項

• トランスクリプトが先立つ瞬間（アクションのないジョークなど）は、設計上スコアが低くなります。ツールはアクションを優先し、発話はボーナスです。
• アクションバーは2つのゲームで調整されました。未知のゲームでは、要求した数より少ないクリップが返される可能性があります。その場合は、強制的に --min-score 0 を提案するのではなく、その旨を伝えてください。
• 1080p60のソースは、およそ1時間あたり100秒の分析時間がかかります。複数時間のファイルでは待ち時間が発生しますが、ハングするわけではありません。
• このスキルはクリップの編集、サムネイルの選択、または外部への投稿を行いません。投稿はユーザーの作業です。

トラブルシューティング

• 終了コード2: 入力が不正（パスが見つからない、サポート外のファイル、動画のないフォルダ）。CLIのメッセージを表示します。
• 終了コード3: ffmpeg または ffprobe が見つからない。ステップ1のOS別インストールコマンドを表示します。
• 終了コード1: 何もレンダリングされなかった。ドライランのJSONで warnings を読みます。通常は below_floor です。
• キャプションが焼き付けられず、サイドカー .ass ファイルとして書き出される: ffmpeg のビルドに libass が含まれていない（標準のHomebrewフォーミュラ）。PATHに ffmpeg-full ビルドがあれば修正されます。その他の機能は正常に動作します。
• --vision が効果がない: Ollama が実行されていないか、ビジョンモデルがない。アクションのみの処理は継続され、1つの警告が残ります。