VideoDB スキル
動画、ライブストリーム、デスクトップセッションに対する認識+記憶+アクション
以下のような場合にこのスキルを使用します。
使用タイミング
- 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動画または音声の認識、インデックス化、検索、タイムライン編集が必要な場合。
- タイムスタンプ、検索可能なエビデンス、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伴うタスク。
- 取り込み、理解、検索、メディア操作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、システム音声をキャプチャ
- ライブコンテキストをストリーミングし、エピソード的セッション記憶を保存
- 発言内容や画面の出来事に基づくリアルタイムアラート/トリガーを実行
- セッション要約、検索可能なタイムライン、再生可能なエビデンスリンクを生成
2) 動画取り込み+ストリーミング
- 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+エビデンス)
- 視覚、音声、キーワードのインデックスを構築
- タイムスタンプと再生可能なエビデンス付きで正確な瞬間を検索して返す
- 検索結果からクリップを自動生成
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/ブランディング、モーションキャプション
- 音声: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的な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・音声理解を実行し、監視ワークフロー向けにイベント/アラートを発行
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
- 希望する操作: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
- タイムスタンプとエビデンスリンク付きの検索結果
- 生成アセット:字幕、音声、画像、クリップ
- ライブストリーム向けイベント/アラートペイロード
- デスクトップセッション要約とメモリエントリ
標準プロンプト(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ください。」
- 「セッションを記録し、終了時に実行可能な要約を生成してください。」
- 「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ください。」
- 「このフォルダをインデックス化し、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ください。」
- 「字幕を生成し、焼き込み、軽めのBGMを追加してください。」
- 「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ください。」
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、環境変数を読み込んでください。
from dotenv import load_dotenv
load_dotenv(".env")
import videodb
conn = videodb.connect()
これは VIDEO_DB_API_KEY を以下の場所から読み取ります。
- 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、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にはセミコロンを使用し、読みやすく保ってください。3ステートメントを超える場合は、代わりに heredoc 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をセットアップして」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 エクストラなしでインストールします。
pip install videodb python-dotenv
2. APIキーの設定
ユーザーは VIDEO_DB_API_KEY を以下のいずれかの方法で設定する必要があります。
- ターミナルでエクスポート(Claude起動前):
export VIDEO_DB_API_KEY=your-key - プロジェクトの
.envファイル:プロジェクトの.envファイルにVIDEO_DB_API_KEY=your-keyを保存
無料のAPIキーは https://console.videodb.io で取得できます(50アップロード無料、クレジットカード不要)。
APIキーを自分で読み取り、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")
文字起こし+字幕
# force=True は、ビデオがすでにインデックス化されている場合のエラーを回避します
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()
ビデオ内検索
from videodb.exceptions import InvalidRequestError
video.index_spoken_words(force=True)
# search() は結果がない場合、InvalidRequestError を発生させます。
# 常に try/except でラップし、「結果なし」を空として扱います。
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、エラーを発生させます。エラーから既存のインデックスIDを抽出します。
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、低関連性の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(負の値は暗黙的に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、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() は低速なサーバーサイド操作です。長いビデオの場合、数分かかる場合があり、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 - フルレングスのビデオの場合は、
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)
# フルレングス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化されたビデオを再インデックス化 | 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 | Scene index with id XXXX already exists | re.search(r"id\s+([a-f0-9]+)", str(e)) で既存の 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 = []) |
| リフレームがタイムアウト | 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、callback_url を非同期処理に使用 |
| タイムライン上の負のタイムスタンプ | 壊れたストリームを暗黙的に生成 | VideoAsset 作成前に常に 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 ファイルと同じ階層の reference/ ディレクトリにあります。必要に応じて Glob ツールを使用して探してください。
- reference/api-reference.md - VideoDB Python SDK 完全APIリファレンス
- reference/search.md - ビデオ検索(音声およびシーンベース)の詳細ガイド
- reference/editor.md - タイムライン編集、アセット、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、音声)
- 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 - キャプチャ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)
ws_listener.py を使用して、録画セッション中にWebSocketイベントをキャプチャします。デスクトップキャプチャは macOS のみを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は reference/capture.md を参照)
- イベントは以下に書き込まれます:
/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")]
# すべての文字起こしを取得
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、音声または音楽の重ね合わせ、字幕の追加、テキスト/画像オーバーレイ、トランスコード、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 の制限事項に記載されている操作(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。
何を使うべきか
| 問題 | VideoDBのソリューション |
|---|---|
| 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 | video.reframe() または VideoConfig を使用した conn.transcode() |
| Twitter/Instagram/TikTok 用にビデオをリサイズする必要がある | 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() |
| ビデオに音声/音楽を重ねる必要がある | 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。