VideoDB スキルは何をしますか？

映像、ライブストリーム、デスクトップセッションのための知覚 + メモリ + アクション。

使用するタイミング

デスクトップ知覚

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、エピソード的なセッションメモリを保存
画面上の発言や動作に対し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

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/ノーマライズ: コーデック、ビットレート、fps、解像度、アスペクト比

インデックス + 検索 (タイムスタンプ + 証拠)

視覚、発話、キーワードのインデックスを構築
正確なモーメントをタイムスタンプと再生可能な証拠とともに検索して返す
検索結果からクリップを自動生成

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
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的な合成とエクスポート

ライブストリーム (RTSP) + モニタリング

RTSP/ライブフィードに接続
リアルタイムの視覚・発話理解を実行し、モニタリングワークフロー向けにイベント/アラートを発行

しくみ

共通の入力

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 / セッションの要約
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

共通の出力

ストリームURL
タイムスタンプと証拠リンクを含む検索結果
生成されたアセット: 字幕、音声、画像、クリップ
ライブストリーム向けのイベント/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

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ます:

from dotenv import load_dotenv
load_dotenv(".env")

import videodb
conn = videodb.connect()

これにより、VIDEO_DB_API_KEY が以下の順で読み取られます:

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書かないでください。

インラインのPython (python -c "...") を書く際は、常に適切にフォーマットされたコードを使用し、セミコロンで文を区切り、読みやすく保ってください。3つ以上の文になる場合は、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"動画数: {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オプションを外してインストール:

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 (Gemini起動前): export VIDEO_DB_API_KEY=your-key
プロジェクト .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

無料のAPIキーは console.videodb.io で取得できます（50回の無料アップロード、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。 必ず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 で、すでにインデックス済みの場合のエラーをスキップ
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()

動画内検索

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。
# 必ず try/except でラップし、「結果なし」を空として扱ってください。
try:
    results = video.search("プロダクトデモ")
    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は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く人",
        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="終", 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/品質の変更)

from videodb import TranscodeMode, VideoConfig, AudioConfig

# サーバーサイドで解像度、品質、アスペクト比を変更
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。長い動画の場合、数分かかることがあり、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:

可能な限り start/end を使用して短いセグメントに制限する
フルレングスの動画の場合は、callback_url を非同期処理に使用する
最初に Timeline で動画をトリミングし、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をリフレームすることを推奨:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

# フルレングス動画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済みの動画を再度インデックスしようとした	`Spoken word index for video already exists`	`force=True` を指定して `video.index_spoken_words(force=True)` を使用し、すでにインデックス済みの場合はスキップ
シーンインデックスがすでに存在する	`Scene index with id XXXX already exists`	エラーから `re.search(r"id\s+([a-f0-9]+)", str(e))` で既存の `scene_index_id` を抽出
検索で一致するものが見つからない	`InvalidRequestError: No results found`	例外をキャッチし、結果を空として扱う (`shots = []`)
リフレームがタイムアウト	長い動画で無期限にブロック	`start`/`end` でセグメントを制限するか、非同期に `callback_url` を渡す
タイムラインで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` 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`	プランで制限された機能 — プラン制限についてユーザーに通知

例

典型的なプロンプト

「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、終了時に実行可能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、人物が写っているすべてのシーンをタイムスタンプ付きで見つけて。」
「字幕を生成し、焼き込み、軽めのBGMを追加して。」
「このRTSP URLに接続し、人物がゾーンに入ったらアラートを出して。」

画面録画 (デスクトップキャプチャ)

録画セッション中の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 のみ対応しています。

クイックスタート

状態ディレクトリを選択: STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}"
リスナーを開始: VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" &
WebSocket IDを取得: cat "$STATE_DIR/videodb_ws_id"
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)
イベントの書き込み先: $STATE_DIR/videodb_events.jsonl

新しいキャプチャを開始するたびに --clear を使用し、古い文字起こしや視覚イベントが新しいセッションにリークしないようにしてください。

イベントのクエリ

import json
import os
import time
from pathlib import Path

events_dir = Path(os.environ.get("VIDEODB_EVENTS_DIR", Path.home() / ".local" / "state" / "videodb"))
events_file = events_dir / "videodb_events.jsonl"
events = []

if events_file.exists():
    with events_file.open(encoding="utf-8") as handle:
        for line in handle:
            try:
                events.append(json.loads(line))
            except json.JSONDecodeError:
                continue

transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
cutoff = time.time() - 300
recent_visual = [
    e for e in events
    if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff
]

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にある reference/ ディレクトリ内にあります。必要に応じてGlobツールを使用して配置を確認してください。

reference/api-reference.md - VideoDB Python SDK APIリファレンス完全版
reference/search.md - ビデオ検索の詳細ガイド (発話およびシーンベース)
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、動画、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

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、オーディオや音楽の重ね合わせ、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。ローカルツールにフォールバックするのは、reference/editor.mdの「制限事項」にリストされている操作（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、ボリュームミキシング）のみです。

何をいつ使うか

問題	VideoDBの解決策
プラットフォームが動画のアスペクト比や解像度を拒否する	`video.reframe()` または `VideoConfig` を指定した `conn.transcode()`
Twitter/Instagram/TikTok向けに動画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)` を指定した `conn.transcode()`
動画にオーディオ/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、効果音を生成する必要がある	`coll.generate_voice()`、`generate_music()`、`generate_sound_effect()`

出典

このスキルのリファレンス資料は、skills/videodb/reference/ 以下にローカルでベンダリングされています。実行時に外部リポジトリリンクをたどる代わりに、上記のローカルコピーを使用してください。

お気に入りのAIに質問する

ドキュメント

VideoDB スキル は何をしますか？