Communityライティング&編集github.com

fermionoid/video-study

動画、リプレイリンク、画面録画から、図解付きの文字起こし、チュートリアル、タイムスタンプ付きメモを作成します。自動でComputer Useを使用して動画を視聴、シーク、関連フレームをキャプチャします。字幕やトランスクリプトのフォーマットにも対応。

video-study とは?

このスキルは、動画や画面録画などのメディアを、読みやすい図解付きドキュメントに変換するエージェントスキルです。主なワークフローは、ユーザーが指定した動画やリプレイURL、画面録画を入力とし、自動的にComputer Use機能を使ってプレイヤーを操作、関連する区間を視聴してフレームをキャプチャします。既存の字幕やローカル文字起こしツールと連携し、テキストとビジュアルを同期。出力形式は、全文書き起こし(逐字稿)、ステップバイステップのチュートリアル(回顧)、タイムスタンプ付き解説ノートなど、ユーザーの要求に応じて柔軟に選択可能です。HTMLテンプレートをベースに、タイトルやイベントメタデータ、ソースや編集方針の注釈、長文向けのクリッカブルな目次などを自動生成。日本語や中国語の文字起こしにも対応し、読みやすさを重視した編集(句読点の追加、段落分割、あいまいな箇所のマーク)を施し、最終的には検索可能なPDFとして出力することを推奨します。図版の配置は議論の流れに沿って行われ、スライドは対応する発言の直後に挿入。出力前にはチャプターごとに原文と照合し、レンダリング結果の確認(日本語フォントの表示確認、ディレクトリリンクの動作確認、ページの途切れチェック)を徹底します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fermionoid/video-study/tree/HEAD

Installed? Explore more ライティング&編集 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Video Study(ビデオスタディ)

動画、リプレイURL、または画面録画については、ビデオワークフローから開始します。利用可能な場合は自動的にComputer Useを使用してプレイヤーを検査し、該当する区間を視聴してフレームをキャプチャします。既存のキャプションまたはローカル文字起こしツールを使用して、並行してテキストを入手できます。ユーザーがすでにトランスクリプトとビジュアルを提供しており、レイアウトのみを依頼している場合は、編集に直接進みます。

ユーザーが要求する出力を選択します。全文書き起こし(逐字稿)には完全なトランスクリプトを、チュートリアル(ウォークスルー)には一連のビジュアルステップを、図解付きノートには短いタイムスタンプ付きの説明を使用します。明示されていない「截图配文字」のリクエストの場合は、タイムスタンプ付きの時系列図解リーディングバージョンを作成します。

レイアウトにはHTMLテンプレートを使用します。タイトルと1行のイベントメタデータ、情報源、範囲、編集内容を説明する短い注釈、そして長い資料向けのクリッカブルなトピックディレクトリから始めます。トランスクリプトの言語を使用します。短いトランスクリプトの場合は、見出しで十分であればディレクトリを省略します。

  1. 範囲を設定します。 提供されたトランスクリプトまたはキャプションをタイムラインとして使用します。複数のバージョンがある場合は、タイムスタンプと周囲の発言に基づいて調整してから、矛盾を解決します。ソースファイルは保持し、別のコピーで作業します。要求された範囲が録画開始後から始まる場合は、冒頭の注記に実際の範囲を明記します。音声のみが存在する場合は、最初に適切な許可を得たメディアワークフローを通じてトランスクリプトを取得します。
  2. 読みやすく編集します。 元の順序、主張、例、質問、留保、回答を保持します。句読点と段落区切りを追加します。軽く編集された対話では、意味が保持される場合、明らかな吃音や重複するASR断片を削除します。厳密な逐語録では、フィラーや繰り返しを保持します。名前、数字、専門用語は、修正を裏付ける証拠がある場合にのみ修正します。不明瞭な箇所はその場にマークします(例:[听不清] または [术语待核])。多数ある場合は、タイムスタンプ付きのレビューリストを保持します。実際の編集と検証のレベルを説明します。
  3. 読み上げ順序を構築します。 実際に議論されている内容に基づいて章に名前を付けます。短いASR断片をグループ化して完全なターンにします。長いモノローグは自然な段落の境界で分割します。各ターンの先頭にソースタイムスタンプと話者を配置し、継続段落は視覚的に付随させます。カットや編集後の元のリプレイ時間を使用します。タイムスタンプがない場合は省略します。身元が不明な場合は、中立な話者ラベルまたは 发言人待核 を使用します。
  4. 議論の時点にスライドを配置します。 該当するターンの後に、提供されたスライドを挿入し、簡単なキャプションと代替テキストを付けます。スクリーンショットは、スライドの内容をクリップすることなく、スライド自体にトリミングします。配置が確認されていない提供スライドについては、成果物に属する場合、ラベル付きの付録を使用します。相対画像パスを使用してアセットをHTMLと共に提供するか、スタンドアロンHTMLの場合は画像を埋め込みます。HTMLに挿入するソーステキストはエスケープします。
  5. 納品と検証を行います。 ユーザーが要求した形式を使用します。形式が指定されずに共有可能なドキュメントが要求された場合は、検索可能なPDFを優先し、編集可能なソースとしてHTMLを保持します。テンプレートのA4マージンと印刷背景を使用して、ブラウザの印刷エンジンでエクスポートします。ソースとチャプターごとに比較検証します。これには、開始と終了のパッセージ、ターンの順序、不確実な箇所や欠落しているスパンが含まれます。レンダリングされたPDFを開き、選択可能な中国語テキストと動作するディレクトリリンクを確認し、開始ページ、チャプター境界、スライド、終了ページなど代表的なページを検査します。スライドのクリップ、ページ下部に孤立した見出し、分割されたキャプション、欠落したグリフ、予期しない空白ページがないか確認します。修正後に再レンダリングします。

テンプレートを構造的な例として使用します。すべてのサンプルテキスト、ID、サンプル図は置き換え、ソースが保証するセクションと図のみを含めます。提供された視覚的階層をデフォルトとして使用し、ユーザーが要求した場合は書体、色、ページサイズを適応させます。

関連スキル