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のための認識+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。
使用するタイミング
- 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ビデオまたはオーディオの認識、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、検索可能な証拠、字幕、クリップ、オーバーレイ、またはリアルタイム監視アラートを含むタスクの場合
- 取り込み、理解、検索、メディアアクション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、エピソードセッションメモリを保存
- 発言内容や画面で起きていることに基づい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
2) 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/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+証拠)
- 視覚、発話、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証拠付きで正確な瞬間を検索して返す
- 検索結果から自動的にクリップを作成
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
- 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
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および発話理解を実行し、監視ワークフロー用のイベント/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 / セッションの要約
- 目的の操作: 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
- タイムスタンプと証拠リンク付きの検索結果
- 生成されたアセット: 字幕、オーディオ、画像、クリップ
- ライブストリーム用のイベント/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
標準的なプロンプト(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。」
- 「私のセッションを記録し、終了時に実用的なサマリー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、人物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て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()
これにより、VIDEO_DB_API_KEYが以下の場所から読み取られます:
- 環境変数(すでにエクスポートされている場合)
- 現在のディレクトリにあるプロジェクトの
.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 "...")を記述する場合は、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。セミコロンを使用してステートメントを区切り、読みやすい状態に保ってください。約3ステートメントを超える長さの場合は、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"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」などと言った場合:
1. SDKのインストール
pip install "videodb[capture]" python-dotenv
Linuxでvideodb[capture]が失敗する場合は、captureエクストラなしでインストールしてください:
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(Claudeを起動する前に):
export VIDEO_DB_API_KEY=your-key - プロジェクトの
.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 https://console.videodb.io で取得できます(無料アップロード50回、クレジットカード不要)。
APIキーの読み取り、書き込み、処理は自分で行わないでください。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")
トランスクリプト+字幕
# force=True を指定すると、ビデオがすでにインデックス化されている場合にエラーをスキップします
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()
ビデオ内の検索
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。
# 常に try/except でラップし、「結果が見つかりません」を空として扱ってください。
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コンテンツ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="終わり", 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),
)
アスペクト比の変更(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。長時間のビデオの場合、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:
- 可能な場合は常に
start/endを使用して短いセグメントに制限する - 全長のビデオの場合は、非同期処理のために
callback_urlを使用する - まず
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)
# 全長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にインデックス化しようとした | Spoken word index for video already exists | video.index_spoken_words(force=True) を使用して、すでにインデックス化されている場合はスキップする |
| シーンインデックスがすでに存在する | Scene index with id XXXX already exists | re.search(r"id\s+([a-f0-9]+)", str(e)) でエラーから既存の scene_index_id を抽出する |
| 検索で一致が見つからない | 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する | 長時間ビデオで無期限にブロックされる | start/end でセグメントを制限するか、非同期処理のために 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する | VideoAsset を作成する前に、常に start >= 0 を検証する |
generate_video() / create_collection() が失敗する | Operation not allowed または maximum limit | プラン制限のある機能 — プラン制限についてユーザーに通知する |
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 ツールを使用して見つけてください。
- 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、および合成
- reference/streaming.md - HLS ストリーミングとインスタント再生
- reference/generative.md - AI 駆動メディア生成(画像、ビデオ、オーディオ)
- 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 - Capture 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、録画セッション中の 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 サポートされています。
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(詳細なワークフローについては reference/capture.md を参照)
- イベントは以下に書き込まれる:
/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")]
# すべてのトランスクリプトを取得
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は、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、オーディオまたは音楽のオーバーレイ、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、ボリュームミキシング)にのみローカルツールを使用してください。
何を使うべきか
| 問題 | VideoDB 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や解像度を拒否する | video.reframe() または VideoConfig を使用した conn.transcode() |
| Twitter/Instagram/TikTok 向け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() |
| ビデオにオーディオ/音楽をオーバーレイする必要がある | 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: VideoDB
接続
- ドメイン: [[Design & Kreativitaet]]
- カテゴリ: [[Video & Audio Produktion]]
- ファイル:
scripts/ws_listener.py
- ナビゲーション: [[Skills Uebersicht]], [[Home]]