メディアパイプライン
このマシン上のファイルに対するCPUでの音声認識とOCR。FFmpeg、faster-whisper（int8）、RapidOCR。Whisperモデルのデフォルトはtiny。
配置
パスはmedia-pipelineのチェックアウトからの相対パス。
bin/mp 調査、処理、翻訳、一覧表示、監視、セルフテスト、診断
bin/mp-mcp stdio MCPサーバー
inbox/ `mp watch`用のファイル
work/ 16kHz wavおよびwork/processed.json
outbox/<epoch>_<stem>/
normalized.mp4、thumbnail.jpg、transcript.txt、
transcript.srt、transcript.vtt、ocr.txt、
translation.<lang>.txt、manifest.json
failures/ `mp watch`が処理できなかった入力
install.shは、$MP_SKILLS_DIR/media-pipelineディレクトリが既に存在する場合に、このスキルをそのディレクトリにコピーします。デフォルトは$HOME/.local/share/prime-agent/0.9.6/skillsです。
エンジン
| ジョブ | エンジン | 備考 |
|---|---|---|
| 調査 | ffprobe | フォーマット、長さ、ストリーム |
| 動画 | FFmpeg | H.264 + AAC、yuv420p、faststart、CRF 28；1秒目のサムネイル、幅1280 |
| モデル用音声 | FFmpeg | 16kHzモノラルPCM、work/下に保存 |
| 音声テキスト変換 | faster-whisper | CPU、MP_WHISPER_COMPUTEのデフォルトはint8、モデルMP_WHISPER_MODELのデフォルトはtiny |
| 画像テキスト | RapidOCR | ONNX RuntimeによるPP-OCRv4、ocr.txtに書き込み |
| 翻訳 | Pollinations、Gemini、またはLiteLLM | リクエストがあった場合のみ。詳細はreferences/engines.mdを参照 |
コマンド
bin/mp selftest
bin/mp probe FILE
bin/mp process FILE
bin/mp process FILE --translate --target tr
bin/mp translate FILE --target tr
bin/mp watch
bin/mp doctor
processは入力ファイルを元の場所に残します。watchはファイルをoutbox/またはfailures/に移動します。sha256が既にwork/processed.jsonにあるファイルはinbox/に残ります。
doctorは重要なチェックに失敗すると終了コード1で終了します。チェックの1つに$HOME/bin/prime-tgがありますが、このリポジトリには含まれていません。
MCPツール
media_engines、media_probe、media_process、media_translate、media_batch。
media_processはpath、transcribe、ocr、translate、target_languageを受け付けます。media_batchはinbox/をトランスクリプションとOCRをオン、翻訳をオフで処理します。
ルール
MP_LITELLM_KEYとMP_GEMINI_KEYは環境変数に残しておいてください。これらを表示しないでください。tinyがデフォルトです。録音で必要な場合はMP_WHISPER_MODELをbaseまたはsmallに設定してください。mediumとlarge-v3は大きなダウンロードサイズです。probe.duration_sが0の空のトランスクリプトは、音声がデコードされなかったことを意味します。- 翻訳がエラーを返した場合、テキストは翻訳されていません。その旨を伝えてください。
- リポジトリのテキストは英語のままにしてください。
リファレンス
references/engines.md：プロバイダーの優先順位、OCRの制限、ARMホストに関する注意references/triggers.md：inboxパスユニットとmp watchについてreferences/recipes.md：venv、ffmpeg、OCRコマンドについて