ビデオキャプション は何をしますか？
1コマンドで動画（または音声）ファイルを読みやすい字幕に変換し、オプションで字幕入りMP4を生成します。生の音声認識セグメントは単語の途中で切れたり（「cen」/「ts」）、表示時間が長すぎることがよくありますが、このスキルは単語全体を再構築し、適切なキューに整形します。
使用タイミング
- 「この動画にキャプション／字幕を追加して」「講演のSRTを作成して」「字幕を焼き付けて」
- 「TikTok/Reels/Shortsスタイルのキャプションを作成」→
--style shorts --burnを使用 - ユーザーがウェブサイトの
<track>やYouTubeアップロード用に.vttを必要としている場合
手順
-
MIRAGEA_API_KEYが設定されているか確認します（絶対に表示しないでください）。設定されていない場合は、https://miragea.ai でキーを作成し、export MIRAGEA_API_KEY=...を実行するようユーザーに伝えます。 -
ユーザーのファイルに対してスクリプトを実行します:
python3 scripts/captions.py path/to/video.mp4 # -> video.srt + video.vtt python3 scripts/captions.py path/to/video.mp4 --burn # + video.captioned.mp4 python3 scripts/captions.py path/to/short.mp4 --style shorts --burn # ポップキャプション、中央揃え -
スクリプトが出力するJSON（
srt、vtt、video、cues）を読み取り、パスをユーザーに伝えます。 -
ユーザーが文言の修正を希望する場合、
.srtのテキストを編集し（タイムスタンプはそのまま）、--burnで再実行します。トランスクリプトは<file>.transcript.jsonにキャッシュされているため、再実行は無料です。
オプション
| フラグ | デフォルト | 説明 |
|---|---|---|
--style standard | はい | 2行×42文字、1～7秒のキュー（放送規格） |
--style shorts | 1キューあたり1～3単語、大文字、焼き付け時に中央揃え | |
--burn | オフ | <名前>.captioned.mp4 を書き出し（H.264、元の音声はコピー） |
--upper | オフ | 標準キャプションを大文字に |
--out-dir DIR | 入力ファイルと同じ場所 | 出力先ディレクトリ |
--force | オフ | キャッシュされたトランスクリプトを無視して再文字起こし |
料金と制限
アップロードされるのは16kHzのモノラル音声トラックのみ（動画は含まず）、1ファイルあたり最大90分/1GBです。Mirageaは音声1秒あたり3ポイントを請求します。キャッシュされた再実行は無料です。最新の料金は GET https://miragea.ai/v1/capabilities で確認できます。
トラブルシューティング
ffmpeg not found→ ffmpegをインストールします（brew install ffmpeg、sudo apt install ffmpeg、winget install ffmpeg）。401→ キーが間違っています。402→ miragea.aiでチャージしてください。429→ 待ってから再実行します（再試行は安全です）。- 音楽が多いクリップでキャプションのタイミングがわずかにずれる場合 → イントロをトリミングした後、
--forceで再実行します。
サンプル出力は examples/ を参照してください。