Raven7979/ai-video-editing-skill

ai-video-editing-skill は何をしますか？

トークン効率の良い話し手動画のラフカットスキル。音声認識と脚本比較に基づいて処理し、ビジョンファースト分析は行いません。口播き初剪りに適用され、字幕変換と口播き原稿の比較に基づきます。

概要

このスキルは、AIエージェントが話し手（トーキングヘッド）動画のラフカットを効率的に行うためのものです。ビデオ全体をフレーム単位で解析するのではなく、音声からテキストを抽出し、そのテキストと事前に用意された口播き原稿（スクリプト）を比較することで、不要な部分や間違いを自動的に特定・削除します。

主な特徴

• トークン効率: ビジョン分析を行わないため、APIトークンの消費が少ない
• 高精度なカット: 音声認識と原稿の厳密な比較により、正確な編集ポイントを特定
• 日本語対応: 口播き動画の初剪りに最適化（元の説明にも日本語が含まれています）
• コマンドライン対応: Claude CodeやCLIベースのAIエージェントで使用可能

使用方法

1. 準備: 入力動画ファイルと口播き原稿のテキストファイルを用意します。
2. 設定: skill.json またはスキル設定で入力パスと原稿ファイルを指定します。
3. 実行: スキルを呼び出すと、以下の処理が行われます。
   • 音声から字幕を生成（Speech-to-Text）
   • 生成された字幕と原稿をタイムスタンプ単位で比較
   • 不一致部分や不要な部分を特定し、カットリストを作成
4. 出力: カットされた動画セグメント（またはカット情報を含むメタデータ）が出力されます。

設定例

{
  "input_video": "path/to/input.mp4",
  "script_file": "path/to/script.txt",
  "output_dir": "path/to/output"
}

注意事項

• このスキルはノイズの少ないクリアな音声で最高のパフォーマンスを発揮します。
• 原稿と実際の話し言葉に大きな違いがある場合、精度が低下する可能性があります。
• ビジョンベースの編集（例：被写体の動きに基づくカット）はサポートしていません。

対応プラットフォーム

• Claude Code
• コマンドラインベースのAIエージェント（拡張可能）