Video Content Extractor(動画コンテンツ抽出ツール)
概要
MP4ビデオファイルから設定可能な時間間隔でキーフレームを自動抽出し、各フレームに対してOCRテキスト認識を実行し、構造化されたMarkdownレポートを生成します。レポートには、動画メタデータ(再生時間、解像度、コーデック)と、タイムスタンプ付きのフレームごとのOCR文字起こしが含まれます。
このスキルはCodex CLI向けに設計されており、ローカルマシンにFFmpegとTesseract OCRがインストールされている必要があります。
このスキルを使用するタイミング
- 動画プレゼンテーション、講義、スクリーンキャストからテキストコンテンツを抽出する必要がある場合。
- 字幕が埋め込まれていない動画ファイルから、検索可能な文字起こしを作成したい場合。
- 動画コンテンツをプログラムで分析し、構造化されたサマリーを生成したい場合。
- ユーザーが「画面に何が表示されているか読み取って」または「この動画からコンテンツを抽出して」と依頼した場合。
動作の仕組み
ステップ1: 動画メタデータの分析
スキルはffprobeを使用して、動画メタデータ(再生時間、解像度、フレームレート、コーデック情報、ファイルサイズ)を抽出します。
ステップ2: キーフレームの抽出
FFmpegを使用して、設定された間隔(デフォルト: 30秒ごと)でフレームをキャプチャします。各フレームはタイムスタンプ付きのJPEG画像として保存されます。
ステップ3: OCRテキスト認識
抽出された各フレームはTesseract OCRで処理されます。デフォルトのPSMモードで意味のあるテキストが返されない場合、自動ページセグメンテーションにフォールバックします。
ステップ4: Markdownレポートの生成
抽出されたすべてのデータが構造化されたMarkdownドキュメントにまとめられます。
使用例
例1: 基本抽出
エージェントプロンプト: video-content-extractor スキルを使用して、lecture.mp4 からコンテンツを抽出してください。
出力として lecture.md と lecture_frames/ ディレクトリが生成されます。
例2: カスタム間隔
パラメータ: video_path, output_dir, interval(秒), lang 英語のみのOCRで60秒ごとに抽出: python scripts/extract_video.py recording.mp4 ./output 60 eng
例3: バイリンガルコンテンツ
デフォルトの中語 + 英語OCRで抽出: python scripts/extract_video.py lecture.mp4 . 15 chi_sim+eng
ベストプラクティス
- テキスト変更が頻繁な速いペースのコンテンツには、短い間隔(10~15秒)を使用します。
- プレゼンテーションスライドやゆっくりした講義には、長い間隔(30~60秒)を使用して重複フレームを減らします。
- 中国語コンテンツの場合は、Tesseract中国語言語パック(chi_sim)がインストールされていることを確認してください。
制限事項
- FFmpegとTesseract OCRがインストールされ、PATHからアクセス可能である必要があります。
- Tesseract OCRの精度は、動画品質、テキストサイズ、フォントの明瞭さに依存します。
- オーディオの抽出や音声テキスト変換は行いません。
- フレーム抽出は時間ベース(シーンチェンジベースではない)であるため、ほぼ同一のフレームが生成される可能性があります。
- 短い間隔で大きな動画を処理すると、多くのフレームが生成されるため、十分なディスク容量を確保してください。
セキュリティと安全性に関する注意
- このスキルはビデオファイルの読み取りと、抽出されたフレームおよびMarkdownレポートの書き込みのみを行います。
- ネットワーク経由でデータを送信することは一切ありません。すべての処理はローカルで行われます。
- FFmpegとTesseractは、固定された事前検証済みの引数で呼び出されます。
- 元のビデオファイルを変更または削除することはありません。
よくある問題と解決策
-
問題: Tesseractが文字化けしたテキストを返す 解決策: 正しい言語パックがインストールされていることを確認してください。
tesseract --list-langsを実行して確認します。 -
問題: FFmpegが「見つかりません」というエラーで失敗する 解決策: FFmpegがPATHに含まれていることを確認してください。
ffmpeg -versionを実行して確認します。 -
問題: 大きな動画でOCRが遅い 解決策: interval パラメータを大きくして、処理するフレーム数を減らします。
関連スキル
- @media-summarizer - ビジュアルおよびオーディオの手がかりを使用して動画コンテンツを要約します。
- @document-ocr - 動画処理を伴わない静止画像やスキャン文書のOCRに使用します。