VideoDB スキル
知覚+記憶+アクション:動画、ライブストリーム、デスクトップセッション向け
以下のようなタスクでこのスキルを使用します。
使用タイミング
- ファイル、URL、デスクトップセッション、またはライブストリームからの動画・音声の知覚、インデックス作成、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、リアルタイム監視アラートを扱うタスク
- 取り込み、理解、検索、メディアアクションを統合した単一のワークフローが必要な場合
1) デスクトップ知覚
- デスクトップセッションの開始/停止を管理し、画面、マイク、システム音声をキャプチャ
- ライブコンテキストをストリーミングし、エピソード的なセッション記憶を保存
- 発言内容や画面の出来事に基づく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却
- 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、音声、キーワードの各インデックスを構築
- 検索し、タイムスタンプと再生可能な証拠付きで該当箇所を返却
- 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/ブランド、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・音声理解を実行し、監視ワークフロー向けにイベント/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要求:開始 / 停止 / セッション要約
- 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を含む検索結果
- 生成されたアセット:字幕、音声、画像、クリップ
- ライブストリーム向けイベント/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記憶エントリ
正規プロンプト(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。」
- 「セッションを録画し、終了時に実行可能なサマリーを生成して。」
- 「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。」
- 「このフォルダをインデックスし、人物が写って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。」
- 「字幕を生成し、焼き込んで、軽めのBGMを追加して。」
- 「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。」
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、環境変数を読み込みます。
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込まれます。
- 環境変数(すでにエクスポートされている場合)
- カレントディレクトリのプロジェクト
.envファイル
キーが不足している場合、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十分な場合は、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、セミコロンで文を区切って読みやすく保ってください。約3文より長い場合は、代わりにヒアドキュメントを使用します。
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」などと依頼した場合:
1. SDKのインストール
pip install "videodb[capture]" python-dotenv
Linuxで videodb[capture] が失敗した場合は、capture拡張なしでインストールします。
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起動前):
export VIDEO_DB_API_KEY=your-key - プロジェクト
.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(アップロード50回無料、クレジットカード不要)。
APIキーの読み取り、書き込み、直接処理は絶対に行わないでください。 常にユーザー自身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")
文字起こし+字幕
# force=True は動画がすでにインデックスされている場合の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()
動画内の検索
from videodb.exceptions import InvalidRequestError
video.index_spoken_words(force=True)
# search() は結果が見つからない場合、InvalidRequestError を発生させます。
# 常に try/except でラップし、「結果なし」を空として扱います。
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既に存在するとエラーが発生します。
# 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な内容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いている人",
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、必ず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(負の値は黙って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", 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),
)
アスペクト比のリフレーム(ソーシャルプラットフォーム向け)
警告: reframe() は遅いサーバーサイド操作です。長い動画の場合は数分かかり、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:
- 可能な限り
start/endを使用して短いセグメントに制限する - フルレングスの動画の場合は、
callback_urlを使用して非同期処理を行う - まず
Timelineで動画をトリミングし、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)
# フルレングス動画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")
# カスタムサイズ
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 |
|---|---|---|
| 既にインデックスされた動画を再インデックス | Spoken word index for video already exists | video.index_spoken_words(force=True) を使用して既存の場合はスキップ |
| シーンインデックスが既に存在 | Scene index with id XXXX already exists | エラーから re.search(r"id\s+([a-f0-9]+)", str(e)) で既存の scene_index_id を抽出 |
| 検索で一致なし | 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 | 長い動画で無期限にブロック | start/end でセグメントを制限するか、callback_url を渡して非同期処理 |
| タイムラインに負のタイムスタンプ | 壊れたストリームを黙って生成 | VideoAsset 作成前に常に start >= 0 を検証 |
generate_video() / create_collection() が失敗 | Operation not allowed または maximum limit | プラン制限のある機能 — ユーザーにプラン制限を通知 |
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/ にあります。必要に応じて Glob ツールを使用して場所を特定してください。
- 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、合成
- reference/streaming.md - HLSストリーミングと即時再生
- reference/generative.md - AIによるメディア生成(画像、動画、音声)
- 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 - キャプチャSDKとWebSocketイベント
- reference/use-cases.md - 一般的な動画処理パターンと例
画面録画(デスクトップキャプチャ)
録画セッション中に WebSocket イベントをキャプチャするには ws_listener.py を使用します。デスクトップキャプチャは macOS のみ 対応です。
クイックスタート
- リスナー起動:
python scripts/ws_listener.py & - WebSocket ID取得:
cat /tmp/videodb_ws_id - キャプチャコード実行(完全なワークフローは reference/capture.md を参照)
- イベント出力先:
/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")]
# すべての文字起こしを取得
transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
# 過去5分間の視覚的な説明を取得
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 がその操作をサポートしている場合は、ffmpeg、moviepy、その他のローカルエンコード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、音声や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。ローカルツールにフォールバックするのは、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、音量ミキシング)のみです。
何を使うべきか
| 問題 | VideoDBの解決策 |
|---|---|
| プラットフォームが動画のアスペクト比や解像度を拒否 | video.reframe() または conn.transcode() で VideoConfig を使用 |
| Twitter/Instagram/TikTok 用に動画をリサイズ | video.reframe(target="vertical") または target="square" |
| 解像度を変更(例:1080p → 720p) | conn.transcode() で VideoConfig(resolution=720) |
| 動画に音声/音楽をオーバーレイ | Timeline 上の AudioAsset |
| 字幕を追加 | video.add_subtitle() または CaptionAsset |
| クリップの結合/トリミング | Timeline 上の VideoAsset |
| ナレーション、音楽、効果音を生成 | coll.generate_voice()、generate_music()、generate_sound_effect() |
リポジトリ
https://github.com/video-db/skills
メンテナンス元: VideoDB
制限事項
- このスキルは、タスクが上記の範囲に明確に一致する場合にのみ使用してください。
- 出力を環境固有の検証、テスト、専門家レビューの代替として扱わないでください。
- 必要な入力、権限、安全境界、成功基準が不足している場合は、停止して明確化を求めてください。