Communitygithub.com

YouTube 字幕金句拼接图

从 YouTube 或本地访谈视频制作原生字幕金句拼接图,支持真实视频、字幕 OCR、人工选句和等字号拼接;生成有观点的读者配文,按用户要求接续 Chrome 抖音发布或排期、小红书草稿或发布,带素材校验及断点回执。

YouTube 字幕金句拼接图 とは?

このスキルは、YouTube やローカルのインタビュー動画から、元の字幕をそのまま切り取った「金句コラージュ画像」を作成します。人物を再生成したり、台詞を大きなタイトルに置き換えることはせず、元の言語、字幕、透かし、実際のカット切り替えを保持します。OCR で字幕候補を検出し、ユーザーが選択したセリフを等フォントサイズで自然に配置。さらに、その画像に合った読者向けのソーシャル配信文を自動生成し、Chrome 経由で抖音や小红书に下書き保存・公開・スケジュール投稿まで行えます。各工程で素材の検証と進捗の記録を行い、中断・再開が可能です。このスキルは macOS 上の Apple Vision OCR と Python スクリプトに依存し、Claude Code などのエージェント上で動作します。

対応~Claude Code~Codex CLI~Cursor
npx skills add tiancc-cyber/youtube-subtitle-collage

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

YouTube 字幕金句コラージュ画像

追跡可能な実際の動画字幕のコラージュ画像を提供します。人物を再生成したり、台詞を大きな見出しに書き換えたりしません。デフォルトで元の言語、字幕、透かし、実際のカット切り替えを保持します。このパッケージのスクリプトを使用し、他のスキルや古いプロジェクトの絶対パスに依存しません。

開始または継続

  • 最初に Python 環境とユーザーの出力ディレクトリを特定します。既存のジョブがある場合は、まず scripts/workflow.py status JOB を実行します。

  • 運用手順書を読んでから、メディア、OCR、レンダリングを操作します。初回デプロイでは環境とトラブルシューティングを参照してください。

  • shortlist/selection/captions を作成・インポートする前にデータ構造を参照してください。

  • 環境に既存の依存関係があればそれを再利用します。ソフトウェアのグローバルインストール、システムプロキシの変更、ブラウザ Cookie の読み取りを勝手に行わないでください。

  • 画像のみを作成する場合は、ソーシャルプラットフォーム向けのキャプションを強制生成しません。ユーザーが完全なコンテンツワークフローを要求した場合にのみ、該当プラットフォームの下書きを生成し、アカウントや公開先を勝手に追加しないでください。

  • ユーザーが既存の画像の公開を要求した場合は、直接ブラウザ公開を読み、該当するジョブと完成品を特定し、ダウンロード、セリフ選択、レンダリングを繰り返さないでください。scripts/publish_queue.py を使用して素材を検証し、スケジュールを計画し、進捗を記録します。ページ操作は Computer Use が優先され、AppleScript が許可されている場合はそのマニュアルの代替ルートに従います。

  • タイトルとソーシャル配信文を作成する際は読者向けキャプションを参照してください。画像は元の言葉を保持し、配信文は根拠のある解釈、具体的な感想、議論の入り口を提供します。制作手順を読者に書かないでください。

  • macOS Chrome の制御で問題が発生し、ユーザーが AppleScript を許可した場合は、Apple Events DOM 操作を参照してください。現在のツールルールも代替技術を許可している場合のみ使用します。既存の認可を再利用し、まず読んでから書き、キューでコミットを記録します。

保持すべき判断とレビュー

  1. 字幕トラックが利用可能な場合は、まず字幕を解析し、不必要な全編ダウンロードを避けます。焼き込み字幕の場合、文字認識のために実際の動画をダウンロードできます。既存の完全なローカルメディアを優先します。
  2. 制限ありの取得ルートを使用します。エラータイプを記録します。一回の通常試行が失敗した後は、根拠のある代替ルートを1回だけ試みます。403/LOGIN_REQUIRED はループせず、ユーザーに認可の解決またはローカルメディアの提供を委ねます。
  3. OCR はあくまで候補のロケーターです。ローカルの候補パッケージを読み込み、全編を繰り返し読まないでください。候補に入った元の言葉については、実際のフレームとコンテキストを確認します。サンプリング認識は、漏れのない完全な書き起こしであると主張できません。
  4. 候補 ID、逐語文字、時間、話者、共有理由、コンテキストリスクを提示し、awaiting_quote_selection で停止します。数を稼ぐために弱い文を含めないでください。
  5. ユーザーが明示的に ID を選択してから choose-quotes を実行します。続いて build_selection.py が選択された候補の逐語から下書きを生成し、正確な frame_seconds を保持してインポートします。勝手に文字を変えたり、文を削除したり、開示されていないカットをつなぎ合わせたりしないでください。
  6. native モードでは実際の動画のみを使用します。最初のブロックはフルフレームを保持し、後続のブロックは同じ比率のフレームから字幕領域を切り抜きます。最初の文を拡大してはいけません。デフォルトでは翻訳、タイトル、偽の字幕を追加しません。
  7. 画像の数、サイズ、各文の原文、人物、切り抜きを確認します。自動 QA は目視確認の代わりになりません。原図、プレビュー、タイムポイント、利用可能なキャプション/レビューパッケージを提供します。
  8. 作成のみの場合は awaiting_review で停止します。作成とダウンロードの認可は公開の認可ではありません。ユーザーが外部公開を別途要求した場合は、ブラウザ公開フローに従って具体的な素材、対象アカウント、操作範囲を確認し、セッション中にすでに明確化された認可を継続して使用し、再度質問しません。出典を明記しても著作権許可を得たことにはなりません。

元の動画自体の字幕のサイズが異なる場合、等倍で切り抜いてもフォントサイズが魔法のように統一されません。まずその旨を説明し、必要に応じて同意を得てから、字幕再配置モードに切り替えます。ハードコード字幕がない動画を「ネイティブ字幕画像」と呼んではいけません。

重要なデフォルト値

  • 本検証:macOS + Apple Vision OCR。他のシステムではユーザーが字幕を提供するか、設定済みのローカル認識ツールを選択する必要があり、クロスプラットフォームでの OCR 検証を主張しません。
  • native モードはデフォルトで subtitle-stack。元の幅を保持するか、等倍で縮小します。「高画質」のために低解像度ソースを拡大しません。
  • 自然な高さ:スケーリング後のフルフレーム高 + (文数 − 1) × 字幕バー高。固定アスペクト比のためにバー内の字幕を拡大しないでください。各画像は現在 3〜6 文に対応し、それを超える場合はグループ化について話し合うか、レンダラーを明示的に調整します。黙って削除しないでください。
  • ローカルでのダウンロード、切り抜き、OCR、チェックはスクリプトに任せます。モデルは文の選択判断、確認、キャプション制作を担当します。実際に計測された Token データがない場合は「未記録」と書き、台帳の 0 やアカウント制限制限比率から実際の Token を推定しないでください。

ユーザーがダウンロードのトラブルシューティングのみを要求した場合は、メディア診断のみ実行し、金句制作に拡張しないでください。

関連スキル