Communitygithub.com

julioseru/ver-video

動画(YouTubeやその他のサイトのURL、またはローカルファイル)を視聴・解析・要約します。ユーザーがYouTubeで解説されたトレード戦略など、動画の視聴、要約、分析、情報抽出を求めたときに使用します。動画を、タイムスタンプ付きフレームシート、音声文字起こし、およびタイムライン上に整列されたシーンカットに変換します。

ver-video とは?

このスキルは、動画コンテンツを詳細に解析するためのAIエージェントツールです。ユーザーが指定したYouTube URLやローカル動画ファイルを処理し、視覚情報(フレーム)と音声情報(文字起こし)を統合したタイムラインレポートを生成します。特に、トレード戦略の解説動画など、画面上の変化が重要なコンテンツの分析に最適です。適応型サンプリング技術により、動画の変化点(テキスト、価格ラベル、描画線など)を高頻度でキャプチャし、変化の少ない部分は間隔を空けて効率的にフレームを取得します。生成されたタイムラインレポート(timeline.md)とフレームシート画像を順に確認することで、エージェントは動画の内容を正確に理解し、タイムスタンプ付きの詳細な回答を提供できます。また、Gemini APIを利用した高度な動画解釈や、特定の時間範囲のズーム解析にも対応しており、Claude Code、Cursor、Codexなどの主要なAIエージェントプラットフォームで動作します。

対応~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/julioseru/ver-video/tree/HEAD/skills/ver-video

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

ver-video は何をしますか?

SKILL_DIR はこのファイルを含むフォルダです。スクリプトは SKILL_DIR/scripts/vervideo.py にあります。Windows では py -3.12 (Whisper は Python 3.14 にまだ対応していません)、macOS/Linux では python3 を使用します。

1. 確認 (セッション中最初の一度だけ)

py -3.12 "SKILL_DIR/scripts/vervideo.py" check

listo_para_watch が false の場合、このリポジトリの instalar_todo.bat (Windows) または install.sh (macOS/Linux) を実行するようユーザーに伝えてください。管理者権限なしで何かをインストールしないでください。インストール前にユーザーに確認を取ってください。

2. 動画を処理する

py -3.12 "SKILL_DIR/scripts/vervideo.py" watch "<URL または パス>"

デフォルトでは適応サンプリングを使用します。動画を毎秒4回分析し、画像が変化するたび(小さな領域の変化も含む: テキスト、価格ラベル、描画線)にフレームを保存します。変化がない場合でも、最大5秒ごとに1枚の制御フレームを保存します。report.json には変化した瞬間 (visual_events) がリストされます。

便利なオプション:

  • --start 12:00 --end 18:30 で特定の範囲を指定します。長い動画の場合に有効です。まず全体をざっと処理し、その後詳細が必要な範囲を指定します。
  • --sensitivity 1 でより微妙な変化をキャプチャします (デフォルトは2%)。--max-gap 3 で静かな部分の制御フレームを増やします。
  • --mode fixed --interval 2 で従来のモード (N秒ごとに1枚のフレーム) を使用します。
  • --lang en で音声が英語の場合に指定します (auto で自動検出)。
  • --transcript subs でサイトの字幕のみを使用します (高速)。whisper でローカルの文字起こしを強制します。
  • Whisper は NVIDIA GPU が利用可能な場合は GPU (モデル large-v3-turbo、より高精度) を使用し、そうでない場合は CPU (モデル small) を使用します。--whisper-model で強制指定できます。

このコマンドは、timeline.md のパスと出力フォルダを含むJSONを出力します。

3. 動画を確認する (必須、この手順をスキップしないでください)

  1. timeline.md を全て読みます。
  2. 各シートを順番に、画像をReadで開き、その区間で話されている内容と一緒に読みます。各シートには9つのフレーム (左→右、上→下) があり、それぞれの上部に黄色い帯で時刻 (秒未満がある場合は10分の1秒単位) が表示されています。✂ はシーンカットを示します。フレームは等間隔ではありません。連続する2つのフレームが非常に近い場合、その瞬間に画面上で何かが変化したことを示します。
  3. フレーム間で何が変化しているかをメモします: 動き、画面上のテキスト、グラフィックス、価格レベル、インジケーター、ジェスチャー。
  4. 重要なものが小さく見える場合 (数字、レベル、インジケーター名、パラメーター)、フル解像度でズームします:
py -3.12 "SKILL_DIR/scripts/vervideo.py" zoom "<出力フォルダ>" --at 14:32 --count 3 --step 1

そして、返された画像を開きます。

4. 回答する

  • 各主張にはタイムスタンプ [MM:SS] を付けて引用します。
  • 見えているもの (フレーム) と話されているもの (文字起こし) を区別します。音声のみから視覚的な事実を主張したり、その逆をしないでください。
  • ある部分が不明瞭な場合 (例えば、2つのフレーム間の素早い動き)、その旨を伝え、その部分をより詳細に再確認します: watch ... --start MM:SS --end MM:SS --sensitivity 1 --min-gap 0.25
  • トレード動画の場合: エントリールール、エグジットルール、ストップルール、資金管理、時間足、銘柄、インジケーターとそのパラメーターを抽出し、作者が明示していない点を指摘します。

5. オプション: Gemini

GEMINI_API_KEY が設定されている場合、動画と音声をネイティブに処理するモデルでセカンドオピニオンを求めることができます。事前にユーザーに通知してください: 動画はGoogleに送信され (ローカルファイルはアップロード後、処理完了時に削除されます)、処理されます。

py -3.12 "SKILL_DIR/scripts/vervideo.py" gemini "<URL または パス>" --prompt "具体的な質問"

その応答を自身のシートと比較し、検証せずにコピーしないでください。

関連スキル