VideoCaptioner は何をしますか？
VideoCaptioner：文字起こし→最適化/翻訳→スタイル付き字幕焼き込み。ショート動画向け無料ASRパス。
概要
VideoCaptionerは、動画ファイルから自動で文字起こし（ASR）を行い、必要に応じてテキストを最適化・翻訳した上で、スタイル付きのハードサブ（字幕焼き込み）を生成するスキルです。特にショート動画をターゲットとしており、無料のASRエンジン（Whisperなど）を使用したパスを標準で提供します。
主な機能
- 文字起こし：動画から音声を抽出し、WhisperなどのASRエンジンでテキスト化
- 最適化/翻訳：文字起こし結果をAIで整形、または指定言語に翻訳
- 字幕焼き込み：生成した字幕を動画にスタイル（フォント、サイズ、色、位置）付きで焼き込み
- 無料ASRパス：商用ASRサービスに依存しない、完全無料のパイプライン
対応プラットフォーム
- Claude Code
- Cursor
- その他、ファイルI/O・コマンド実行が可能なAIエージェント環境
使用方法
- 動画ファイルを用意する
- スキルを実行し、入力動画パスと出力ディレクトリを指定する
- 必要に応じて翻訳先言語や字幕スタイルを指定する（オプション）
- 自動で文字起こし→翻訳→字幕焼き込みが実行され、結果が出力ディレクトリに保存される
設定例
# 基本的な使い方（入力動画のみ指定）
run_video_captioner --input ./input.mp4 --output ./output
# 翻訳とカスタムスタイルを指定
run_video_captioner --input ./input.mp4 --output ./output --translate-to en --font Arial --font-size 24 --color white
注意事項
- 初回実行時はASRモデル（Whisperなど）のダウンロードが行われる場合があります
- 長い動画や高解像度の動画は処理に時間がかかる可能性があります
- 翻訳機能を使用する場合は、対応するAIモデルが必要です