VideoDB スキル

ビデオ、ライブストリーム、デスクトップセッション向けの知覚 + 記憶 + アクション。

ユースケース

デスクトップ知覚

• デスクトップセッションを開始/停止し、画面、マイク、システムオーディオをキャプチャ
• リアルタイムコンテキストをストリーミングし、セグメント化されたセッション記憶を保存
• 話された内容と画面上で起きていることに対してリアルタイムアラート/トリガーを実行
• セッション要約、検索可能なタイムライン、再生可能な証拠リンクを生成

ビデオ取り込み + ストリーミング

• ファイルまたはURLを取り込み、再生可能なウェブストリームリンクを返す
• トランスコード/正規化：コーデック、ビットレート、フレームレート、解像度、アスペクト比

インデックス + 検索（タイムスタンプ + 証拠）

• ビジュアル、音声、キーワードインデックスを構築
• タイムスタンプと再生可能な証拠を持つ正確な瞬間を検索して返す
• 検索結果から自動的にクリップを作成

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、ダイナミック字幕
• オーディオ：背景音楽、ナレーション、音声合成
• タイムライン操作を通じたプログラマティックな合成とエクスポート

ライブストリーム（RTSP）+ 監視

• RTSP/リアルタイムストリームに接続
• リアルタイム視覚および音声理解を実行し、監視ワークフロー向けにイベント/アラートを発行

仕組み

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リクエスト：セッションを開始 / 停止 / 要約
• 期待されるアクション：理解コンテキストの取得、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、オーディオ、画像、クリップ
• ライブストリーム向けのイベント/アラートペイロード
• デスクトップセッション要約と記憶エントリ

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切り替えて環境変数を読み込みます：

from dotenv import load_dotenv
load_dotenv(".env")

import videodb
conn = videodb.connect()

これは以下の場所から VIDEO_DB_API_KEY を読み込みます：

1. 環境変数（エクスポート済みの場合）
2. プロジェクトの現在のディレクトリにある .env ファイル

キーが見つからない場合、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が有効な場合は、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 "...") を作成するときは、常に正しくフォーマットされたコードを使用してください。セミコロンでステートメントを分離し、可読性を保ちます。3 ステートメント以上のものについては、代わりに heredoc を使用してください：

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」または同様のリクエストをしたとき：

1. SDK のインストール

pip install "videodb[capture]" python-dotenv

Linux で videodb[capture] が失敗する場合は、キャプチャ拡張なしでインストールしてください：

pip install videodb python-dotenv

2. API キーの構成

ユーザーは以下のどちらかの方法を使用して 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 を起動する前）：export VIDEO_DB_API_KEY=your-key
• プロジェクト .env ファイル：プロジェクトの .env ファイルに VIDEO_DB_API_KEY=your-key を保存

無料で API キーを取得するには、console.videodb.io にアクセスしてください（50 回の無料アップロード、クレジットカード不要）。

API キーの読み取り、書き込み、処理を自分で行わないでください。常にユーザー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")

# Local file
video = coll.upload(file_path="/path/to/video.mp4")

トランスクリプション + 字幕

# force=True skips the error if the video is already indexed
video.index_spoken_words(force=True)
text = video.get_transcript_text()
stream_url = video.add_subtitle()

ビデオ内検索

from videodb.exceptions import InvalidRequestError

video.index_spoken_words(force=True)

# search() raises InvalidRequestError when no results are found.
# Always wrap in try/except and treat "No results found" as empty.
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() has no force parameter — it raises an error if a scene
# index already exists. Extract the existing index ID from the error.
try:
    scene_index_id = video.index_scenes(
        extraction_type=SceneExtractionType.shot_based,
        prompt="Describe the visual content in this scene.",
    )
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

# Use score_threshold to filter low-relevance noise (recommended: 0.3+)
try:
    results = video.search(
        query="person writing on a whiteboard",
        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、タイムスタンプを必ず検証してください：

• start は >= 0 である必要があります（負の値はサイレントで受け入れられますが、破損した出力が生成されます）
• start は < end である必要があります
• end は <= video.length 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="The End", 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

# Change resolution, quality, or aspect ratio server-side
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),
)

アスペクト比の調整（ソーシャルプラットフォーム向け）

警告： reframe() は遅いサーバー側操作です。長いビデオの場合、数分かかる可能性があり、タイムアウトする場合があります。ベストプラクティス：

• 可能な限り start/end を使用して短いクリップに制限
• 全長ビデオの場合、非同期処理のために callback_url を使用
• 最初に Timeline でビデオをトリミングし、その後、より短い結果のアスペクト比を調整

from videodb import ReframeMode

# Always prefer reframing a short segment:
reframed = video.reframe(start=0, end=60, target="vertical", mode=ReframeMode.smart)

# Async reframe for full-length videos (returns None, result via webhook):
video.reframe(target="vertical", callback_url="https://example.com/webhook")

# Presets: "vertical" (9:16), "square" (1:1), "landscape" (16:9)
reframed = video.reframe(start=0, end=60, target="square")

# Custom dimensions
reframed = video.reframe(start=0, end=60, target={"width": 1280, "height": 720})

生成メディア

image = coll.generate_image(
    prompt="a sunset over mountains",
    aspect_ratio="16:9",
)

エラー処理

from videodb.exceptions import AuthenticationError, InvalidRequestError

try:
    conn = videodb.connect()
except AuthenticationError:
    print("Check your VIDEO_DB_API_KEY")

try:
    video = coll.upload(url="https://example.com/video.mp4")
except InvalidRequestError as e:
    print(f"Upload failed: {e}")

よくある質問

シナリオ	エラーメッセージ	解決方法
インデックス済みビデオにインデックスを作成	Spoken word index for video already exists	video.index_spoken_words(force=True) を使用してインデックス済みのケースをスキップ
シーンインデックスが既に存在	Scene index with id XXXX already exists	re.search(r"id\s+([a-f0-9]+)", str(e)) を使用してエラーから既存の scene_index_id を抽出
検索に一致がない	InvalidRequestError: No results found	例外をキャッチし、空の結果として扱う（shots = []）
アスペクト比調整がタイムアウト	長いビデオで無限にハング	start/end を使用してセグメントを制限するか、非同期処理のために callback_url を渡す
Timeline 上の負のタイムスタンプ	サイレントに破損したストリームを生成	VideoAsset を作成する前に、常に start >= 0 を検証
generate_video() / create_collection() が失敗	Operation not allowed または maximum limit	計画の制限 — ユーザーに計画制限について通知

例

規範的なプロンプト

• 「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ときにアラートを発行します。」
• 「自分のセッションを記録し、終了時にアクション可能な要約を生成します。」
• 「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ます。」
• 「このフォルダのインデックスを作成し、人物がいるシーンをすべて見つけ、タイムスタンプを返します。」
• 「字幕を生成し、焼き込んで、軽い背景音楽を追加します。」
• 「この RTSP URL に接続し、誰かが領域に入ったときにアラートを発行します。」

スクリーン記録（デスクトップキャプチャ）

ws_listener.py を使用して、記録セッション中に WebSocket イベントをキャプチャします。デスクトップキャプチャは macOS のみでサポートされています。

クイックスタート

1. 状態ディレクトリを選択：STATE_DIR="${VIDEODB_EVENTS_DIR:-$HOME/.local/state/videodb}"
2. リスナーを開始：VIDEODB_EVENTS_DIR="$STATE_DIR" python scripts/ws_listener.py --clear "$STATE_DIR" &
3. WebSocket ID を取得：cat "$STATE_DIR/videodb_ws_id"
4. キャプチャコードを実行（完全なワークフローは reference/capture.md を参照）
5. イベント書き込み：$STATE_DIR/videodb_events.jsonl

新しいキャプチャ実行を開始するたびに --clear を使用して、古いトランスクリプションと視覚イベントが新しいセッションに漏れないようにしてください。

イベントのクエリ

import json
import os
import time
from pathlib import Path

events_dir = Path(os.environ.get("VIDEODB_EVENTS_DIR", Path.home() / ".local" / "state" / "videodb"))
events_file = events_dir / "videodb_events.jsonl"
events = []

if events_file.exists():
    with events_file.open(encoding="utf-8") as handle:
        for line in handle:
            try:
                events.append(json.loads(line))
            except json.JSONDecodeError:
                continue

transcripts = [e["data"]["text"] for e in events if e.get("channel") == "transcript"]
cutoff = time.time() - 300
recent_visual = [
    e for e in events
    if e.get("channel") == "visual_index" and e["unix_ts"] > cutoff
]

追加ドキュメント

参考ドキュメントは、このSKILL.md ファイルに隣接する reference/ ディレクトリにあります。必要に応じて Glob ツールを使用して検索してください。

• reference/api-reference.md - VideoDB Python SDK API リファレンス全体
• reference/search.md - ビデオ検索の深掘りガイド（口語および場面ベース）
• reference/editor.md - タイムライン編集、アセット、合成
• reference/streaming.md - HLS ストリーミングとインスタント再生
• reference/generative.md - AI 駆動のメディア生成（画像、ビデオ、オーディオ）
• 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 - Capture SDK と WebSocket イベント
• reference/use-cases.md - 一般的なビデオ処理パターンと例

VideoDB がその操作をサポートしている場合は、ffmpeg、moviepy、またはローカルエンコーディングツールを使用しないでください。 以下のすべての操作は VideoDB によってサーバー側で処理されます。トリミング、クリップの結合、オーディオまたは音楽のミキシング、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のためのリサイズ、トランスクリプション、メディア生成。reference/editor.md の「制限」セクション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/スケーリング、カラーグレーディング、ボリュームミキシング）の場合のみ、ローカルツールにフォールバックしてください。

何をいつ使用するか

問題	VideoDB ソリューション
プラットフォームがビデオアスペクト比または解像度を拒否	VideoConfig を使用した video.reframe() または conn.transcode() を使用
Twitter/Instagram/TikTok 向けビデオをリサイズする必要がある	video.reframe(target="vertical") または target="square"
解像度を変更する必要がある（例：1080p → 720p）	VideoConfig(resolution=720) を使用した conn.transcode() を使用
ビデオにオーディオ/音楽をオーバーレイする必要がある	Timeline で AudioAsset を使用
字幕を追加する必要がある	video.add_subtitle() または CaptionAsset を使用
クリップをマージ/トリムする必要がある	Timeline で VideoAsset を使用
ナレーション、音楽、または効果音を生成する必要がある	coll.generate_voice()、generate_music()、generate_sound_effect() を使用

出典

このスキルの参考資料は、skills/videodb/reference/ の下でローカルに提供されています。 実行時に外部リポジトリリンクを追従する代わりに、上記のローカルコピーを使用してください。

メンテナー： VideoDB