agent-media

Agent Media

Agent Media は、画像、動画、音声を処理するための、エージェントファーストなメディアツールキットです。コマンドラインから実行できるコマンドを提供します。すべてのコマンドは、決定論的で機械可読な JSON 出力を生成します。

利用可能なコマンド

画像コマンド

• npx agent-media@latest image resize - 画像のサイズを変更します
• npx agent-media@latest image convert - 画像の形式を変換します
• npx agent-media@latest image generate - テキストから画像を生成します
• npx agent-media@latest image edit - テキストプロンプトを使って 1 枚以上の画像を編集します
• npx agent-media@latest image remove-background - 画像の背景を削除します
• npx agent-media@latest image upscale - AI 超解像で画像をアップスケールします
• npx agent-media@latest image extend - 余白を追加して画像のキャンバスを拡張します
• npx agent-media@latest image crop - 焦点の周囲を指定した寸法で切り抜きます

音声コマンド

• npx agent-media@latest audio extract - 動画から音声を抽出します
• npx agent-media@latest audio transcribe - 音声をテキストに書き起こします

動画コマンド

• npx agent-media@latest video generate - テキストまたは画像から動画を生成します

出力形式

すべてのコマンドは JSON を標準出力に返します。

{
  "ok": true,
  "media_type": "image",
  "action": "resize",
  "provider": "local",
  "output_path": "output_123.webp",
  "mime": "image/webp",
  "bytes": 12345
}

エラーの場合：

{
  "ok": false,
  "error": {
    "code": "INVALID_INPUT",
    "message": "input file not found"
  }
}

プロバイダー

• local - Sharp（サイズ変更、形式変換、拡張、切り抜き）と Transformers.js（背景削除、アップスケール、書き起こし）を使用するデフォルトのプロバイダー
• fal - fal.ai プロバイダー（生成、編集、背景削除、アップスケール、書き起こし、動画）
• replicate - Replicate API（生成、編集、背景削除、アップスケール、書き起こし、動画）
• runpod - Runpod API（生成、編集、動画）
• ai-gateway - Vercel AI Gateway（生成、編集）

プロバイダーの選択

1. 明示的な指定：--provider <name>
2. 環境変数から自動検出
3. local プロバイダーにフォールバック

環境変数

• AGENT_MEDIA_DIR - 出力先ディレクトリをカスタマイズします
• FAL_API_KEY - fal プロバイダーを有効にします
• REPLICATE_API_TOKEN - replicate プロバイダーを有効にします
• RUNPOD_API_KEY - runpod プロバイダーを有効にします
• AI_GATEWAY_API_KEY - ai-gateway プロバイダーを有効にします