anycap-gemini-omni-video-edit

AnyCap Gemini Omni Video Edit

このスキルを使うと、AnyCap 経由で gemini-omni-flash-preview を使用して短い動画を編集できます。元の動画をほぼそのまま維持しながら、要素を 1 つだけ変更する、実用的な一度限りの動画編集に最適化されています。

CLI の構文、認証、モデル検出の規則、出力オプションについては、必要に応じて anycap-cli スキルを参照してください。

検証する証拠

Gemini Omni Flash Preview はプレビュー版モデルのため、実行前に最新の情報を確認してください。

anycap status
anycap video models gemini-omni-flash-preview
anycap video models gemini-omni-flash-preview schema --operation generate --mode edit-video

モデルの動作が重要な場合は、Google の公式ドキュメントも確認してください。

• Gemini Omni Flash ガイド：https://ai.google.dev/gemini-api/docs/omni
• Gemini API の動画概要：https://ai.google.dev/gemini-api/docs/video
• Gemini Omni Flash モデルカード：https://ai.google.dev/gemini-api/docs/models/gemini-omni-flash

実行可能な CLI パラメーターの正しい情報源として、AnyCap の最新スキーマを参照してください。モデルの動作、制限、プロンプト作成の指針については、Google の公式ドキュメントを正しい情報源として参照してください。

適合性の確認

次のタスクには、Gemini Omni Flash Preview を使用してください。

• 自然言語で既存の短い動画を編集する
• 1 つの視覚要素を変更しながら、人物の同一性、カメラの動き、背景、手、照明、タイミング、音声を維持する
• 1 枚以上の参照画像を使って、製品や小道具を差し替える
• 見えている物体を削除または隠す
• 照明の変更、スタイルの変更、テキストや看板の変更など、シーン単位の限定的な編集を行う
• より細かく制御できる動画モデルを検討する前に、プレビューをすばやく反復する

次の要件がある場合は、別の動画モデルまたはプロバイダーの API を直接使用することを検討してください。

• シーンの拡張、最初または最後のフレームの補間、あるいは最後のフレームの制御
• Google の previous_interaction_id を使った、厳密なマルチターン状態の維持
• 厳密な複数動画の推論
• 最新の AnyCap スキーマで対応していない長尺動画の生成
• 最新の AnyCap スキーマで公開されていない出力品質や解像度

ワークフロー

1. 入力を確認します。 元動画のパスまたは URL、参照画像、希望する編集内容、アスペクト比、長さ、出力ファイル名を確認します。
2. スキーマを確認します。 上記の最新スキーマコマンドを実行し、対応しているパラメーターのみを使用します。
3. 参照を選びます。 元動画は 1 本にするのが望ましいです。製品、被写体、スタイル、素材の詳細には参照画像を使用します。最新のドキュメントとタスク上の必要性から正当化できる場合を除き、複数動画のプロンプトは避けてください。
4. 簡潔な英語のプロンプトを作成します。 既定では英語が最も安全です。編集対象を明確にし、維持する要素もモデルに伝えてください。
5. 生成します。 --mode edit-video と説明的な -o を指定して anycap video generate を使用します。
6. 動画を QA します。 ffprobe、フレームのサンプル、anycap actions video-read を使って確認し、動き、手、物体の安定性、意図しない変更がないかを手動でレビューします。
7. 範囲を絞って再試行します。 出力にずれがある場合は、プロンプトを短くし、編集対象を絞り、不足している制約だけを追加します。

コマンドのパターン

anycap video generate \
  --model gemini-omni-flash-preview \
  --mode edit-video \
  --prompt "<narrow English editing instruction. Keep everything else the same.>" \
  --param videos=./source.mp4 \
  --param images=./reference.png \
  --param aspect_ratio=16:9 \
  --param duration=10 \
  --param resolution=720p \
  --param format=mp4 \
  -o ./edited-output.mp4

ルール：

• 元動画は必ず --param videos=... で渡します。
• スキーマが複数の参照に対応している場合は、JSON 配列の構文を使用します。

--param images='["./product-front.png","./product-side.png"]'

• 同じ --param images= キーを繰り返して、追加されることを期待しないでください。
• ファイル名にはバージョンを付けてください：brief-v1.mp4、brief-v2.mp4、brief-final.mp4。
• URL またはローカルファイルの場合は、AnyCap に参照を自動でアップロードまたは解決させます。

プロンプトの構成

編集には次の構成を使用します。

<Action only on target>. Use <reference image(s)> as the exact reference for <product/subject/style/material>. Preserve <identity, hands, body, clothing, background, camera motion, lighting, shadows, audio, timing>. Make <physical integration details>. Keep everything else the same. Do not <common failure modes>.

適切な編集プロンプトは短くても具体的です。対象を絞った編集では、「それ以外はすべて同じにしてください。」を含めます。このワークフローではモデルレベルのネガティブプロンプトに対応していないため、否定的な指示は通常のプロンプトに含めてください。

シナリオ別のテンプレートについては、references/scenarios.md を参照してください。 QA と再試行のパターンについては、references/qa.md を参照してください。

実用的なデフォルト設定

• デフォルトでは、元動画を1本、製品または参照画像を1枚使用します。
• ユーザーが明示的にクロップを希望していない限り、aspect_ratio は元動画に合わせます。
• 現行のスキーマで対応できる場合は元動画の長さを使用します。対応できない場合は、最も近い対応可能な長さを選び、その旨をユーザーに伝えます。
• ワークスペース内に、安定したわかりやすい出力パスを設定します。
• まずは可能な限り小さな編集を依頼します。大規模な編集を組み合わせると、人物の同一性、手、背景、カメラの動きが変わりやすくなります。

出力に含める内容

以下を返します。

• ローカルの出力動画パス
• 実行したコマンドの正確な内容、または簡潔なコマンドの概要
• 実施した品質チェックとその結果
• 人物の同一性のずれ、手の不自然な描画、ちらつき、音声の変化、スキーマの制限などの注意事項

編集の品質が不十分な場合は、曖昧な「もう一度試してください」ではなく、次に使う具体的なプロンプトを提示します。