claude-video

claude-video — Claude Code 向け CLI ネイティブな動画編集

クイックリファレンス

コマンド	機能
/video	対話モード — やりたいことを平易な英語で説明します
/video setup	すべての依存関係（faster-whisper、auto-editor、scenedetect、yt-dlp、mediainfo）をインストールします
/video edit	トリミング、カット、分割、結合、速度変更、クロップ、オーバーレイ、手ブレ補正、トランジション
/video transcode	コーデックの変換、圧縮、GPU アクセラレーションによるエンコード、2 パスエンコード
/video audio	音量の正規化、ノイズ低減、ミキシング、抽出、無音部分の除去
/video caption	音声を文字起こし → 単語ごとにアニメーションする字幕（Whisper + ASS）
/video analyze	ffprobe による検査、品質測定（VMAF/SSIM/PSNR）、シーン検出
/video export <platform>	1 つのコマンドでエクスポート：youtube、tiktok、instagram、linkedin、web、gif、podcast
/video download <url>	yt-dlp で形式を選択して動画をダウンロードします
/video create	Remotion（React ベースのモーショングラフィックス）によるプログラムでの動画作成
/video shorts	長尺動画から短尺動画を作成するパイプライン：文字起こし、スコアリング、9:16 にクロップ、字幕付け、エクスポート
/video image	AI 画像生成（Gemini 3 Pro Image、FLUX.2 local、SD 3.5、OpenAI、rembg）
/video generate	AI 動画生成（Veo 3.1、Runway Gen-4、local SVD）
/video screenshot	Playwright による Web キャプチャ（スクリーンショット、録画、ケン・バーンズ効果）
/video enhance-audio	AI 音声処理（Demucs による分離、DeepFilter によるノイズ除去、TTS、話者分離、AudioSR）
/video enhance	AI 動画処理（Real-ESRGAN によるアップスケーリング、RIFE による補間、CodeFormer、rembg）
/video promo	ストック映像と Remotion によるプロモーション動画の作成（コントラストを考慮したテキストオーバーレイ付き）
/video setup --ai	AI の依存関係（PyTorch、WhisperX、FLUX.2、Real-ESRGAN など）をインストールします

オーケストレーションのロジック

コマンドのルーティング

ユーザーが特定のコマンドを指定した場合、該当するサブスキルを読み込みます。

• /video edit またはトリミング／カット／分割／結合／速度変更／クロップ／オーバーレイ／手ぶれ補正／トランジションの意図 → skills/claude-video-edit/SKILL.md を読み込みます
• /video transcode または変換／圧縮／エンコード／コーデック／フォーマット変更の意図 → skills/claude-video-transcode/SKILL.md を読み込みます
• /video audio または音声のノーマライズ／ノイズ除去／ミックス／抽出／無音処理／音量／LUFS の意図 → skills/claude-video-audio/SKILL.md を読み込みます
• /video caption または文字起こし／字幕／キャプション／whisper／SRT／ASS の意図 → skills/claude-video-caption/SKILL.md を読み込みます
• /video analyze または検査／情報／品質／VMAF／メタデータ／シーン検出／ffprobe の意図 → skills/claude-video-analyze/SKILL.md を読み込みます
• /video export またはyoutube／tiktok／instagram／linkedin／web／gif／ポッドキャスト向けにエクスポートする意図 → skills/claude-video-export/SKILL.md を読み込みます
• /video download またはURLから動画をダウンロードする意図 → skills/claude-video-download/SKILL.md を読み込みます
• /video create またはプログラムによる動画／モーショングラフィックス／タイトルカードの作成・生成の意図 → skills/claude-video-create/SKILL.md を読み込みます
• /video shorts または長尺動画から短尺動画／クリップ／TikTokショート／リールを作成する意図 → skills/claude-video-shorts/SKILL.md を読み込みます
• /video image または画像生成／AI画像／FLUX／stable diffusion／背景削除の意図 → skills/claude-video-image/SKILL.md を読み込みます
• /video generate または動画生成／AI動画／Veo／Runway／テキストから動画を生成する意図 → skills/claude-video-generate/SKILL.md を読み込みます
• /video screenshot またはスクリーンショット／Webキャプチャ／画面録画／Ken Burns の意図 → skills/claude-video-screenshot/SKILL.md を読み込みます
• /video enhance-audio またはボーカル分離／AIノイズ除去／話者ダイアライゼーション／TTS／音声クローン／音声アップサンプリングの意図 → skills/claude-video-enhance-audio/SKILL.md を読み込みます
• /video enhance またはアップスケール／超解像／フレーム補間／顔の復元／動画の背景削除の意図 → skills/claude-video-enhance/SKILL.md を読み込みます
• /video promo またはプロモーション動画／ストック映像／マーケティング動画／テキスト付きストッククリップの意図 → skills/claude-video-promo/SKILL.md を読み込みます
• /video setup → bash scripts/setup.sh を実行します
• /video setup --ai → bash scripts/setup.sh --ai を実行します

対話モード

ユーザーが引数なしで /video と入力するか、自然言語でタスクを説明した場合：

1. bash scripts/check_deps.sh を実行して、ツールが利用可能か確認します
2. bash scripts/detect_gpu.sh を実行して、エンコード機能を確認します
3. ユーザーの説明から意図を特定します
4. 適切なサブスキルにルーティングします
5. 意図が曖昧な場合は、ユーザーに確認します

複数ステップのパイプライン

複数のサブスキルにまたがる複雑なリクエスト（例：「このYouTube動画をダウンロードして、無音部分を削除し、字幕を追加して、TikTok向けにエクスポートして」）の場合、サブスキルを順番に実行します。

1. ダウンロード → 編集 → 字幕付け → エクスポート
2. 各ステップの出力を次のステップの入力として渡します
3. 中間出力には /tmp/claude-video/ 内の一時ファイルを使用します
4. 最終出力の生成後、一時ファイルを削除します

安全ルール — 必須

1. ユーザーが上書きを明示的に要求しない限り、常に -n フラグ（上書き禁止）を使用します
2. 出力パスを入力パスと同じにしてはいけません — 書き込みの前に bash scripts/preflight.sh "$INPUT" "$OUTPUT" を実行します
3. ソースファイルを削除してはいけません — すべての操作で新しいファイルを作成します
4. 書き込み操作の前に必ず事前チェックを実行します：bash scripts/preflight.sh <input> <output>
5. 次の操作の前に確認します：バッチ処理（3ファイル超）、ダウンロード、所要時間が5分を超えると見積もられる操作
6. 確認なしで自動実行します：ffprobeによる解析、サムネイル抽出、GPU検出、メタデータの読み取り
7. 一時ファイルのクリーンアップ：すべてのスクリプトで trap 'rm -f "$TEMP"' EXIT INT TERM のパターンを使用します
8. ディスク容量の確認：大規模なエンコードの前に bash scripts/estimate_size.sh を実行します

AI サブスキルの振り分けガイド

• 「ボーカルを分離」／「会話を分離」 → claude-video-enhance-audio（Demucs、AI モデル）
• 「ノイズを低減」／「ノイズ除去」 → 手早く修正する場合は claude-video-audio（FFmpeg afftdn）、AI 品質を求める場合は claude-video-enhance-audio（DeepFilterNet3）
• 画像から**「背景を削除」** → claude-video-image（rembg）、動画から削除 → claude-video-enhance（rembg バッチ処理＋アルファ合成）
• 「アップスケール」／「超解像」 → claude-video-enhance（Real-ESRGAN）
• 「スローモーション」（基本）→ claude-video-edit（setpts）、（AI フレーム補間）→ claude-video-enhance（RIFE）
• 「画像／動画を生成」 → claude-video-image／claude-video-generate
• 「ショート動画」／「長い動画からクリップを作成」 → claude-video-shorts

Python 仮想環境

AI スクリプトには、PyTorch nightly cu128 を使用する隔離された仮想環境が必要です（RTX 5070 Ti Blackwell sm_120 用）：

# Install the AI venv (one-time)
bash scripts/setup.sh --ai

# Venv location
~/.video-skill/bin/python3
~/.video-skill/bin/activate

AI モデルを使用する scripts/ 内のすべての Python スクリプト（segment_scorer.py、face_tracker.py、 image_generate.py、video_generate.py、audio_enhance.py、video_enhance.py、web_capture.py） を実行するには、環境を有効化する必要があります：source ~/.video-skill/bin/activate

VRAM 管理（16GB の予算 — RTX 5070 Ti）

GPU モデルを読み込む前に、空き VRAM を確認してください：

nvidia-smi --query-gpu=memory.free --format=csv,noheader,nounits

ティア	VRAM	モデル	ルール
専有（>10GB）	12-13GB	FLUX.2 klein、Bark TTS	GPU モデルはこれだけを読み込んでください
高負荷（5-10GB）	5-8GB	Demucs、WhisperX、AudioSR	高負荷モデルは一度に1つだけ実行してください
軽量（<5GB）	1-4GB	rembg、CodeFormer、RIFE、pyannote	合計が12GB未満であれば共存できます
NVENC	~500MB	ハードウェアエンコーダー	常に利用できます
CPU のみ	0	MediaPipe、PySceneDetect、Playwright、librosa	VRAM は不要です

高負荷モデルと専有モデルを同時に実行することは絶対に避けてください。読み込み → 処理 → 解放 → 次のモデル、の順に実行してください。

エンコードのデフォルト設定

GPU 優先の方針

1. エンコード作業の開始時に bash scripts/detect_gpu.sh を実行します
2. NVENC が利用可能な場合は、h264_nvenc／hevc_nvenc／av1_nvenc と -preset p5 -tune hq を使用します
3. GPU がない場合は、libx264／libx265／libsvtav1 と -preset medium に切り替えます
4. MP4 を出力する場合は、必ず -movflags +faststart を追加します

コーデック選択の優先順位

• ストリームコピー（-c copy）：再エンコードが不要な場合（トリミング、リマックス、抽出）
• AV1（av1_nvenc または libsvtav1）：圧縮効率が最も高く、ロイヤリティフリー — 新規エンコードのデフォルト
• H.264（h264_nvenc または libx264）：最大限の互換性（ソーシャルメディア、旧型デバイス）
• H.265（hevc_nvenc または libx265）：高い圧縮効率と幅広いサポート — ユーザーから指定された場合に使用

品質のデフォルト設定

• H.264：CRF 20（CPU）／CQ 21（NVENC）
• H.265：CRF 24（CPU）／CQ 26（NVENC）
• AV1：CRF 28（CPU）／CQ 30（NVENC）
• オーディオ：動画には AAC 192k、ウェブには 128k、WebM には Opus 128k

参考ファイル

必要に応じてオンデマンドで読み込んでください。起動時にすべて読み込まないでください。

• references/transcode.md — コーデックの比較、CRF ガイド、2 パスエンコード、コンテナ
• references/filters.md — FFmpeg の全ビデオフィルターカタログと正確なコマンド
• references/audio.md — ラウドネスの目標値、ノイズ除去、音声処理
• references/captions.md — Whisper のセットアップ、ASS カラオケ形式、単語単位のスタイル設定
• references/analyze.md — FFprobe のパターン、VMAF／SSIM／PSNR による品質評価
• references/export-presets.md — プラットフォーム別の書き出しコマンド（YouTube、TikTok など）
• references/gpu-accel.md — NVENC コマンド、CUDA フィルター、RTX 固有の設定
• references/remotion.md — Remotion のセットアップ、React のビデオパターン、ヘッドレスレンダリング
• references/shorts-pipeline.md — WhisperX モデル、スコアリングアルゴリズム、顔追跡、プラットフォームの制限
• references/image-generation.md — FLUX.2、SD 3.5、OpenAI／Google API、rembg、ビデオ向けのネイティブ寸法
• references/video-generation.md — Veo 3.1、Runway Gen-4、ローカル SVD、ポーリング、コスト計算式
• references/web-capture.md — Playwright のセットアップ、デバイスエミュレーション、Ken Burns の FFmpeg コマンド
• references/audio-enhance.md — Demucs、DeepFilterNet3、pyannote、TTS の比較、AudioSR
• references/video-enhance.md — Real-ESRGAN、RIFE、CodeFormer、rembg、フレーム処理パイプライン
• references/batch-processing.md — GNU parallel と NVENC の並列処理、AI のバッチ処理、エラー処理

サブスキル

• claude-video-edit — ビデオ編集：トリミング、カット、分割、結合、速度変更、クロップ、オーバーレイ、手ぶれ補正、トランジション
• claude-video-transcode — コーデック変換、圧縮、GPU エンコード、2 パスエンコード、コンテナのリマックス
• claude-video-audio — 音声の正規化、ノイズ除去、ミキシング、抽出、無音部分の削除
• claude-video-caption — 音声からテキストへの書き起こし、アニメーション字幕、映像への焼き込みスタイル設定
• claude-video-analyze — ビデオ検査、品質指標、シーン検出、メタデータ分析
• claude-video-export — プラットフォームに最適化された書き出し（YouTube、TikTok、Instagram、LinkedIn、Web、GIF、ポッドキャスト）
• claude-video-download — yt-dlp によるビデオのダウンロードと、フォーマットおよび品質の選択
• claude-video-create — Remotion によるプログラムでのビデオ作成（React ベースのモーショングラフィックス）
• claude-video-shorts — 長尺から短尺へのパイプライン：書き起こし、スコアリング、9:16 へのクロップ、字幕、書き出し
• claude-video-image — AI 画像生成：Gemini 3 Pro Image、ローカル FLUX.2、SD 3.5、OpenAI API、rembg
• claude-video-generate — AI ビデオ生成：Veo 3.1、Runway Gen-4 Turbo、ローカル SVD
• claude-video-screenshot — Web キャプチャ：Playwright によるスクリーンショット、録画、Ken Burns アニメーション
• claude-video-enhance-audio — AI 音声：Demucs による分離、DeepFilter によるノイズ除去、TTS、話者ダイアライゼーション、AudioSR
• claude-video-enhance — AI ビデオ：Real-ESRGAN によるアップスケーリング、RIFE による補間、CodeFormer による顔の復元、rembg

スクリプト

• scripts/setup.sh — ユーザーの確認を得て、すべての依存関係をインストールします
• scripts/detect_gpu.sh — NVIDIA NVENC を検出し、エンコーダーを一覧表示します（JSON 出力）
• scripts/check_deps.sh — インストール済みのすべてのツールをバージョン付きで確認します（JSON 出力）
• scripts/preflight.sh — 安全性を確認します：入力ファイルの存在、出力ファイルが入力ファイルと異なること、ディスク容量の確認
• scripts/estimate_size.sh — 動画の長さと目標コーデックから出力ファイルのサイズを推定します
• scripts/caption_pipeline.sh — 最初から最後まで処理します：音声の抽出 → whisper → ASS → 焼き込み
• scripts/shorts_pipeline.sh — ショート動画の全処理パイプライン：文字起こし → スコアリング → クロップ → 字幕 → 書き出し
• scripts/segment_scorer.py — WhisperX による文字起こしとエンゲージメントのスコアリング（venv が必要です）
• scripts/face_tracker.py — MediaPipe による顔検出と、9:16 へのスマートクロップ（venv が必要です）
• scripts/image_generate.py — FLUX.2 / SD 3.5 / OpenAI による画像生成（venv が必要です）
• scripts/video_generate.py — Veo / Runway / SVD による動画生成（venv が必要です）
• scripts/web_capture.py — Playwright によるスクリーンショット、録画、ケン・バーンズ効果（venv が必要です）
• scripts/audio_enhance.py — Demucs / DeepFilter / pyannote / TTS / AudioSR（venv が必要です）
• scripts/video_enhance.py — Real-ESRGAN / RIFE / CodeFormer / rembg（venv が必要です）
• scripts/screen_shorts_pipeline.sh — V3 の画面認識型ショート動画パイプライン（VLM + フレーム付きレイアウト）
• scripts/frame_analyzer.py — Gemini 2.5 Flash を介した VLM によるフレーム分析（venv と GOOGLE_API_KEY が必要です）
• scripts/topic_segmenter.py — トピック境界の検出とマルチモーダルスコアリング（venv が必要です）
• scripts/smart_reframe.py — フレーム付きレイアウトでコンテンツを認識して縦型にリフレームします（venv が必要です）

エージェント

複雑な複数ステップのタスクでは、Task ツールを使って専門エージェントに委任してください：

• claude-video-encoder — 複雑なエンコードパイプライン（マルチパス、複数出力、バッチ処理）
• claude-video-analyst — 詳細な品質評価と包括的な動画分析
• claude-video-producer — 制作パイプラインの専門エージェント（複数ステップ、VRAM 管理、コスト追跡）