video-edit

動画編集ツールキット

目標

無音区間の削除、自動字幕生成、縦向きクロップ、YouTube のクリップ作成、圧縮、3D トランジションまで、動画制作の全工程に対応します。

スクリプト（全7本）

スクリプト	用途
jump_cut_vad_singlepass.py	ニューラル VAD（Silero）で無音区間を削除します
auto_captions.py	スタイル付き字幕を生成して焼き込みます（Whisper + FFmpeg）
vertical_crop.py	顔追跡で 16:9 → 9:16 に自動クロップします
youtube_clip.py	YouTube からダウンロードし、AI でチャプターごとにクリップします
compress_video.py	プラットフォーム別プリセットでソーシャルメディア向けに圧縮します
simple_video_edit.py	全工程のパイプライン：無音区間の削除 + 文字起こし + メタデータ + アップロード
insert_3d_transition.py	3D スイベルのティーザーを挿入します

---

クイックスタートのレシピ

レシピ 1：ソーシャルメディア向け全工程パイプライン

# 1. Remove silences
python3 ./scripts/jump_cut_vad_singlepass.py input.mp4 .tmp/edited.mp4

# 2. Add captions
python3 ./scripts/auto_captions.py .tmp/edited.mp4 .tmp/captioned.mp4 --word-level --max-words 2

# 3. Crop to vertical for Shorts/Reels
python3 ./scripts/vertical_crop.py .tmp/captioned.mp4 .tmp/vertical.mp4

# 4. Compress for platform
python3 ./scripts/compress_video.py .tmp/vertical.mp4 output.mp4 --preset instagram-reel

レシピ 2：YouTube → Shorts パイプライン

# 1. Download + auto-clip YouTube video
python3 ./scripts/youtube_clip.py "https://youtube.com/watch?v=..." --auto-clip --output-dir clips/

# 2. Add captions to best clip
python3 ./scripts/auto_captions.py clips/chapters/01_intro.mp4 .tmp/captioned.mp4 --word-level

# 3. Crop to vertical
python3 ./scripts/vertical_crop.py .tmp/captioned.mp4 .tmp/vertical.mp4

# 4. Compress for YouTube Shorts
python3 ./scripts/compress_video.py .tmp/vertical.mp4 short.mp4 --preset youtube-shorts

レシピ 3：クイック編集 + アップロード

# All-in-one: silence removal + transcription + metadata + Auphonic upload
python3 ./scripts/simple_video_edit.py --video input.mp4 --title "My Video"

---

スクリプト 1：VAD による無音区間の削除

ファイル： ./scripts/jump_cut_vad_singlepass.py

仕組み

1. 音声を WAV（16kHz モノラル）として抽出します
2. Silero VAD を実行して音声区間を検出します
3. 近接した区間を結合し、パディングを追加します
4. FFmpeg の trim+concat を使い、1 回の処理で区間を結合します
5. hevc_videotoolbox（H.265、17Mbps、30fps）でハードウェアエンコードします

CLI 引数

引数	デフォルト	説明
--min-silence	0.5	カットする無音時間の最小値（秒）
--min-speech	0.25	残す音声時間の最小値（秒）
--padding	100	音声の前後に追加するパディング（ミリ秒）
--merge-gap	0.3	この時間より近い区間を結合します（秒）
--keep-start	true	常に 0:00 から開始します

使用方法

python3 ./scripts/jump_cut_vad_singlepass.py input.mp4 output.mp4
python3 ./scripts/jump_cut_vad_singlepass.py input.mp4 output.mp4 --min-silence 1.0 --padding 200

処理時間

49 分の 4K 動画で約 8 分

---

スクリプト 2：自動字幕生成

ファイル： ./scripts/auto_captions.py

仕組み

1. faster-whisper を使って動画を文字起こしします（単語レベルのタイムスタンプ）
2. SRT 字幕を生成します（セグメントレベルまたは単語レベル）
3. FFmpeg でスタイル付き字幕を動画に焼き込みます

CLI 引数

引数	デフォルト	説明
--model	base	Whisper モデル：tiny、base、small、medium、large-v3
--language	auto	言語を指定します（en、es、hi など）
--word-level	false	短くテンポのよい字幕にします（一度に 1～3 語）
--max-words	3	単語レベルモードでの字幕あたりの最大単語数
--font-size	22	字幕のフォントサイズ（縦向き動画では自動調整）
--font-color	white	テキストの色：white、yellow、cyan、green、red、orange、pink
--outline-color	black	アウトラインの色
--position	bottom	字幕の位置：bottom、top、middle
--srt-only	false	SRT のみを生成し、焼き込みは行いません
--srt-path	auto	SRT の出力先を指定します
--bold	true	テキストを太字にします

使用方法

# Basic captions
python3 ./scripts/auto_captions.py input.mp4 output.mp4

# Word-level (CapCut/Submagic style)
python3 ./scripts/auto_captions.py input.mp4 output.mp4 --word-level --max-words 2

# Yellow captions at top
python3 ./scripts/auto_captions.py input.mp4 output.mp4 --font-color yellow --position top

# SRT only (no burn)
python3 ./scripts/auto_captions.py input.mp4 --srt-only

# High accuracy
python3 ./scripts/auto_captions.py input.mp4 output.mp4 --model large-v3

依存関係

pip install faster-whisper

---

スクリプト 3：縦向きクロップ

ファイル： ./scripts/vertical_crop.py

仕組み

1. 動画全体からフレームをサンプリングします
2. OpenCV Haar cascade を使って顔を検出します
3. 顔の位置を平滑化し、揺れを抑えます
4. 話者を中央に配置して 16:9 → 9:16 にクロップします
5. 動く被写体の場合：動画を 2 秒のチャンクに分割し、チャンクごとに追跡します

CLI 引数

引数	デフォルト	説明
--ratio	9:16	目標のアスペクト比（例：9:16、4:5、1:1）
--position	auto	クロップ位置：auto（顔追跡）、left、center、right
--smoothing	30	平滑化に使用するフレーム数
--sample-interval	5	検出のために N フレームごとにサンプリングします

使用方法

# Auto face-tracking crop
python3 ./scripts/vertical_crop.py input.mp4 output.mp4

# Square crop (Instagram post)
python3 ./scripts/vertical_crop.py input.mp4 output.mp4 --ratio 1:1

# 4:5 crop (Instagram feed)
python3 ./scripts/vertical_crop.py input.mp4 output.mp4 --ratio 4:5

# Center crop (no tracking)
python3 ./scripts/vertical_crop.py input.mp4 output.mp4 --position center

依存関係

pip install opencv-python numpy

---

スクリプト 4：YouTube クリップ

ファイル： ./scripts/youtube_clip.py

仕組み

1. yt-dlp で動画をダウンロードします（最大 4K）
2. 利用可能な場合は YouTube のチャプターを抽出します
3. 利用できない場合は AI でチャプターを生成します（Whisper + Claude）
4. 動画をチャプターごとのファイルに切り分けます

CLI 引数

引数	デフォルト	説明
--download-only	false	ダウンロードのみ実行し、クリップは作成しません
--max-quality	1080	最大画質：480、720、1080、1440、2160
--audio-only	false	音声のみダウンロードします（MP3）
--start	none	クリップの開始位置を手動で指定します（秒）
--end	none	クリップの終了位置を手動で指定します（秒）
--auto-clip	false	AI によるチャプター検出とクリップ作成
--use-yt-chapters	true	利用可能な場合は YouTube のチャプターを使用します
--max-clips	none	クリップ数を制限します
--whisper-model	base	文字起こしに使用する Whisper モデル
--reencode	false	クリップを再エンコードします（正確なカット）
--output-dir	.tmp/clips	出力ディレクトリ

使い方

# Download only
python3 ./scripts/youtube_clip.py "https://youtube.com/watch?v=..." --download-only

# Auto-clip into chapters
python3 ./scripts/youtube_clip.py "https://youtube.com/watch?v=..." --auto-clip

# Extract specific range
python3 ./scripts/youtube_clip.py "https://youtube.com/watch?v=..." --start 60 --end 180 -o clip.mp4

# Download audio only
python3 ./scripts/youtube_clip.py "https://youtube.com/watch?v=..." --audio-only

# Top 3 clips only
python3 ./scripts/youtube_clip.py "https://youtube.com/watch?v=..." --auto-clip --max-clips 3

依存関係

pip install yt-dlp faster-whisper anthropic

---

スクリプト 5：動画圧縮

ファイル： ./scripts/compress_video.py

プラットフォームのプリセット

プリセット	解像度	CRF	最大時間	最大サイズ	備考
youtube	1080p	18	なし	なし	高画質
youtube-shorts	1080x1920	20	60s	なし	縦向き
instagram-reel	1080x1920	23	90s	なし	縦向き
instagram-post	1080x1080	23	60s	なし	正方形／縦向き
tiktok	1080x1920	23	180s	なし	縦向き
twitter	1080p	23	140s	512MB	ビットレートを自動調整
linkedin	1080p	23	600s	200MB	ビットレートを自動調整
telegram	720p	28	なし	50MB	ボット用
whatsapp	720p	28	120s	16MB	強力な圧縮
small	480p	30	なし	なし	手軽な共有

CLI 引数

引数	デフォルト	説明
--preset	none	プラットフォームのプリセット（上の表を参照）
--resolution	1080	最大高さ（ピクセル）
--crf	23	画質（0＝無劣化、51＝最低画質）
--audio-bitrate	128k	音声ビットレート
--target-size	none	目標ファイルサイズ（MB）
--max-duration	none	最大時間（秒）
--list-presets	false	すべてのプリセットを表示

使い方

# Platform preset
python3 ./scripts/compress_video.py input.mp4 output.mp4 --preset instagram-reel
python3 ./scripts/compress_video.py input.mp4 output.mp4 --preset whatsapp

# Target file size
python3 ./scripts/compress_video.py input.mp4 output.mp4 --target-size 25

# Custom
python3 ./scripts/compress_video.py input.mp4 output.mp4 --resolution 720 --crf 28

# List all presets
python3 ./scripts/compress_video.py input.mp4 output.mp4 --list-presets

---

スクリプト 6：シンプルな動画編集（全工程）

ファイル： ./scripts/simple_video_edit.py

仕組み

1. FFmpeg で無音を検出してカットします
2. 音声を正規化します（loudnorm）
3. Whisper で文字起こしします
4. Claude が YouTube のメタデータ（概要＋チャプター）を生成します
5. Auphonic にアップロードし、YouTube に非公開の下書きとして投稿します

CLI 引数

引数	デフォルト	説明
--video	required	入力動画のパス
--title	required	YouTube のタイトル
--thumbnail	none	サムネイル画像のパス
--no-upload	false	Auphonic へのアップロードをスキップします
--no-normalize	false	音声の正規化をスキップします
--upload-only	false	編集をスキップし、アップロードのみ実行します
--silence-threshold	-35	無音しきい値（dB）
--silence-duration	3.0	無音の最小時間（秒）

使い方

# Full pipeline
python3 ./scripts/simple_video_edit.py --video input.mp4 --title "My Video"

# Local only
python3 ./scripts/simple_video_edit.py --video input.mp4 --title "Test" --no-upload

依存関係

pip install anthropic faster-whisper requests python-dotenv
# Requires: ANTHROPIC_API_KEY, AUPHONIC_API_KEY in .env

---

スクリプト 7：3D スイベルティーザー

ファイル： ./scripts/insert_3d_transition.py

仕組み

1. 動画の後半からフレームを抽出します（デフォルト：60 秒以降）
2. Remotion を使って 3D 回転する「スイベル」アニメーションを作成します
3. 動画を分割します：イントロ → トランジション → メインコンテンツ
4. 音声を保持したまま再エンコードして結合します

CLI 引数

引数	デフォルト	説明
--insert-at	3	ティーザーの挿入位置（秒）
--duration	5	ティーザーの時間（秒）
--teaser-start	60	コンテンツのサンプリング開始位置（秒）
--bg-color	#2d3436	背景色（16 進数）
--bg-image	none	背景画像のパス

最終タイムライン

[0-3s intro] [3-8s swivel teaser @ 100x] [8s onwards: edited content]
Audio: Original audio plays continuously

依存関係

pip install torch  # For Silero VAD (jump_cut script)
brew install ffmpeg node  # macOS
cd video_effects && npm install  # For Remotion 3D rendering

---

すべての依存関係（一度だけインストール）

# Core (required for all scripts)
brew install ffmpeg

# Silence removal
pip install torch

# Auto-captions + YouTube clip
pip install faster-whisper

# Vertical crop
pip install opencv-python numpy

# YouTube download
pip install yt-dlp

# AI features (chapters, metadata)
pip install anthropic

# Full pipeline (simple_video_edit)
pip install requests python-dotenv

# 3D transitions
brew install node
cd scripts/video_effects && npm install

---

トラブルシューティング

問題	解決策
カットが不自然に感じる	jump_cut で --padding 200 を指定します
カットが多すぎる	jump_cut で --min-silence 1.0 を指定します
字幕が小さすぎる	auto_captions で --font-size 32 を指定します
縦型動画が検出される	フォントのサイズが自動的に 1.3 倍になります
QuickTime で再生できない	hvc1 コーデックタグが設定されていることを確認してください
顔が検出されない	vertical_crop で --position center をお試しください
YouTube のダウンロードに失敗する	yt-dlp を更新します：pip install -U yt-dlp
ファイルサイズが大きすぎる	--preset whatsapp または --target-size 25 を使用します
ハードウェアエンコーダーが失敗する	ソフトウェア（libx264）に自動的に切り替わります

技術的な詳細

• macOS：ハードウェアエンコーディング（hevc_videotoolbox / h264_videotoolbox）
• フォールバック：CRF を使用した libx264/libx265
• オーディオ：AAC 128-192kbps
• QuickTime との互換性のために hvc1 コーデックタグを使用します
• すべてのスクリプトで --help を指定すると、引数の一覧を確認できます

---

スキーマ

入力

名前	型	必須	説明
input_video	file_path	はい	入力動画ファイルのパス
recipe	string	いいえ	パイプラインのレシピ：full-social、youtube-shorts、quick-edit
preset	string	いいえ	圧縮プリセット：youtube、instagram-reel、tiktok、whatsapp など

出力

名前	型	説明
output_video	file_path	処理済み動画ファイルのパス

認証情報

名前	ソース
ANTHROPIC_API_KEY	.env（AI のチャプター用）
AUPHONIC_API_KEY	.env（アップロード用）

組み合わせ可能なもの

このスキルと組み合わせやすいスキル：pan-3d-transition、recreate-thumbnails

コスト

ローカルでは無料（FFmpeg + Silero VAD）