動画の全フレームをローカルで数値解析し、代表画像、未確認変化の補完、指定区間の画像列を取得してCodexで視覚分析する。動画レビューや内容確認で画像抽出が必要なときに使う。専用OCRや生成サービスを使わず、意味判断は画像を見て行う。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
数値処理で見る画像を絞り、返された画像をCodexが実際に読む。CLIは画像を渡すところまでを担い、意味・品質・採否を判定しない。生成動画の合否判断は review-generated-video を使う。
同梱の video_analysis.py を使う。Python 3.11以上、NumPy、FFmpeg／ffprobeが必要。利用可能な環境を確認し、不足していれば既存の依存環境を探す。特定project、動画名、実験データ、OCR出力への依存はない。ネットワークや生成APIは呼ばない。
保存を依頼されていなければ --out を省略する。一時ディレクトリに画像と処理状態を置き、報告は会話内で返す。review.md やリポジトリ内の解析成果物は自動作成しない。永続的な画像出力を求められた場合だけ --out NEW_DIRECTORY を指定する。既存ディレクトリは上書きしない。
以下の <skill> はこのスキルのディレクトリ、<session> はprepareのJSONが返した絶対パス。
python3 <skill>/scripts/video_analysis.py prepare "VIDEO_PATH"
全フレームを160×96へ縮小して、画素差・局所RGB・色分布・明暗構造・鮮明さを計算する。数値的な区間と区間内の持続した変化から候補を作り、代表画像だけを元映像から抽出する。暗いカードや平坦な区間も存在情報を残す。数値上の区間は意味上のショットではない。
既定は初回最大32枚、追加予算12枚。--max-initial、--extra-budget で用途に合わせて指定できる。初回上限で区間が省かれた場合は initial_cap_omitted_segments と各segmentの initial_frame_index: null で分かる。上限や数値閾値は品質保証ではない。
JSONの frames にある画像を view_image など実際の画像閲覧ツールで確認する。パスを列挙しただけ、CLIが成功しただけで分析済みにしない。原寸で見づらければ要所を拡大し、画像生成で証拠を補完しない。
まず時刻・被写体・構図・見える状態と、確認したい疑いを整理する。全テキストの転記は目的にしない。画像の意味を読む際の観点と追加要求の選び方は 視覚分析 を使う。
数値区間内の別候補を最大3枚取得する例。
python3 <skill>/scripts/video_analysis.py request "<session>" \
--segment 3 --mode novelty --count 3 --reason "接触箇所が別の状態でも保たれているか"
novelty は同じ区間の既配信画像から異なる候補、late はまず区間後半の候補を返す。late は動作の結果や必要な文字の完成状態を確認したいときに使える。返却後は実画像を読み、疑いが解消したか、別の状態が見えただけかを分ける。
動作を調べるときは、離れた候補だけで済ませず次のsequenceを使う。
python3 <skill>/scripts/video_analysis.py sequence "<session>" \
--start 12.0 --end 12.5 --count 12 --reason "手と物体の接触の前後"
秒数は動画の最初のフレームからの相対時刻。指定区間の元フレームが予算を超える場合は、両端を含む時間順の間引き画像を返す。all_source_frames_included: false を全フレーム確認と読み替えない。前後関係のため既配信画像を再度含む場合も、その枚数は追加予算を消費する。十分な時間分解能がない場合はその判断を保留する。
python3 <skill>/scripts/video_analysis.py supplement "<session>" \
--count 4 --reason "未確認の大きな視覚変化を補完"
未代表の区間、次いで同じ区間の既配信画像から数値差が残る候補を選ぶ。選んだ画像を比較対象へ加え、近い候補を繰り返さないようにする。数値差が既定の下限0.08未満なら打ち切る。--threshold は変更できるが、既知の正解画像を拾うためだけに調整しない。動作の疑いの解消に必要な予算を先に取り、補完だけで枠を使い切らない。
request・supplement・sequenceは同じ追加予算を共有する。並行呼出しでもロックで予算と履歴を保ち、上限を超える要求は残り枚数へ縮め、残り0なら失敗する。数値差が大きくても意味が重複する場合は追加を続けない。
seconds、source_pts、frame_index と実画像を対応させる。VFRでもFFprobeのPTSを使い、単純な番号/fpsへ置き換えない。state.json に記録するのは配信した画像。モデルが見た証明ではない。未確認の配信画像があれば、追加を繰り返す前に確認する。数値解析や時刻順の静止画像は、実際の連続視聴、音声解析、滑らかさの確認を代替しない。必要な能力が使えない場合は、その観点を未確認として返す。
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Rebuild a degraded AI image to remove crunchy textures and repeated-edit artifacts while preserving identity, style, and composition. Use for clean remakes, not ordinary retouching or upscaling.
日本語の概要は準備中です。原文の説明を表示しています。
セミナー・講義・ウェビナー・研修・実演動画をローカルで文字起こしし、内容を分析して、必要なスライド画像や動画クリップ付きのHTML／Markdown資料を作る。動画から学習資料・実践ガイドを作りたい場合に使う。映像作品の再現設計やCanvas生成は対象外。
責務・依存方向・状態や副作用の境界を監査し、既存挙動を保って段階的にリファクタリングする。read-only監査にも対応する。
AGENTS.mdや既存スキルをGPT-6 Astra向けに監査・整理するときに使う。契約と意図的な他モデル委譲を保ち、重複、過剰な手順、曖昧な停止条件を修正する。
人物の参照写真から、同一性を保った複数アングルのキャラクターシートを生成・修正する。指定された身だしなみや撮影表現も整える。
既存キャラクター画像を、承認制でピクセルアートの正準画像へ変換し、3状態パイロット、クロマ前処理、状態間ジオメトリ検証、9状態生成、遷移QA、仮配置、アプリ内確認、ロールバック可能な正式配置まで行う。キャラクターからCodexペットを作る依頼に加え、ジャンプで小さくなる、状態ごとに身長が変わる、足元が跳ねる、クロマ縁が出る、アニメーションを修復したい依頼で使用する。