大幅アップデート!Claude Skills の動画編集エージェントが認識精度と UI を改善

@chengfeng240928
中国語5 か月前 · 2026年1月28日
226K
494
94
20
871

TL;DR

Cheng Feng 氏が自身の動画編集ツール「Claude Skills」の大幅アップデートを発表しました。API ベースの高速処理、ビジュアルレビューインターフェース、そして言い淀みをより正確に識別・削除するための自己学習メカニズムが搭載されています。

みなさん、こんにちは。私は Cheng Feng です。

Editing Skills がアップデートされました。

前回のバージョンをリリースした後、多くのフィードバックをいただきました。最も多かったのは以下の2点です。

  • 5GB のモデルをダウンロードするのに何十分もかかり、多くの人が諦めてしまった
  • ドキュメント内で口語表現(言い間違い)を一行ずつ探すのが非常に手間だった

そこで今回は大幅な見直しを行いました。

Agent成峰 - inline image

Volcengine の音声・動画認識モデルを新しいものに差し替え、操作インターフェースも改良しました。

効果はどうでしょうか?CapCut(剪映)と直接比較してみましょう。

Editing Skills:

Agent成峰 - inline image

CapCut:

Agent成峰 - inline image

同じ動画で、AI は CapCut が見逃した言い間違いをすべて認識し、表示もより見やすくなっています。

ユーザーからのフィードバックをもとに、今回のアップデートは主に3つのポイントに焦点を当てています。

1. 高速化:ローカルモデルから API へ

以前のバージョンでは 5GB のローカルモデルをダウンロードする必要があり、多くの方が「遅すぎる」と報告していました。

今回は直接 API 呼び出しに切り替えました。

  • ダウンロードが高速:モデルを何時間も待つ必要はありません。
  • 処理が高速:API サーバーはあなたのパソコンよりもはるかに高速です。

2. 高精度化:言い間違い認識のリファクタリング

以前の言い間違い認識は少し粗かったのですが、今回はシステム全体をリファクタリングしました。

モデルの差し替え

Doubao の音声・動画字幕生成は、私がこれまで体験した中で最も正確な認識です。

(@極客杰尼 さんに感謝します)

AI による意味理解

AI がセグメントごとに分析します:

Agent成峰 - inline image

各セグメントをルールに基づいて判断します:無音、繰り返し文、どもり、フィラーワードなど。

利用習慣の透明化

すべての認識ルールは独立したフォルダに配置されています:

Agent成峰 - inline image

ルールが間違っていると思ったら、ファイルを編集するだけです。新しいルールを追加したい場合は、新しい .md ファイルを作成してください。

3. 直感性の向上:ビジュアルレビューインターフェース

これが最大の改善点です。

以前は編集後に AI がコマンドラインにレビュードラフトを出力していました。テキスト内の問題を見つけて、AI に何を変更するか指示する必要がありました。

今回は、編集を開始すると自動的にレビューサービスが起動します。

ブラウザを開くと、CapCut のトークヘッド編集に似たインターフェースが表示されます:

Agent成峰 - inline image

さらに2つの機能が追加されました。

機能 1:速度調整ボタン

動画全体を倍速で聴くことができます。

機能 2:削除リストのコピー

この機能は AI 学習用です。レビュー結果を確認したら、「削除リストをコピー」をクリックし、削除したセグメント情報をコピーして AI に伝えます。AI はあなたの表現習慣を分析し、次回からより正確に識別できるようになります。

これが私が常に重視している 自己更新メカニズム です。使えば使うほど、あなたのことをより理解できるようになります。

Agent成峰 - inline image

プロセスは大幅に簡略化され、わずか 15 分で完了します。

Agent成峰 - inline image

ステップ 1:Skills をダウンロード(1 分)

Editing Skills をダウンロードして:

- アドレス:

https://github.com/Ceeon/videocut-skills

- 保存先:.claude/skills/ (このディレクトリに直接クローンして、サブフォルダは作成しないでください)

ステップ 2:API キーを設定(3 分)

今回は Volcengine の「音声・動画字幕生成」機能を使用します。

20 時間分の無料トライアルがあります:

Agent成峰 - inline image

Volcengine のモデル管理にログインし、「音声・動画字幕生成」を有効にします:

Agent成峰 - inline image

API キーを取得します:

Agent成峰 - inline image

/v と入力し、videocut:install を選択して API キーを入力し、設定を完了します。

Agent成峰 - inline image

ステップ 3:動画を編集(10 分)

/v と入力し、videocut:edit を選択して動画パスを入力します。

Agent成峰 - inline image

AI が自動的に以下を実行します:

  1. API を呼び出して文字起こしを実行
  2. ローカルのレビューサービスを起動
  3. レビューインターフェースのリンクを提供
Agent成峰 - inline image

リンクを開くとレビューインターフェースが表示されます:

Agent成峰 - inline image

ここで AI の認識精度を確認できます。

操作方法:Shift + ドラッグでセグメントを選択または選択解除します。

4 つの機能ボタン

  1. 再生 — CapCut と同様に、選択したセグメントを自動的にスキップします。
  2. 倍速再生 — CapCut にはない機能で、話す速度が遅い動画を倍速で再生できます。
  3. 削除リストをコピー — 差が大きい場合は、削除結果をコピーして AI に学習させ、あなたの癖を覚えさせます。
  4. 編集を実行 — 確認後、クリックすると自動的に編集が完了します。

完了すると、ファイル名の末尾に「cut」が付いた動画が生成されます。

Agent成峰 - inline image

ステップ 4:字幕を追加(3 分)

以前と同様に、/v と入力して videocut:subtitles を選択します。

Agent成峰 - inline image

辞書ファイルに固有名詞を追加しておくと、字幕の精度が向上します。

Agent成峰 - inline image

4 つのステップ、すべて視覚化されました。

以前は面倒だと感じていた方も、ぜひもう一度お試しください。

コメントで感想をお聞かせください。

ワンクリック保存

YouMindでバイラル記事をAI深読み

ソースを保存し、的を絞った質問をし、主張を要約して、バイラル記事を再利用できるノートに変えます。すべてを1つのAIワークスペースで行えます。

YouMindを探索
クリエイターのために

あなたの Markdown をきれいな 𝕏 記事に

自分の長文を投稿するとき、画像・表・コードブロックを 𝕏 向けに整形するのは手間がかかります。YouMind は Markdown 全体を、そのまま投稿できるきれいな 𝕏 記事に変換します。

Markdown → 𝕏 を試す

解読すべきパターンをもっと

最近のバイラル記事

バイラル記事をもっと見る