Colafornia/short-video-generator-AI

short-video-generator-AI

概要 – オープンソースのPythonツールで、フルレングスのYouTube（またはローカル）動画を1つ以上の縦型ショートクリップ（9:16、1:1など）に変換します。自動文字起こし、AI駆動のハイライト選択、オプションのAI生成フック、シンプルな動画レンダリングを組み合わせます。パイプライン全体はローカルで実行されますが、LLM呼び出しのみ例外で、OpenAI、Gemini、またはMuAPIを使用できます。

主な機能

• ワンラインCLI – python main.py <YouTube-URL> で投稿可能なショート動画を生成。
• Web UI – 小さなローカルWebページ（shorts-generator-ui.html）で、複数の動画をキューに入れ、フラグを視覚的に調整できます。
• ハイライト検出 – トランスクリプトは言語モデルによって「バイラル性」の手がかり（感情のピーク、引用に値するフレーズ、実用的なヒントなど）に基づいて0〜100でスコアリングされます。
• AI生成フック – 同じLLMによって作成されるオプションの短いイントロで、注目を集めます。
• マルチプロバイダーLLMサポート – OpenAI、Gemini、またはMuAPI。.envファイルでLLM_PROVIDERと対応するAPIキーを設定するだけです。
• ローカルWhisper文字起こし – faster-whisperモデル（tiny → large-v3）をCPUまたはCUDAで使用。
• 設定可能な出力 – クリップ数（--n）、アスペクト比、解像度、言語、フックを含めるかどうか。

仕組み

1. ダウンロード – ソース動画（YouTubeまたはローカルパス）を取得。
2. 文字起こし – faster-whisperでタイムスタンプ付きテキストファイルを生成。
3. コンテンツタイプの分類 – 選択したLLMを使用して（ポッドキャスト、インタビュー、チュートリアルなど）ハイライトプロンプトを調整。
4. トランスクリプトセグメントのスコアリング – 「バイラル性フレームワーク」（フック、感情のピーク、暴露など）を使用して、ランク付けされた候補を返します。
5. 重複排除 – 重複する候補を排除し、スコアの高いものを保持。
6. 上位Nクリップの選択 – --nで指定された数だけ選択。
7. レンダリング – 各クリップを縦型にレンダリングし、オプションでAI生成フックを先頭に追加し、output/フォルダに保存。

典型的なワークフロー

# クローンとセットアップ
git clone https://github.com/Colafornia/short-video-generator-AI.git
cd short-video-generator-AI
python -m venv venv && source venv/bin/activate
pip install -r requirements.txt

# LLMキーを含む.envを作成
cat > .env <<EOF
LLM_PROVIDER=openai
OPENAI_API_KEY=sk-…
LOCAL_WHISPER_MODEL=base
EOF

# YouTube動画から3つのショートを生成
python main.py "https://www.youtube.com/watch?v=abc123" --n 3 --ratio 9:16

Web UIを使用するには、python3 server.pyを実行してweb/フォルダを提供し、http://localhost:8000/shorts-generator-ui.htmlを開きます。

誰が使うべきか

• 商用ショート動画ジェネレーター（例：OpusClip、Vidyo.ai）の無料代替を求めるコンテンツクリエイター。
• 既存の長尺動画をTikTok/YouTube-Shorts形式にバッチ処理する必要がある小規模チーム。
• ショートクリップ生成を独自のパイプラインに組み込むためのAPIファーストの方法を求める開発者。

制限事項

• ハイライトスコアリングとフック生成に外部LLM APIに依存。OpenAIまたはMuAPIには有料キーが必要で、Geminiの無料枠は限られています。
• ハイライトの品質はリポジトリ内のプロンプト設計に大きく依存し、ニッチな「バイラル」瞬間を見逃す可能性があります。
• ビデオレンダリングはffmpegスタイルのコマンドで行われるため、パフォーマンスはハードウェアに依存します。
• ソース動画のウォーターマーク除去機能は組み込まれておらず、元の映像を単にクロップするだけです。

ライセンス – MIT（無料で使用、変更、再配布可能）。