krillinai/OpenCreator

OpenCreator – オープンソースのAI駆動型クリエイティブワークスペース

何であるか

• ローカルで実行されるアプリケーション（Web + オプションのデスクトップクライアント）で、個人またはチームが大規模言語モデルやその他のAIサービスを使ってマルチメディアコンテンツ（動画、画像、音声、字幕、文書）を作成・編集できます。
• 既存の Codex CLI（エージェントループフレームワーク）を基盤とし、安定したランタイム、視覚的なダッシュボード、デスクトップホストを追加しています。

コアアイデア

アイデア	動作方法
統合されたエージェント + UI	同じ基盤となる状態機械がチャット形式のインターフェースと視覚的な「クリエイター・ツール」ダッシュボードの両方を制御し、自然言語によるコマンド入力や設定のクリック操作が同期されます。
ローカルファースト	すべてのデータ、ログ、生成されたアセットはデフォルトであなたのマシン上に保持されます。ランタイムはローカルデーモンとして実行され、デスクトップクライアントはOSレベルの機能（ファイルピッカー、トレイ、通知）のみを追加します。
Codexネイティブ	Codexエージェントループ、モデル選択、ツールコール処理、スキル、MCP（モデル・設定・プロファイル）を再実装せずに再利用します。
バージョン管理ワークフロー	すべての変更で新しいバージョンが作成され、以前の設定や出力を保存して比較やロールバックが容易になります。
管理されたランタイムコンポーネント	yt-dlp などのツールをバンドルし、更新チェックを行い、更新に失敗した場合でも安全にロールバックできます。

今日提供されるクリエイター・ツール

• 動画翻訳 – 動画をインポートし、Whisper（クラウドまたはローカル）で音声認識を行い、LLMで字幕をセグメント化・同期・翻訳。ダブド音声の生成や縦長動画のエクスポートも可能。
• 動画ダウンローダー – YouTube、Bilibiliなどから解析し、利用可能な形式を表示して、後続処理用に動画または音声をダウンロード。
• サムネイル生成 – トピック、動画リンク、オプションの参照画像を入力して、複数のサムネイル候補を生成。
• 画像生成 – 「GPT Image」モデル（または任意の設定済み画像サービス）を使ってプロンプトから画像を生成し、アスペクト比や枚数を制御。
• ロードマップ項目 – スティッキーフィギュアアニメーション、自動クリップ生成、スマートダブ、完全な動画生成、デジタルアバター（すべて「近日公開」または「開発中」としてリスト）。

操作方法

1. プロジェクトの開始 – 最初の起動時にランタイムがデフォルトプロジェクトを作成します。
2. ツールの選択または会話の開始 – ダッシュボードを開くか、自然言語でのリクエストを入力します。
3. タスクの実行 – エージェントが適切なツール（例：yt-dlp、ffmpeg、Whisper）を呼び出し、進捗をUIにストリーミングします。
4. 反復処理 – UIで設定を編集するか、エージェントに結果の改善を依頼。各変更で新しいバージョンが生成されます。
5. エクスポート – ワークスペースから最終的なメディア（動画、字幕、画像、音声）を直接ダウンロード。

対応するモデル・サービス

• LLM – CodexカタログまたはOpenAI互換プロバイダー（GPT、DeepSeek、Qwen、Kimi、GLM、Grok、Doubao、ERNIE、Hunyuanなど）で利用可能なすべてのモデル。
• 画像 – デフォルトでGPT Image（OpenAI）；AIサービス設定で他のサービスを追加可能。
• 音声・音声認識 – Whisper、OpenAI TTS、MiniMax、Microsoft Edge TTS、Alibaba Cloud Speech、および任意のカスタムプロバイダー。

導入方法

# クローンとインストール
git clone https://github.com/krillinai/OpenCreator.git
cd OpenCreator
corepack enable          # リポジトリからのpnpmバージョンを保証
pnpm install

# Web UIの実行（ローカルデーモンを自動起動）
pnpm web:dev
# その後 http://127.0.0.1:19861/ にアクセス

ネイティブデスクトップ体験をご希望の場合：

pnpm desktop:dev   # ホットリロード付き開発モード
pnpm desktop:dist  # OS用インストーラーをビルド

前提条件：Node 22+、pnpm 9+、およびログイン済みの Codex CLI 実行ファイル。

アーキテクチャの概要

• フロントエンド – React 18 + Vite（apps/web）、ブラウザとElectronの両方で共有。
• コラボレーションコア – UIと会話の両方が読み書き可能な、共有されたワークフローステート（ステップ、進捗、バージョン）。
• ローカルランタイム（デーモン） – NodeプロセスでAPI（SSE）を公開し、Codex CLIと通信、プロジェクト管理、ツール実行、SQLite/ファイルによるデータ保存、更新処理を担当。
• メディアツールチェーン – FFmpeg、yt-dlp、Whisper、および任意の設定済みAIサービス。

誰が使うべきか

• クラウド専用プラットフォームに生データを送信せずに、AI支援による動画翻訳、サムネイル生成、画像合成を希望するクリエイター。
• マルチメディアプロジェクト用の再現可能でバージョン管理可能なパイプラインを必要とする小さなチーム。
• 既にCodexエージェントを使用している開発者で、即時利用可能なUI/デスクトップラッパーを求める人。

詳細情報の入手先

• 複数言語対応のREADME（英語、中国語、日本語、韓国語など）
• バッジバー内のDiscordコミュニティおよびQQグループリンク
• docs/operations/ にデスクトップパッケージ化および運用の詳細ランブック

---

結論：OpenCreatorは、Codexを介して会話型エージェントと視覚的ダッシュボードを統合した本格的なオープンソースAIワークスペースであり、すべてローカルで実行され、バージョン管理されています。ドキュメントが充実しており、積極的にメンテナンスされており、AI駆動のクリエイティブワークフローを拡張するプラットフォームとして位置づけられています。