AI記者が試した確認済Read in English

録画の無音詰め、取りこぼし0を再現 初回の導入だけ1手間

動画編集ツール集「ffmpeg-skill」をAI記者がコンテナで検証。無音の除去と編集後の自己点検は主張どおり。ただし apt-get update を済ませていない環境では、1コマンドの導入が失敗した

鈴木 理恵|2026.11.21|14分|更新: 2026.11.21

AIエージェント向けの FFmpeg 動画編集ツール集 ffmpeg-skill を、AI記者が使い捨てのコンテナで動かした。無音の除去は自作の動画でも作者のベンチでも取りこぼし0。標準ライブラリだけで動き、通信するコードも無かった。一方、初回の setup は apt-get update が済んでいない環境で失敗した。

Key Points

録画の無音詰め、取りこぼし0を再現 初回の導入だけ1手間

デモ動画や会議の録画、社内向けの説明動画で、無音を詰める、要らないところを切る、つなぐ、SNS 向けに書き出す。どれも ffmpeg でできますが、そのたびにコマンドを調べて書くのは手間です。ffmpeg-skill は、この作業を AI エージェントか1行の CLI に任せるためのツール集です。手元で動く FFmpeg の動画編集ツールが42個と、エージェントから呼べる MCP サーバーが入っています。

連載「AI記者が試した」では、AI記者が話題の OSS を使い捨てのコンテナに入れて実際に動かし、作者の主張を確かめます。今回の検証も、AI記者が Ubuntu のコンテナの中でコマンドを打って行いました。数字はすべて、その実行記録から取っています。

作者の主張:API キーもクラウドも GPU も要らない

README によると、ffmpeg-skill は API キーもクラウドも GPU も使いません。Python の標準ライブラリだけで動き、pip install も要りません。npx ffmpeg-skill setup の1コマンドで ffmpeg まで入り、doctor で状態を確かめられます。手元のファイルだけで完結するので、社外に出せない録画にも使えるかどうかが、読者にとっての判断の分かれ目になります。

ffmpeg-skill の各ツールは、調べる、編集する、確かめるの順に動きます。編集のあとには、出来上がりを点検した結果を自分で出します。無音の除去については、README に「20ケースで取りこぼし0」とあります。なお、42個のツールのうち30個は beta で、安定版は12個だと README に書かれています。

AI記者がやったこと:51コマンド、約3分40秒

AI記者はリポジトリを取得し(15.7秒)、setup、doctor、各ツールの実行、MCP サーバーとのやり取り、作者のベンチの再現までを通して行いました。打ったコマンドは全部で51個です。コマンドの実行時間を足すと91.5秒、最初から最後までは222.0秒(約3分40秒)でした。失敗(終了コードが0でないもの)は5回です。そのうちツール側の問題といえるのは初回の setup だけでした。残りは、ffmpeg がまだ無いことの確認、AI記者が書いた結果の読み取りスクリプトの誤り、記録用ツールの上限です。

試した素材は、AI記者が ffmpeg で作った16.5秒のテスト動画です。1280x720 の映像に音を付け、3〜4.5秒、7.5〜9.5秒、12.5〜13.5秒の3か所を完全な無音にしました。小さなノイズを入れた20秒の動画も別に用意しました。

主張ごとの判定

1コマンドで ffmpeg まで入り、doctor が通る:一部確かめられた。1回目の npx ffmpeg-skill setup(1.5秒)は、skill 本体を ~/.claude/skills/ffmpeg-skill に入れたところまでは進みました。ところが apt-get install -y ffmpeg が「E: Unable to locate package ffmpeg」(exit 100)で止まり、setup 全体も exit 1 で終わりました。足りない状態は「NOT ok: 0 capabilities available, 26 required missing」とごまかさずに表示しました。

npx ffmpeg-skill setup:apt-get が ffmpeg を見つけられず exit 1
npx ffmpeg-skill setup:apt-get が ffmpeg を見つけられず exit 1

setup の失敗を受けて、AI記者は利用者ならまず試すであろう apt-get update(8.7秒)を1回実行しました。そのうえで setup をもう一度流すと、ffmpeg 6.1.1 が入り、29.8秒で exit 0 になりました。続く doctor(1.1秒)は「ok: 87 capabilities available, 0 required missing, 2 optional missing」でした。欠けていたのは任意の音声認識(parakeet と whisper)だけです。

apt-get update 後の doctor:ok、必須の欠けは無し
apt-get update 後の doctor:ok、必須の欠けは無し

API キーもクラウドも使わず、標準ライブラリだけで動く:確かめられた。検証を通して pip install は一度もしていません。AI記者は scripts と mcp にある .py ファイルすべての import を構文解析で調べました。標準ライブラリと同梱モジュール以外に出てきたのは faster_whisper だけでした。これは任意の音声認識(--transcribe)用で、try の中で読み込まれています。urllib や socket といった通信モジュールを使うコードも無く、検索に当たったのはコメントだけでした。API キーも使っていません。

probe.py で長さや解像度が短い要約で出る:確かめられた。probe.py input.mp4 --compact は約0.17秒で、「input.mp4: 16.500s | 1280x720 @ 30.0fps h264 yuv420p | audio aac 2ch 48000Hz」という1行の要約を返しました。

probe.py --compact:16.5秒・1280x720・AAC 2ch の1行要約
probe.py --compact:16.5秒・1280x720・AAC 2ch の1行要約

無音を取りこぼさず取り除く:確かめられた。16.5秒のテスト動画に既定設定の silence.py をかけると、4.9秒で無音3か所をぴったり検出しました。動画は13.2秒になり、ツール自身の点検も verified true でした。AI記者は出来上がりを ffmpeg の silencedetect でも別に調べました。残っていた無音は3か所とも0.40秒で、前後に0.2秒ずつ残す既定の余白と一致しました。

silence.py:無音3か所を検出し16.5秒→13.2秒、verified true
silence.py:無音3か所を検出し16.5秒→13.2秒、verified true

ノイズを入れた20秒の動画では、silence.py は1.5秒、1.0秒、0.8秒の無音を見つけました。0.4秒の無音は既定の最小長0.6秒より短いので、既定では対象外です。--min-silence 0.3 を付けると、この0.4秒の無音も見つけました。短い間(ま)まで詰めたいときは、この設定を変えることになります。

作者のベンチ tests/bench_silence.py も再現しました。素材の公開デモ映像 Tears of Steel 720p(372MB)を7.0秒で取得し、ベンチは6.9秒で終わりました。結果は「cases 20 ... leftover silence median 0 ms, max 1 ms; missed gaps 0」で、README の数字と一致します。ただし、ケース9では発話を914ms削っていました。想定では4.03秒を取り除くところを、4.95秒取り除いています。README の要約はこの点に触れていません。

編集のあとに出来上がりを自分で点検する:確かめられた。cut.py --segments 1-5 --accurate --json(1.6〜1.9秒)の結果には verification という項目がありました。probe、streams(映像と音声がそろっているか)、stream_lengths(映像4.0秒・音声4.0秒)、decode(最後まで読めるか)の4項目が、すべて ok true でした。点検していない項目は、unverified(picture_content や removed_span_content)として正直に分けて書かれていました。

cut.py の JSON:編集後に probe・ストリーム・長さ・デコードを検証
cut.py の JSON:編集後に probe・ストリーム・長さ・デコードを検証

look.py は、無音を詰めたあとの動画からコマを12枚抜き出し、1枚の PNG(1290x548)に並べました(約0.54秒)。画面の中身まで目で確かめたいときに使えます。

look.py が作った無音除去後の動画のコマ12枚の一覧
look.py が作った無音除去後の動画のコマ12枚の一覧

機械が読める仕様と MCP の12ツール/42ツール:確かめられた。contract --json の出力は JSON として読め、ツールは42件(stable 12、beta 30)でした。AI記者は mcp/server.py に標準入出力の JSON-RPC で直接話しかけました。tools/list が返したのは、既定では audio、caption、check、cut、export、fit、graphics、look、loudness、probe、render、silence の12ツールです。MCP 経由で probe を呼ぶと、JSON が返りました。

MCP サーバー既定:tools/list は12ツール、probe 呼び出し成功
MCP サーバー既定:tools/list は12ツール、probe 呼び出し成功

環境変数 FFMPEG_SKILL_MCP_FULL=1 を付けて MCP サーバーを起動すると、tools/list は42ツールになりました。beta のツールまでエージェントに渡すかどうかを、この1つの設定で切り替えられます。

FFMPEG_SKILL_MCP_FULL=1 で tools/list が42ツールに
FFMPEG_SKILL_MCP_FULL=1 で tools/list が42ツールに

つまずいたところ

使うなら・待つなら

手元の録画の無音を詰める、切る、長さや中身を確かめる。この用途なら、ffmpeg-skill は今すぐ使ってよい出来でした。標準ライブラリだけで動き、通信するコードも無いので、社外に出せない録画にも使いやすい作りです。編集のたびに自分で点検結果を出すため、エージェントに任せても、結果が正しいかを確かめやすくなっています。注意点は2つです。導入の前に apt-get update を済ませておくこと。そして、話し声が削られていないかを最後に一度は耳で確かめることです。42個のうち beta の30個は、今回は試していません。業務で頼るなら、安定版の12個から始めるのが無難です。

検証の条件

音声版

YouTube で見る

風刺画: 録画の無音詰め、取りこぼし0を再現 初回の導入だけ1手間

Editorial Cartoon

本記事がもたらす影響を風刺的に描いたひとコマ漫画

Verification

信頼ラベル確認済
一次ソース1件確認
最終検証2026.11.21
VerifiedRev. 2
sha256:fca7119cf64c769b...7c80e23a

この記事はEd25519デジタル署名で検証済みです。改ざんは検出されていません。

検証API
Ethics Score90/100
引用密度20/20
ソースURL数10/20
信頼ラベル15/15
表現の慎重さ15/15
キーポイント10/10
サマリー品質10/10
本文充実度10/10

v1.0.0 — ルールベース自動採点

詳細API
Share

関連記事