分析と編集リスト
MCP ツールで、動画をシーンごとに分析し、ショットと無音を見つけ、カメラを同期し、編集決定リストをレンダリングし、ポッドキャストをエピソード、クリップ、トレーラーに編集します。
分析と編集リストのツールは、既存の収録を読み取り、構造化されたデータや完成したカットに変えます。video_analysis と video_audit は、動画を再現できるように、シーンごとに分解します。shot_cuts、silence_detect、audio_sync、speaker_map は、収録を測定します。plan_edit と apply_edl は文字起こしからカットを計画してレンダリングし、switch_cameras は話している人に合わせて各カットのカメラを選び、speaker_view は話者を画面に配置します。ポッドキャストのツールは、1 つの作業全体を 1 回の呼び出しで行います。tighten_episode はエピソードを引き締め、make_chapters はチャプターを一覧にし、make_trailer はトレーラーを作り、make_clip_pack は短いクリップを切り出し、speaker_layout は収録を話者ごとにフレーミングします。どのツールにも workflows:execute 権限が必要です。estimate_use_case 以外のツールは、ジョブ ID を返します。
video_analysis
動画を分析し、AI で再現するためのシーンごとの内訳を作ります。動画分析ノードと同じように動作します。
- シーンは自然な区切りで分割され、最長 8 秒です。1 シーンが、画像または動画の 1 回の生成に相当します。
visualResolvedは各シーンの説明で、それだけで完結し、プロンプトにそのまま使えます。後のステップが読み込むのは、このフィールドです。- 各シーンには、ショットの種類、カメラの動き、音のレイヤーのリストもあります。音声は一字一句そのまま引用され、音楽と効果音は生成できるように説明されます。空のリストは、無音を意味します。
- スロットは、繰り返し登場する人物、オブジェクト、場所です。自分のキャラクターで、キャスティングし直せます。
権限:workflows:execute。クレジット:動画の長さによって決まります(下の表を参照)。
| パラメーター | 型 | 説明 |
|---|---|---|
video_asset_id、video_url または youtube_url | string | 必須(1 つだけ指定)。Nodaro の動画のジョブ ID かアップロード ID、動画への直接の URL、または YouTube のリンクです。最長 10 分で、ライブ配信は使えません。ソースが 0 個か 2 個の場合は、エラーが返されます。 |
variations | boolean | 着替え、夢、変装など、人物やものの別の見た目も検出し、それぞれの見た目を登場するシーンに結び付けます。デフォルトは false です。 |
music_video | boolean | クリップをミュージックビデオとして扱い、歌われたすべての歌詞を音声として文字起こしします。デフォルトは false で、その場合、画面上の誰も歌っていない歌のボーカルは、音楽のレイヤーに含まれます。 |
translate_speech_to_english | boolean | 話された言葉と歌われた言葉を、英語で返します。デフォルトは false で、元の言語のままです。 |
translate_on_screen_text_to_english | boolean | 看板、字幕、タイトルを英語で返します。このテキストは映像のプロンプトの一部なので、再生成したシーンには英語の文字が表示されます。名前は元の形のままです。デフォルトは false です。 |
analysis_focus | string | 分析の方向づけで、最大 2,000 文字です。たとえば「商品のショットと画面上のテキストに注目」です。 |
戻り値:ジョブ ID です。分析結果(meta、slots、scenes)は、ジョブの output_data に入ります。
このツールは、常に最も正確なティアであるスマートの分析を実行し、ティアや結果の方針のパラメーターは受け付けません。まだ llm_model や selection_mode を送るクライアントにもスマートが使われ、それらのパラメーターは無視されます。ほかのティアは、動画分析ノード(MCP で実行するワークフローの中を含む)と REST のルートで引き続き使えます。
料金は、長さの段階によって決まります。長さの段階は、60、180、360、600 秒のうち、動画が収まる最小のものです。60、180、360 秒の段階には、それぞれ 3 秒の猶予があるため、1:03 までの動画は 60 秒の段階で料金が決まります。
| 分析 | 60 秒まで | 180 秒まで | 360 秒まで | 600 秒まで |
|---|---|---|---|---|
| スマート | 455 | 554 | 1,394 | 2,284 |
list_models は、最新の料金を返します。
video_audit
動画をもう一度見て分析と照らし合わせ、誤りを修正します。すべての修正はチェックを経て適用され、報告されます。修正できなかった部分は、変更されずに要注意として示されます。AI 監査ノードと同じように動作します。
権限:workflows:execute。クレジット:長さによって決まり、分析を渡すと安くなります。
| パラメーター | 型 | 説明 |
|---|---|---|
video_url | string | 必須。監査する動画です。 |
analysis | object | 以前の video_analysis または video_audit の呼び出しで得た分析を、そのまま渡します。渡さない場合、ツールはまず高速な分析を実行するため、料金が高くなります。 |
戻り値:ジョブ ID です。ジョブの output_data にはレポートが入ります。レポートには、チェックした内容、変更した内容、未解決のまま残った内容が含まれます。
| 実行 | 60 秒まで | 180 秒まで | 360 秒まで | 600 秒まで |
|---|---|---|---|---|
analysis あり | 237 | 319 | 730 | 1,181 |
analysis なし | 436 | 523 | 1,296 | 2,114 |
shot_cuts
動画の各ショットがどこで始まりどこで終わるかを、ファイル自体から測定します。デコードしたすべてのフレームを評価し、ハードカットごとに新しいショットが始まります。ディゾルブとフェードはカットではありません。ショットカットノードと同じように動作します。
権限:workflows:execute。クレジット:フレームの有無にかかわらず、1 回の実行ごとの固定料金です。ショットカットノードが提供されていない環境では、このツールは一覧に表示されません。
| パラメーター | 型 | 説明 |
|---|---|---|
video_url または video_asset_id | string | どちらか 1 つが必須。最長 30 分の動画です。URL、Nodaro の動画ジョブ ID、アップロードした動画の ID のいずれかです。 |
frames | boolean | 各ショットの正確な最初と最後のフレームも PNG 画像として保存します。最大 1,000 ショットまでです。デフォルトは false です。 |
戻り値:ジョブ ID です。outputData.json は { shotCount, cutsSec, durationSec, shots } の形です。各ショットには、最初のフレームからの秒数で index、startSec、endSec、durationSec が含まれます。cutsSec は昇順で、0 を含むことはありません。ショットが 1 つだけの動画では [] です。frames を指定すると、各ショットに firstFrameUrl と lastFrameUrl も含まれ、outputData.firstFrames と outputData.lastFrames がフレームの URL をショットの順に並べます。
silence_detect
収録の中の無音区間を、音だけから見つけます。文字起こしも映像も使いません。無音検出ノードと同じように動作します。
権限:workflows:execute。クレジット:11。
| パラメーター | 型 | 説明 |
|---|---|---|
audio_url | string | 必須。オーディオか動画の URL です。どちらの場合も、オーディオトラックが読み込まれます。 |
threshold_db | number | 無音とみなすレベルで、dBFS 単位の -90〜0 です。デフォルトは -35 で、話し声に適した下限です。 |
min_silence_ms | integer | 報告する、最短の無音の長さで、1〜600,000 ミリ秒です。デフォルトは 700 です。 |
pad_ms | integer | 各範囲の前後に残す、話し声の長さで、0〜60,000 ミリ秒です。デフォルトは 120 です。 |
戻り値:ジョブ ID です。結果は output_data.json で、{ ranges, durationMs } の形です。output_data 全体ではなくこのオブジェクトを、plan_edit の silence として渡します。または、ranges を使って、編集リストを手で書きます。
audio_sync
カメラのファイルとメインマイクなど、1 つの会話を収録した 2〜6 本の録音について、音を比較して、それぞれの時計がどれだけずれているかを測定します。音声同期ノードと同じように動作します。
権限:workflows:execute。クレジット:ソース 2 本の 11 から 6 本の 55 まで、基準にそろえる録音の本数によって決まります。
| パラメーター | 型 | 説明 |
|---|---|---|
sources | array | 必須。2〜6 本の録音で、それぞれ { id, url } です。ID は重複しないようにします。オーディオか動画の URL を指定します。 |
reference | string | すべてのオフセットの基準になる録音の ID です。デフォルトは、最初の録音です。 |
戻り値:ジョブ ID です。結果は output_data.json で、{ reference, offsets, notes } の形です。各オフセットには、sourceId、offsetMs、confidence、driftMsPerHour が含まれます。基準の時計での時刻は、そのソースでの時刻に offsetMs を足したものです。低い信頼度と時計のドリフトは notes で報告され、補正されることはありません。
speaker_map
各話者がどのカメラに映っているかを、各カメラ自体のマイクから割り出します。話者マップノードと同じように動作します。
権限:workflows:execute。クレジット:1 回の実行ごとの固定料金です。話者マップノードが提供されていない環境では、このツールは一覧に表示されません。
| パラメーター | 型 | 説明 |
|---|---|---|
sources | array | 必須。2〜6 個の収録で、それぞれ一意の ID を持つ { id, url, kind? } です。カメラと、指定する場合はマスターとワイドの収録です。EDL のソース ID を使います。kind: "audio" は音だけの収録を示します。 |
transcript | object または string | 必須。話者ラベル付きの単語の文字起こしです。 |
offsets | object または string | audio_sync ジョブの output_data.json です。収録がすでに 1 つの時計を共有している場合は省略します。 |
master_source_id | string | マスターオーディオの ID です。全員の声を拾うので、誰のカメラでもありません。 |
wide_source_id | string | ワイドショットの ID です。誰のカメラでもなく、はっきりしたカメラのない話者はこのショットに映ります。ワイドはカメラである必要があり、音だけの収録やマスターは指定できません。 |
margin_db | number | 話者にカメラを割り当てるために、最も大きく聞こえるカメラが次のカメラより何 dB 大きい必要があるかで、0〜30 です。デフォルトは 3 です。 |
戻り値:ジョブ ID です。output_data.json は { version, speakerMap, confidence, notes, edl? } の形です。edl は収録を 1 つの編集にしたもので、output_data.edl にも入ります。この結果を switch_cameras に speaker_map_result として渡します。はっきりしたカメラのない話者には "" が割り当てられ、ワイドショットに映ります。ワイドショットがない場合は、映像のあるいずれかのカメラに映ります。何も拾わなかったカメラは notes で報告され、実行が失敗することはありません。
plan_edit
タイムスタンプ付きの文字起こしを、収録の編集決定リストに変えます。読み取るのは文字起こしだけで、映像は読み取りません。編集プランノードと同じように動作します。
権限:workflows:execute。クレジット:収録の長さ、モード、ティアによって、3〜1,664 です。Nodaro Cloud のみ。
| パラメーター | 型 | 説明 |
|---|---|---|
mode | string | 必須。tighten は、無音、フィラーワード、言い直しを取り除いた 1 本のカットを作ります。clips は、共有しやすい短いクリップを見つけ、クリップごとに 1 つの編集リストを作ります。chapters は、タイトル付きのチャプターを付けます。trailer は、いちばん印象的な場面から 20〜40 秒のティーザーを 1 本作ります。 |
transcript | object | 必須。単語単位の文字起こしです。transcribe で作ります。 |
sources | array | 必須。1〜6 本の収録素材です。それぞれに url を指定し、任意で id、kind(video または audio)、role(master-audio、camera、wide、screen のいずれか)、speakers、マスタークロック上の offset_ms を指定します。id は、audio_sync でその収録に付けた ID で、200 文字までです。offsets を渡すときは必須です。 |
offsets | object または string | audio_sync のジョブの output_data.json です。ツールは、測定された各オフセットを、同じ id のソースにマスターの時計で書き込みます。ソース自身の offset_ms が優先されます。 |
transcript_source_id | string | 文字起こしの元になったソースの id です。わかる場合に指定します。指定すると、ツールはそのソースがマスターの時計に合っているかを確認します。 |
silence | object | silence_detect の結果です。 |
plan_tier | string | economy、standard(デフォルト)、premium のいずれかです。 |
count | integer | clips 用です。クリップの数で、1〜50 です。 |
target_duration_sec | integer | clips 用です。各クリップの長さで、5〜180 秒です。 |
target_aspect | string | 16:9、9:16、1:1、4:5 のいずれかです。 |
platform, instructions, style_guide | string | クリップを投稿する場所と、自由記述のガイダンスです。 |
マスターは、master-audio の役割を持つソースです。そのソースがない場合は、最初のソースがマスターになります。オフセットのせいでカットの同期がずれる場合、ツールは料金が発生する前に呼び出しを拒否します。
- ソースに
offset_msがなく、audio_syncがそのソースを測定していないか、一致が弱い(信頼度が 0.5 未満)。そのソースのoffset_msを設定してください。 - マスターの
offset_msが 0 以外である。 - ほかのソースが測定されたオフセットを使っているのに、
audio_syncがマスターを測定していないか、マスターとの一致が弱い。 offsetsがaudio_syncの結果ではない。または、照合に使うidがないソースがある。- 文字起こしが、マスターの時計からずれているソースから作られている。マスターを文字起こしするか、そのソースに
master-audioの役割を指定してください。
戻り値:ジョブ ID です。プランはジョブの output_data に入り、そのまま apply_edl に渡せます。
switch_cameras
マルチカムの編集で、話している人に合わせて、各カットにどのカメラを映すかを選びます。カメラ切り替えノードと同じように動作します。音は変わりません。
権限:workflows:execute。クレジット:収録の長さやカメラの台数にかかわらず、1 回の実行ごとの固定料金です。Nodaro Cloud のみ。
| パラメーター | 型 | 説明 |
|---|---|---|
edl | object または string | 必須。plan_edit の編集リスト 1 つです。クリップのセットの場合は、1 回の呼び出しに 1 つのクリップの編集リストを渡します。 |
transcript | object または string | 必須。話者ラベル付きの単語の文字起こしで、話者検出を有効にした transcribe で作ります。 |
speaker_map | object | 各話者ラベルを、その話者のカメラの EDL ソース ID に対応付けます。"" は、その話者に専用のカメラがないことを意味します。 |
speaker_names | object | 各話者ラベルを、表示名に対応付けます。 |
speaker_map_result | object | speaker_map の結果全体です。speaker_map のラベルが優先され、次にこの結果、その次に話者 1 を最初のカメラに、という順になります。 |
min_shot_ms, lead_ms, max_shot_ms, wide_every, layout_hints | カメラ切り替えノードのショットの設定です。 |
speaker_map にない話者は、speakers の一覧でその話者を挙げているソースに割り当てられます。ない場合は wide のソース、それもない場合は映像のあるいずれかのカメラです。"" を設定した話者は、speakers の一覧を使いません。同じカメラに新しい話者が映る場合も、その話者には独自の名前付きセグメントが作られます。
料金が発生する前に呼び出しが拒否されるのは、2 つの場合です。1 つ目は、話者ラベルがまったくない文字起こしです。2 つ目は、マスタークロック上の 1 つの編集ではない edl で、クリップのセット、チャプターのプラン、レンダリング済みの出力の編集リストなどです。
戻り値:ジョブ ID です。output_data.json は apply_edl 用に切り替えた編集リストで、output_data.transcript は話者名を付けた文字起こしです。
speaker_view
元のカメラから、編集自体の音を使って、話者を画面に配置した編集をレンダリングします。レイアウト、話者が替わるたびの切り替え、話している人の強調を描きます。話者ビューノードと同じように動作します。
権限:workflows:execute。クレジット:話者ビューノードと同じく、レンダリングした出力の 1 分ごとです。proxy の品質では料金が下がり、画面上の映像が 3〜6 個の場合やズームがある場合は上がります。Nodaro Cloud のみ。
| パラメーター | 型 | 説明 |
|---|---|---|
edl または video_url | object、string | どちらか 1 つだけが必須。edl は 1 つの編集で、object または JSON 文字列の、plan_edit か switch_cameras の結果です。video_url は、最大 500 MB の動画の公開リンクです。動画全体が使われ、話者が替わるたびに表示が切り替わります。 |
transcript | object または string | 話者ラベル付きの単語の文字起こしです。video_url の場合と、話者の名前を含まない edl の場合に必須です。 |
target_aspect | string | 16:9、9:16、1:1、4:5 のいずれかです。デフォルトは編集自体の形で、なければ 16:9 です。video_url の場合のデフォルトは 9:16 です。 |
layout | string | auto(デフォルト)、single、side-by-side、stacked、grid、pip のいずれかです。形や話者の人数に合わないレイアウトは、最も近いものに置き換えられます。 |
switch | object | { type, duration_ms? } で、話者が替わるたびの切り替えです。type は cut、pan、zoom、xfade:<transition> のいずれかです。duration_ms はパンやズームの長さで、0〜5,000 ミリ秒です。省略すると、話者はカットで切り替わります。 |
emphasis | object | { style, duration_ms? } で、話している人の示し方です。style は none、または scale、border、dim を + でつないだものです。duration_ms は 0〜5,000 ミリ秒です。省略すると、強調は描かれません。 |
quality | string | final(デフォルト)、または非公開の 720p プレビューの proxy です。 |
speaker_regions | array | 最大 500 個のクロップで、それぞれ { source, speaker, region: { x, y, w, h } } です。カメラのフレームのうち 1 人の話者が映る部分を、フレームに対する割合で示します。各辺は 1% 以上で、クロップはフレーム内に収まる必要があり、x + w と y + h は 1 以下です。ID は最大 200 文字です。 |
accent_color | string | border の強調の色で、#RRGGBB の形です。デフォルトは白です。 |
このツールは顔のトラックを受け付けません。話者フレームで顔を追従するには、エディターでワークフローを組みます。edl と video_url の両方を送る場合やどちらも送らない場合、JSON ではない edl の文字列、話者ラベル付きの文字起こしがない video_url、制限を超えたクロップは、リクエストの前に拒否されます。ルート自体の拒否は、何かが課金される前にツールエラーとして返されます。描けない編集や、測定できない動画、形より幅が広くない動画などです。
戻り値:ジョブ ID です。動画は output_data.videoUrl に、描いたとおりの編集は output_data.json に、編集に合わせて対応付け直した文字起こしは output_data.transcript に入ります。
apply_edl
編集決定リストを、完成したカットにレンダリングします。EDL 適用ノードと同じように動作します。1 分あたりの料金も、このノードのページに記載されています。
権限:workflows:execute。クレジット:レンダリングされた出力の 1 分ごとに、quality の料金で課金されます。proxy のプレビューには、動画でもオーディオでも、独自の安い料金があります。
| パラメーター | 型 | 説明 |
|---|---|---|
edl | object または string | 必須。plan_edit のプラン、または自分で書いたリストです。その segments は master クロック上の整数のミリ秒で表し、それぞれが EDL の sources の 1 つを ID で指定します。動画をレンダリングするには、すべてのセグメントに動画のソースが必要です。 |
sources | array | EDL のソースの URL を置き換える URL で、同じ順番で指定します。 |
output | string | video(デフォルト)または audio です。 |
quality | string | final(デフォルト)、または 720p の高速なプレビュー用の proxy です。プレビューは常に非公開で、プレビューのラベルが付きます。 |
clip_key | string | clips プランのクリップ用で、そのクリップの "<first inMs>-<last outMs>" です。結果に output_data.clipKey として返るので、クリップのパックの各レンダーを、そのクリップと照合できます。 |
crossfade_ms | number | 独自のトランジションがないつなぎ目にかけるクロスフェードで、最大 5,000 ms です。デフォルトは 0 で、ハードカットになります。 |
transcript | object | カットに合わせて再マッピングする文字起こしです。再マッピングにより、結果と一致するようになります。 |
1 回のレンダリングで作れるのは、最大 180 分です。形式が正しくないリストや長すぎるリストは、何かが実行される前に拒否され、該当するセグメントと、違反したルールが示されます。
戻り値:ジョブ ID です。レンダリングされたファイルが、ジョブの結果です。その output_data.quality で、プレビューか最終版かがわかります。
tighten_episode
ポッドキャストやインタビューの収録を、1 回の呼び出しで引き締めます。話者ラベル付きで収録を文字起こしし、無音を見つけ、引き締めたカットを計画してレンダリングします。字幕と、声の下で音量が下がる BGM を加えることもできます。エピソードを引き締めるノードと同じように動作します。
権限:workflows:execute。クレジット:各ステップがそれぞれの料金で、さらに実行ごとに固定の料金がかかります。
| パラメーター | 型 | 説明 |
|---|---|---|
media_url または media_urls | string、array | どちらか 1 つが必須。media_url は収録で、動画またはオーディオの URL です。最長 3 時間です。media_urls は、1 つの会話の 1〜6 個の収録を順に並べたものです。複数の収録を参照してください。 |
master_audio_url, cameras | string、object | 複数の収録の場合です。複数の収録を参照してください。 |
output | string | video(デフォルト)または audio です。オーディオの収録からは、常にオーディオのエピソードが作られます。 |
framing_aspect | string | 動画のエピソードを、話者ビューでこの形にフレーミングします。話者ビューは、画面上の話者に自動でボックスを配置します。16:9、9:16、1:1、4:5 のいずれかです。フレーミングしない場合は省略します。 |
framing_layout | string | framing_aspect を指定したときのレイアウトです。auto(デフォルト)、single、side-by-side、stacked、grid、pip のいずれかです。その形で描けないレイアウトは、最も近いものに置き換えられます。 |
framing_source | string | フレーミングしたエピソードで、話者をどう追うかです。static(デフォルト)は、話者ごとにフレームを均等に分割します。tracking は話者フレームで顔を追従し、サンプリングした 1,000 フレームのブロックを開始するごとに課金されます。話者フレームを利用できない場合は 403 で拒否されます。auto は、話者フレームを利用できる間は顔を追従し、そうでなければ均等に分割します。フレーミングがない場合は無視されます。 |
captions | boolean | 動画のエピソードに字幕を焼き込みます。デフォルトは true です。 |
caption_style | string | subtitle、word-highlight(デフォルト)、karaoke、tiktok-words、word-pop、bouncy のいずれかです。 |
review_before_render | boolean | 確認用の簡易プレビューで止めます。デフォルトは false です。 |
plan_tier | string | 編集の品質です。economy、standard(デフォルト)、premium のいずれかです。 |
instructions | string | プランへの編集の指示で、最大 4,000 文字です。 |
style_guide | string | プランのスタイルガイドで、最大 4,000 文字です。 |
music_url | string | BGM です。声の下で音量が下がり、エピソードとともに終わります。 |
music_duck_amount | number | 話し声の下で音楽の音量をどれだけ下げるかで、0〜100 です。デフォルトは 75 です。 |
client_request_id | string | 再試行用のトークンです。英字、数字、_ - . : からなる 8〜128 文字です。タイムアウトの後に再試行するときに同じ値を使うと、実行が二重に開始されたり、二重に課金されたりしません。 |
戻り値:ジョブ ID です。エピソードは output_data.videoUrl または output_data.audioUrl に、編集内容は output_data.json に入ります。セルフホスティング環境では、このツールには Nodaro Cloud への接続が必要で、接続がない場合はすぐに拒否されます。
複数の収録
tighten_episode、make_trailer、make_clip_pack、speaker_layout は、1 つの会話の複数の収録も受け付けます。たとえば、話者ごとに 1 台のカメラと、別録りのマイクです。実行は収録を揃え、誰がどのカメラに映っているかを割り出し、話している人に切り替えます。
| パラメーター | 型 | 説明 |
|---|---|---|
media_urls | array | media_url の代わりに使います。1 つの会話の最大 6 個の収録を順に並べたものです。カメラは最大 5 台です。6 つ目の枠は音のためのもので、master_audio_url か、音だけの収録 1 つです。 |
master_audio_url | string | ミキサーやレコーダーのトラックです。エピソードの音になり、収録を揃える基準の時計になります。6 個の収録に含めて数えます。 |
cameras.wide_camera | integer | どの収録がワイドショットかを、1 から数えた番号で指定します。専用のカメラがない話者のときに映ります。 |
cameras.already_synced | boolean | 収録がすでに 1 つの時計を共有しているので、揃える処理を行いません。 |
cameras.speaker_cameras | object | 誰がどのカメラに映っているかです。話者番号(1 は最初に聞こえた声)を収録番号に対応付けます。0 はワイドショットです。自動の対応付けより優先されます。 |
複数の収録やマスターオーディオには、話者マップが必要です。話者マップを利用できない場合、呼び出しは 403 node_not_available で拒否されます。複数の収録の実行は、誰がどのカメラに映っているかを output_data.cameras で報告します。
make_chapters
ポッドキャストやインタビューの収録のチャプターを、1 回の呼び出しで一覧にします。収録を文字起こしし、タイトルと開始時刻付きのチャプターを計画します。何もレンダリングしません。チャプターノードと同じように動作します。
権限:workflows:execute。クレジット:各ステップがそれぞれの料金で、さらに実行ごとに固定の料金がかかります。
| パラメーター | 型 | 説明 |
|---|---|---|
media_url | string | 必須。収録で、動画またはオーディオの URL です。最長 3 時間です。 |
plan_tier | string | 計画の品質です。economy(デフォルト)、standard、premium のいずれかです。 |
instructions | string | チャプターへの指示で、最大 4,000 文字です。たとえば「5 to 8 chapters」(5〜8 個のチャプター)や「short titles」(短いタイトル)です。 |
style_guide | string | チャプターのタイトルのスタイルガイドで、最大 4,000 文字です。 |
client_request_id | string | 再試行用のトークンで、tighten_episode と同じです。 |
戻り値:ジョブ ID です。概要欄用のテキストは output_data.text に入り、チャプターごとに 0:00 Title の行が 1 行です。1:00:00 以降に始まるチャプターがあると、すべての行が H:MM:SS の形になります。一覧は output_data.json に [{ startMs, title }] の形で入り、最初のチャプターは 0 から始まります。2 つのチャプターが同じ秒に始まる場合は、最初のものが残ります。
チャプターが見つからない実行は失敗し、固定の料金は返還されます。すべてのステップが完了しているので、その実行は続行できません。もう一度実行してください。それ以外の失敗した実行は、continue_use_case と mode: "from-failed" で続行します。セルフホスティング環境では、このツールには Nodaro Cloud への接続が必要です。
make_trailer
ポッドキャストやインタビューの収録から、20〜40 秒のトレーラーを 1 回の呼び出しで作り、選んだ SNS の各フォーマットで納品します。収録を文字起こしし、最も強い場面からトレーラーを計画してレンダリングします。長さはプランが決め、場面どうしは短いクロスフェードでつながります。各フォーマットはパディングされ、切り抜かれることはありません。トレーラーノードと同じように動作します。
権限:workflows:execute。クレジット:各ステップがそれぞれの料金で、さらに実行ごとに固定の料金がかかります。
| パラメーター | 型 | 説明 |
|---|---|---|
media_url または media_urls | string、array | どちらか 1 つが必須。最長 3 時間の動画です。オーディオだけの収録は拒否されます。master_audio_url と cameras を使う複数の収録については、複数の収録を参照してください。 |
formats | array | 納品するフォーマットで、1〜4 個です。9:16、1:1、4:5、16:9 から選びます。デフォルトは 9:16、1:1、4:5 です。 |
intro_card_url | string | 最初に再生する、最長 15 秒の短い動画です(省略可)。収録と同じサイズと形にしてください。そうでなければ、どちらかがレターボックスになります。 |
review_before_render | boolean | 確認用のトレーラーのプレビューで止めます。デフォルトは false です。 |
plan_tier | string | 編集の品質です。economy、standard(デフォルト)、premium のいずれかです。 |
instructions, style_guide | string | トレーラーへの指示とスタイルガイドで、それぞれ最大 4,000 文字です。指示の例は「open on the funniest moment」(いちばん面白い場面で始める)です。 |
client_request_id | string | 再試行用のトークンで、tighten_episode と同じです。 |
戻り値:ジョブ ID です。トレーラーは output_data.formats に、フォーマットの順に [{ format, url }] の形で入り、最初のものは output_data.videoUrl にも入ります。レンダリングできなかったフォーマットは output_data.failedFormats に示され、実行はほかのフォーマットで完了します。どのフォーマットもレンダリングできなかった場合は、実行が失敗し、固定の料金は返還されます。
review_before_render: true の場合、実行は output_data.videoUrl のトレーラーのプレビューで止まり、最終レンダリングまで formats は空のままです。output_data.json のプランを確認してから、mode: "render-final" で continue_use_case を呼び出します。セルフホスティング環境では、このツールには Nodaro Cloud への接続が必要です。
make_clip_pack
ポッドキャストやインタビューの収録を、1 回の呼び出しで短いクリップのパックにします。収録を文字起こしし、最もよい場面を見つけ、それぞれを独立したクリップとしてレンダリングして字幕を付けます。クリップパックノードと同じように動作します。
権限:workflows:execute。クレジット:各ステップがそれぞれの料金で、さらに実行ごとに固定の料金がかかります。レンダリングできなかったクリップは課金されません。
| パラメーター | 型 | 説明 |
|---|---|---|
media_url または media_urls | string、array | どちらか 1 つが必須。収録で、動画またはオーディオの URL です。最長 3 時間です。オーディオの収録からは、フレーミングも字幕もないオーディオのクリップが作られます。複数の収録では、各クリップが話している人に切り替わります。複数の収録を参照してください。 |
count | integer | 見つけるクリップの数で、1〜50 です。デフォルトは 8 です。プランがそれより少なく見つけることもあります。 |
target_length_sec | integer | 各クリップの長さで、5〜180 秒です。デフォルトは 60 です。 |
framing | object または null | { aspect, layout?, switch_type?, emphasis? } です。エピソードの話者に置いた自動のボックスで、各動画クリップを話者ビューでフレーミングします。すべてのクリップが同じようにフレーミングされます。デフォルトは 9:16、stacked、pan、scale で、layout のないフレーミングは stacked です。null は収録の形のままにします。 |
framing_source | string | static(デフォルト)は、話者ごとにフレームを均等に分割します。tracking は、パック全体に対する 1 回の話者フレームの実行で顔を追従し、サンプリングした 1,000 フレームのブロックを開始するごとに課金されます。話者フレームを利用できない場合は 403 で拒否されます。auto は、話者フレームを利用できる間は顔を追従します。 |
captions | boolean | 各動画クリップに字幕を付けます。デフォルトは true です。 |
caption_style | string | subtitle、word-highlight、karaoke(デフォルト)、tiktok-words、word-pop、bouncy のいずれかです。 |
review_before_render | boolean | 確認用の簡易プレビューで止めます。デフォルトは false です。 |
plan_tier | string | 編集の品質です。economy、standard(デフォルト)、premium のいずれかです。 |
instructions, style_guide | string | クリップの選び方への指示とスタイルガイドで、それぞれ最大 4,000 文字です。指示の例は「the funniest moments」(いちばん面白い場面)です。 |
client_request_id | string | 再試行用のトークンで、tighten_episode と同じです。 |
戻り値:ジョブ ID です。クリップは output_data.clips に入り、それぞれ { url, title?, hook?, clipKey, thumbnailUrl?, captionsFailed? } の形です。最初のクリップは output_data.videoUrl にも入ります。オーディオのクリップでは output_data.audioUrl です。
- すべてのクリップを試します。 レンダリングできないクリップや、カメラ間で切り替えられないクリップは飛ばされ、課金されません。
output_data.failedClipsに数えられ、実行はほかのクリップで完了します。どのクリップもレンダリングできなかった場合は、実行が失敗し、固定の料金は返還されます。 - 字幕だけが失敗することがあります。 字幕を付けられなかったクリップは、字幕なしで
captionsFailed付きで返されます。output_data.failedCaptionsに数えられ、その字幕は課金されません。 - 先に確認します。
review_before_render: trueの場合、実行は簡易プレビューで止まります。クリップごとに 1 つの EDL を含むoutput_data.jsonを確認します。次に、mode: "render-final"と、クリップを残すか外すかを決めたedited_edlでcontinue_use_caseを呼び出します。少なくとも 1 つのクリップを残してください。すべてのクリップを外すとuse_case_nothing_keptで拒否されます。最終レンダリングは残したクリップだけを作り、固定の料金はかかりません。
セルフホスティング環境では、このツールには Nodaro Cloud への接続が必要です。
speaker_layout
ポッドキャストやインタビューの収録全体を、1 回の呼び出しで話者ごとにフレーミングします。結果は収録と同じ長さで、何もカットされません。収録を文字起こしし、各話者を話者ビューでフレーミングします。スピーカーレイアウトノードと同じように動作します。
権限:workflows:execute。クレジット:各ステップがそれぞれの料金で、さらに実行ごとに固定の料金がかかります。スピーカーレイアウトノードが提供されていない環境では、このツールは一覧に表示されません。
| パラメーター | 型 | 説明 |
|---|---|---|
media_url または media_urls | string、array | どちらか 1 つが必須。最長 3 時間の動画です。オーディオだけの収録は拒否されます。複数の収録では、各話者がそれぞれのカメラに映ります。複数の収録を参照してください。 |
target_aspect | string | 16:9、9:16(デフォルト)、1:1、4:5 のいずれかです。 |
layout | string | auto、single、side-by-side、stacked(デフォルト)、grid、pip のいずれかです。その形で描けないレイアウトは、最も近いものに置き換えられます。 |
switch_type | string | 話者が替わるたびの切り替えです。cut(デフォルト)、pan、zoom、または xfade:dissolve などの xfade: のトランジションです。 |
emphasis | string | 話している人の示し方です。none、または scale、border、dim を + でつないだものです。デフォルトは scale です。 |
framing_source | string | auto(デフォルト)は、話者フレームを利用できる間は顔を追従し、そうでなければフレームを均等に分割します。static は、話者ごとにフレームを均等に分割します。tracking は顔を追従し、サンプリングした 1,000 フレームのブロックを開始するごとに課金されます。話者フレームを利用できない場合は 403 node_not_available で拒否されます。複数の話者が共有するカメラは、均等な分割のままです。 |
review_before_render | boolean | 確認用の簡易プレビューで止めます。デフォルトは false です。 |
client_request_id | string | 再試行用のトークンで、tighten_episode と同じです。 |
戻り値:ジョブ ID です。フレーミングした動画は output_data.videoUrl に、話者ビューが描いた編集は output_data.json に入ります。プレビューの後は、mode: "render-final" で、edited_edl なしで continue_use_case を呼び出します。レイアウトには変更するカットがないので、edited_edl は use_case_no_plan で拒否されます。セルフホスティング環境では、このツールには Nodaro Cloud への接続が必要です。
estimate_use_case
ポッドキャストのツールの実行を、開始する前に見積もります。見積もりは無料で、何も作られず、何も課金されません。
権限:workflows:execute。クレジット:無料です。
| パラメーター | 型 | 説明 |
|---|---|---|
node_type | string | 必須。見積もるノードで、tighten-episode、episode-chapters、episode-trailer、clip-pack、speaker-layout のいずれかです。デプロイメントが提供しているノードだけを受け付けます。 |
input | object | 必須。そのノードの実行ツール(tighten_episode、make_chapters、make_trailer、make_clip_pack、speaker_layout)の引数で、送るときとまったく同じものです。 |
引数は、実行ツール自体の引数と照合されます。そのツールが受け付けない引数は名前を示して拒否され、そのツールが拒否する値も同じです。その後、引数は実行ツールが送るのと同じ方法で送られるので、見積もりはまさにその実行のものになります。
戻り値:{ totalCredits, stepsCredits, feeCredits, estimate?, durationSec } で、nodeType 付きの structuredContent としても返されます。合計は、実行の各ステップのそれぞれの料金に固定の料金を加えたものです。estimate: true は、従量の見積もりで料金を出したステップがあるので、合計が概算であることを意味します。収録の長さを読み取れなかった場合、durationSec は null です。クレジットのないエディションでは、すべての数値が 0 です。拒否はツールエラーとして返されます。話者マップを利用できない環境での複数の収録(403 node_not_available)や、Nodaro Cloud に接続していないセルフホスティング環境(503 nodaro_connection_required)です。
continue_use_case
tighten_episode、make_chapters、make_trailer、make_clip_pack、speaker_layout の実行を、新しいジョブとして続行します。
権限:workflows:execute。クレジット:下記のモードによって異なります。
| パラメーター | 型 | 説明 |
|---|---|---|
job_id | string | 必須。以前の実行のジョブ ID です。 |
mode | string | 必須。from-failed または render-final です。 |
edited_edl | object | render-final の場合のみ:確認した後の編集リストです。 |
client_request_id | string | 再試行用のトークンで、tighten_episode と同じです。 |
from-failedは、失敗した実行のうち、完了しなかったステップだけを再実行します。完了したステップはそのまま残り、再び課金されることはありません。固定の料金は再び課金されますが、失敗した実行の固定の料金は返還されているので、全体でかかるのは 1 回分です。render-finalは、review_before_renderで作ったプレビューの後に、フル品質の結果をレンダリングします。プレビューの設定と、指定した場合はedited_edlを使います。固定の料金はかかりません。エピソードを引き締めるのエピソード、イントロカードとすべてのフォーマットを含むトレーラー、字幕付きのクリップパックの残したクリップ、スピーカーレイアウトのフレーミングした動画をレンダリングします。render-finalの拒否。make_chaptersの実行は何もレンダリングしないので、render_final_not_previewで拒否されます。すべてのクリップを外したクリップパックのedited_edlは、use_case_nothing_keptで拒否されます。speaker_layoutの実行には変更する編集がないので、edited_edlはuse_case_no_planで拒否されます。
実行は、ジョブ自体から読み取った、そのノードタイプ自体のルートで続行されます。ポッドキャストのユースケースのノードの実行ではないジョブは、何かが送られる前に拒否されます。
戻り値:新しいジョブ ID です。拒否は、続行のコード付きのツールエラーとして返されます。already_running と continuation_superseded は、追跡するジョブ、または代わりに続行するジョブを示します。continuation_settling は、少し待ってから再試行することを意味します。
文字起こしから収録を編集する
文字起こしする
収録に対して transcribe を呼び出します。単語のタイミングは、ジョブの output_data.json.words に入ります。
無音を見つける
silence_detect を呼び出します。このステップは任意ですが、tighten に役立ちます。
カットを計画する
文字起こし、無音、収録を渡して、tighten、clips、chapters、trailer のいずれかのモードで plan_edit を呼び出します。プランを確認し、必要に応じて変更します。
レンダリングする
プランを渡して apply_edl を呼び出します。まず quality: "proxy" で、すばやくプレビューします。
ポッドキャストやインタビューでは、tighten_episode がこれらのステップを 1 回の呼び出しで行います。podcast-editing レシピは、アシスタントに同じ手順を案内します。コンテンツレシピを参照してください。複数のカメラと別録りのマイクがある場合は、先に audio_sync を実行し、各ソースの offset_ms を plan_edit に渡します。
よくある質問
video_analysis は何を返しますか?
動画をシーンごとに分解したものです。各シーンは最長 8 秒で、プロンプトにそのまま使える映像の説明、ショットの種類、カメラの動き、音のレイヤーを含みます。繰り返し登場する人物、オブジェクト、場所は、キャスティングできるスロットになります。
video_analysis で分析できる動画の長さは、どれくらいまでですか?
最長 10 分です。Nodaro の ID、直接の URL、YouTube のリンクで指定できます。YouTube のライブ配信は拒否されます。料金は、動画が 4 つの長さの段階のどれに当てはまるかによって決まります。
MCP で、ポッドキャストの収録の間を詰めるにはどうすればよいですか?
収録を指定して tighten_episode を呼び出します。1 つのジョブで、文字起こし、無音の検出、カットの計画、レンダリングを行います。各ステップを自分で制御するには、transcribe、silence_detect、tighten モードの plan_edit、apply_edl を順に実行します。
MCP で、アシスタントがポッドキャストを短いクリップやトレーラーに編集できますか?
はい。make_clip_pack は収録から字幕付きの短いクリップを最大 50 本切り出し、make_trailer は 20〜40 秒のトレーラーを SNS の各フォーマットで作り、make_chapters はタイトルと開始時刻付きのチャプターを一覧にします。estimate_use_case を使うと、これらの実行の見積もりを先に無料で取得できます。
EDL とは何ですか?
編集決定リストです。再生順に並んだセグメントのリストで、各セグメントはソースの収録の時間範囲を指定します。apply_edl が、これを完成したカットにレンダリングします。
関連ページ
動画分析
EDL 適用
エピソードを引き締める
クリップパック
オーディオ
コンテンツレシピ
最終更新