動画分析

動画分析（Video Analysis）ノードは、動画を、AI モデルで再現できるシーンごとの説明に分解します。動画を 8 秒以下のシーンに区切り（1 シーンが 1 回の生成に相当します）、各シーンの映像、フレーミング、カメラ、音を説明します。繰り返し登場する人物、オブジェクト、場所は、再利用できるエンティティスロットになります。そのため、自分のキャラクター、オブジェクト、ロケーションで、動画をキャスティングし直せます。

セルフホスティング環境では、ノードに NODARO マークが表示され、Nodaro Cloud への接続を通じて実行されます。料金は、接続先のアカウントに請求されます。接続していない場合、ノードには nodaro.ai を接続ボタンが表示され、実行されません。

使いどころ

• リファレンス動画を、AI で再現するためのショットごとの計画にしたいとき。
• 動画のキャストを抽出して、自分のキャラクター、オブジェクト、ロケーションで撮り直したいとき。
• 画像ノードや動画ノードに渡すために、プロンプトとしてそのまま使える各シーンの説明がほしいとき。
• 映像に合うサウンドトラックを作るために、各シーンの音のレイヤー（セリフと、音楽や効果音の説明）がほしいとき。

クイックスタート

入力

出力

設定

分析の重点が左右するのは注目する点だけで、形式には影響しません。結果の構造、シーンの長さ、フィールドの一覧は変わりません。一般的な分析にするには、空欄のままにします。

品質の選び方

選ぶのはモデルではなく、品質のティアです。各ティアの裏で使う分析モデルは Nodaro が選ぶため、ワークフローを変更しなくても、ティアの品質は時間とともに向上することがあります。

どのティアも、動画の各部分を複数回分析し、最も良い結果を残すか、統合します。パスの回数は、Fast と Pro では 3 回、2 つのミックスのティアでは 6 回です。スマートと 2 つのミックスのティアでは、最後に連続性のレビューも行います。このレビューでは、シーンの間で矛盾する記述を修正します。また、続いているはずの状態が抜け落ちているように見える場合は、連続性に関する要注意の警告を出します。たとえば、キャラクターに手錠でつながれたオブジェクトが、後のシーンで消えている場合です。すべての修正と要注意の項目は、結果の警告に一覧表示されます。

分析の内容

結果は 4 つの部分からなります。下流のノードも自分のコードも、同じ構造を読み込みます。

meta：ファイルの情報

look：クリップ全体の映像表現

1 つのショットではなく、作品全体に属する特性です。再生成するすべてのショットで共有できるように、1 回だけ記述されます。どのフィールドも省略されることがあり、分析で読み取れない場合は、この部分全体が省略されます。

slots：キャスティングできる人物、オブジェクト、場所

繰り返し登場する各エンティティは、1 回だけ抽出されます。そのため、自分のものに置き換えられます。

scenes：ショットごとに 1 エントリー

次のショットへの目に見えるトランジションがある場合は、それも各シーンに記録されます。

カメラアングル：angle は、eye-level、low、high、overhead、worms-eye、dutch、over-the-shoulder、pov、profile、from-behind のいずれかです。カメラに関する 3 つのフィールドは、互いに独立しています。shotType は被写体がフレームにどれだけ収まっているか、angle はカメラの位置、camera はカメラの動きを表します。肩越しのミディアムショットは、shotType が Medium、angle が over-the-shoulder になります。

visual ではなく visualResolved を読む：visual には、後でシーンをキャスティングし直せるように、スロットトークンが残っています。visualResolved は、プロンプトとしてそのまま使える完全なテキストで、下流のすべてのノードはこちらを使ってください。

音のレイヤー

シーンの audio は、同時に鳴る音のリストです。水しぶきの音の上にセリフがあり、その下に BGM が流れている場合は、3 つのレイヤーになります。空のリストは、本当に無音であることを意味します。

• 各セリフは 1 回だけ登場する：音声のレイヤーをシーンの順に読むと、同じ言葉が 2 回出てくることのないサウンドトラックになります。カットをまたぐセリフはカットの位置で分割され、モンタージュに重なるセリフは、そのセリフが始まるショットに属します。
• サウンドトラックの歌は音楽として扱う：画面上の誰も歌っていない歌は、音楽のレイヤーに含まれ、ボーカルもそこで説明されます。音声として扱われるのは、物語の中で話されたり歌われたりする言葉だけです。
• 話者は省略されることがある：分析で確信が持てない場合、話者が画面に映らないナレーターの場合、話者がスロットのない一度きりの人物の場合、speakerSlot は省略されます。

外見のバリエーション

キャストのバリエーション：エンティティごとの別の見た目を検出をオンにすると、分析は、同じ被写体の異なる見た目を、1 つの説明に平均化せずに区別します。シーン間の単なる着替えも、夢、フラッシュバック、変装、変身、時代の違いと同じように、別の見た目として扱われます。

• 1 つのスロットにつき最大 4 つの見た目：各見た目には、dream、flashback、disguise、costume、transformation、era、alt-1 などの ID があります。また、短いラベル、その見た目での被写体の完全な説明、その見た目が映っているフレームも含まれます。
• どの見た目が使われているかはシーンに記録される：あるスロットの見た目が指定されていないシーンでは、そのスロットのデフォルトの見た目が使われます。
• 見た目を見つける 2 つの方法：1 つ目のパスでは、映像を見て、服装、髪型、メイクの変化を探します。2 つ目のパスでは、完成した分析を読んで、「20 年後」のように映像には映っていない見た目を探します。どちらのパスも、スロットの名前を変えたり、シーンのテキストを変更したりはしません。
• 何も黙って消えることはない：被写体の見た目が上限を超える場合、超えた分の見た目はデフォルトの見た目にまとめられ、そのことが結果に記録されます。

動画生成 Pro は、各見た目を、その見た目が登場するシーンの中で一貫させます。

出力の言語

英語に翻訳のチェックボックスが 2 つともオフの場合、分析は動画の元の言語のままです。音声は一字一句そのまま引用され、画面上のテキストも元の文字のままです。動画をそのまま再現したい場合は、この設定にします。

2 つのチェックボックスはそれぞれ別のものを変えるので、個別にオンにできます。

たとえば、看板は中国語のままの街並みに、英語のナレーションを付けられます。どちらかのチェックボックスをオンにすると、シーンの説明、カメラのメモ、スロットの説明、声のメモも英語で書かれます。

• 名前はそのまま：ブランド名、商品名、人名、地名は翻訳されません。
• language フィールドは変わらない：language は、常に映像で話されている言語を示します。
• 再現の結果が変わる：シーンの説明は再生成のプロンプトになるため、翻訳された看板は、新しいショットでは英語でレンダリングされます。
• 元の言葉は残らない：翻訳が元の言葉に置き換わります。元の言葉が必要な場合は、チェックボックスをオフにして、もう一度実行してください。

ミュージックビデオ：デフォルトでは、画面上の誰も歌っていない歌の歌詞は、音楽のレイヤーの中に残ります。歌そのものが作品であるミュージックビデオの場合は、API のリクエストで musicVideo: true を、MCP のツールでは music_video を設定します。すると、歌われたすべての歌詞が、シーンごとに一字一句そのまま音声として返されます。このオプションは、API と MCP でのみ使えます。

長い動画と制限

• 最大の長さ：どのソースでも 10 分（600 秒）です。この上限は、ノードの実行時と、動画のダウンロード後の 2 回チェックされます。
• ウィンドウ：180 秒までの動画は、1 回のパスで分析されます。それより長い動画は、約 150 秒のウィンドウに分けて、5 秒ずつ重ねながら分析されます。その後、番号を振り直した 1 つの連続した結果に統合されます。
• YouTube：受け付けるのは youtube.com と youtu.be のリンクだけです。ライブ配信は拒否されるので、配信が終わってから録画を分析してください。

クレジット

料金は、分析の品質と動画の長さによって決まります。長さは、収まる最小の段階に分類されます。段階は、60 秒まで、180 秒まで、360 秒まで、600 秒までの 4 つです。

• 3 秒の余裕：ダウンロード後、ノードは動画の長さをもう一度測り、3 秒の誤差を許容します。そのため、ちょうど 1 分、3 分、6 分、10 分の動画は、それぞれの段階に収まります。
• 長さが不明な場合：ノードの実行時に長さを読み取れない場合は、600 秒の段階の料金が確保されます。実際には、長さを読み取れないソースは、その前に拒否されます。
• ティアによって料金が違う理由：長い動画ほど多くのウィンドウが必要になり、各ティアはすべてのウィンドウを複数回分析します。ミックスとスマートの料金が高いのは、主にこの繰り返しのパスのためです。

ヒント

• まずは Pro で：多少の詳細を犠牲にできる場合は、Fast に下げると、安く分析できます。
• 分析の重点を使う：商品のショット、画面上のテキスト、特定のキャラクターなど、再現で重要な点に分析を向けます。
• クレジットを使う前に分析を確認する：すべてのシーンを生成する前に、結果を AI 監査（AI Audit）に接続します。AI 監査は動画を見直し、映像で裏付けられた部分だけを修正します。
• visualResolved からレンダリングする：visual と slotRefs は、独自のキャスティングし直しのステップを作る場合にだけ使います。

API から

同じ分析を、コードや AI アシスタントからも使えます。完全な結果は、ジョブの出力にも保存されます。ソースは videoUrl または youtubeUrl で、設定は llmModel（品質のティア）、selectionMode、variations、translateSpeechToEnglish、translateOnScreenTextToEnglish、analysisFocus に対応します。単体のノードを実行すると MCP ツールを参照してください。