PeakCut実践:独自のAIショート動画編集ツールを構築する

ショート動画制作で最も時間がかかるのは編集ではなく、1〜2時間のライブ配信や長尺動画から公開価値のある数十秒を見つけ出すことです。PeakCut はこのパイプラインを自動化します:ローカルで音声認識を実行し、AI がハイライトシーンを選び、自動的に 9:16 の縦型にカットし、字幕を焼き込みます。最も魅力的なのは、プロセス全体を自分のコンピューター上で完結でき、動画や音声のデータが端末から出ないことです。

そのワークフローはとても直接的です:音声を文字起こしし、AI に見知らぬ人の注意を引くシーンを判断させ、FFmpeg で字幕付きの縦型ショート動画にレンダリングします。文字起こしには sherpa-onnx と Parakeet モデルを使用し、完全にローカルで動作します。AI はシーン選択とタイトル作成のみを担当し、プロバイダーは OpenAI 互換の API であればどれでも接続できます。

公式の ChatGPT API を使いたくない場合は、Defapi が良い選択肢です。価格は公式の半分で、すべてのモデルが v1/chat/completions、v1/messages、v1beta/models/ といった主要プロトコルと互換性があるため、PeakCut の Custom provider で直接接続でき、設定方法は下記のステップ 3 とまったく同じです。

主要な依存関係と環境

始める前に、以下のものを確認してください:

  • Python 3.10+:メインプログラムの実行環境。
  • FFmpeg:すべての動画・音声処理を担当。Windows では winget install Gyan.FFmpeg、macOS では brew install ffmpeg、Linux では sudo apt install ffmpeg。
  • ネットワークとストレージ:初回起動時に約 480MB の音声モデルをダウンロードします。動画ファイル自体も大きいため、20GB 以上のディスク空き容量を推奨します。
  • AI キー(任意):設定しなくても使用可能です。その場合、PeakCut は音量に基づいてシーンを選択しますが、AI 生成のタイトルはありません。

PeakCut はプロジェクトを固定パス(例:C:\peakcut(Windows)または ~/peakcut(macOS/Linux))に配置することを推奨します。一時ディレクトリは避けてください。Windows でパスが深すぎると音声モデルの読み込みに失敗することがあります。

プロジェクト構造ツリー

peakcut/
├── studio/                  # サーバー側メインコード
│   ├── server.py            # FastAPI エントリポイント
│   ├── ai.py                # AI サービス適応レイヤー(新しいプロバイダーはここに追加)
│   ├── transcribe.py        # ローカル音声文字起こし
│   ├── jobs.py              # 編集タスクのパイプライン
│   ├── render.py            # 字幕レンダリングとビデオ合成
│   └── fonts/               # 字幕フォントファイル
├── web/                     # フロントエンド(純粋な HTML/CSS/JS)
├── deploy/                  # Docker デプロイ設定
├── tests/                   # 自動テスト
├── requirements.txt         # Python 依存関係
├── .env.example             # 環境変数テンプレート
└── Dockerfile

手順

1. リポジトリのクローンと依存関係のインストール

git clone https://github.com/haziqahmedqasmi/peakcut.git ~/peakcut
cd ~/peakcut
pip install -r requirements.txt

仮想環境の使用を推奨します。これにより、グローバルな Python パッケージを汚染しません。

2. ローカルサービスの起動

python -m studio.server

初回起動時に音声モデル(約 480MB)が自動的にダウンロードされるため、少し待つ必要があります。Uvicorn running on http://127.0.0.1:8765 のような出力が表示されれば、サービスが起動しています。

ブラウザで http://127.0.0.1:8765 を開くと、ログインなしでコンソールに直接アクセスできます。

3. AI サービスの設定

Settings → AI ページに移動します。ここで使用する AI プロバイダーを選択します。PeakCut の AI は2つのことを担当します:どのシーンを編集する価値があるかを決定し、シーンにタイトルを付けます。必要なのは JSON を返すチャットモデルであり、音声文字起こしサービスではありません。文字起こしは常にローカルで実行されます。

ドロップダウンから Custom (OpenAI-compatible) を選択すると、Base URL 入力欄が表示されます。プロバイダーのアドレスを入力し、Key 欄に API キーを貼り付け、モデル ID に JSON 出力をサポートするチャットモデル名を手入力し、Find models をクリックして利用可能なモデルリストを取得し(プロバイダーがサポートしている場合)、最後に Save and test をクリックします。

例として、Defapi は OpenAI 互換の API を提供し、価格は公式の半分です。設定は以下の通りです:

  • Base URL: https://api.defapi.org/v1
  • Key: Defapi プラットフォームのコンソールで取得
  • モデル: JSON 出力をサポートするチャットモデル ID を入力します(例:your-model-id。具体的な ID はアカウントのバックエンドリストに基づきます)

Defapi は v1/chat/completions、v1/messages、v1beta/models/ といった主要プロトコルと互換性があるため、PeakCut の Custom provider で直接接続できます。

注:以前 .env ファイルで AI パラメータを設定していた場合、コンソールで保存した設定が .env の設定を上書きします。.env を使用する場合の対応する変数は次の通りです:

PEAKCUT_AI_PROVIDER=custom
PEAKCUT_AI_MODELS=your-model-id
PEAKCUT_AI_KEY=your-key
PEAKCUT_AI_BASE_URL=https://api.defapi.org/v1

4. ビデオのインポート

ホームページ上部に貼り付けボックスがあり、YouTube、Twitch、Kick のリンクに対応し、ローカルビデオファイルを直接アップロードすることもできます。

Options で生成するクリップ数(1〜20個)、最短/最長時間(最短5秒、最長180秒)、字幕スタイル(Bounce/Hype/Clean)、画面レイアウト(ぼかし背景/ズーム/クロップ/ゲーム画面+カメラ)、解像度(720p/1080p)を設定でき、ビデオの特定の部分のみを処理するように制限することもできます。

Generate captions というオプションがあり、デフォルトで有効です。字幕は単語ごとにハイライトされるため、音声モデルがタイムスタンプ付きの認識結果を出力する必要があります。デフォルトモデルは英語に最も最適化されています。他の言語を使用する場合は、モデルを変更する必要があります。これについては後述のトラブルシューティングセクションで説明します。

リンクを入力し、Make clips をクリックして処理を開始します。

5. クリップのフィルタリングと字幕の調整

処理が完了すると、ビデオ詳細ページに移動し、生成されたすべてのクリップを確認できます。各クリップで可能な操作:

  • プレビュー:仕上がりを確認
  • 開始/終了ポイントの調整:タイムラインをドラッグして微調整
  • 字幕の修正:認識が間違っている場合は単語を手動で修正
  • 字幕スタイルの変更:3つのスタイルを自由に切り替え

PeakCut は各クリップに対してカバー画像と魅力的なタイトル(AI が作成)を生成します。タイトルが気に入らない場合は直接変更できます。

6. 縦型ショート動画のエクスポート

クリップに問題がなければ、Download をクリックしてエクスポートします。レンダリングは FFmpeg で行われ、最終出力は 9:16 の縦型形式で、字幕は画面に焼き込まれます。

YouTube、Instagram、または TikTok のアカウント接続を設定している場合は、ここから直接公開することもできます。スタンドアロンでの使用では、ダウンロードしてから手動でアップロードすることをお勧めします。

一般的な問題のトラブルシューティング

FFmpeg が見つからない
起動後にコンソールに FFmpeg が見つからないというメッセージが表示されます。ffmpeg -version が正常に出力されることを確認し、できない場合は再インストールして PATH に含まれていることを確認してください。

音声モデルのダウンロードに失敗
初回起動時にモデルのダウンロードが中断された場合は、data/models/ ディレクトリ内の対応するフォルダを削除し、サービスを再起動して再ダウンロードさせてください。ネットワークが不安定な場合は、Hugging Face から手動でダウンロードして指定ディレクトリに配置することもできます。

コンソールで設定した AI が有効にならない
Settings → AI ページで設定が保存されているか確認してください。コンソールで保存した設定は .env ファイルよりも優先されます。以前 .env に AI 関連の変数を記述していた場合、コンソールで一度保存すると .env の設定は無視されます。.env 設定に戻すには、コンソールでプロバイダーを再選択して保存する必要があります。

AI が JSON 形式のエラーを返す
モデル ID が JSON 出力をサポートするチャットモデルであることを確認してください。一部のモデル(特に純粋な推論モデル)は有効な JSON を返すことを保証しません。別のモデルを試してください。AI usage ページで詳細なリクエストログを確認することもできます。

字幕の言語が間違っている
デフォルトの Parakeet モデルは英語のみをサポートしています。中国語ビデオの場合は、中国語をサポートする sherpa-onnx モデルに変更するか(studio/config.py の ASR_MODEL_NAME を変更する必要があります)、YouTube の組み込み中国語文字起こしを使用します(この機能はデフォルトで有効で、YouTube の文字起こしテキストが優先されます)。

ディスク容量不足
data/ ディレクトリにはすべてのビデオと生成結果が保存されます。長いビデオを処理する前に、ディスクの空き容量を確認してください。Settings → Storage で現在のストレージパスと残りの容量を確認でき、データディレクトリを別のドライブに移動することもできます。

参考情報 / 発展的な方向性

PeakCut は録画済みビデオの編集だけでなく、ライブ配信中にリアルタイムで録画・ハイライト編集も可能です。各クリエイターに workspace を作成し、チャンネルを設定すると自動的に監視し、配信中にクリップを生成します。

複数人でのコラボレーションや公開サーバーへのデプロイには、DEPLOY.md を参照してください:Docker でアプリ + PostgreSQL + Caddy の自動 HTTPS を実行し、メール登録、Google ログインをサポートします。公開デプロイでは必ず PEAKCUT_ACCOUNTS=1 を有効にしてください。そうしないと、URL を知っている人なら誰でもあなたの AI キーを使用できます。

ソーシャルメディアアカウント(YouTube/Instagram/TikTok)への接続には、各プラットフォームで開発者アプリの登録が必要です。プラットフォームの審査中にアップロードされた動画はデフォルトで非公開になります。これはプラットフォームの制限であり、PeakCut 自体の問題ではありません。

さらに深く学びたい場合は、studio/ai.py が AI サービスとやり取りする唯一のファイルです。新しいプロバイダーを追加したり、リクエストロジックをデバッグしたりする場合は、ここから始めてください。コードにはテスト一式(python tests/run.py)も含まれており、コード変更後に実行することでリグレッションを防げます。