Gemini × Claude Code
動画解析・自動生成マニュアル

英語のページなので、ブラウザの自動翻訳が効いていると表示が崩れてボタンの位置が変わります。

画面がおかしいと思ったら、まず翻訳を切ってください。アドレスバー右の翻訳アイコンから「英語のまま表示」。

請求先アカウントを紐づけていない無料枠では、送ったデータがサービス改善に使われる可能性があります。

自分だけが映っている動画なら無料枠で構いません。第三者が映っている・声が入っている動画は、課金枠に切り替えてから送ってください。ここは後から取り消せません。

HTTP 404  This model is no longer available to new users.

一覧に載っていても、使えるとは限りません。必ず短いテキストを1回投げ、実際に応答するか確かめてから本番に使ってください。

参考にした記事が名指ししていた最新のFlashモデルは、テキストなら36秒で応答するのに、動画を投げると5回リトライして全部これでした。

HTTP 503  This model is currently experiencing high demand.

混んでいたのは動画処理の側でした。ひとつ前の世代のFlashモデルに落としたら15.7秒で通り、解析の質も落ちませんでした。あわせて -latest のような別名は中身が最新モデルを指すため同じ混雑に巻き込まれます。モデル名は世代を固定して指定してください。

初回のリクエストが120秒経っても返らず、失敗したと思って中断しました。放置していたら正常に完了していました。

無料枠では最初の1発が待たされることがあります。すぐ失敗と判断せず、待つかバックグラウンドで走らせてください。

(eval):1: command not found: timeout

シェルに頼らず、スクリプトの中で打ち切る仕組み（JavaScriptなら AbortSignal.timeout）を持たせるほうが確実です。あわせて503と429は必ず起きるので、5秒 → 10秒 → 20秒 → 40秒 → 60秒で再挑戦する処理を最初から入れておきます。

公開値（映像258トークン/コマ × 1コマ/秒 ＋ 音声32トークン/秒 ＝ 約290トークン/秒）で計算して「1時間の動画は枠に入らない」と判断しました。

実測は1秒あたり91〜97トークン。約3分の1でした。

実用的な見積もり式 = 動画の分数 × 0.67円

一度アップロードした動画に別の質問を投げたら、入力トークンがまた全額（419,808）計上されました。アップロードは省けても、動画の読み込みは毎回やり直しです。

「あれも聞けばよかった」でもう51円。聞きたいことは1回のプロンプトに全部詰めてください。

全編を1コマ/秒で解析すると「テロップは白背景に青枠」程度しか返りません。

14秒だけを5コマ/秒で解析したら、「上段は青枠・下段は赤枠」「アニメーションなしで1フレームで出現」「古い枠は消えずに残る」まで取れました。料金はほぼ同じ（1.4円）です。短い区間なら密度を上げてもトークンが増えません。

インストール直後、日本語テロップを描こうとしてこうなりました。

[AVFilterGraph] No such filter: 'drawtext'

$ ffmpeg -buildconf | grep -i freetype   # → 何も出ない
$ ffmpeg -filters | grep subtitles       # → 字幕フィルタも無い

解決策は、ffmpegで文字を描くのをやめることです。Pillowで1枚ずつ絵を描き、ffmpegには「フレームをつなぐ」だけをさせます。結果的にこちらのほうが良く、可変フォントの太さを細字から極太まで選べるので、参考にした記事の著者が困っていた「フォントが太すぎて文字が潰れる」問題を最初から回避できます。

f = ImageFont.truetype(FONT, 80)
f.set_variation_by_name("Black")  # Thin〜Black

1回目の書き出しで、テロップの2行目が枠の下に飛び出していました。これはコードを読んでも気づけません。目で見るしかありません。

「8秒だけ作って人間が確認する」手順が効くのは、このためです。直したあとは、文字の幅を測って収まるまでフォントサイズを段階的に下げる処理を入れておきます。

「歯医者で歯茎の状態を褒められた」＋「わ」のように、最終行に1文字だけ残って不格好になりました。

最終行が1〜2文字になる場合はフォントを2ポイントずつ縮めて組み直す処理を入れると解消します。日本語では頻発するため、最初から入れておくのが早道です。

「テロップが表示されていない」と誤解しましたが、切り出した時刻がちょうどカットの切り替わりの瞬間でした。

確認用のフレームは、切り替わりから1〜2秒ずらした時刻で切り出してください。

アプリはインストール済みなのに応答がありませんでした。アプリを起動していないだけでした。VOICEVOXは起動して初めて窓口が開きます。

起動から応答までに数秒かかるので、繋がるまで待つ処理を入れておくと安定します。

商用利用は無料ですが、使ったキャラクター名の表記が条件です。

VOICEVOX:四国めたん

「VOICEVOX」を「VOICEBOX」と書き間違えていた例がありました。誤字で済まず、条件を満たしていない扱いになりかねません。キャラクターごとに個別の規約もあるので、公開前に確認してください。