chatmonteur

ChatMonteurは、Vlog、チュートリアル、解説動画などの実際のトーキングヘッド録画に対応した、拡張可能なエージェント・オーケストレーション編集スタジオです。ゼロからビデオを生成するのではなく、auto-editor、faster-whisper、HyperFrames、ffmpegといった確立されたオープンソースツールをオーケストレートするパイプラインを通じて、既存の素材を編集します。 このシステムは、コーディングエージェント（Claude Code、Codex、またはそれに類するもの）によって駆動されます。ユーザーが素材を投入し、希望する編集内容を自然言語で記述すると、エージェントがパイプラインを実行します。これにより、オーディオの文字起こし、意味に基づいたポーズや言い淀みのカット、字幕の生成、モーショングラフィックス、サウンド、カラーグレーディングの追加が行われ、最終的なファイルがレンダリングされます。 ワークフロー全体を通じて、2つの品質ゲートが適用されます。「プランゲート」は、フレームがレンダリングされる前に視覚的なプランをスコアリングし、機械的なカットに見える出力（例：視覚的なイベントがない90秒以上のストレッチ、実行時間の60%を超える画面上のテキスト、繰り返されるキャプション、3回連続の同一ズームなど）を拒否します。「ファイルゲート」は、エンコードされたすべてのアーティファクトをサンプルタイムスタンプ（10%、35%、65%、90%）で再度開き、オーディオレベルの無音やクリッピングを確認し、エンコーダーに与えられた時間と実際の実行時間を比較します。破損したファイルがある場合は配信を停止し、`.qc.json`レポートを生成します。 編集上の判断基準となるナレッジは、埋め込みプロンプトではなく、監査可能なナレッジベースとして`skills/`ディレクトリに記述されています。これには、どこでカットするか、カットにどのようにパディングを設けるか、いつズームするか、BGMのバランスをどう取るかなどのガイダンスが含まれています。すべてのエンジニアリングしきい値は、各ルールの根拠とともに`engineering-facts.md`に文書化されています。 典型的なワークフローでは、1つのコマンドで機械的に有効なドラフトが作成され、その後、ユーザーがエージェントと対話して編集を完成させます（フィラーのカット、キャプションやグラフィックスの追加、サウンドの微調整など）。エージェントは必要な承認ゲートを提示し、完了した編集のみをマスターファイルに昇格させます。 本プロジェクトは無料でローカルファーストです。`faster-whisper`は有料APIキーなしでローカルに動作します。追加の文字起こしバックエンドはプラグインとして追加可能です。クロスプラットフォームのエンコーディングがサポートされており、NVENCからlibx64、VideoToolbox、またはQSVへのフォールバックが可能です。 ステータスはv0.1です。機械的なパイプラインはエンドツーエンドで動作しており、エージェント駆動のワークフローは、生の素材からチェック済みのマスターまで、YouTubeチャンネルのフル編集でテスト済みです。