動画の場面検索

短い MP4 の場面を説明し、サンプル画像を類似度順に並べ、元動画を確認してコンパクトな JSON レポートを保存できます。

MP4 を選ぶ → 映像の索引を作る → 英語で場面を説明 → 元動画を確認 → JSON をコピー・保存。

動画を選んでください。索引の作成を始めるまでモデルはダウンロードしません。

短い動画から場面を探す

端末内の MP4 を1本選びます。見える内容を説明し、候補の時点を元の動画で確認してください。

1ファイル 50 MB · 各辺1920ピクセル以下 · サンプル20フレームまで

WebGPU と十分なメモリが必要です

初回は484.6 MBの公開モデルと約22–35 MBの実行用リソースをダウンロードします。読み込みには作業用メモリも必要です。確認済みの環境は最近のデスクトップ版 Chrome です。メモリの少ないスマートフォンでは動作しない場合があります。CPU による代替処理はありません。

ダウンロード・保存・プライバシー

「映像の索引を作る」を押すと、jsDelivr と Hugging Face(ダウンロード用 CDN を含む)から固定の公開リソースを取得します。提供元には IP アドレスなど通常の接続情報が伝わります。動画と検索文はブラウザ内にとどまります。検証済みの公開モデルの分割データは再利用のためにキャッシュしますが、動画や検索文は保存しません。キャンセルすると動画・検索文・結果は消去され、取得済みのモデル分割データは残ります。ブラウザの設定でこのサイトのキャッシュを削除できます。アカウントや有料 API は不要です。

5秒間隔:動画100秒まで、2秒間隔:40秒まで、1秒間隔:20秒まで、0.5秒間隔:10秒まで。サンプルの間に起きる短い出来事は見逃すことがあります。

1–200 UTF-16 単位。推論後には、モデル入力が単一チャンクで256単位以内かも確認します。検索対象はサンプル画像のみで、音声は含みません。他の言語での検索品質は未検証です。

使用方法

動画の場面検索とは?

英語の説明と動画から取り出したサンプル画像を比較し、近い候補を順位付けします。端末内の短い動画で、確認する場所を探すための道具です。候補は提案にとどまり、場面が存在しない場合にも返ります。音声やサンプル間の時点は検索しません。

使い方

  1. ブラウザがデコードできる、破損していない MP4 を1本選びます。モデル取得前に、ファイルサイズ、元ファイルの時刻情報、画面サイズ、サンプルの計画を確認します。
  2. 100秒までの動画では初期設定の5秒間隔を使います。短い動画では、必要に応じて間隔を狭めてください。「映像の索引を作る」を押します。初回は公開モデルと実行用リソースを取得しますが、動画は端末内にとどまります。
  3. 「A red car on a city street」のように、見える内容を簡単な英語で説明します。「場面を検索」を押すか Enter キーを使います。短く具体的な説明のほうが1枚の画像と比較しやすくなります。
  4. 候補時刻の元動画確認ボタンを選びます。ブラウザは元動画を再デコードし、ファイルのバイト、表示時刻、PNG バイトを索引と比較します。元動画を再生し、その場面が目的に合うか判断してください。
  5. 今回の JSON レポートをコピーまたは保存します。実際の検索文、元ファイルのフィンガープリント、サンプルの範囲、候補時刻、類似度、完了したフレーム確認を含みます。元動画は別に保存してください。レポートに画像は含まれません。

設定の選び方

項目変更される内容
5秒間隔(初期設定)100秒まで、サンプルは20回以下です。処理する画像が少ない反面、短い出来事を見逃すことがあります。
2秒 / 1秒 / 0.5秒動画の上限はそれぞれ40 / 20 / 10秒です。密なサンプリングほど端末のリソースを使います。20回を超える計画は拒否し、選んだ間隔を勝手に変えません。
類似度コサイン類似度で候補を並べます。信頼度のパーセント、物体検出の判定、場面の存在証明ではありません。
元フレームの確認選んだフレームについて、元ファイルの SHA-256、デコードした表示時刻、PNG バイトの同一性を確認します。検索文の内容や全フレームを検証するものではありません。
JSON レポート今回の検索とブラウザでの確認を記録した、サイズ制限のあるレポートです。呼び出し側が提供する記述情報は、第三者が認証した証明書ではありません。

入力例と期待される結果

自作の2秒の合成動画で0.5秒間隔を選ぶと、要求時刻は0、0.5、1、1.5秒でした。表示を保持していた2枚の元フレームの実際の提示時刻は0秒と1.2秒だったため、索引には4つのサンプル位置と2つの異なるフレームが残りました。「A red rectangle」を検索すると両方が候補になりました。0秒を確認したところ、元ファイルのフィンガープリント、デコード時刻、PNG バイトが一致しました。保存した1,825バイトの JSON はコピーしたレポートと一致しました。これはその動画での機能確認であり、利用者の動画での精度やレポートサイズを予測するものではありません。

うまく動かないとき

  • サンプルが20回を超える場合は間隔を広げるか、動画のコピーを短くしてください。間隔変更で古い索引は破棄されます。自動で間隔を緩めることはありません。
  • ファイルを読めない、またはフレーム確認が失敗する場合は、破損していない対応 MP4 から索引を作り直します。未確認の索引や不完全な索引を完成済みとして扱いません。
  • モデル保存領域が使えない、またはいっぱいの場合は、ブラウザの設定でこのサイトの保存領域を空けてから明示的に再試行します。フィンガープリントが一致しないキャッシュ分割データは削除されます。再試行はその部分を取り直し、他の検証済み部分を再利用します。
  • 検索文のエラーなら有効な索引は残るため、説明を短くして再検索できます。説明の変更は古い候補とレポートを消去します。制限時間超過やエンジンの失敗では索引の作り直しが必要です。消去とキャンセルはファイルと検索文も空にします。
  • クリップボードが使えない場合は JSON のテキストを選んでコピーするか、レポートを保存してください。他で使う前に検索文と元ファイルのフィンガープリントを確認してください。

参照表とリソース制限

項目上限
入力MP4 1本、50,000,000バイト以下。解析した長さは120秒以下で、選んだ間隔のサンプル20回制限も満たす必要があります。
画面サイズ各辺1920ピクセル以下、総画素数2,073,600以下。
デコード画像サンプルは20フレームまで。PNG 1枚2,000,000バイト以下、合計24,000,000バイト以下。不完全な索引は受け付けません。
検索文1–200 UTF-16 単位。モデル入力は単一チャンクで256単位以内か、推論後に確認します。
モデルEmbeddingGemma 2 740M LiteRT-LM の固定の公開リビジョン、484,622,336バイト。取得した分割データとモデル全体のフィンガープリントを検証します。
制限時間時刻解析器の読み込みは15秒まで。準備が整ってから、時刻情報・元フレームの待機は各4秒、エンジンの準備は360秒、画像の索引作成は120秒、検索は15秒。個別の処理制限であり、起動全体の所要時間の保証ではありません。
出力JSON は100,000バイト以下。この画面では候補は5フレームまでです。PNG データや埋め込みベクトルは含みません。

形式と制限

ブラウザでデコードできる MP4 1本のみ受け付けます。MP4 はコンテナなので、コーデックが非対応なら拡張子が .mp4 でも失敗します。空の編集リスト、複数区間や速度変更を含む編集リスト、曖昧な時刻情報、7,200個を超える時刻パケットは拒否します。元ファイルは変更しません。

WebGPU アダプターと十分な作業用メモリが必要です。確認済みの経路は最近のデスクトップ版 Chrome で、他のブラウザやメモリの少ないスマートフォンは未検証です。Python や NVIDIA 専用のインストールは不要ですが、CPU による代替処理はありません。初回は484.6 MBのモデルと約22–35 MBの実行用リソースを取得します。組み立てと読み込みのためのメモリも必要です。

動画と検索文はアップロードしません。「映像の索引を作る」を押すと、固定の公開リソースを取得するため、jsDelivr と Hugging Face(ダウンロード CDN を含む)に通常の接続を行います。提供元には IP などの接続情報が伝わります。キャッシュするのは検証済みの公開モデル分割データだけです。ファイルと検索文はページのメモリ内にあり、消去・キャンセル・ページを離れる操作で入力と結果を解放します。取得済みのモデル分割データは残りますが、ブラウザのサイトデータ設定で削除できます。

よくある質問

何を探せますか?

英語の説明に対してサンプル画像を順位付けします。候補時刻を使って元動画を確認してください。発話は検索せず、すべての出来事を特定せず、説明した場面の存在も保証しません。

どの間隔を選べばよいですか?

100秒までなら5秒間隔から始めます。40秒までなら2秒、20秒までなら1秒、10秒までなら0.5秒です。密にすると短い変化を拾いやすくなりますが、サンプル間の出来事は依然として見逃す可能性があります。

高いスコアなら場面がある証拠になりますか?

いいえ。どの画像もあまり合わなくても、最も近い画像から並べます。元フレーム確認は、このブラウザで同じ元フレームを再デコードできたことだけを確認します。映っている内容は自分で確認する必要があります。

動画やモデルが読み込めないのはなぜですか?

ファイルとコーデック、50 MB と画素数の制限、サンプル20回の計画を確認してください。WebGPU と十分な空きメモリ・保存領域がある最近のデスクトップ版 Chrome を使います。取得やキャッシュのエラーでは明示的な再試行が必要です。CPU 処理やアップロードによる代替はありません。

動画や説明はアップロードされますか?

いいえ。デコード、埋め込み、順位付け、元ファイルの確認はブラウザで行います。公開モデルと実行用リソースは明記した提供元から取得し、提供元には通常の接続情報が伝わります。キャッシュは公開モデルの分割データのみで、ファイルや検索文は保存しません。