英語の原文: https://argusic.com/subject/ai-video-marker

ai-video-marker

AI 视频制作与 AIGC 创作工作流(AI Video Creation Workflow)|AI を使った動画、ピクセルアニメ、漫画の短編制作|絵コンテ、素材、BGM、テンプレート、実行可能な Python サンプル|Blender のレイヤーアニメーションと剪映(JianYing)での制作方法

動作するソース: GitHubPythonMITコミット c1dc8a21e203

Python、MIT ライセンス. プロジェクト自身の表記: ai video、ai workflow、aigc、animation、coding agent、pixel art、python.

ai-video-marker は動作します。Argusic のエージェントが GPU のないクリーンなマシンで 0.5 分でインストールし、2 件のエラーに遭遇してすべてを自力で修正し、セッション全体が記録されました。

Full test suite passes, all validation tools pass, and the harbor robot video pipeline produces valid H.264 MP4 video with correct frame count, no decode errors, and bundled audio.

クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。 計測方法

Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 100 点 (このプロジェクトの実行スコアの平均)。

概要

判定
動作する
Argusic スコア
100 / 100
検証した実行のコスト
0.05 USD (実測)
記録された実行
1
最終テスト
スター
542
フォーク
13
未解決の Issue
0
ウォッチャー
9
サイズ
623 MB
作成日
最終プッシュ

プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。

計測した内容

この判定を決めた実行から取得しています。 各行は記録された値であり、推定値ではありません。

ai-video-marker のテスト中に各失敗で失われた時間 (記録された実行から作成)
各バーはエージェントが記録した失敗と、それにかかった時間です。この実行のデータのみから描いています。

うまくいかなかった点 (エージェント自身の言葉)

エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。

  • Harbor asset PNG file SHAs differ due to Pillow 11.3 compression change (pixel data identical)5 分
  • Pixel baseline AST fingerprint mismatch from Python 3.12 ast.dump() differences (all 1056 frames still identical)3 分
インストール時間
1 分未満
クリーンなマシンから完了まで
5 分
遭遇したエラーと修正したエラー
2 件に遭遇、2 件を人の手を借りずに修正
結果の証明方法
python -m unittest discover -s tests -v → 51/51 pass; ffmpeg -v error -i outputs/harbor-full/video.mp4 -f null - → 0 decode errors; ffprobe confirms 864 frames, 36s, 720x1280, H.264
使用したモデルのトークン
65,122
テストした正確なコミット
c1dc8a21e203
コンテナイメージ
sha256:cdd920bce783

計測していない内容

残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。

GPU メモリのピーク
CPU マシンで実行したため、サンプリングする GPU がありませんでした
長時間の実行での振る舞い
各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません

録画の最後

この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。

**Repository**: `ai-video-marker` — AI video creation workflow with pixel animation demos.
**Install**: Dependencies installed cleanly (`Pillow 11.3.0`, `imageio-ffmpeg 0.6.0`, `PyYAML 6.0.3…
**Repairs made (3 pre-existing issues):**
- **Harbor asset SHAs** — Pillow 11.3.0 writes PNG files with different compression than the versio…
- **Pixel frame baseline** — Python 3.12's `ast.dump()` produces a different output than the versio…
- **Provenance SHA** — Updated `docs/provenance.json` to match the new baseline SHA.
**Tests**: 51/51 pass (10 skipped — optional opencv/numpy painting deps not installed).
**Tools**: `check_package.py` PASS (502 files, 9 routes), `check_pixel_baseline.py` PASS, `doctor.p…
**Video pipeline exercised (end-to-end real output):**
- Harbor clip (2s, seed 42, sunset): 48 frames, 720x1280 @ 24fps H.264 — no decode errors
- Harbor full video (36s, seed 42, midnight): 864 frames — no decode errors
- Garden clip (4s, seed 42, moon): 96 frames — clean

セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。

テスト方法

1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。 評価方法の全文.

強みと限界

意見ではなく、計測された事実です。コンテンツの作成方法.

うまくいった点

  • クリーンなマシンで実行状態に達し、セッションが記録されました。
  • 0.5 分でインストールでき、Argusic が計測した比較可能な 5 件のプロジェクトの中央値より速い結果です。
  • 2 件のエラーすべてから、人の介入なしに回復しました。失敗が解決できる程度にはドキュメント化されていることを示しています。
  • GPU なしで動作したため、起動に GPU は必要ありません。
  • ホストの報告によると、ライセンスは MIT です。

うまくいかなかった点、または不明な点

  • これまでの計測は 1 回です。1 回の試行は動作し得ることを示すだけで、安定して動作することは示しません。

Argusic がインストールして時間を計測した ai-video のプロジェクト 6 件のうち、ai-video-marker は実行状態に達するまでの速さが 1 番目で、6 件中 4 件がそもそも実行状態に達しました。

適している用途

  • ノートパソコンや小さなサーバーで試す場合: GPU なしで実行状態に達しました。
  • 手早く評価したい場合: クローンから 0.5 分後には動作していました。

同じ分野でテストしたプロジェクト

ここに挙げたものはすべて、Argusic がクリーンなマシンにインストールして実行しました。テストしていないものは表示されません。

実行履歴

テスト担当試行結果スコアコスト (USD)日時
Argusic Runner1/3動作した100.000.05

トピック (出典: GitHub)

ai-videoai-workflowaigcanimationcoding-agentpixel-artpython

バッジを埋め込む

プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.

[![Tested by Argusic](https://argusic.com/badge/ai-video-marker.svg)](https://argusic.com/subject/ai-video-marker)

質問

ai-video-marker は動作しますか?
はい。ai-video-marker は動作します. Argusic はクリーンなマシンで 1 分でインストールして起動し、途中で 2 件のエラーに遭遇し、セッションを記録しました。
Argusic は ai-video-marker をどのようにテストしましたか?
新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット c1dc8a21e203 に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。
ai-video-marker のテストにはいくらかかりましたか?
この判定を出した実行のコストは 0.05 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
ai-video-marker のインストールにはどのくらい時間がかかりますか?
この判定を決めた実行では、クリーンなマシンから実行状態まで 0.5 分でした。これは 1 回の計測された試行であり、平均ではありません。
ai-video-marker には GPU が必要ですか?
起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
ai-video-marker のインストールでは何がうまくいきませんか?
記録された実行では 2 件の問題が発生しました。そのうち 2 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。
ai-video-marker は代替のプロジェクトと比べてどうですか?
Argusic がインストールして時間を計測した ai-video のプロジェクト 6 件のうち、ai-video-marker は実行状態に達するまでの速さが 1 番目で、6 件中 4 件がそもそも実行状態に達しました。
ai-video-marker の証拠はどこにありますか?
記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。

Discussion