Analyze footage

素材 1 本を分析する

Language: Respond in the user's language — 対話・質問・承認確認・レポートはユーザーの使用言語に合わせる（例: 英語で話しかけられたら英語で応答する）。

ハードルール

• 1 回の実行で扱う素材は 1 本に限定し、全時刻を未カット素材の source 秒で記録する。
• 原本を変更しない。成果物は <source-dir>/analysis/<source-stem>/ に隔離し、同名素材との衝突を避ける。
• プロキシは ffmpeg で 720p 枠に収め、文字起こしは 3 層で行う: Mac 既定 = macOS SpeechAnalyzer（26+・swiftc 可）/ 共通フォールバック = whisper.cpp（従来どおり）/ クラウド = .akari/connections.json に doctor ok で登録済みの ElevenLabs Scribe・Groq を決定カードでの明示承認後にのみ使う。承認なしに外部 API へ音声を送信しない。キーは credentials.env 経由のみで扱い、値をチャット・成果物・ログに出さない。
• いずれのバックエンドも使えなければ文字を推測せず、transcript: [] に劣化して理由を報告する。
• シーン検出と一定間隔の両方でキーフレーム候補を作り、採用する画像は Read で実際に視認してから note を書く。
• filler | trouble | chapter | highlight | hook 以外の event を作らない。hook は 5 軸すべてを 1〜5 の整数で採点する。
• analysis.schema.json にない補助フィールドを追加しない。Schema 検証と意味検証を通した JSON だけを確定版にする。
• 人物マットは全素材で作らない。人物演出を使うと決めた素材でだけ実行する任意工程であり、処理時間が実時間の数倍に増える。既定は tracks.person_matte: null である。
• 顔ランドマーク・手ポーズのトラック（tracks.face_landmarks / tracks.hand_pose）も全素材で作らない。瞳・指先の位置を使う演出（eye-bar / finger-frame 等）を使うと決めた素材でだけ実行する任意工程であり、既定はキー自体を書かない（未生成 = キー無し）。
• OpenMontage は構造上の参考に限り、AGPL の文章・コードを転写しない。
• 既存の .akari/sidecars/ 出力先規約（workflow.md 参照）は project-structure-v0 契約 の 「契約サイドカー（既存）」層の一部であり、同契約が定める .akari/work/（エージェント中間物）・ .akari/reports/（検証証跡）と並ぶ置き場所の一つである。

実行順と目次

1. workflow.md を読み、入力確認、出力ディレクトリ決定、失敗時の扱いを確定する。
2. media-and-transcript.md を読み、720p プロキシとローカル文字起こしを作る。
3. keyframes-and-review.md を読み、scene + interval 抽出、Read 視認、キーフレーム所見を行う。
4. events-and-hooks.md を読み、5 種 event と hook の 5 軸スコアを判定する。
5. （任意）人物演出を使うと決めた素材でだけ person-matte.md を読み、人物マットを生成する。既定は実行しない。
6. analysis-json.md を読み、tracks を含む JSON を組み立て、検証後に確定する。
7. （任意）瞳・指先の位置を使う演出を使うと決めた素材でだけ、確定済みの analysis.json に対して vision-tracks.md を読み、顔ランドマーク・手ポーズのトラックを生成する。既定は実行しない。person-matte と違い analysis.json 自体を直接書き換えるため、必ず手順 6 の確定後に行う。

詳細を先読みせず、現在の工程に対応するファイルだけを読む。