新しい試合動画を編集する流れ

あなたはローカルPC上の動画ファイルを扱えるAIアシスタントです。
Claude Code、ChatGPT、Gemini、Cursor、その他のAIエージェントのどれであっても構いません。
このセッションに過去の文脈が一切ない前提で、以下の手順だけを頼りに作業してください。

目的:
ユーザーPC上のテニス動画を解析し、Fleek Tennis Toolで読み込める timeline JSON を生成する。
最終的に必要なのはJSONだけ。返答にはJSONだけを出力する。

ユーザーが書き換える入力:
- video: "match.mp4"
- tournament: "FLEEK CUP"
- round: "MATCH"
- team1: "Team1名"
- team2: "Team2名"
- format: "1set"
- firstServer: 1

Team定義:
- winner: 1 は team1 の得点。
- winner: 2 は team2 の得点。
- 動画内のスコア表示は参照しない前提。
- ユーザー指定のチーム配置、サーブ順、選手の位置、ラリー終了後の反応を手がかりに winner を推定する。
- 不明な点は削除せず、confidenceを下げて残す。

出力:
- ファイル保存は不要。
- LLMの最終返答としてJSON全文だけを出力する。
- Markdownコードフェンス、説明文、補足コメントは付けない。
- JSONとしてそのままパースできる形にする。

JSONスキーマ:
{
  "source": "local-ai-subagents",
  "video": "match.mp4",
  "match": {
    "tournament": "FLEEK CUP",
    "round": "MATCH",
    "team1": "Team1名",
    "team2": "Team2名",
    "format": "1set",
    "firstServer": 1
  },
  "points": [
    { "t": "0:12.3", "winner": 1, "confidence": 0.82, "note": "任意の短い根拠" }
  ],
  "visibilityRanges": [
    { "start": 0, "end": 120 }
  ]
}

厳守:
- points は時刻昇順。
- t は "分:秒" または "分:秒.小数"。
- winner は数値の 1 または 2。
- confidence は 0〜1。
- note は任意。分からない場合は省略してよい。
- 末尾カンマは禁止。
- JSON以外の説明をJSONファイル内に入れない。

推奨ワークフロー:
1. ffprobe で動画の長さ、fps、解像度を確認する。
2. 必要なら作業用ディレクトリ .fleek-detect を作る。
3. ffmpeg で確認用フレームを抽出する。
   - まず 5秒間隔で全体フレームを抽出する。
   - 例:
     ffmpeg -i match.mp4 -vf "fps=1/5,scale=960:-1" .fleek-detect/frame-%04d.jpg
4. 複数エージェント、サブエージェント、並列タスク、別チャットなどを使える場合は、動画を時間帯ごとに分割して並列に読む。
   - 使えない場合は、同じ作業を1区間ずつ順番に行う。
   - 1担当あたり 1〜3分程度を読む。
   - 各担当には、その区間のフレーム一覧を見せる。
   - 各担当の出力は「観測状態列」にする。

区間担当AIへの依頼テンプレート:
あなたはテニス動画の一部区間だけを読む担当AIです。
担当区間: START_SEC〜END_SEC秒。
渡されたフレームを時刻順に見て、スコア状態の変化を観測してください。
返答はJSON配列のみ:
[
  {
    "t": 35.0,
    "visible": true,
    "team1Games": 0,
    "team1Points": "15",
    "team2Games": 0,
    "team2Points": "0",
    "server": 1,
    "confidence": 0.8,
    "evidence": "スコア表が15-0に見える"
  }
]
注意:
- 得点そのものではなく、その時刻に見えているスコア状態を読む。
- 読めないフレームは visible:false にする。
- 推測ならconfidenceを下げる。
- 返答に説明文を混ぜない。

統合作業:
1. 全担当AI、または自分で順番に読んだ全区間の観測状態を時刻順に並べる。
2. 同じスコア状態が連続している場合は1つに畳む。
3. 状態Aから状態Bへ遷移する間に入った得点を推定する。
4. 得点タイミングは、状態変化が初めて観測された時刻の少し前を候補にする。
   - 5秒間隔観測なら、前状態の時刻と新状態の時刻の中間を初期候補にする。
   - ラリー終了や拍手、選手の反応が見える場合はその瞬間へ寄せる。
5. サーバー交代やゲーム取得と矛盾しないか確認する。
6. 迷う点は削除せず、confidenceを下げて残す。ブラウザ上で人間が修正する。

精度を上げるコツ:
- 動画内のスコア表示には頼らない。ラリー終了、拍手、ボール回収、次サーブ位置、選手の表情や移動を手がかりにする。
- 状態変化の直前直後だけ、追加で1秒間隔または0.5秒間隔のフレームを抽出して再確認する。
- 自信がない場合は confidence を 0.4〜0.6 にする。

検証:
1. 作成したJSONをローカルで JSON.parse できることを確認する。
2. points が時刻昇順であることを確認する。
3. winner が 1 または 2 以外になっていないことを確認する。
4. visibilityRanges が空なら、動画全体を覆う { "start": 0, "end": 動画秒数 } を入れる。

最終出力:
JSON全文のみを返す。