DeepSeekに動画を「見る」力を渡す

DeepSeekは推論に強いモデルですが、そのままエピソードを渡すことはできません。アプリに音声アップロード機能はなく、APIにも文字起こし用のエンドポイントがないため、ポッドキャストのリンクやmp4ファイルを渡す先がないのです。足りないのは変換ステップです——まず録音をテキストに変換し、それからDeepSeekが得意なことをさせます。BibiGPTがその変換ステップを担います。リンクを貼るかローカルファイルを渡すだけで、タイムスタンプ付きの文字起こし、チャプターごとの音声要約、メモが手に入ります。DeepSeekは2026年8月13日にエージェントハーネスをオープンソース化したため、BibiGPTをスキルとしてインストールすれば、エージェントが取得から変換までを自分で行えるようになります。

動画をテキストに変換
DeepSeek Harness · 2026年8月13日オープンソース化 /bibi スキルとしてインストール可能 文字起こし・チャプター・要約

Turn a recording into text right here

Paste a podcast, lecture or video link — the transcript and chapter summaries come back in seconds, ready to hand to DeepSeek. The live BibiGPT app loads inline; no redirect.

BibiGPT を Google の優先ソースに追加 トップニュースと AI による回答に BibiGPT がもっと表示されます。

結論から言うと

DeepSeekは単独で音声や動画を文字起こしできません——アップロード機能も文字起こし用のエンドポイントもないからです。まず変換し、それからテキストを渡してください。BibiGPTがその変換を担います。リンクかローカルファイルを渡すだけで、タイムスタンプ付きの文字起こし、チャプターごとの音声要約、メモが得られます。そしてDeepSeekは2026年8月13日にエージェントハーネスをオープンソース化したため、BibiGPTをスキルとしてインストールすれば、取得から変換、推論までをエージェントが一度にこなせます。

Features

DeepSeek単体ではこれができない理由

これはモデルへの批判ではありません。単なる配管上のギャップです——DeepSeekが受け付ける入力形式と、あなたのコンテンツの形式が噛み合っていないだけなのです。

入力もテキスト、出力もテキスト

DeepSeekのチャットアプリには音声や動画のアップロード機能がなく、APIにも文字起こし用のエンドポイントは公開されていません。推論させたい対象は、必ずテキストとして届ける必要があります。

リンクはコンテンツそのものではない

YouTubeやポッドキャストのURLをチャットに貼り付けても、モデルが受け取るのは文字列だけで、その裏にある2時間分の会話ではありません。モデルはタイトルから平気で推測してしまいます——それこそが避けたい失敗そのものです。

プロンプトでは入力の欠落を埋められない

長い指示を書いたり、ロールプレイをさせたり、「よく聴いて」と頼んだりする人もいます。しかし解決策はもっと上流にあります——録音をテキストに変換してから、そのテキストを送ることです。

BibiGPTが手渡すもの

リンクを貼るだけで、録音が推論モデルに本当に必要な3つの要素に変わります——発言内容、発言されたタイミング、そして全体の構成です。

タイムスタンプ付きの完全な文字起こし

タイミングが必要な場合はSRTまたはVTT、発言内容だけでよい場合はプレーンテキスト、NotionやObsidianに渡す場合はMarkdownでエクスポートできます。

チャプターごとの音声要約

長い録音はセクションごとに分割され、各セクションの音声要約が付いて返ってきます。区別のないテキストの塊ではなく、関心のある部分だけをDeepSeekに渡せます。

リンクもローカルファイルも両方使える

YouTube、Bilibili、ポッドキャスト、TikTok、X、Xiaohongshuのリンクはそのまま入力でき、手元のディスクにある音声・動画ファイルもそのまま使えます。

DeepSeek Harnessにインストールする（3ステップ）

DeepSeek Harness（dsh）はDeepSeekのオープンソースのエージェントハーネスで、MITライセンスかつ現在はデベロッパープレビューです。npx @deepseek-ai/dsh web で起動できます。以下のステップでBibiGPTを追加します——コマンド1つで完了し、クローンする必要はありません。

  1. 1

    プラグインをプロファイルに追加する

    dsh plugin --profile web add "github:JimmyLv/bibigpt-skill#path:/dsh-plugin" —— 引用符はそのまま残してください。シェルでは # がコメントの開始として扱われるためです。dshはこの引数をpnpmに渡し、pnpmはgitリポジトリのサブディレクトリから直接パッケージをインストールできるので、公開もクローンも不要です。他のプロファイルを対象にするには --profile tui や --profile headless を使ってください。

  2. 2

    あるいはプラグインをまったく使わない

    harnessはディスク上のスキルも読み込みます。skills/bibi フォルダを ~/.agents/skills/ に置くだけで、依存関係ゼロで認識されます。このディレクトリは共有されており、他のSKILL.md対応エージェントも読み込むため、1つのコピーでClaude CodeとDeepSeek Harnessの両方に対応できます。

  3. 3

    再起動して /bibi を呼び出す

    プロファイルを再起動し、コマンドパレットを開いてSkillsの下を見てください —— /bibi があります。リンクを渡して要約、文字起こし、チャプターメモを依頼すれば、取得・変換したテキストを会話に返してくれます。

スキルをインストールした場合と手作業の場合

どちらの方法でも最終的にはDeepSeekが文字起こしを読むことになります。違いは、そこにたどり着くまでに何個のウィンドウを触るかです。

ステップ DeepSeek Harness内のBibiGPTスキル 手作業（スキルなし）
録音を入手する 会話にリンクを貼り付ける 自分で動画をダウンロードするか音声を抽出する
テキストに変換する エージェントがスキルを呼び出して待つ どこかの文字起こしサービスにアップロードし、待ち、ファイルをダウンロードする
DeepSeekに渡す すでに会話の中にある 文字起こしを開き、コピーし、貼り付け、うまく収まることを祈る
チャプターとタイムスタンプ 文字起こしと一緒に返ってくる 自分で組み立て直すか、あきらめる
20本のエピソードで繰り返す 同じ指示1つをループさせるだけ 上記を20回繰り返す

3つの典型的な使い方

共通しているのは、推論そのものがボトルネックだったことは一度もなく、録音を読める形にすることがボトルネックだったという点です。

学生・研究者 — 講義をノートに変える

90分の講義がタイムスタンプ付きでチャプターごとに分割された文字起こしになります。1時間分の生のテキストを貼り付けて祈るのではなく、つまずいたセクションだけをDeepSeekに渡して議論できます。

クリエイター — バズった動画を下書きに変える

ショート動画から文字起こしを取得し、DeepSeekにスクリプト、スレッド、ニュースレターへと再構成させます。文字起こしなら、そのクリップをバズらせた言い回しがそのまま残ります——要約ではそれが平坦になってしまいます。

エージェント開発者 — この工程をループの中に組み込む

スキルをインストールしておけば、DeepSeek Harness上で動くエージェントは、人がコピー操作をすることなく、リンクを受け取ってテキストを取得し、それに基づいて行動できます。これが単発の作業を、フィード全体を対象にした毎晩のジョブへと変える鍵です。

出典

このページのDeepSeek Harnessに関する情報はすべてプロジェクト自身から得ています。

実際によく検索される質問

DeepSeekは音声をテキストに文字起こしできますか？

いいえ。DeepSeekのアプリには音声や動画のアップロード機能がなく、APIにも文字起こし用のエンドポイントがないため、録音を送る先がありません。音声をDeepSeekに渡すには、まず別の文字起こしツールでテキストに変換し、そのテキストを会話に貼り付けるか渡す必要があります。

DeepSeek Harnessとは何ですか？

DeepSeek Harness（dsh）は、DeepSeekが2026年8月13日にGitHubで公開した、MITライセンスのオープンソースのエージェントハーネスで、デベロッパープレビューと位置づけられています。Cordisを基盤に構築されており、あらゆるものがプラグインとして扱われる設計になっているため、動画を読み取るような外部機能もその仕組みで追加されます。

エージェントスキルとは何ですか？

スキルとは、SKILL.mdファイルを含むフォルダのことで、そのフロントマターにスキルが何をするか、いつ使うべきかがエージェントに伝わるよう記述されています。DeepSeek Harnessは、共有ディレクトリ ~/.agents/skills を含むディスク上からスキルを検出するため、同じフォルダが複数のSKILL.md対応エージェントに同時に対応できます。

クリエイター・学生・研究者に愛用されています

動画をテキスト化するために、毎日 BibiGPT が選ばれている理由。

全世界 50,000 人以上のユーザーが利用中

★★★★★

“リンクを貼るだけで数秒でクリーンな字幕テキストが手に入り、毎週何時間もの書き起こし作業が不要になりました。”

Maya R.

コンテンツクリエイター · ショート動画を再編集

★★★★★

“文字起こしをエクスポートできるので、動画を何度も止めずに自分のペースで新しい単語を復習できます。”

Daniel K.

語学学習者 · 生の動画で学習

★★★★★

“タイムスタンプ付きの正確なテキストをそのまま引用できます。いつの間にか毎日のワークフローの一部になりました。”

Priya S.

研究者 · 公開講演を引用

よくある質問

ご質問はありますか？お気軽にどうぞ！

人気の記事

1

Bilibili AI動画要約ツール：BibiGPTが30以上のプラットフォームを即座に要約（2026）

2026年に最適なBilibili AI動画要約ツールは？リンクを貼るだけで、30以上のプラットフォームに対応した構造化要約・マインドマップ・要点を即座に取得。上位5ツールを比較します。
2

DeepSeek Harnessでskillを導入する方法：dshに動画を理解させる実践ガイド

DeepSeek Harnessに動画要約skillを入れるのはディレクトリをコピーするだけ——SKILL.mdはClaude Codeと同じ。dshを入れなくても、ブラウザにBilibiliやYouTubeのリンクを貼ればタイムスタンプ付きの要約が出ます。
3

アプリなしで動画を逆再生する方法｜無料・ダウンロード不要でブラウザで逆再生（2026年版）

アプリのインストールもダウンロードも不要。ブラウザだけで動画を無料で逆再生する方法を、iPhone・Android・PC別に解説。音声の逆再生、長尺動画のコツ、よくあるトラブルの直し方まで2026年最新版でまとめました。

録音をテキストに変換してから、DeepSeekに考えさせる

リンクを貼り付けるか、ローカルファイルをドロップしてください——数秒で文字起こし、タイムスタンプ、チャプターごとの要約が返ってきて、そのままDeepSeekに渡せます。無料で試せて、サインアップも不要です。

無料で試す — サインアップ不要