| # 多言語・簡易多モーダルWeb参照AIエージェント（Hugging Face Spaces対応） |
|
|
| ## 概要 |
|
|
| このプロジェクトは、テキスト・画像・動画を入力として受け取り、多言語でのWeb情報検索と要約を並列に行い、指定された言語で結果を統合・出力するAIエージェントです。 |
|
|
| **Hugging Face Spaces（無料ティア）でのデプロイを想定**して設計されています。 |
|
|
| --- |
|
|
| ## 主な機能 |
|
|
| * テキスト、画像、動画のマルチモーダル入力に対応 |
| * 入力言語の自動検出と処理 |
| * タスクの自動分解と並列処理（非同期実行） |
| * Web検索とページ要約（Serper API + BeautifulSoup） |
| * アップロードされた画像・動画のLLMによる簡易分析（GPT-4oなど） |
| * 指定言語での統合出力（日本語、英語、スペイン語、フランス語、中国語） |
|
|
| --- |
|
|
| ## 使用技術 |
|
|
| * **フロントエンド/UI**: Gradio |
| * **バックエンド**: Python + asyncio + OpenAI API |
| * **Web検索**: Serper API（[https://serper.dev）](https://serper.dev）) |
| * **LLM**: GPT-4o（openaiライブラリ経由） |
| * **画像処理**: Pillow（軽量な画像サイズ取得など） |
| * **動画処理**: MoviePy（キーフレーム抽出） |
|
|
| --- |
|
|
| ## インストールと実行方法 |
|
|
| ```bash |
| # 依存ライブラリのインストール |
| pip install -r requirements.txt |
| |
| # 環境変数の設定（.envファイルまたはシェルで） |
| export OPENAI_API_KEY=your_openai_key |
| export SERPER_API_KEY=your_serper_key |
| |
| # アプリ起動 |
| python app.py |
| ``` |
|
|
| --- |
|
|
| ## Hugging Face Spacesでの注意点 |
|
|
| * **無料ティアでは** CPUリソースとディスク容量に制限があります。 |
| * 画像・動画の処理はアップロードされた小ファイル（短時間の.mp4等）に限定してください。 |
| * Webからの画像・動画の**ダウンロード・保存は行わず、URLと要約のみ表示**されます。 |
| * GPT-4oの使用により画像・動画内容の要約は可能ですが、コスト・速度に注意。 |
| * 外部APIキーは Spaces の Secrets に登録してください（例: `OPENAI_API_KEY`, `SERPER_API_KEY`）。 |
|
|
| --- |
|
|
| ## 今後の拡張可能性 |
|
|
| * Gemini API や Claude API 対応 |
| * 音声抽出および文字起こし対応（短時間動画） |
| * 出力形式のカスタマイズ（Markdown, JSONなど） |
|
|
| --- |
|
|
| ## 作者 |
|
|
| tugaa |
|
|
| --- |
|
|
| ## ライセンス |
|
|
| MIT |
|
|
|
|
